Fama-French五因子模型的实证检验步骤.docxVIP

Fama-French五因子模型的实证检验步骤

引言

资产定价模型是金融研究的核心议题之一，其核心目标是揭示资产收益的驱动因素。Fama-French五因子模型作为经典三因子模型的扩展，通过引入盈利因子（RMW）和投资因子（CMA），试图更全面地解释股票收益的横截面差异。该模型自提出以来，在学术研究和实务应用中均引发广泛关注，但模型的有效性需通过严谨的实证检验来验证。本文将系统梳理Fama-French五因子模型的实证检验步骤，从数据准备到结果分析层层推进，帮助读者理解如何通过实证方法验证模型的解释力。

一、数据准备：实证检验的基础保障

数据质量直接决定实证结果的可靠性，因此数据准备是整个检验流程的首要环节。这一阶段需完成数据类型筛选、样本范围确定、数据清洗等具体工作，每一步都需遵循严格的操作规范。

（一）数据类型与来源选择

实证检验需要三类核心数据：股票交易数据、公司财务数据和无风险利率数据。股票交易数据主要包括个股的日度或月度收盘价、流通市值（用于计算收益率和市值指标）；公司财务数据需涵盖账面市值比（净资产/总市值）、盈利指标（如营业利润、净利润）、投资指标（如总资产增长率、资本支出率）等；无风险利率通常选取国债收益率或银行间拆借利率，用于计算股票的超额收益（即股票收益减去无风险利率）。数据来源方面，学术研究中常用金融数据库提供的标准化数据，需确保数据覆盖足够长的时间跨度（一般建议至少10年，以包含完整的市场周期）和足够多的样本数量（覆盖不同行业、市值规模的公司）。

（二）样本筛选与数据清洗

为避免异常样本干扰结果，需对原始数据进行严格筛选。首先，剔除ST股、退市股等存在重大经营风险的股票，这类股票的价格波动往往偏离基本面；其次，排除上市未满一定期限（如1年）的新股，因其交易数据不完整且波动剧烈；最后，对流动性较差的股票（如日均成交额低于市场中位数的个股）进行筛选，确保样本股票具有足够的交易活跃度。数据清洗环节需处理缺失值和异常值：对于少量缺失的财务数据，可采用行业均值或前后期数据插值法补充；对于异常值（如账面市值比为负、盈利指标极端偏离行业水平），通常采用Winsorize方法（如将上下1%分位数的数据替换为1%和99%分位数的值），避免个别极端值对因子构造的影响。

（三）时间窗口与频率设定

时间窗口的选择需兼顾模型的稳定性和市场环境的变化。若时间窗口过短（如5年），可能无法捕捉长期因子效应；若过长（如20年以上），则可能因市场结构变化（如注册制改革、行业转型）导致数据异质性增强。实践中，10-15年的时间窗口较为常见。数据频率方面，月度数据是主流选择——日度数据噪声过大，年度数据则样本量不足，月度数据既能平衡时效性与稳定性，又能满足因子构造的频率要求（如每月末更新市值和财务指标）。

二、因子构造：模型核心变量的生成逻辑

Fama-French五因子模型包含五个核心因子：市场因子（MKT）、规模因子（SMB）、价值因子（HML）、盈利因子（RMW）和投资因子（CMA）。每个因子的构造均基于特定的经济逻辑，需通过组合分组和收益计算完成。

（一）市场因子（MKT）的构造

市场因子反映市场整体风险溢价，计算方法为市场组合的超额收益（市场组合收益率减去无风险利率）。市场组合通常选取全市场流通市值加权的股票指数（如宽基指数），其逻辑是：所有股票的平均收益代表市场整体回报，超额部分即为承担市场风险的补偿。例如，若某月度市场组合收益率为5%，无风险利率为1%，则该月MKT因子值为4%。

（二）规模因子（SMB）的构造

规模因子反映小市值股票与大市值股票的收益差，其经济逻辑是小市值公司通常风险更高、信息不对称更严重，需提供更高收益补偿。构造步骤为：首先，按市值将股票分为“小市值（S）”和“大市值（B）”两组（如按市值中位数划分）；然后，结合其他因子的分组标准（如账面市值比、盈利、投资）进行双变量分组（如S/L、S/N、S/H和B/L、B/N、B/H，其中L、N、H代表另一指标的低、中、高组）；最后，计算小市值组合的平均收益（S/L+S/N+S/H的平均）与大市值组合的平均收益（B/L+B/N+B/H的平均）之差，即为SMB因子值。

（三）价值因子（HML）的构造

价值因子反映高账面市值比（价值股）与低账面市值比（成长股）的收益差，逻辑是价值股因被市场低估而具有更高的预期收益。构造时，先按账面市值比将股票分为“高（H）”“中（N）”“低（L）”三组（如30%、40%、30%分位数）；再与市值分组（S/B）交叉，形成6个组合（S/H、S/N、S/L、B/H、B/N、B/L）；最后，计算高账面市值比组合（S/H+B/H）的平均收益与低账面市值比组合（S/L+B/L）的平均收益之差，得到HML因子值。

（四）盈利因子（RMW）与投资因子（CMA