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
投资组合的超额收益的主要来源有两种:承担风险因子和错误定价。对投资组合的超额收益进行风险因子调整是排除已知主要风险因子对超额收益的影响。主要的风险因子模型包括几个经典的定价模型(asset pricing model),CAPM、Fama-French 3 factors model、Cohart 4 factors model、 Fama-French 5 factors model. 如果经过这些定价模型调整后,投资组合的依然具有显著的超额收益,那么这说明投资组合超额收益的来源排除了通过承担这几个主要风险因子带来的风险回报。
这个Demo对诸多投资组合进行了风险因子调整,并且只报告因子调整前后投资组合超额收益的情况,具体的数据预处理可以参考之前的因子Demo。
投资组合:价值因子(HML)
# Independent-sort Bivariate Analysis
bi_1 = Bivariate(np.array(test_data_1), number=4)
bi_1.average_by_time()
bi_1.summary_and_test()
bi_1.print_summary_by_time()
bi_1.print_summary()
============