【量化】Fama-French三因子模型构建策略
由polll创建,最终由polll 被浏览 101 用户
导语: CAPM模型认为,收益风险同源。市场风险是唯一能给股票带来超额收益的风险。但是事实上除了市场风险外,Fama-French认为市场上还存在还有市值风险,账面市值比风险等,据此建立的模型被称为“Fama-French三因子模型”。本文旨在深入浅出介绍三因子模型的思想并提供一个选股应用。
![](data:image/svg+xml;utf8,<svg xmlns='http://www.w3.org/2000/svg' width='257' height='345'></svg>)
本文由JoinQuant量化课堂推出,由官号转载,已授权 。本文难度标签为进阶上,理解深度标签:level-0
**作者:**导数君
**编辑:**宏观经济算命师
阅读前需要了解:
线性回归模型,理解深度:level 0
CAPM模型,理解深度:level 0
有关理解深度:
level0表示知道模型的原理,输入输出;
level1表示知道模型推导原理;
level2表示能严格用数学工具对模型进行推导。
Fama-French三因子模型概述
看到CAPM模型,大家有没有想过,为什么有的股票有正的超额收益,有的股票的超额收益却是负的?是不是市场风险不能够完全解释个股的超额收益?
是的。
Fama和French这两个人研究股票超额收益率的时候发现了一个神奇的现象:有两类股票的历史平均收益率一般会高于CAPM模型所预测的收益率。它们是小公司股票、以及具有较高股权账面-市值比的股票。Fama和French分析后认为:1)市值比较小的公司通常规模比较小,公司相对而言没那么稳定,因此风险较大,需要获得更高的收益来补偿;2)账面市值比就是账面的所有者权益除以市值(下以简称B/M)。B/M较高则说明市场上对公司的估值比公司自己的估值更低。这些公司一般都是销售状况或者盈利能力不是十分好的公司,因此相对于低B/M的公司来说需要更高的收益来补偿。
这个三因子模型的本质就是把CAPM中的 (未被解释的超额收益)分解掉,将其分解成市值因素、B/M因素和其他未被解释的因素(可以看成是新的 ),可以用如下公式表达:
其中 指股票i比起无风险投资的期望超额收益率。 ,为市场相对无风险投资的期望超额收益率,E(SMB)是小市值公司相对大市值公司股票的期望超额收益率,E(HMI)则是高B/M公司股票比起低B/M的公司股票的期望超额收益率,而 是回归残差项。
对三因子模型的理解
上面这个三因子模型和CAPM模型在表达式上面的区别就是多了几个回归的自变量。因此,
打眼一看,不少的读者(包括小编第一次接触的时候)可能会觉得这个模型只是为传统多因子模型提供了两个因子(市值、B/M)而已,然后用传统的因子打分、回归等方法进行选股。
小编只想说,其实并不是这样。
诚然,上面这种理解也可以用来建模,但它并不是本来Fama和French想表达的!那么他们究竟想说什么呢?我们再仔细看一下三因子模型的表达式:
和 是什么,前文刚介绍过。但这个E(SMB)怎么理解呢?Fama把市场里面的所有股票按市值排序,然后等分成三份:第一份是大市值股票(市值在所有股票中最大的1/3),第二份是中市值股票,第三份是小市值股票(市值在所有股票中最小的1/3)。记大市值股票的平均期望收益率为 ,小市值股票的期望收益率为 。那么 。E(HMI)的定义也类似。
小编认为,三因子模型的贡献,在于发现了股票的期望收益不仅仅与市场的系统风险有关,还和市值风险和账面市值比风险有关。市值和B/M这一类因子是对市场整体进行一个衡量的,而不是对个股的衡量。
对于市场的衡量,我们也可以用多元线性回归的方法来估计。三因子模型的表达式中 都是回归系数, 描述的是股票本身的市场方面风险的大小, 描述的是股票本身的市值方面风险的大小, 描述的是股票本身的账面市值比方面风险的大小。
三、FF三因子模型套利法选股
举一个具体应用的例子:
我们再看一眼三因子模型的表达式(是最后一眼了,各位别烦躁):
如果默认三因子模型是正确的,而且市场风险、市值风险、账面市值比这三类风险能很好地解释个股的超额收益, 的长期均值应该是0。那么,如果对于某个时期的股票,回归得到 ,说明这段时间里面收益率偏低(因此股价也偏低),而根据有效市场假设,出来混总是要还的,今天的偏离在未来要涨回来的。
所以我们的选股思路非常简单:
- 先设定一个调仓频率,每T=10天调仓一次
- 设定一个样本长度S=63天。
- 然后在调仓日对于过去S天的数据进行回归分析,计算出每个股票在过去的S天里面 观测值,
- 然后买入 最小的N(N=10)支股票即可。
以上参数皆可调整,详细的回测代码及其注释见这里 。2006年至今的收益率高达792.67%,不仅跑赢了大盘,还跑赢了不少转化为多因子模型的方法的选股策略。下图表示这个策略的收益情况:
![](data:image/svg+xml;utf8,<svg xmlns='http://www.w3.org/2000/svg' width='554' height='139'></svg>)
这个策略的Alpha高达18.4%,而且beta非常接近1,因此可以使用沪深300指数来对冲市场风险从而获得超额收益,下图表示这个策略的净值和沪深300组合的净值的比值:
![](data:image/svg+xml;utf8,<svg xmlns='http://www.w3.org/2000/svg' width='554' height='407'></svg>)
从这个图中我们可以看出,虽然在熊市的时候回撤较大,但是如果用适合仓位的沪深300股指期货进行对冲的话,收益还是比较稳定的,因此说明了这个策略还是非常有效的。
好啦,本篇到此为止,欢迎关注后续文章!
代码和回测请见:https://www.joinquant.com/post/1668
本文由JoinQuant__量化课堂推出,版权归JoinQuant__所有,商业转载请联系我们获得授权,非商业转载请注明出处。