回归分析beta值的标准_多因子建模：回归法和打分法

多因子量化模型，在实盘操作中有两种方法，第一种是回归法，第二种是打分法。回归法，多用于宏观因子建模，为Macroeconomic型，最早由FAMA-French提出；打分法，多用于个股的风险因子暴露打分，为Fundamental型，以BARRA公司的多因子模型最为著名。

回归法：

所谓回归法，利用横截面上的分组收益差计算的市场风险溢价因子，然后在时间序列上将个股收益与市场风险溢价因子进行回归，以此来估计个股的风险特征(系统性风险和非系统性风险)，然后基于此种风险特征分类，选择非系统风险最小的个股作为组合，达到分散风险的目的。(理论上更自洽)

具体过程可以见下表：

第一步先进行数据获取，第二步进行数据清洗，第三步计算市场风险溢价因子，第四步将股票收益率对市场风险溢价因子进行回归，第五步将最新的市场因子值代入构建好的回归方程，得到个股最新的ahpha和beta预测，第六步根据预测结果选择常数项最小的一批样本，构建每一期的投资组合，并对策略的有效性和收益率进行评价。(网友可向板寸君索取python实例)

回归法在多因子建模历史中属于比较古老的方法，90年代初Fama-French三因子模型就是典型的回归法，该模型首先在横截面角度通过对市值和1/PB进行分组，计算出每个时间点上SMB、HML两个因子，然后与MF(市场收益率减去无风险收益率)这个因子共同构建了三因子。这样，在任何时间点上，所有证券的三个因子是相同的，这三个因子随着时间轴的变化而变化。最后将每个股票在选定的时间段内的收益率与三因子进行回归分析，得到的常数项alpha，和系数项beta。

由于三因子相对是稳定的(在固定的时间点不随着个股的变化而变化)，因此Fama-French的三因子更多的是对CAPM模型的改进和替代࿰