Fama-French 五因子 2*2回归分析(初学R语言)

最新推荐文章于 2024-05-04 17:37:39 发布
最新推荐文章于 2024-05-04 17:37:39 发布
阅读量1.4k 收藏 10
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Jarry1/article/details/106827380
版权

五因子 规模-账面市值比分组

简单一次分组

data()
getwd()
setwd("e:/R/data")
rm(O)
ri<-merge(r1,r2,by="SJ")
rii<-merge(ri,r3,by="SJ")
write.csv(a1b1p,"a1b1p.csv",row.names=FALSE)
remove(o)
setwd("e:/R/data")
library("readxl")
library("dplyr")
library("plyr")
load(".RData")
r1<-read_excel("r1.xlsx",sheet = 1)
cd<-read_excel("code.xlsx",sheet = 1)
r1<-anti_join(r1,cd,by="Stkcd")
r2<-r1%>%filter(Mretwd!="NA"&Mretwd!=0)%>%filter(Msmvosd!="NA"&Msmvosd!=0)
BM<-read_excel("BM.xlsx",sheet = 1)
OP<-read_excel("OP.xlsx",sheet = 2)
INV<-read_excel("INV.xlsx",sheet = 2)
r3<-left_join(r2,BM,by="SJ")%>%left_join(OP,by="SJ")%>%left_join(INV,by="SJ")
BV<-read_excel("BV.xlsx",sheet = 1)
BV<-select(BV,3:4)
BV1<-filter(BV,BV<0)%>%select(1)
r4<-anti_join(r3,BV1,by="SJ")
r8<-arrange(r4,desc(Mretwd))
write.csv(r8,"r8.csv",row.names = FALSE)
#最原始的数据
r9<-select(arrange(filter(r8,AC==199606),Msmvosd), -(BM:INV))
a1<-slice(r9,1:(nrow(r9)/5))#a1=slice(select(arrange(filter(r8,AC==199606),Msmvosd), -(BM:INV)),
                               #1:(nrow(select(arrange(filter(r8,AC==199606),Msmvosd), -(BM:INV)))/5))
a2<-slice(r9,(nrow(r9)/5):(nrow(r9)/5*2))
a3<-slice(r9,(nrow(r9)/5*2):(nrow(r9)/5*3))
a4<-slice(r9,(nrow(r9)/5*3):(nrow(r9)/5*4))
a5<-slice(r9,(nrow(r9)/5*4):n())
r10<-select(filter(r8,AC==199512), -(AC:Markettype))
a11<-left_join(a1,r10,by="Stkcd")
a1b0<-arrange(a11,BM)#a11=left_join(slice(select(arrange(filter(r8,AC==199606),Msmvosd), -(BM:INV)),
                         #1:(nrow(select(arrange(filter(r8,AC==199606),Msmvosd), -(BM:INV)))/5)),select(filter(r8,AC==199512), -(AC:Markettype)),by="Stkcd")
a1b0<-filter(a1b0,BM!="NA")# a1b0=filter(arrange(a11,BM),BM!="NA")
a1b1<-slice(a1b0,1:(nrow(a1b0)/5))
a1b2<-slice(a1b0,(nrow(a1b0)/5):(nrow(a1b0)/5*2))
a1b3<-slice(a1b0,(nrow(a1b0)/5*2):(nrow(a1b0)/5*3))
a1b4<-slice(a1b0,(nrow(a1b0)/5*3):(nrow(a1b0)/5*4))
a1b5<-slice(a1b0,(nrow(a1b0)/5*4):n())
#流通市值与BM的分组完成
r11<-filter(r8,AC>199506)
r11<-filter(r11,AC<199607)
a1b1<-semi_join(r11,a1b1,by ="Stkcd")
a1b1p<-ddply(a1b1,.(AC),summarize,SY=weighted.mean(Mretwd, Msmvosd))

滚动循环分组

#综合以上语句循环赋值

for(i in 0:19){assign(paste("a1b1",i+1,sep=""),
ddply(semi_join(filter(filter(r8,AC>(199506+100*i)),(AC<199607+100*i)),
slice(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==(199606+100*i)),Msmvosd), -(BM:INV))
,1:(nrow(select(arrange(filter(r8,AC==(199606+100*i)),Msmvosd), -(BM:INV)))/5)),
select(filter(r8,AC==(199512+100*i)), -(AC:Markettype)),by="Stkcd"),
OP),OP!="NA"),1:(nrow(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==(199606+100*i)),Msmvosd),
-(BM:INV)),1:(nrow(select(arrange(filter(r8,AC==(199606+100*i)),Msmvosd), -(BM:INV)))/5)),
select(filter(r8,AC==(199512+100*i)), -(AC:Markettype)),by="Stkcd"),OP)
,OP!="NA"))/5)),by ="Stkcd"),.(AC),summarize,SY=weighted.mean(Mretwd, Msmvosd)))}

a1b121<-ddply(semi_join(filter(filter(r8,AC>201506),(AC<201600)),
slice(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV))
 ,1:(nrow(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)))/5)),
 select(filter(r8,AC==201412), -(AC:Markettype)),by="Stkcd"),
 OP),OP!="NA"),1:(nrow(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==201506),Msmvosd),
-(BM:INV)),1:(nrow(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)))/5)),
 select(filter(r8,AC==201412), -(AC:Markettype)),by="Stkcd"),OP)
,OP!="NA"))/5)),by ="Stkcd"),.(AC),summarize,SY=weighted.mean(Mretwd, Msmvosd))

a1b1<-do.call("rbind",lapply(paste0("a1b1", 1:21), function(a1b1) eval(as.name(a1b1))))

# 以上循环求出a1b2,3,4,5

# a11=left_join(slice(select(arrange(filter(r8,AC==(199606+100*i)),Msmvosd), -(BM:INV)),1:(nrow(select(arrange(filter(r8,AC==(199606+100*i)),Msmvosd), -(BM:INV)))/5)),select(filter(r8,AC==(199512+100*i)), -(AC:Markettype)),by="Stkcd")

for( o in 2:5){
for(i in 0:19){assign(paste("a1b",o,i+1,sep=""),
ddply(semi_join(filter(filter(r8,AC>(199506+100*i)),(AC<199607+100*i)),
 slice(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==(199606+100*i)),Msmvosd), -(BM:INV))
,1:(nrow(select(arrange(filter(r8,AC==(199606+100*i)),Msmvosd), -(BM:INV)))/5)),
 select(filter(r8,AC==(199512+100*i)), -(AC:Markettype)),by="Stkcd"),
OP),OP!="NA"),(nrow(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==(199606+100*i)),Msmvosd),
-(BM:INV)),1:(nrow(select(arrange(filter(r8,AC==(199606+100*i)),Msmvosd), -(BM:INV)))/5)),
select(filter(r8,AC==(199512+100*i)), -(AC:Markettype)),by="Stkcd"),OP),OP!="NA"))/5*(o-1)):
  (nrow(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==(199606+100*i)),Msmvosd), -(BM:INV)),
1:(nrow(select(arrange(filter(r8,AC==(199606+100*i)),Msmvosd), -(BM:INV)))/5)),
select(filter(r8,AC==(199512+100*i)), -(AC:Markettype)),by="Stkcd"),OP),OP!="NA"))/5*o)),by ="Stkcd"),.(AC),
summarize,SY=weighted.mean(Mretwd, Msmvosd)))}
  
  assign(paste("a1b",o,"21",sep=""),
  ddply(semi_join(filter(filter(r8,AC>(201506)),(AC<201600)),
 slice(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==(201506)),Msmvosd), -(BM:INV))
 ,1:(nrow(select(arrange(filter(r8,AC==(201506)),Msmvosd), -(BM:INV)))/5)),
 select(filter(r8,AC==(201412)), -(AC:Markettype)),by="Stkcd"),
 OP),OP!="NA"),(nrow(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==(201506)),Msmvosd),
-(BM:INV)),1:(nrow(select(arrange(filter(r8,AC==(201506)),Msmvosd), -(BM:INV)))/5)),
 select(filter(r8,AC==(201412)), -(AC:Markettype)),by="Stkcd"),OP),OP!="NA"))/5*(o-1)):
  (nrow(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==(201506)),Msmvosd), -(BM:INV)),
  1:(nrow(select(arrange(filter(r8,AC==(201506)),Msmvosd), -(BM:INV)))/5)),
 select(filter(r8,AC==(201412)), -(AC:Markettype)),by="Stkcd"),OP),OP!="NA"))/5*o)),by ="Stkcd"),.(AC),
 summarize,SY=weighted.mean(Mretwd, Msmvosd)))}


a1b2<-do.call("rbind",lapply(paste0("a1b2", 1:21), 
function(a1b2) eval(as.name(a1b2))))
a1b3<-do.call("rbind",lapply(paste0("a1b3", 1:21), 
function(a1b3) eval(as.name(a1b3))))
a1b4<-do.call("rbind",lapply(paste0("a1b4", 1:21), 
function(a1b4) eval(as.name(a1b4))))
a1b5<-do.call("rbind",lapply(paste0("a1b5", 1:21), 
function(a1b5) eval(as.name(a1b5))))

#通过循环求出a2,3,4,5的a2b1

#slice(select(arrange(filter(r8,AC==199606),Msmvosd), -(BM:INV)),(nrow(select(arrange(filter(r8,AC==199606),Msmvosd), -(BM:INV)))/5*(p-1)):(nrow(select(arrange(filter(r8,AC==199606),Msmvosd), -(BM:INV)))/5*p))

#r8<-read_excel("r8.xlsx",sheet = 3)
#r8<-select(filter(filter(filter(r8,BM>=0), Mretwd!="NA"),Msmvosd!="NA"),-XH)
#(nrow(select(arrange(filter(r8,AC==(199606+100*i)),Msmvosd), -(BM:INV)))/5)


for(p in 2:5){
for(i in 0:19){assign(paste("a",p,"b1",i+1,sep=""),
ddply(semi_join(filter(filter(r8,AC>(199506+100*i)),(AC<199607+100*i)),
 slice(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==199606+100*i),Msmvosd), -(BM:INV)),
 (nrow(select(arrange(filter(r8,AC==199606+100*i),Msmvosd), -(BM:INV)))/5*(p-1)):(nrow(select(arrange(filter(r8,AC==199606+100*i),Msmvosd), -(BM:INV)))/5*p)),
 select(filter(r8,AC==(199512+100*i)), -(AC:Markettype)),by="Stkcd"),
OP),OP!="NA"),1:(nrow(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==199606+100*i),Msmvosd), -(BM:INV)),
 (nrow(select(arrange(filter(r8,AC==199606+100*i),Msmvosd), -(BM:INV)))/5*(p-1)):(nrow(select(arrange(filter(r8,AC==199606+100*i),Msmvosd), -(BM:INV)))/5*p)),
 select(filter(r8,AC==(199512+100*i)), -(AC:Markettype)),by="Stkcd"),OP)
 ,OP!="NA"))/5)),by ="Stkcd"),.(AC),summarize,SY=weighted.mean(Mretwd, Msmvosd)))}

assign(paste("a",p,"b121",sep=""),
ddply(semi_join(filter(filter(r8,AC>(201506)),(AC<201600)),
slice(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)),
 (nrow(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)))/5*(p-1)):(nrow(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)))/5*p)),
 select(filter(r8,AC==(201412)), -(AC:Markettype)),by="Stkcd"),
 OP),OP!="NA"),1:(nrow(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)),
(nrow(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)))/5*(p-1)):(nrow(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)))/5*p)),
 select(filter(r8,AC==(201412)), -(AC:Markettype)),by="Stkcd"),OP)
,OP!="NA"))/5)),by ="Stkcd"),.(AC),summarize,SY=weighted.mean(Mretwd, Msmvosd)))}

a2b1<-do.call("rbind",lapply(paste0("a2b1", 1:21), 
function(a2b1) eval(as.name(a2b1))))
a3b1<-do.call("rbind",lapply(paste0("a3b1", 1:21), 
function(a3b1) eval(as.name(a3b1))))
a4b1<-do.call("rbind",lapply(paste0("a4b1", 1:21), 
function(a4b1) eval(as.name(a4b1))))
a5b1<-do.call("rbind",lapply(paste0("a5b1", 1:21), 
function(a5b1) eval(as.name(a5b1))))

#求出a2(3,4,5)b2,3,4,5
for(o in 2:5){
for(p in 2:5){
  for(i in 0:19){assign(paste("a",p,"b",o,i+1,sep=""),
ddply(semi_join(filter(filter(r8,AC>(199506+100*i)),(AC<199607+100*i)),
 slice(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==199606+100*i),Msmvosd), -(BM:INV)),
  (nrow(select(arrange(filter(r8,AC==199606+100*i),Msmvosd), -(BM:INV)))/5*(p-1)):(nrow(select(arrange(filter(r8,AC==199606+100*i),Msmvosd), -(BM:INV)))/5*p)),
  select(filter(r8,AC==(199512+100*i)), -(AC:Markettype)),by="Stkcd"),
  OP),OP!="NA"),(nrow(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==199606+100*i),Msmvosd), -(BM:INV)),
(nrow(select(arrange(filter(r8,AC==199606+100*i),Msmvosd), -(BM:INV)))/5*(p-1)):(nrow(select(arrange(filter(r8,AC==199606+100*i),Msmvosd), -(BM:INV)))/5*p)),
select(filter(r8,AC==(199512+100*i)), -(AC:Markettype)),by="Stkcd"),OP)
 ,OP!="NA"))/5*(o-1)):(nrow(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==199606+100*i),Msmvosd), -(BM:INV)),
(nrow(select(arrange(filter(r8,AC==199606+100*i),Msmvosd), -(BM:INV)))/5*(p-1)):(nrow(select(arrange(filter(r8,AC==199606+100*i),Msmvosd), -(BM:INV)))/5*p)),
 select(filter(r8,AC==(199512+100*i)), -(AC:Markettype)),by="Stkcd"),OP)
,OP!="NA"))/5*o)),by ="Stkcd"),.(AC),summarize,SY=weighted.mean(Mretwd, Msmvosd)))}
  
assign(paste("a",p,"b",o,"21",sep=""),
ddply(semi_join(filter(filter(r8,AC>(201506)),(AC<201600)),
slice(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)),
(nrow(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)))/5*(p-1)):(nrow(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)))/5*p)),
select(filter(r8,AC==(201412)), -(AC:Markettype)),by="Stkcd"),
OP),OP!="NA"),(nrow(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)),
(nrow(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)))/5*(p-1)):(nrow(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)))/5*p)),
 select(filter(r8,AC==(201412)), -(AC:Markettype)),by="Stkcd"),OP)
,OP!="NA"))/5*(o-1)):(nrow(filter(arrange(left_join(slice(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)),
(nrow(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)))/5*(p-1)):(nrow(select(arrange(filter(r8,AC==201506),Msmvosd), -(BM:INV)))/5*p)),
 select(filter(r8,AC==(201412)), -(AC:Markettype)),by="Stkcd"),OP)
,OP!="NA"))/5*o)),by ="Stkcd"),.(AC),summarize,SY=weighted.mean(Mretwd, Msmvosd)))}}

a2b2<-do.call("rbind",lapply(paste0("a2b2", 1:21), function(a2b2) eval(as.name(a2b2))))
a2b3<-do.call("rbind",lapply(paste0("a2b3", 1:21), function(a2b3) eval(as.name(a2b3))))
a2b4<-do.call("rbind",lapply(paste0("a2b4", 1:21), function(a2b4) eval(as.name(a2b4))))
a2b5<-do.call("rbind",lapply(paste0("a2b5", 1:21), function(a2b5) eval(as.name(a2b5))))

a3b2<-do.call("rbind",lapply(paste0("a3b2", 1:21), function(a3b2) eval(as.name(a3b2))))
a3b3<-do.call("rbind",lapply(paste0("a3b3", 1:21), function(a3b3) eval(as.name(a3b3))))
a3b4<-do.call("rbind",lapply(paste0("a3b4", 1:21), function(a3b4) eval(as.name(a3b4))))
a3b5<-do.call("rbind",lapply(paste0("a3b5", 1:21), function(a3b5) eval(as.name(a3b5))))

a4b2<-do.call("rbind",lapply(paste0("a4b2", 1:21), function(a4b2) eval(as.name(a4b2))))
a4b3<-do.call("rbind",lapply(paste0("a4b3", 1:21), function(a4b3) eval(as.name(a4b3))))
a4b4<-do.call("rbind",lapply(paste0("a4b4", 1:21), function(a4b4) eval(as.name(a4b4))))
a4b5<-do.call("rbind",lapply(paste0("a4b5", 1:21), function(a4b5) eval(as.name(a4b5))))


a5b2<-do.call("rbind",lapply(paste0("a5b2", 1:21), function(a5b2) eval(as.name(a5b2))))
a5b3<-do.call("rbind",lapply(paste0("a5b3", 1:21), function(a5b3) eval(as.name(a5b3))))
a5b4<-do.call("rbind",lapply(paste0("a5b4", 1:21), function(a5b4) eval(as.name(a5b4))))
a5b5<-do.call("rbind",lapply(paste0("a5b5", 1:21), function(a5b5) eval(as.name(a5b5))))

分组加权平均：

#分组求加权平均也可以这样：
a2b3111<-a2b31%>%group_by(AC)%>%summarise(SY=weighted.mean(Mretwd, Msmvosd))
#

a<-paste0("a",1,"b",2)
t<-list(a1b1,a1b2,a1b3,a1b4,a1b5,a2b1,a2b2,a2b3,a2b4,a2b5,a3b1,a3b2,a3b3,a3b4,a3b5,a4b1,a4b2,a4b3,a4b4,a4b5,a5b1,a5b2,a5b3,a5b4,a5b5)

w<-"a1b1,a1b2,a1b3,a1b4,a1b5,a2b1,a2b2,a2b3,a2b4,a2b5,a3b1,a3b2,a3b3,a3b4,a3b5,a4b1,a4b2,a4b3,a4b4,a4b5,a5b1,a5b2,a5b3,a5b4,a5b5"
w<-gsub("b","d",w)

tt<-list(a1c1,a1c2,a1c3,a1c4,a1c5,a2c1,a2c2,a2c3,a2c4,a2c5,a3c1,a3c2,a3c3,a3c4,a3c5,a4c1,a4c2,a4c3,a4c4,a4c5,a5c1,a5c2,a5c3,a5c4,a5c5)
ttt<-list(a1d1,a1d2,a1d3,a1d4,a1d5,a2d1,a2d2,a2d3,a2d4,a2d5,a3d1,a3d2,a3d3,a3d4,a3d5,a4d1,a4d2,a4d3,a4d4,a4d5,a5d1,a5d2,a5d3,a5d4,a5d5)

aop<-do.call(cbind,t)
LY<-read_excel("LY.xlsx",sheet = 1)
aop<-cbind(t,LY)
write.csv(aop,"e:/R/data/aop.csv",row.names = FALSE)
aop<-read_excel("e:/R/data/aop.xlsx",sheet = 1)
LY<-read_excel("e:/R/data/aop.xlsx",sheet = 2)
AC<-read_excel("e:/R/data/aop.xlsx",sheet = 3)
aop<-cbind(AC,aop*100-LY)
apply(aop,2,mean)
Jarry1
关注
  • 0
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
R语言因子分析
Mrrunsen的博客
05-23 1793
在此示例中，将使用贷款违约者数据集来分析因子分析过程。你可以在这里找到数据集！ https://github.com/Safa1615/Dataset–loan/blob/main/bank-loan.csv 首先，我们使用read.csv()函数将数据集加载到 R 环境中。 此外，为了应用因子分析，我们需要安装和导入“ psych ”和“ GPRotation ”库。 之后，我们使用corrgram()函数使用相关回归分析技术定义数据变量之间的关系。 该相关分析的结果被存储到数据变量中。 此外，我们应
UA MATH571A QE练习 R语言 单因子试验的回归分析
一个不愿透露姓名的博客
07-16 386
UA MATH571A QE练习 R语言 单因子试验的ANOVA与回归分析 2015年5月的第六题是单因子试验，因为历年只有这一道，所以单独做一下。
Fama-French-5-factor-Model.pdf
06-02
量化交易多因子模型。A five-factor model directed at capturing the size, value, profitability, and investment patterns in average stock returns performs better than the three-factor model of Fama and French (FF, 1993). The five-factor model's main problem is its failure to capture the low average returns on small stocks whose returns behave like those of firms that invest a lot despite low profitability. The model's performance is not sensitive to the way its factors are defined. With the addition of profitability and investment factors, the value factor of the FF three-factor model becomes redundant for describing average returns in the sample we examine.
Python数据分析案例43——Fama-French回归模型资产定价(三因子/五因子)
最新发布
weixin_46277779的博客
05-04 2131
三因子五因子模型寻找2024年有投资价值的A股资产定价。
Fama-French-Replication.R_三因子模型_
10-02
复现 Fama French 1992 Table 1 结果
R语言-回归分析及实现
智慧与美貌并存
06-29 2万+
一、数据探索阶段 1、了解变量类型 做回归分析前，了解数据集是怎样的？那些是数值型变量，那些是分类变量，这一步是相当重要的。 r代码： > class(mydata$Middle_Price) [1] "numeric" > class(mydata$MPG.city.) [1] "factor" 另外我们利用factor函数对各水平进行赋值： status 这样将1=poor
Fama-French五因子模型数据和Stata代码（2000-2020年）
04-16
Fama-French五因子模型是金融学领域一个重要的资产定价模型，由经济学家Eugene Fama和Kenneth French于2015年提出，是对原有的三因子模型的扩展。这个模型旨在解释股票收益的差异，提供了更全面的风险溢价估算方法。...
Fama-French三因子模型数据和Stata代码（2000-2020年）
04-16
**Fama-French三因子模型**是金融学领域的一个重要模型，由经济学家Eugene Fama和Kenneth French于1993年提出。该模型是资本资产定价模型（Capital Asset Pricing Model, CAPM）的一个扩展，旨在更好地解释股票收益...
论文研究 - 用新的Fama-French 5因子模型分析美国服务业
06-02
在本文中，我们使用美国服务业的数据对新模型进行了经验检验，这是Fama和French（2015）[1]中5要素模型的扩展。 比较了5种因素的3种类型（全球，... 与Fama和French（2015）的5因子模型相比，新模型的样本内拟合更好。
利用python构建Fama-French三因子模型.py
12-17
以python构建Fama and French三因子（MKT、SMB、HML），代码从网络整理，可以运行，数据可通过tushare pro下载。
R语言 回归分析函数说明
Mystery
11-02 1万+
回归分析相关的函数 1、一元线性回归 lm() #计算beta0,beta1参数 summary() # 提取lm()参数信息 anovn() #方差分析 predict() # 根据给出自变量预测因变量的值 例： a=lm(y~1+x,data=…) #对x,y回归分析 summary(a) # 提取回归分析结果 new=data.frame(x=0.16) # 当x=0.16时对y进行预测，...
CRSP Fama-French 5因子模型 月度数据 1963.7-2018.5
07-07
CRSP Fama-French 5因子模型 月度数据 1963.7-2018.5 源自美国著名的金融数据库CRSP
R语言回归，混合效应，和因子分析 案例
Mrrunsen的博客
08-26 62
这个数据集看起来包含了一些有关某个特定主题的数据，每一行都代表一个条目或样本。让我帮你分析一下这些列的含义：LID：可能是样本或条目的标识符或编号。TA：可能是一个指标或值，但根据提供的信息很难准确判断其含义。NP：可能是另一个指标或值，同样也不清楚具体代表什么。PD：可能是另一个数值指标，具体含义不明确。LSI：可能是一个数值指标，具体含义不明确。PARA_MN：可能表示某种参数的平均值。DIVISION：可能表示某种分区或划分。总分平均值：可能是多个分数或指标的平均值。
list 分组_因子模型（1）—Fama三因子分组
weixin_39630441的博客
12-04 805
计算三因子预备知识 因子的提出： 提出者：由Eugene F. Fama and Kenneth R. French（1993）在Common risk factors in the returns on stocks and bonds上提出的 背景：CAMP理论公式为 ,分别为组合收益率，无风险收益率和市场收益率，但是在应用中存在几个问题：运用计量进行检验时，公式为 ,​u是残差项，此时​...
基于R语言的因子分析（附代码）
m0_62929945的博客
05-20 6990
用少数几个不可观测的随机变量（因子）去描述许多随机变量之间的协方差关系。主义因子分析可以视作主成分分析的一种推广，但因子是不可观察且不必是相互正交的变量。其基本思想是：根据相关性大小将变量分组，每组变量代表一个基本结构，反映观测到的相关性。R型因子分析可以用来研究变量之间的相关关系，Q型因子分析研究样品之间的相关关系，二者知识形式上的不同数学处理上是一样的，本文以R型因子为例展开说明。
量化：Fama-French五因子模型复现
无名J0kзr的博客
09-12 1909
在CAPM模型的基础上加入了两个因子提出了三因子模型，三因子分别为市场因子MKT规模因子SMB（Small Minus Big）：可选取市值大小、净资产大小、员工人数等价值因子HML（High Minus Low）：选取账面市值比BM规模因子和价值因子的构建如下。规模因子是三个小市值组合的等权平均减去三个大市值组合的等权平均；价值因子是两个高BM组合的等权平均减去两个低BM组合的等权平均。三因子模型的表示如下。E[R_i]：股票 i 的预期收益率R_f：无风险收益率。
Fama-French五因子模型实用攻略
热门推荐
量化交易研究
07-12 6万+
一、Fama-French五因子模型简介 早在1993年，Fama和French就发表了三因子模型，认为股票的超额收益可以由市场风险、市值风险、账面市值比风险来共同解释。后来，他们发现除了上述风险，还有盈利水平风险、投资水平风险也能带来个股的超额收益，并在2013年发表了五因子模型： 二、Fama-French五因子模型的应用 私募云通研发部通过对A股市场多年数据的实证分析，发现投资...
【FinE】FamaFrench 5 Factors asset pricing Model（FF五因子模型）
0x00
10-30 6288
5因子模型
基于R语言的因子分析
m0_56444893的博客
10-26 2万+
目录 1.基本理论 1.1因子分析的基本思想 1.2因子分析模型 1.3因子分析的基本步骤 2.因子载荷求解 2.1极大似然法 2.2主成分法 2.3主成分方差最大化正交因子旋转法 2.4绘制因子载荷图 2.5绘制每个学生因子得分图 1.基本理论 1.1因子分析的基本思想 因子分析法是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系...
fama-french五因子模型
07-27
Fama-French五因子模型是由经济学家Eugene Fama和Kenneth French提出的一种资产定价模型。该模型是在Fama-French三因子模型的基础上发展而来的，综合考虑了系统风险、账面市值比、市值规模因子、盈利因子和投资因子...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值