异象研究1——时间序列分析（EAP.time_series_regress）

实证资产定价（Empirical asset pricing）已经发布于Github和Pypi. 包的具体用法(Documentation)博主将会陆续在CSDN中详细介绍，也可以通过Pypi直接查看。

Pypi: pip install --upgrade EAP

Github: GitHub - whyecofiliter/EAP: empirical asset pricing

这个demo测试了经典的资产定价模型是否可以解释一些异常的投资组合回报。异常投资组合包括价格现金流（PCF）、资产增长率和异常换手率。通过单变量分析构建，准确地说，股票按特征或代理变量分为10组，首组和尾组之间的差异收益被视为异常投资组合收益。经典的资产定价模型包括Fama-French三因素模型、Carhart四因素模型和Fama-French五因素模型，其因素风险溢价是通过因子模拟投资组合构建的。

在本演示中，使用了Fama French 3因子模型和Fama French 5因子，数据来自CSMAR数据集。警告：请勿将此演示中的数据集用于任何商业目的。

# %% set system path
import sys,os

sys.path.append(os.path.abspath(".."))

# %% import data
import pandas as pd

month_return = pd.read_hdf('.\\data\\month_return.h5', key='month_return')
company_data = pd.read_hdf('.\\data\\last_filter_pe.h5', key='data')
trade_data = pd.read_hdf('