Estimación de un modelo de factores de riesgo para AAPL

Resumen

Este proyecto estima un modelo de 4 factores para explicar el rendimiento excedente mensual de Apple (AAPL) a partir de datos reales:

• Mkt-RF: premio por riesgo de mercado.
• SMB: factor tamaño.
• HML: factor valor.
• Mom: factor momentum.

La variable dependiente es el exceso de rendimiento mensual de AAPL sobre la tasa libre de riesgo.

Objetivo

Evaluar qué tan bien los factores sistemáticos explican el comportamiento de una acción individual y obtener una lectura financiera de sus exposiciones factoriales.

Datos utilizados

• Factores de Fama-French desde pandas_datareader.
• Precios históricos de AAPL desde yfinance.
• Frecuencia de trabajo: mensual.

Metodología

1. Descargar factores mensuales y el factor momentum.
2. Descargar precios de AAPL y convertirlos a rendimientos mensuales.
3. Homologar ambas series en la misma frecuencia y periodo.
4. Calcular el exceso de rendimiento de AAPL respecto a la tasa libre de riesgo.
5. Estimar una regresión OLS con constante.
6. Interpretar coeficientes y significancia estadística.

Hallazgos principales

Con base en la corrida guardada en el notebook original:

• R² ≈ 0.282
• Alpha ≈ 1.353 mensual, significativa al 5%
• Beta de mercado ≈ 1.184, altamente significativa
• HML ≈ -0.860, negativa y significativa
• SMB y Mom no resultaron significativos en esta especificación

Interpretación rápida

Los resultados sugieren que AAPL tiene:

• una fuerte sensibilidad al mercado,
• un sesgo de tipo growth más que value,
• y una parte del rendimiento que no queda totalmente explicada por estos factores.

Ideas para extender el proyecto

• Estimar el modelo de 5 factores.
• Comparar varias acciones tecnológicas.
• Usar errores robustos.
• Hacer betas móviles en ventanas rolling.
• Contrastar periodos pre y post 2020.