Fama-French五因子模型实证检验.docxVIP

Fama-French五因子模型实证检验

一、引言

资产定价是金融学研究的核心议题之一，其核心目标在于揭示资产收益的驱动因素。自资本资产定价模型（CAPM）提出以来，学者们不断通过实证研究修正和完善定价理论。早期研究发现，仅用市场风险因子（β）无法完全解释股票收益的横截面差异，于是Fama和French于1993年提出三因子模型，引入规模因子（SMB）和价值因子（HML），显著提升了模型对收益的解释力。然而，后续研究又发现盈利水平和投资风格等因素同样对收益有显著影响，基于此，Fama和French在2015年进一步扩展，提出包含市场风险、规模、价值、盈利、投资五个因子的五因子模型（FF5），试图更全面地捕捉资产收益的驱动机制。

本文聚焦Fama-French五因子模型的实证检验，旨在通过实际市场数据验证该模型在解释股票收益时的有效性，并探讨其相对于传统模型的改进与局限。研究不仅能为资产定价理论提供实证支持，也能为投资者构建投资组合、评估资产定价合理性提供参考依据。

二、Fama-French五因子模型的理论基础

（一）五因子的经济内涵与构造逻辑

Fama-French五因子模型的核心思想是：股票收益由五个系统性风险因子共同决定，每个因子对应不同的风险溢价来源。理解各因子的经济含义与构造方法，是开展实证检验的前提。

第一个因子是市场风险溢价（Mkt-Rf），这是CAPM模型的核心因子，反映市场整体波动对个股收益的影响。其计算方法为市场组合收益率减去无风险利率，通常用大盘指数收益率代表市场组合，国债收益率或货币基金收益率作为无风险利率。

第二个因子是规模因子（SMB，SmallMinusBig），反映小市值股票相对于大市值股票的超额收益。构造SMB时，需将股票按市值大小分为“小市值”（S）和“大市值”（B）两组，计算两组股票的平均收益率之差。这一因子的理论依据是“规模效应”——历史数据显示，小市值股票因流动性较差、信息不对称更严重，往往需要更高的风险溢价。

第三个因子是价值因子（HML，HighMinusLow），反映高账面市值比（价值股）相对于低账面市值比（成长股）的超额收益。具体操作中，股票按账面市值比（B/M）分为“高”（H）和“低”（L）两组，HML为H组与L组的平均收益差。价值股通常被市场低估，投资者要求更高收益作为补偿，这一因子捕捉了“价值效应”。

第四个因子是盈利因子（RMW，RobustMinusWeak），反映高盈利股票相对于低盈利股票的超额收益。盈利水平通常用净利润与账面价值的比率（ROE）衡量，将股票按ROE分为“高盈利”（R）和“低盈利”（W）两组，RMW为R组与W组的平均收益差。高盈利企业经营更稳健，抗风险能力强，理论上应获得更高收益，这一因子试图解释“盈利效应”。

第五个因子是投资因子（CMA，ConservativeMinusAggressive），反映低投资增长股票相对于高投资增长股票的超额收益。投资增长通常用总资产增长率或资本支出增长率衡量，将股票按投资增长率分为“保守投资”（C）和“激进投资”（A）两组，CMA为C组与A组的平均收益差。过度扩张的企业可能面临投资效率低下、财务风险升高等问题，投资者会要求更高的风险补偿，这一因子对应“投资效应”。

（二）五因子模型与三因子模型的逻辑延伸

五因子模型并非对三因子模型的简单叠加，而是基于实证研究的缺陷进行的针对性扩展。三因子模型虽能解释规模效应和价值效应，但无法完全解释盈利效应和投资效应。例如，有研究发现，在控制规模和价值因子后，高盈利股票仍能获得显著超额收益；同样，激进投资的股票收益往往低于保守投资的股票。Fama和French通过纳入RMW和CMA，试图将这些未被三因子模型覆盖的收益差异纳入定价框架，使模型更贴近市场实际。

三、实证检验的研究设计

（一）数据选择与样本处理

为确保实证结果的可靠性，本文选择某成熟股票市场的历史数据作为研究样本。考虑到市场有效性对因子有效性的影响，样本区间覆盖了牛熊周期转换的完整市场周期，以增强结论的普适性。具体数据包括：

个股交易数据：包含每只股票的日收盘价、流通市值（用于计算规模）、账面价值（用于计算B/M和ROE）、净利润（用于计算ROE）、总资产（用于计算投资增长率）等指标。

市场指数数据：用于计算市场组合收益率（Mkt-Rf），选择覆盖市场90%以上市值的宽基指数作为市场组合代表。

无风险利率数据：选取同期国债收益率作为无风险利率，与市场指数收益率的时间频率（月度）保持一致。

样本处理步骤如下：首先剔除ST股、退市股等异常交易股票，避免极端值干扰；其次，对缺失值进行插值处理或剔除，确保数据连续性；最后，按年度更新个股的规模、B/M、ROE、投资增长率等指标，以反映企业基本面的动态变化。

（二）