Fama-French三因子模型的HML因子构建.docxVIP

Fama-French三因子模型的HML因子构建

引言

在现代金融研究中，资产定价模型始终是理解市场运行规律的核心工具。从早期的资本资产定价模型（CAPM）仅用市场风险溢价解释资产收益，到Fama-French三因子模型的提出，学界对资产收益驱动因素的认知实现了质的飞跃。Fama-French三因子模型通过引入市值因子（SMB）、账面市值比因子（HML），与市场风险溢价（MKT）共同构建起更全面的定价框架，其中HML（HighMinusLow）因子作为反映“价值股与成长股收益差异”的核心指标，其构建逻辑与实践细节直接影响着模型的解释力。本文将围绕HML因子的构建展开系统探讨，从理论背景到具体步骤，从关键细节到争议优化，逐层解析这一经典因子的生成过程。

一、HML因子的理论背景与核心逻辑

要理解HML因子的构建，首先需要明确其诞生的理论土壤与核心定位。

（一）CAPM的局限性与Fama-French模型的突破

传统CAPM模型假设资产收益仅由市场系统性风险（β系数）决定，但大量实证研究发现，市场中存在无法被β解释的超额收益。例如，小盘股长期跑赢大盘股（“规模效应”）、高账面市值比（B/M）股票（价值股）收益高于低B/M股票（成长股）（“价值效应”）等现象。这些“异常收益”的存在，推动Fama和French在1993年提出三因子模型，试图通过引入规模（SMB）和账面市值比（HML）两个因子，弥补CAPM的解释缺陷。

（二）HML因子的经济学内涵

HML因子的全称为“高账面市值比组合减低账面市值比组合的收益差”，其本质是捕捉市场对“价值股”与“成长股”的定价差异。账面市值比（B/M）等于公司账面价值（股东权益）除以市场价值（股价×总股本），B/M高的公司通常被视为“价值股”——市场对其前景预期较悲观，股价被低估；B/M低的公司则是“成长股”——市场预期其未来盈利高增长，股价包含更高溢价。理论上，价值股因承担更高的“困境风险”（如经营不善、财务压力）需要更高的风险溢价，而成长股的高估值可能因预期落空面临更大下行风险。HML因子通过量化这两类股票的收益差，将“价值效应”转化为可观测的风险因子。

（三）HML与其他因子的协同作用

在三因子模型中，HML与SMB、MKT并非孤立存在。市场风险溢价（MKT）反映整体市场波动的影响，SMB捕捉小公司的规模溢价，HML则聚焦价值股的风险补偿。三者共同构成“风险-收益”的多维度解释框架：一只股票的预期收益等于无风险利率，加上市场风险溢价×β、规模溢价×规模敏感系数、价值溢价×价值敏感系数的总和。这种协同作用使模型能更精准地拟合实际收益数据，尤其在解释跨行业、跨市值股票的收益差异时表现更优。

二、HML因子的构建流程与关键步骤

明确理论背景后，构建HML因子需遵循严格的实证研究流程。其核心是通过历史数据，筛选符合条件的股票，按B/M指标分组并构造多空组合，最终计算收益差。

（一）数据筛选与预处理

构建HML因子的第一步是确定研究样本的范围与数据要求。通常，研究对象为某一股票市场的公开交易股票（如A股、美股），但需满足以下条件：

数据可得性：需获取股票的市场价值（市值）、账面价值（股东权益）、交易价格等数据。账面价值一般来自公司年报，需注意会计周期与市场数据的时间匹配（例如，使用年末账面价值匹配次年的市场数据）。

剔除异常样本：为避免极端值干扰，需剔除ST股（存在财务风险）、上市未满一定期限的新股（流动性不足）、账面价值为负的公司（无实际价值意义）等。

时间跨度选择：为保证因子的稳定性，数据需覆盖多个完整的经济周期（如10年以上），避免因短期市场波动导致结论偏差。

（二）双重排序与投资组合分组

HML因子的构建关键在于“双重排序”——同时考虑市值（Size）与账面市值比（B/M）两个维度，以分离规模效应与价值效应的影响。具体步骤如下：

首先，按市值将股票分为“小市值组（S）”和“大市值组（B）”。通常以样本期内所有股票市值的中位数为分界点，市值低于中位数的归为S组，高于的归为B组。

其次，按账面市值比（B/M）将股票分为“低B/M组（L）”、“中B/M组（M）”、“高B/M组（H）”。常见的分组标准是取B/M的30%和70%分位数，即B/M低于30%分位数的为L组（成长股），高于70%分位数的为H组（价值股），中间40%为M组（中性股）。

通过双重排序，最终形成6个组合：小市值-成长股（S/L）、小市值-中性股（S/M）、小市值-价值股（S/H）、大市值-成长股（B/L）、大市值-中性股（B/M）、大市值-价值股（B/H）。这种分组方法的目的是确保HML因子不受规模效应干扰，例如，小市值中的价值股与大市值中的价值股会被分别考量，避免因规模差异导致的收益偏差。

（三）组合收益计算与HML因子生成

在完