前言
《A Five-Factor Asset Pricing Model》是由Eugene F. Fama和Kenneth R. French共同撰写的论文，发表于2015年的《Journal of Financial Economics》期刊上。这篇论文是对他们之前提出的三因子模型的一个扩展，旨在进一步改进资产定价模型以更好地解释股票市场的异常现象。
花了一周多时间，终于把这篇论文的主干内容吃了一遍。过程有点辛苦，缺金融知识，缺数学知识，对英语表达不熟悉等等原因造成很多地方读两三遍仍然不理解。目前，实验部分未仔细阅读，单单设计思路就够我喝一壶了，先整理，未来有机会再深究实验细节。
一、论文出发点
Fama和French认为传统的CAPM（Capital Asset Pricing Model）模型虽然简单，但在解释不同股票的回报率方面存在局限性。他们之前提出的三因子模型（投资组合因子、市值因子、净值市值率因子）已经能较好地解释不同股票组合的回报率差异。然而，他们发现还有一些其他因素未能完全捕捉到，特别是与公司的盈利能力及投资行为相关的因素。
The evidence of Novy-Marx (2013), Titman, Wei, and Xie (2004), and others says that (4) is an incomplete model for expected returns because its three factors miss much of the variation in average returns related to profitability and investment. Motivated by this evidence and the valuation Eq. (3), we add profitability and investment factors to the three-factor model
如上引用所述，由于已经有其他学者的研究证实三因子模型是个不完整的模型，因为三因子缺失了太多和盈利因子、投资因子相关的变量。故，作者决定在三因子模型的基础上添加盈利能力因子和投资因子以完善模型。
二、论文写什么
1.基本公式
开篇的三个公式真的是整了我好长时间，其内涵也远远不是我现在的金融数学水平可以理解。特别是在公式中明明就没有股价的参数，但论文中讨论的都是股价，耗费了不少时间在挖掘信息上。
m t = ∑ τ = 1 ∞ E ( d t + τ ) / ( 1 + r ) τ (1) m_t=\sum_{\tau = 1 }^{\infty } E(d_{t + \tau} ) / (1 + r)^\tau \tag{1} mt=τ=1∑∞E(dt+τ)/(1+r)τ(1)
公式（1）是股利贴现模型，主要用于解释为什么股票平均收益与净值市值率B/M、盈利能力、投资因子相关。股利贴现模型说，一股股票的市值相当于每股股票预期股息的贴现值。
在这个公式中：
- m t m_t mt：在t时刻的股份价值。在时间 t t t 时资产的内在价值或理论价值。它是资产未来现金流折现后的总和。
- E ( d t + τ ) E(d_{t + \tau} ) E(dt+τ)：在 t + τ t + \tau t+τ 期间每股的预期股利。这里 E E E 表示期望值或平均值。
- ( 1 + r ) τ (1 + r)^\tau (1+r)τ：在时间 t + τ t + \tau t+τ 的现金流折现因子。 r r r 是折现率或要求的回报率，它反映了资金的时间价值和投资的风险水平。 ( 1 + r ) τ (1 + r)^\tau (1+r)τ 表示将未来现金流折算到现在价值的折现因子。
也就是说，在t时刻（可以理解成当前时刻），如果两家企业的股利相同，但是股价不同，则价格较低的股票拥有较高的预期收益（因为未来要达到一样的股利条件，现在较低价的股票需要涨更高的价格。）。如果定价是合理的，那么价格较低的股票的未来股息肯定风险较大（如果股票涨不到位，股利就可能无法达标）。
M t = ∑ τ = 1 ∞ E ( Y t + τ − d B t + τ ) / ( 1 + r ) τ (2) M_t = \sum_{\tau = 1}^{\infty } E(Y_{t+\tau} - dB_{t+\tau})/(1+r)^\tau \tag{2} Mt=τ=1∑∞E(Yt+τ−dBt+τ)/(1+r)τ(2)
公式（2）是在（1）的基础上变形得到。为了从公式（1）变形成公式（2），我们需要理解公式（2）中的 Y t + τ − d B t + τ Y_{t+\tau} - dB_{t+\tau} Yt+τ−dBt+τ 代表什么。这个表达式实际上代表了时间 t + τ t + \tau t+τ 的净收益，即预期收益 Y t + τ Y_{t+\tau} Yt+τ 减去预期成本 d B t + τ dB_{t+\tau} dBt+τ。
作者的解释是： Y t + τ Y_{t+\tau} Yt+τ 表示时间 t + τ t + \tau t+τ 的全部股权收益。 d B t + τ = B t + τ − B t + τ − 1 dB_{t+\tau} = B_{t+\tau} - B_{t+\tau-1} dBt+τ=Bt+τ−Bt+τ−1表示全部账面股权的变动。
公式（1）和公式（2）在本质上都是计算资产内在价值的方式，只是现金流的定义略有不同。
M t B t = ∑ τ = 1 ∞ E ( Y t + τ − d B t + τ ) / ( 1 + r ) τ B t (3) \frac{M_t}{B_t} = \frac{\sum_{\tau = 1}^{\infty } E(Y_{t+\tau} - dB_{ t + \tau })/(1+r)^\tau}{B_t} \tag{3} BtMt=Bt∑τ=1∞E(Yt+τ−dBt+τ)/(1+r)τ(3)
进而，在公式（2）的基础上，两边同除以 B t B_t Bt 得公式（3）。
公式（3）对预期股票收益做了三方面的解释：
① 固定所有变量，除了当前股价
M
t
M_t
Mt 和股票期望收益率
r
r
r 。较低的
M
t
M_t
Mt 或者较高的
B
t
M
t
\frac{B_t}{M_t}
MtBt 值表示更高的股票期望收益率
r
r
r 。
② 固定
M
t
M_t
Mt 和其他除了预期股权收益、预期股票收益率的值，更高的预期股权收益
Y
t
+
τ
Y_{t+\tau}
Yt+τ 表示更高的期望收益率
r
r
r 。
③ 固定
B
t
B_t
Bt ，
M
t
M_t
Mt ，
Y
t
+
τ
Y_{t+\tau}
Yt+τ ，账面股权的增长（即投资）表示更低的预期收益率
r
r
r 。
最终，本文做了个简单的公式总结，公式（3）的 M t B t \frac{M_t}{B_t} BtMt 可以作为一个噪声较多的预期回报的代理指标。这意味着账面市值比与预期回报之间存在一定的关联，但由于市场波动和其他因素，这种关系并不是非常精确。 市场资本化总额 ( M t M_t Mt) 不仅受到预期回报的影响，还受到对未来收益和投资活动预期的影响。这意味着当市场预期公司的未来收益和投资活动将改善时，公司的市值 ( M t M_t Mt) 会相应上升，即使账面价值 ( B t B_t Bt) 没有变化。
到此，作者又简单地，或者说，很随便地说了一句为什么选择盈利能力和投资因子来增强三因子模型，因为公式（1）和公式（3）的自然选择。
2.五因子模型
（1） 模型扩展：Fama和French提出在原有的三因子模型基础上增加两个新的因子——盈利能力因子（RMW）和投资因子（CMA），从而形成一个五因子模型。
- 盈利能力因子 (RMW, Robust Minus Weak)：衡量公司盈利能力强弱的回报差，即盈利能力强的公司与盈利能力弱的公司的回报差。
- 投资因子 (CMA, Conservative Minus Aggressive)：衡量保守投资策略与激进投资策略的公司的回报差。
（2）因子定义：
- 投资组合因子 ( R m − R f R_m - R_f Rm−Rf)：市场投资组合的超额回报。
- 市值因子 (SMB, Small Minus Big)：小盘股和大盘股的回报差。
- 净值市值率因子 (HML, High B/M Minus Low B/M)：高账面市值比和低账面市值比股票的回报差。
- 盈利能力因子 (RMW)：盈利能力强的公司与盈利能力弱的公司的回报差。
- 投资因子 (CMA)：保守投资策略与激进投资策略的公司的回报差。
（3） 模型方程：
r i − r f = α i + b i ( R m − R f ) + s i ⋅ S M B + h i ⋅ H M L + r f i ⋅ R M W + r u i ⋅ C M A + ϵ i r_i - r_f = \alpha_i + b_i (R_m - R_f) + s_i \cdot SMB + h_i \cdot HML + rf_i \cdot RMW + ru_i \cdot CMA + \epsilon_i ri−rf=αi+bi(Rm−Rf)+si⋅SMB+hi⋅HML+rfi⋅RMW+rui⋅CMA+ϵi
其中：
- r i − r f r_i - r_f ri−rf 是股票i的超额回报。
- α i \alpha_i αi是截距项。
- b i b_i bi， s i s_i si， h i h_i hi， r f i rf_i rfi， r u i ru_i rui分别是股票i相对于五个因子的斜率。
- ϵ i \epsilon_i ϵi是残差项。
3.检验
文中，作者分两步检验五因子模型。
验证一：当用于解释与模型未发现的突出异常相关的平均回报时，五因子模型是否比三因子模型表现好。
验证二：本文还检测了模型故障是否与本文研究的许多类型中确定的问题组合的共享特征有关。或者说，不同异常现象所带来的资产定价问题是否部分是同一现象。
在检验的时候，对投资组合的划分，作者设计了多组实验，可谓思路清晰，巧妙绝伦。
首先是市值和其他因子的分组，包括Size-B/M，Size-OP，Size-Inv。因为市值效应是明显的因子，所以在第二个维度分别选择其他因子进行关联测试。这里每个因子分5级，每类是55=25组投资组合，一共3类。
其次，作者又设计了Size+B/M+OP，Size+B/M+Inv，Size+OP+Inv投资组合。针对市值，划分成大头和小头组合，即大市值和小市值。在市值的基础上，对剩余2个因子进行分级组合。这里市值有2级，其余因子各有4级，每类是24*4=32组投资组合，一共3类。
进一步，如何于设想的结论公式，即五因子模型关联呢？
五因子模型中的因子包括SMB、HML、RMW、CMA等。
- S M B SMB SMB (Small Minus Big)主要是Size信息。
- H M L HML HML (High Minus Low) 主要是B/M信息。
- R M W RMW RMW (Robust Minus Weak) 主要是OP信息。
- C M A CMA CMA (Conservative Minus Aggressive) 主要是Inv信息。
因此，在构建公式因子的时候，作者设计了22，23，222等三种组成方式。具体如下图所示：
之后就是针对25和32组投资组合的各类测试，检查 R m − R f R_m - R_f Rm−Rf ，Coef，t-Statistic， R 2 R^2 R2 等结果。有兴趣的朋友可以仔细阅读。后面我就没读完了，这等巨作对于现在的我而言，实在还是Hold不住。
4.结论
结论一：由市值、净值市值率、盈利能力、投资组成的投资组合，五因子模型比三因子模型更好地表述平均收益。
结论二：我们研究的资产定价模型的推论似乎对因子的定义方式并不敏感，至少对于这里考虑的定义来说是这样。
提醒一：五因子模型中，HML因子似乎变成了多余的。
确认一：高账面市值比和低账面市值比股票的组合（HML）的大平均回报被其他四个因子（市场因子、规模因子、盈利能力因子和投资活动因子）的暴露所吸收，特别是盈利能力因子和投资活动因子。（Section 7 confirms that the large average HML return is absorbed by the exposures of HML to the other four factors, especially the profitability and investment factors.）
在第7节中，作者证实了HML因子的大平均回报差异主要是由于它对其他四个因子（市场因子、规模因子、盈利能力因子和投资活动因子）的暴露所引起的，尤其是盈利能力因子和投资活动因子对HML因子的平均回报差异有着显著的影响。
换句话说，HML因子的大平均回报并不是独立存在的，而是与其他因子相互作用的结果。这表明，在五因子模型中，价值效应（即HML因子）可以被其他因子（尤其是盈利能力因子和投资活动因子）所解释或“吸收”。
5.缺陷
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.
文章中，作者十分直接地支出五因子模型有一个致命的缺陷。即五因子模型的主要问题在于它未能捕捉到一类特殊小盘股的回报特性。这类股票的特点是盈利能力低，但投资活动却很高，它们的平均回报率也较低。
在五因子模型中，盈利能力因子（RMW）是用来区分高盈利能力公司和低盈利能力公司的。理论上，高盈利能力的公司应该有较高的平均回报率，而低盈利能力的公司则相反。同时，投资活动因子（CMA）用于区分保守投资策略的公司和激进投资策略的公司。保守投资策略通常与较高的平均回报率相关联。然而，对于那些盈利能力较低但投资活动较多的小盘股而言，五因子模型并没有很好地解释它们为什么会有低平均回报率。这些股票的回报表现似乎不符合模型中的盈利能力因子和投资活动因子的预期。
由此，引出其他的思考，五因子模型还存在哪些缺陷？
在AI的帮助下，我得到了以下参考答案：尽管Fama-French五因子模型在解释股票市场的回报方面取得了显著的进步，但它仍然有一些局限性和潜在的缺陷。以下是五因子模型的一些主要问题：
-
复杂性：
- 五因子模型相比于传统的CAPM模型或三因子模型更加复杂，增加了两个额外的因子。这使得模型更难理解和实施，尤其是在实证分析中需要更多的数据和复杂的回归分析。
-
因子的有效性：
- 新增的盈利能力因子（RMW）和投资活动因子（CMA）是否真正捕捉到了市场中的风险和回报差异仍然是一个争议点。一些研究表明，这些因子可能并不能始终如一地解释股票回报。
-
数据要求：
- 构建五因子模型需要大量的历史财务数据，这对于某些新兴市场或较小的公司来说可能难以获取。此外，数据的质量也可能影响模型的有效性。
-
经济解释：
- 虽然五因子模型能够更好地拟合历史数据，但并不总是清楚这些因子背后的经济逻辑。例如，盈利能力因子和投资活动因子的经济基础可能不是十分明确。
-
过度拟合：
- 五因子模型可能会出现过度拟合的问题，即模型在历史数据上表现良好，但在新数据上可能无法保持同样的预测能力。这是因为模型可能捕获了一些特定时期的特殊模式，这些模式在未来可能不会重复出现。
-
市场变化：
- 市场条件和经济环境随时间发生变化，这可能会影响因子的有效性。随着时间的推移，原先有效的因子可能变得不再有效。
-
其他因素：
- 可能还存在其他未被考虑的因素，这些因素同样可能影响股票回报。例如，宏观经济因素、政治事件、行业特定因素等。
-
模型的稳健性：
- 五因子模型的稳健性取决于它能否在不同的市场条件下和不同的时间段内持续有效。如果模型在某些时期的表现不佳，那么它就可能不是一个可靠的工具。
-
实证结果的解释：
- 即使模型在统计上是显著的，也不一定意味着它在经济意义上是有意义的。有些回归结果可能只是统计上的巧合，并不一定反映真实的经济现象。
-
替代模型：
- 随着研究的发展，可能会出现新的模型和方法，这些新的模型可能比五因子模型更能解释股票市场的回报。
三、总结
读后，我静静冥想。
市值、投资组合、投资能力、盈利能力、B/M值等等这些因子都是属于一家企业的基本面信息。所以这就是量化中基本面因子策略吧？
从一家企业的基本信息出发，跟踪企业基本面变化，使用历史数据对挖掘出来的因子进行检验，从而分析出企业相应的内在价值，或者说是未来股价。这应该是定价模型的作用之一吧？
那技术面因子有哪些呢？
To be continue…
1944
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
