实证资产定价(Empirical asset pricing)已经发布于Github和Pypi. 包的具体用法(Documentation)博主将会陆续在CSDN中详细介绍,也可以通过Pypi直接查看。
Pypi: pip install --upgrade EAP
Github: GitHub - whyecofiliter/EAP: empirical asset pricing
这个demo测试了经典的资产定价模型是否可以解释一些异常的投资组合回报。异常投资组合包括价格现金流(PCF)、资产增长率和异常换手率。通过单变量分析构建,准确地说,股票按特征或代理变量分为10组,首组和尾组之间的差异收益被视为异常投资组合收益。经典的资产定价模型包括Fama-French三因素模型、Carhart四因素模型和Fama-French五因素模型,其因素风险溢价是通过因子模拟投资组合构建的。
在本演示中,使用了Fama French 3因子模型和Fama French 5因子,数据来自CSMAR数据集。警告:请勿将此演示中的数据集用于任何商业目的。
# %% set system path
import sys,os
sys.path.append(os.path.abspath(".."))
# %% import data
import pandas as pd
month_return = pd.read_hdf('.\\data\\month_return.h5', key='month_return')
company_data = pd.read_hdf('.\\data\\last_filter_pe.h5', key='data')
trade_data = pd.read_hdf('