Faktormodeller

Introduktion till portföljanalys i Python

Charlotte Werger

Data Scientist

Använda faktorer för att förklara avkastning

Faktorer används för riskhantering.
Faktorer används för att förklara avkastning.
Faktormodeller kopplar samman faktorer med portföljens avkastning
Det finns empiriska faktormodeller testade på historiska data.
Fama French 3-faktormodell är en välkänd faktormodell.

Fama French multifaktormodell

$ $

$ R_{pf} = \alpha + \beta_m MKT + \beta_s SMB + \beta_h HML $
MKT är marknadens överskottsavkastning, dvs. $R_m - R_f$
SMB (Small Minus Big) en storleksfaktor
HML (High Minus Low) en värdefaktor

Repetition: regressionsmodellen

Anpassning av en linje till datapunkter med linjär regression

Skillnaden mellan beta och korrelation

Tabell som jämför beta med korrelation

Regressionsmodell i 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

Regressionens sammanfattningsutdata

# Print out the summary statistics
model.summary()

Sammanfattning av linjär regressionsmodell

Hämta betavärden snabbt

# 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

Nu kör vi en övning!

Introduktion till portföljanalys i Python