Fama-French三因子模型的本土化因子构建.docxVIP

Fama-French三因子模型的本土化因子构建

一、引言

自Fama与French于1993年提出三因子模型以来，该模型凭借对股票收益的强解释力，成为国际金融学界分析资产定价的核心工具之一。其通过市场风险溢价（MKT）、规模因子（SMB）和价值因子（HML）三个维度，揭示了资本市场中“风险-收益”关系的深层逻辑（FamaFrench,1993）。然而，中国资本市场作为新兴市场，在投资者结构、信息效率、政策环境等方面与欧美成熟市场存在显著差异，直接套用经典三因子模型往往难以准确刻画A股市场的收益特征。例如，国内学者研究发现，中国股市的“规模效应”在特定时期可能弱化甚至反转，传统价值因子（如市净率）对收益的解释力也弱于发达市场（张峥、刘力，2006；汪昌云等，2018）。因此，如何结合中国市场特性对三因子模型进行本土化改造，构建更贴合实际的因子体系，成为资产定价领域的重要课题。

二、Fama-French三因子模型的理论内核与中国市场适配困境

（一）经典三因子模型的逻辑框架

经典三因子模型的核心在于识别影响股票收益的系统性风险因子。市场风险溢价（MKT）反映了市场整体波动对个股收益的影响，是所有资产共同面临的基础风险；规模因子（SMB，SmallMinusBig）通过比较小市值股票与大市值股票的收益差，捕捉“规模效应”——即小市值股票因流动性差、信息不透明等原因，长期收益高于大市值股票的现象；价值因子（HML，HighMinusLow）则通过比较高账面市值比（价值股）与低账面市值比（成长股）的收益差，反映“价值效应”——即被市场低估的价值股长期收益高于被高估的成长股的规律（FamaFrench,1993）。这三个因子从市场整体、公司规模、估值水平三个维度，构建了一个简洁且有效的资产定价分析框架。

（二）中国市场的特殊性与模型适配难题

中国资本市场的“新兴+转轨”特征，使得经典三因子模型的底层假设与市场现实存在冲突。首先，投资者结构差异显著：A股市场散户占比长期超过60%，其投资行为更易受情绪驱动，导致股价波动与公司基本面的关联性减弱（李心丹，2003）。这种“非理性交易”会弱化规模因子和价值因子的有效性——小市值股票可能因投机炒作而非基本面优势获得超额收益，价值股也可能因市场情绪持续被低估。其次，政策干预频率高：监管层对IPO、退市、并购重组等市场机制的调控，以及产业政策的频繁出台，会直接影响股票收益的分布（陆蓉、徐龙炳，2015）。例如，某阶段政策对科技创新企业的扶持，可能使成长股持续跑赢价值股，导致HML因子失效。最后，信息效率较低：上市公司信息披露不充分、内幕交易时有发生，使得股票价格对基本面信息的反映速度慢于成熟市场（王志强、张博，2020）。这会导致规模因子所依赖的“小公司信息劣势”逻辑被削弱——部分小公司可能因信息操纵获得异常收益，而非承担更高风险的补偿。

三、本土化因子构建的关键维度与具体方法

（一）规模因子（SMB）的本土化调整

经典SMB因子以总市值划分大小公司，但中国股市存在大量非流通股（如限售股），总市值无法真实反映公司的实际可交易规模。因此，本土化调整的首要步骤是改用“流通市值”作为划分标准。流通市值更小的公司，其股票供给有限，更易被资金炒作，流动性风险更高，这与规模因子的“风险补偿”逻辑更贴合（吴世农、许年行，2004）。此外，经典模型按固定比例（如30%、70%）划分大小公司，但中国股市市值分布不均，头部公司市值占比极高（如金融、能源行业龙头），需动态调整划分阈值。例如，可采用滚动窗口计算市值分布的分位数，确保大小公司样本数量相对平衡，避免大公司组被少数巨头主导（汪昌云等，2018）。实证研究显示，使用流通市值并动态调整划分阈值后，SMB因子对A股收益的解释力提升约15%-20%（王志强、张博，2020）。

（二）价值因子（HML）的指标优化

经典HML因子以账面市值比（B/M）为核心指标，但中国上市公司的财务数据存在特殊性：部分公司通过非经常性损益（如政府补贴、资产出售）粉饰利润，导致账面值无法准确反映真实基本面（张峥、刘力，2006）。因此，本土化改造需扩展价值因子的指标体系，结合多个估值指标综合判断。例如，可同时纳入市盈率（P/E）、市销率（P/S）和现金流市值比（CF/M），通过主成分分析法提取共同因子，降低单一指标的噪声（陆蓉、徐龙炳，2015）。此外，考虑到中国股市“壳价值”现象（即业绩差的公司因重组预期被高估），需对ST股、亏损股进行剔除或加权调整，避免HML因子被异常值干扰（吴世农、许年行，2004）。研究表明，多指标综合的HML因子对A股价值股的识别准确率较单一B/M指标提升约30%（汪昌云等，2018）。

（三）新增本土化特色因子：交易行为与政策敏感性

中国股市