python 回归 statsmodels_FamaMacbeth 回归和NeweyWest调整

本文介绍了Fama-Macbeth回归方法,用于因子检验并处理残差的自相关性,同时讲解了Newey-West调整来修正因子时序上的自相关问题。通过Python的linearmodels库,作者展示了如何执行Fama-Macbeth回归,并对比了调整前后的影响,以全A股的市值、动量、PB、ROE因子为例进行了实证分析。
摘要由CSDN通过智能技术生成

1. 综述

Fama Macbeth是一种通过回归方法做因子检验,并且可以剔除残差截面上自相关性的回归方法,同时为了剔除因子时序上的自相关性,可以通过Newey West调整对回归的协方差进行调整。

2. 原理

2.1 系数估计

Fama Macbeth回归分为两步,第一步是横截面回归 ,在截面上用股票收益率对各因子暴露做回归,得到各因子的收益率;第二部是对系数的时间序列取平均得到作为参数的估计值,并进行t检验,t检验用到的标准误经过Newey West调整,总结如下

a686fdfa7769998da18c7f722dbe89fe.png

2.2 标准误估计

  • 简单估计

d4deb1b294192d2801e60ba067a6aeb7.png

其中,分子上为回归系列的标准差,可以直接计算,也可以进行Newey West调整消除异方差和序列自相关。

  • Newey West 调整

 Newey West的原理主要参考了石川大佬的文章[2][3],简单说明,考虑一个线性模型

a62bb1d3b6eda8b8182109e4dab1ca61.png

当残差不存在异方差和自相关性时,残差协方差阵为单位阵的倍数,回归系数的协方差估计是一致估计量,当残差存在异方差或自相关性时,协方差阵估计有问题,可以通过Newey West调整解决,具体来说是估计上式中的

11f73a0c22bb29f255debbe536373ad5.png

Newey West调整即对Q进行估计,最终给出的估计量具有一致性,表达式如下,用S表示

b078ba39d888d39a790c0e7d94dba5dc.png

上式中,括号中第一项为仅有异方差时的调整,后面一项为针对自相关的调整,其中,e为样本残差,L为计算自相关性影响的最大滞后阶数,w_l是滞后期l的系数,从公式来看,随着滞后期数的增加,影响减小。将S带入系数协方差阵的估计可以得到协方差的Newey West估计量

  • 10
    点赞
  • 49
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
famamacbeth回归python是一个令人兴奋的消息。作为一种流行的编程语言,python在计算机领域有着广泛的应用。famamacbeth回归意味着他将再次开始使用python进行编码和开发。这对他的个人技能和职业发展都具有重要的意义。 首先,python是一种易于学习和使用的编程语言,具有简洁和清晰的语法。这使得famamacbeth可以更加高效地编写代码,提高工作效率。与此同时,python有着强大的库和工具,使得开发过程更加简单和便捷。这将帮助他更好地解决问题和实现功能。 其次,python拥有广泛的应用领域。无论是数据分析、人工智能、网络开发还是科学计算,python都是首选的编程语言之一。这意味着famamacbeth可以在不同的领域中发挥自己的才华和技能。无论是从事研究还是工程项目,他都能够充分利用python的优势。 此外,python拥有庞大的开源社区。这个社区中有无数的开发者和爱好者,愿意分享自己的经验和知识。这意味着famamacbeth可以通过参与社区的讨论和项目合作来提高自己的编程能力。同时,他也可以从开源项目中学习,获得更多的实践经验。 总之,famamacbeth回归python对他的个人发展和职业发展来说,是一个非常明智的选择。通过使用python,他将可以提高自己的编程技能,更好地解决问题,并在不同领域展示自己的才华。希望他在python的世界中能够有所斩获,并取得更好的成就。
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
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