Modele factoriale

Introducere în analiza portofoliului în Python

Charlotte Werger

Data Scientist

Utilizarea factorilor pentru explicarea performanței

Factorii sunt utilizați pentru managementul riscului.
Factorii ajută la explicarea performanței.
Modelele factoriale corelează factorii cu randamentele portofoliului.
Există modele factoriale empirice testate pe date istorice.
Modelul Fama-French cu 3 factori este un model factorial cunoscut.

Modelul multifactorial Fama-French

$ $

$ R_{pf} = \alpha + \beta_m MKT + \beta_s SMB + \beta_h HML $
MKT este randamentul excedent al pieței, adică $R_m - R_f$
SMB (Small Minus Big) — factor de dimensiune
HML (High Minus Low) — factor de valoare

Recapitulare: modelul de regresie

Ajustarea unei drepte la puncte de date prin regresie liniară

Diferența dintre beta și corelație

Tabel comparativ între beta și corelație

Model de regresie în Python

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

Rezultatul sumar al regresiei

# Print out the summary statistics
model.summary()

Rezumatul modelului de regresie liniară

Obținerea rapidă a betelor

# 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))

Sensitivities of active returns to factors:
F1: -0.0381
F2: 0.9858

Să exersăm!

Introducere în analiza portofoliului în Python