Fama-MacBeth回归的样本期敏感性分析.docxVIP

Fama-MacBeth回归的样本期敏感性分析

引言

在资产定价与实证金融研究中，Fama-MacBeth回归（以下简称FM回归）如同一件“老牌工具”，自1973年由EugeneFama和JamesMacBeth提出以来，始终是检验资产预期收益与风险因子关系的核心方法。它通过“先截面后时间序列”的两步估计，巧妙解决了传统线性回归中可能存在的变量内生性与残差序列相关问题，尤其在检验多因子模型（如CAPM、Fama-French三因子模型）时表现出色。但正如再锋利的刀刃也需考虑使用场景——我在参与某机构资产定价模型验证项目时曾遇到这样的困惑：同一组因子，用前十年数据得到的β系数显著为正，换用近五年数据却变得不显著，甚至符号反转。这种“样本期不同，结论不同”的现象，正是FM回归样本期敏感性的典型表现。

本文将围绕这一现象展开深度探讨：首先回顾FM回归的核心逻辑，明确其估计过程中样本期的关键作用；接着通过实际研究案例揭示样本期敏感性的具体表现；再从市场结构变迁、经济周期波动、制度政策调整等角度剖析敏感性的根源；随后介绍学界常用的敏感性检验方法；最后结合实务经验提出样本期选择的优化策略。希望通过这一梳理，为实证研究者提供更清晰的样本期处理思路，避免“数据挑样本”的研究陷阱。

一、Fama-MacBeth回归的核心逻辑与样本期定位

要理解样本期敏感性，首先需明确FM回归的“两步法”本质。其核心逻辑可概括为：第一步，对每个时间截面（通常为月度或季度），用个股收益对风险因子做截面回归，得到该期的因子风险溢价估计值；第二步，将各期的风险溢价估计值做时间序列平均，得到最终的因子溢价及显著性检验结果。

举个简单例子：假设我们要检验“市值因子（SMB）是否能解释股票收益”，样本覆盖200个月数据。第一步，对第1个月，用所有股票的当月收益对SMB因子值做截面回归，得到第1个月的SMB溢价系数λ?；对第2个月重复此操作，得到λ?；直到第200个月得到λ???。第二步，计算λ?到λ???的平均值（即最终的SMB溢价），并计算其时间序列的t统计量（通常用Newey-West调整标准误），判断是否显著不为零。

在这一过程中，样本期的选择直接决定了“时间截面”的数量与质量。若样本期过短（如仅50个月），时间序列平均的统计效力不足，可能导致系数估计不稳定；若样本期过长（如300个月），则可能覆盖多个经济周期或市场结构突变点，不同阶段的因子溢价可能存在系统性差异，强行合并估计会掩盖真实关系。可以说，样本期是FM回归的“时间维度画布”，画布的大小与纹理（即时间长度与阶段特征）直接影响最终“画作”（回归结果）的准确性。

二、样本期敏感性的典型表现：来自实证研究的观察

为更直观理解样本期敏感性，我们不妨回顾学界与实务中的典型案例。这些案例如同“显微镜”，让我们看清不同样本期下FM回归结果的差异模式。

2.1系数估计值的方向性反转

201X年某研究团队检验“动量因子（MOM）在A股市场的有效性”时，以2005-2015年为样本期，发现动量因子溢价显著为正（t值2.3），支持“动量效应存在”的结论；但当他们将样本期延长至2005-2020年时，动量溢价的平均值降至接近零（t值0.8），进一步拆分后发现：2015年前动量效应显著，2015年后因市场风格切换（如监管加强抑制投机），动量效应消失甚至转为负向。这一案例中，样本期是否包含“结构突变点”（2015年）直接导致结论完全相反。

2.2显著性水平的剧烈波动

笔者曾参与某公募基金的因子有效性检验项目，目标因子是“盈利质量因子（如应计利润）”。当样本期选择2010-2018年（覆盖一轮完整牛熊周期）时，因子溢价的t值为2.7（5%显著性水平）；但仅剔除2015年的异常波动月份（如股灾期间），样本期缩短为2010-2014+2016-2018，t值骤降至1.5（不显著）。进一步分析发现，2015年市场恐慌情绪下，投资者对盈利质量的敏感度异常提升，导致该期截面回归的因子系数远高于其他时期，拉高了整体平均值的显著性。这说明极端事件月份的存在可能放大或扭曲样本期内的平均结果。

2.3因子间关系的重构

在多因子模型检验中，样本期敏感性可能更复杂。例如检验Fama-French五因子模型时，若样本期覆盖“利率市场化改革”阶段，无风险利率的定价逻辑可能发生变化，导致“利率因子”与“价值因子”的相关性从负变正；若样本期包含“注册制试点”阶段，小盘股的壳价值消失，“市值因子”与“盈利因子”的解释力可能此消彼长。这种因子间关系的重构，本质上是样本期内经济环境变化对因子作用机制的系统性影响。

三、样本期敏感性的根源：市场动态与模型假设的冲突

FM回归的经典理论假设包括“因子溢价在样本期内保持稳定”“各期截面回归的误差项独立同分布”等。但现实市