因子模型

Python 投资组合分析入门

Charlotte Werger

Data Scientist

用因子解释业绩

因子用于风险管理。
因子用于解释业绩。
因子模型将因子与组合回报联系起来。
存在基于历史数据检验的经验因子模型。
Fama–French 三因子模型是著名模型。

Fama–French 多因子模型

$ $

$ R_{pf} = \alpha + \beta_m MKT + \beta_s SMB + \beta_h HML $
MKT 为市场超额回报，即 $R_m - R_f$
SMB（小盘减大盘）为规模因子
HML（高账面市值比减低）为价值因子

回归模型速览

使用线性回归为数据点拟合直线

贝塔与相关性的区别

比较贝塔与相关性的表格

Python 中的回归模型

import statsmodels.api as sm

# Define the model
model = sm.OLS(factor_data['sp500'],
               factor_data[['momentum','value']]).fit()

# Get the model predictions
predictions = model.predict(factor_data[['momentum','value']])

b1, b2 = model.params

回归摘要输出

# Print out the summary statistics
model.summary()

线性回归模型摘要

快速获取贝塔

# Get just beta coefficients from linear regression model
b1, b2 = regression.linear_model.OLS(df['returns'], 
                          df[['F1', 'F2']]).fit().params

# Print the coefficients 
print('Sensitivities of active returns to factors:'
      '\nF1: %f\nF2: %f' % (b1, b2))

主动收益对因子的敏感度：
F1: -0.0381
F2: 0.9858

Vamos praticar!

Python 投资组合分析入门