Fama-French五因子模型数据和Stata代码(2000-2020年)

1.资料名称:2020-2000年上市公司Fama-French五因子模型

2.计算方式:

分组指标

• 规模指标(Size):第t-1年12月底的流通市值作为规模指标;

• 账面市值比(BM):第t-1年末的账面价值,除以第t-1年12月底股票i的流通市值

• 利润(OP):第t-1年末的营业利润 /股东权益合计

• 投资风格(Inv):用第t-1年末相对于第t-2年末的总资产增加额,除以第t-2年末的总资产

因子构建(2x3分组)

• 规模的分组点为中位数,前50%为小规模组(S,Small),后50%为大规模组(B,Big)

• 账面市值比的分组点都为第30个和第70个百分位数,前30%为低账面市值比组(L,Low),中间40%为中账面市值比组(N,neural),后30%为高账面市值比组(H,High)

• 将市值和账面市值比两个指标交叉, 可把全体股票分成SH、SN、SL、BH、BN、BL 六个组合

• 分别以营运利润率和投资风格代替账面市值比,重复上述步骤, 可把全体股票分成 SR、SN、SW、BR、BN、BW、SC、SN、SA、BC、BN、BA 这12个组合, 其中营运利润率前30%为盈利疲软组(W,weak),中间40%为盈利中等组(N,neural),后30%为盈利稳健组(R,robust);投资前30%为投资保守组(C,conservative),中间40%为投资中等组(N,neural),后30%为投资激进组(A,aggressive),接下来计算上述各组合每一期的市值加权平均收益率;

• 最后, 利用不同组合收益率之差构造四个因子。

3.数据范围:包括原始数据+计算代码+计算结果

4.参考文献:

[1]李志冰,杨光艺,冯永昌,景亮.Fama-French五因子模型在中国股票市场的实证检验[J].金融研究,2017(06):191-206.

[2]赵胜民,闫红蕾,张凯.Fama-French五因子模型比三因子模型更胜一筹吗——来自中国A股市场的经验证据[J].南开经济研究,2016(02):41-59.DOI:10.14116/j.nkes.2016.02.003.

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Fama-French因子模型的Python代码可以包括以下几个步骤: 1. 导入所需的库: ```python import numpy as np import pandas as pd ``` 2. 定义标准化函数: ```python def standardize_z(dt): mean = dt.mean() # 截面数据均值 std = dt.std() # 截面数据标准差 return (dt - mean) / std ``` 3. 标准化因子数据: ```python factors_standardize = standardize_z(X) # 标准化因子数据 ``` 4. 计算过度矩阵S: ```python M = (factors_standardize.shape\[0\] - 1) * np.cov(factors_standardize.T.astype(float)) D, U = np.linalg.eig(M) # 获取特征值和特征向量 U = np.mat(U) # 转换为np中的矩阵 d = np.mat(np.diag(D ** (-0.5))) # 对特征根元素开(-0.5)指数 S = U * d * U.T # 获取过度矩阵S ``` 5. 获取对称正交矩阵: ```python factors_orthogonal_mat = np.mat(factors_standardize) * S # 获取对称正交矩阵 factors_orthogonal = pd.DataFrame(factors_orthogonal_mat, columns=X.columns, index=factors_standardize.index) ``` 6. 计算正交化后的因子相关性: ```python F_o = factors_orthogonal.fillna(0).corr() # 正交化后的因子相关性 ``` 7. 计算正交化前的因子相关性(可选): ```python F = X.fillna(0).corr() # 正交化前的因子相关性 ``` 请注意,上述代码中的X是指原始因子数据,你需要根据实际情况进行替换。此外,代码中的其他变量和函数可能需要根据你的具体需求进行调整。 #### 引用[.reference_title] - *1* [Fama-French因子模型](https://blog.csdn.net/m0_55389447/article/details/117604999)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [Fama-French因子模型实用攻略](https://blog.csdn.net/weixin_42219751/article/details/95627875)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [fama-french因子模型的python实现](https://blog.csdn.net/weixin_42642232/article/details/122249462)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

精品数据馆

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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