fama and french 1992 the cross section of expected return

因素模型

因素模型 杨长汉1 证券资产价格的决定因素是多种多样的，西方学者在研究中采取了多种多样的方法去探讨证券价格的决定因素。最主要的两种模型就是单因素模型和多因素模型。 一、单因素模型(Single-Index Model) 夏普(William Sharp)于1963年建立了单因素模型2。单因素模型是指证劵价格的影响因素只有一个，而如果有两个或两个以上的因素，则称为多因素模型。单因素模型的基本思想是：当市场指数上升时，市场中大部分证券资产的价格就会上涨；相反，当市场指数下降时，市场中大部分证券资产的价格就会下降。 单因素模型中有以下两个基本假设条件： 第一，证券的风险分为系统性风险和非系统性风险，而这里所讲的因素仅指系统性风险。 第二，一个证券的非系统性风险与其他证券的非系统性风险之间的相关系数为零，两种证券之间的相关性仅取决于共同的市场因素。 在单因素模型中，主要有两个基本因素会造成证券收益率的波动：一是宏观经济环境因素，比如GDP 增长率、利率、通货膨胀率等，这些因素的变化会引起证券市场中所有证券收益率的变化，相对于市场中的系统性风险；二是微观因素的影响，如公司的财务状况、公司的经营状况以及突发事件等，这些因素的变化只会引起个别证券收益率的变化，相当于市场中的非系统性风险，可以通过多样化的投资组合进行分散。 我们以股票的收益率和股价指数的收益率为例，可以得到如下单因素模型公式： it it i mt it r A R βξ=++ 这一公式揭示了股票的收益率与市场指数收益率之间的关系。其中，it r 为t 时期证券i 的收益率，mt R 为t 时期市场指数的收益率，i β为斜率，表明股票收益率波动对市场指数波动的反应程度，代表两者的相关关系，it A 是截距项，反映市场指数为零时股票收益率的大 1 文章出处：《中国企业年金投资运营研究》 杨长汉 著 杨长汉，笔名杨老金。师从著名金融证券学者贺强教授，中央财经大学MBA 教育中心教师、金融学博士。中央财经大学证券期货研究所研究员、中央财经大学银行业研究中心研究员。 2Sharp, W.,1966, Mutual Fund Performance, Journal of Business,(39),119-138.

Fama-French三因子计算过程说明

Fama-French三因子计算过程说明 姜国华、叶昕、饶品贵、祝继高 （北京大学光华管理学院会计系，1000871） 一、数据来源 财务数据来源于CSMAR财务年报数据库。数据区间：资产负债表自1990年起，利润及利润分配表自1990年起，财务状况变动表自1992年起，现金流量表自1998年起，资产减值准备表自2001年起。 市场回报数据来源于CSMAR中国证券市场交易数据库。数据区间：上海A股从1990年12月19日起，深圳A股从1991年07月03日。市场回报数据包括月个股回报、月市场回报、综合月市场回报三个数据集。 无风险利率我们使用的是中国人民银行公布的人民币三个月整存整取利率调整后得到的，即将三个月整存整取利率除以12。 二、数据处理过程1 1．财务数据只保留年末数(Sgnyea='B')2，剔除年初数（Sgnyea='A'）；然后按公司和按年度将资产负债表、利润及利润分配表和现金流量表合并。 市场回报数据剔除B股数据，并将所有特殊值替换为缺失值，最后按月份将月个股回报、月市场回报和综合月市场回报进行合并。 2．以个股第t-1年12月31日的权益账面价值与市场价值的比值(Book-to-market ratio，简称BM)和第t年4月30日的市场价值(简称SIZE)为依据，对第t年5月至第t＋1年4月期间内的公司观测进行分组（每个月进行分组）。 分组方法如下：(1)按SIZE大小平均分为两组（Small组, Big组）；(2)按BM从小到大分三组，即前30%(Growth组)，中间40%(Neutral组)，后30%(Value组)，共形成六个组，即Small Growth组, Small Neutral组, Small Value组, Big Growth组, Big Neutral组, Big Value组。 个股的市场价值是指月个股总市值(Msmvttl)，。若BM和SIZE为缺失值或负值，则予以删除。 3．以个股第t年4月30日的相对市场价值为权重（个股的市场价值与组内个股市场价值总和的比），对第t年5月至第t＋1年4月期间内个股的月回报进行加权平均，从而求得 1数据处理采用SAS9.1统计软件。 2该符号为CSMAR数据库定义的变量名，下同。

三因素理论

1 三因素理论：外部环境因素、消费者内在因素、市场营销因素。 2霍金斯模型：外部影响（文化、亚文化、人口环境、社会地位、参照群体、家庭、营销活动）；内部环境（知觉、学习、记忆、动机、个性、情绪、态度）；自我概念与生活方式；决策过程(情境、问题识别、信息搜索、评价与选择、经销商选择与购买、购后过程)。 3两个模型的不同是强调了消费者购后反应的两条反馈：对营销策略和消费者。 4 消费者决策过程的五阶段模型：认知问题、搜寻信息、评价备选方案、选择与决策、购后评价。七阶段模型：需求确认、搜集信息、购买前评估、购买、使用、用后评估、处置。 5 消费者信息处理模型：不知晓、知晓、掌握知识、喜欢、偏好、确信、购买。 6 文化的三要素：价值观、行为规范、图腾象征。 7 需要是个体由于缺乏某种东西而产生的生理或心理上的不平衡的状态。它是消费行为的基础，没有需要就不会产生相应的消费行为。当消费者希望满足的需要被激活时，产生了动机。 8 需要到动机到行为。 9 希曼夫的动机过程模式：为满足的需要—紧张—动机加学习、认知过程—行动—目标，减少紧张到目标。将动机理解为：个人内部作出的行动驱动力，动机因一种紧张状态而产生，以满足未得到的需求。 10布莱思的动机形成模式：未满足的需求—动力加学习—动机加期望—目标—动力产生的行为。 11价值：指产品或服务满足消费者需要的有用性或有用程度。任何产品都必须有价值。消费者价值：消费者从产品和服务中获得的一系列利益。 12 Sheth-Newman-Gross消费价值模型：五种核心消费价值：.功能价值：如有用；2.情感价值：如喜欢、炫耀；3.认知价值：有助于满足认知需要，如新闻；4.社会价值：如归属于某一群体，雅皮士；5.条件价值：如限量版、限购。五种价值观共同影响消费者选择行为。13 MEC模型：从产品属性到消费者价值：手段—目的链模型：从产品属性出发推演出提供给消费者的价值。 14 体验是人们响应某些刺激的个性事件。体验通常是由于对事件的亲身参与或是直接观察造成的，不论事件是真实的，还是虚拟的。 15体验经济是指企业以服务为重心，以商品为素材，为消费者创造出值得回忆的感受。 16 体验营销的构架：感官营销：刺激消费者的感官；情感营销：打动人的情感；思考营销：触发人的思维；行动营销：do it yourself；关联营销:车展：看、摸、试驾 18 生活形态又称生活方式，它对应选择某种消费模式，包括消费观念、如何使用时间和金钱等。 19 生活形态的营销意义：描述目标市场；创造出关于市场的新看法；对产品进行定位；更好地传播产品特征；开发整合营销传播策略 20 消费者购买决策指消费者谨慎地评价某一产品、品牌或服务的属性并进行理性选择、购买能满足某一特定需要的产品的过程。 21 信息加工:与计算机接收信息的过程一样，一种关注人类如何储存、保持与提取信息的学习认知理论。 22影响消费者信息搜索行为的主要因素：产品或品牌的认知；消费者特征，介入度；市场特征及情景，网上信息搜素；在决策过程中不同阶段有所不同。 23消费者“傻瓜”假设：（1）消费者的心理因素：大脑的有限性；大脑的憎恨混乱；大脑的不可靠性；大脑不会改变；大脑不能丧失焦点。（2）消费者信息行为中的“傻瓜”假设如下：懒惰而无耐性；之游常识而无知识；健忘而无记性；感觉直觉优先理性居后；喜欢悠闲讨厌说教；三心二意喜新厌旧；从众跟随以保安全。 24买决策类别——R.布莱克韦尔的分类：复杂决策EPS；有限决策LPS；习惯决策RPS。

三因子模型实证分析

新三因子模型及其在中证100的实证分析 罗小明 （吉水二中江西吉安 331600） 摘要：本文通过对FF-三因子模型的研究，并借鉴了国内外的研究成果，同时结合国内股市的具体特点，提出以下三个影响股票收益率因子：流通市值、市盈率、换手率。在FF-三因子模型的基础上，构建了国内特有的新三因子模型，进行了实证检验，并与FF-三因子模型进行了比较分析。 关键字：三因子模型；流通市值；市盈率；换手率 资产定价是金融学的核心任务之一, 各种资产定价模型总是试图找出投资者在投资决策时的相关经济环境变量, 由这些变量来解释股票的收益差异。本文在FF-三因子模型的基础上，并借鉴了国内外的研究成果，同时结合国内股市的具体特点构建了国内特有的新三因子模型，进行了实证检验，并与FF-三因子模型进行了比较分析，以便进一步认识中国股市 的股票定价机理。 一．国内股市的特点 1、股本结构 我国上市公司的股本按投资主体的不同性质可以分为国有股、法人股、社会公众股和外资股等不同的类型。由于我国的股权分置，投资者在股票市场买卖的股票都是流通股。此情形下，我国上市公司股票市场价格是在非流通股不能上市流通的前提下所形成的供求平衡价格，这就隐含了这一价格大大高于在全部股流通条件下的市场均衡价格，而股票的市场价格并不是非流通股的价格，这对资产定价模型产生较大影响。 2、存在价格操纵者 近年来，我国股票市场上庄家、庄股之说，并且成为广大投资者、中介机构和有关媒体十分关注的话题。所谓庄家，实际上就是股价操纵者，而庄股就是股价被操纵的股票；虽然从法律角度看，操纵股价的行为是违反《证券法》的，但由于操纵股价能为操纵者带来巨额的超常收益，所以操纵行为禁而不绝。当然，这种操纵行为的出现和演变，具有独特的市场机制和外部环境渊源。 3、考虑交易费用和所得税的情形 在我国，股票交易的费用主要由两部分构成，即交易印花税和佣金，而且这两项都按交易金额的一定比例提取，此外还有过户费(上海股市)、交易手续费(上海股市)。从费率的角度看，目前印花税和佣金有所降低，交易费用有所下降；但考虑到其他费用的存在，我国的股票交易费用仍然偏高。另外，股票收益包括股票股息收入、资本利得和公积金转增收益组成，其中股息又分为现金股息、股票股息、财产股息等多种形式；目前，在我国仅对现金股息征税，而对资本利得和其它股息均未征税。对于大多数股票来说，由于股票收益率绝大部

五因素模型

由Eugene F. Fama和Kenneth R. French撰写Journal of Financial Economics2015年第4期论文“A five-factor asset pricing model”对原有的Fama-French（1993）三因素模型进行了改进，在原有的市场、公司市值（即SML，small minus large）以及账面市值比（即HML，high minus low）三因子的基础上，加入了盈利能力（profitability）因子（即RMW，robust minus weak）和投资模式（investment patterns）因子（即CMA，conservative minus aggressive），从而能够更好地解释股票横截面收益率的差异。然而，有些小企业的股票收益率，和投资水平高、盈利能力低的公司相似。作者指出，五因素模型的主要不足就在于无法解释这类小企业的股票平均收益率为何如此之低。此外，引入RMW和CMA因子后，1963至2013年的美国股市数据表明，HML因子是“多余”的。 Fama和French于1993年提出的三因素模型在金融圈几乎无人不知，该模型很好地捕捉到了股票收益率与其市值和账面市值比之间的关系。三因素模型也一直是众多学者检验和挑战的对象。Novy-Marx (2013)发现，总盈利-资产比率（gross profits-to-assets）对股票横截面平均收益率，具有接近于HML 因子的解释能力。Aharoni, Grundy和Zeng (2013)指出，公司投资水平和股票平均收益率显著相关（亦可参见Haugen和Baker,1996、Titman, Wei和Xie, 2004、Fama和French,2006、2008等）。由此可见，三因素模型对预期收益率的描述并不全面，因为三个因子并不能解释由公司盈利能力与投资模式所造成的股票收益率差异。 基于上述理论及实证研究，Fama和French在原有的三因素模型中，加入了代表盈利能力的RMW因子和代表投资模式的CMA因子。与之前因子的构建方式类似，RMW是营业利润率（operating profitability）高的多元化投资组合的收益率，减去营业利润率低的多元化组合的收益率。CMA则是投资水平低（“保守”）的多元化投资组合的收益率，减去投资水平高（“积极”）的多元化组合的收益率。其中，营业利润率的衡量标准，是上一财年的总收入，扣除主营业务成本、利息支出和销售、一般及行政费用，再除以上一财年末账面权益总额。而对投资的衡量，则是用上一财年相对于之前财年的总资产增加额，除以之前财年末的总资产金额。 为了清楚地观察各个因子与收益率的关系，本文使用1963年7月至2013年12月的美国股市数据，采用类似Fama和French (1993)的方法对样本数据进行分析。作者分别根据市值-账面市值比、市值-营业利润率和市值-投资水平，对股票进行了3次5×5均分，每次得到25个投资组合。作者发现，总体而言，存在价值、盈利能力以及投资效应：即在控制其他变量的情况下，股票的账面市值比越高，营业利润率越高，投资水平越低，其平均回报率越高，这些现象在市值较小的股票中尤为明显。 在构造SML、HML、RMW和CMA这4个因子时，作者提出了三种投资组合划分的方法。第一种：分别根据市值-账面市值比、市值-营业利润率和市值-投资水平，对股票进行3次2×3划分，每次得到6个投资组合。以市值-账面市值比划分为例，作者将市值以纽交所均值为分水岭，划分为大、小2类；对账面市值比，则以纽交所的第30和第70百分位数为分水岭，划分为高、中、低3类。第二种：分别根据市值-账面市值比、市值-营业利润率和市值-投资水平，以纽交所均值为分水岭，对股票进行3次2×2划分，每次得到4个投资组合。第三种：根据市值-账面市值比-盈营业利润率-投资水平，对股票进行1次2×2×2×2的划分，得到16个投资组合。作者认为，第二种方法在构建因子时，使用了全部股票，而第一种方法却没有使用第30至第70百分位数的股票，因此第二种方法构建的因子更为多元化；而第三种方法，则能更有效地从平均收益率中，分离出市值、账面市值比、营业利润率和投资水平的风险溢价。 作者进行回归分析，并按照Gibbons，Ross和Shanken(1989)的方法进行检验。GRS统计量表明，五因素模型并不能完全描述股票的期望收益率，但是五因素模型依然可以解释71%至94%的不同组合收益率在横截面水平上的差异。五因素模型的GRS统计量值小于三因素模型，回归的截距项（代表异常收益）

三因素模型

一、经济背景 CAPM曾一度是资产定价的主要依据，引发了很多学者对其的实证检验。但是从结果来看，期望收益与市场beta并不相关，CAPM也便遭到了人们的质疑。 正是在这种对传统单因素beta资产定价的挑战下，出现了异象研究。 异象研究：人们发现，股票的平均收益与上市公司的财务特征相关，公司特征对截面收益的解释往往比传统单因素beta模型更加有力。 之后，人们进行了分析。 有的学者就提出，规模效应，size effect，小公司的股票平均收益率高于大公司股票。 还有的学者就提出，账面市值比效应，B/M effect，高账面市值比的股票比地账面市值比的股票有显著高的收益率。 除此之外，还有例如D/E债务权益比效应，E/P盈余价格比效应之类的解释。 二、B/M effect 学术界对于各种异象的研究主要集中于“BM 效应”产生的原因,即为什么高BM 的股票比低BM 的股票具有更高的收益。目前,主要有如下四种观点: 1.有的学者认为B/M 效应只是特定样本在特定检验期内才存在,是数据挖掘的结果。通俗来说，它就是个概率事件，样本局限性：选择性偏差造成BM 效应的存在。但肯尼思·弗伦奇等人通过检验美国之外的股市或拉长检验期后,仍发现B/M 效应显著存在,从而否定了此种解释。 2. 第二种观点(Fama 和French ,1992 ,1993 ,1996) 认为,B/M 代表的是一种风险因素———财务困境风险。具有困境的公司对商业周期因素如信贷条件的改变更加敏感,而高B/M 公司通常是盈利和销售等基本面表现不佳的公司，财务状况较脆弱,因此比低BM 公司具有更高风险。可见,高B/M公司所获得的高收益只是对其本身高风险的补偿,并非所谓不可解释的“异象”。—三因素模型前身。 同时，为了验证自己的结论并不是由于样本选择的原因，他们从国际股票市场的角度进行了考察，发现B/M效应在覆盖四大洲的13个主要国家的股票收益中同时出现，证明了这一现象并不仅局限于美国，否认了B/M效应的质疑。 3. 第三种观点认为,B/M 效应的出现是由于投资者对公司基本面过度反应造成的。高B/M 公司通常是基本面不佳的公司,因此投资者对高B/M公司的股票价值非理性地低估;低B/M公司则是基本面较好的公司,因此投资者对低B/M 公司的股票价值非理性地高估。可见,投资者通常对基本面不佳的公司过度悲观,对基本面优良的公司过度乐观。当过度反应得到纠正后,高BM 公司将比低BM 公司具有更高的收益。 4. 第四种观点也就是特征模型。 (Daniel 和Titman ,1997) 也认为BM 和SIZE 不是风险因素, 实际上,BM 和SIZE 代表的是公司的特征,简称“特征因素”—其代表投资者偏好,并决定收益的高低，而仅仅是特征本身决定了股票的预期收益率。 高B/M 公司由于基本面较差而价值被低估,故称“价值股”;反之,低B/M 公司由于基本面较好而价值被高估,故称“成长股”。 由于投资者偏好于持有基本面较好的成长股,而厌恶持有基本面不佳的价值股,结果导致高B/M 公司具有较高收益。 本文重点主要在论述三因素模型，并与特征模型进行了比较，证明了三因素模型的优势。 三、对三因素模型论述。 第一部分主要是在风险模型中对整体市场，公司规模以及价值溢价的一个整体说明。

fama三因素模型中文版_图文.

The Cross-Section of Expected Stock Returns EUGENE F. FAMA and KENNETH R. FRENCH (1992 JOURNAL OF FINANCE 47(2, 427-465 摘要: 結合兩個簡單的變數:規模、帳面對市價比,衡量市場β、規模、財務槓桿、帳面對市價比、E/P ratio與股票平均報酬變異的關係異。而且,當測試變數β與規模無關,即使β是唯一解釋變數,市場β跟股票平均報酬間的關係是無關的。 Sharpe(1964, Linter(1965, and Black(1972所提出之資產定價模型長期被學術界及實務界用來探討平均報酬與風險的關係。模型的主要預測:市場投資組合受mean-variance 的效率影響。效率市場投資組合指:(a證券的預期報酬與市場β是正的線性函數關係。(b市場βs有能力解釋預期報酬的橫斷面。 實證上的發現有許多與 Sharpe-Lintner-Black(SLB模型相抵觸的地方。最明顯的為 Banz(1981的規模效果:在給定市場βs下之預期股票報酬的橫斷面,加入市值ME(股票價格乘以流通在外股數這個變數。結果顯示在給定市場β下,低市值股票的平均報酬太高;高市值股票的平均報酬則太低。 另一個有關 SLB 模型的矛盾則是 Bhandari(1988所提出的財務槓桿與平均報 酬間的正相關。財務槓桿與風險及報酬相關看起來似乎合理,但在 SLB 模型下, 財務槓桿風險應已包含於市場β中。然而 Bhandari 發現財務槓桿能協助解釋包含規模(ME的平均股票報酬的橫斷面變異,且比包含β要來的好。 Stattman(1980, Rosenberg, Reid , and Lanstein (1985發現美國股票的平均報酬與普通股帳面價值(BE市值(ME比有正相關。Chan, Hamao, and Lakonishok(1991發現帳面對市價比(BE/ME對於解釋日本股票的橫斷面平均報酬也扮演很重要的角色。 最後,Basu(1983認為 E/P ratio也能協助解釋包含規模與市場β的美國股票橫斷面平均報酬。Ball(1978提出 E/P是一個在預期股票報酬下,可囊括所有未知因子的

fama三因素模型翻译完整版

本文确定了股票和债券收益的五个常见风险因素。股票市场有三个因素:一个总体的市场因素和与公司规模以及账面市值比有关的因素。债券市场有两个因素。与到期和违约风险有关。由于股票市场的因素，股票回报有共同的变化，它们通过债券市场因素的共同变化与债券收益联系在一起。除了低级的企业。债券市场因素反映了债券收益率的共同变化。最重要的。这五个因素似乎解释了股票和债券的平均回报率。 1.介绍 美国普通股平均收益的横截面与夏普比例β（1964）TLNTNER（1965）资产定价模型或BREEDEN（1979）等跨期资产消费定价模型的消费关系不大。例如，ReigANUM（198 1）和布里登、吉本斯和LyZeNBER（1989）。换句话说，在资产定价理论中没有特殊地位的变量显示了可靠的解释平均回报截面的能力。经验确定的平均值变量的列表包括大小（ME，市值），杠杆率，收益/价格（E/P），和账面市值比（公司普通股的账面价值，BE，其市值，ME）。例如班兹（1981）。班达里（1988）。巴（1983）。还有罗森伯格、瑞德和Lanstein FAMA和法国（1992年）研究了股票平均收益的横截面中市场β、规模、E/P、杠杆和账面市值比共同作用。他们发现，单独使用或与其他变量组合共同使用，β（股票收益在市场回报的回归中的斜率）几乎并不显著。单独使用，大小，E/P，杠杆，和书对市场的股本有解释力。在组合中，规模（ME）和账面市值比（BE/ME）似乎吸收杠杆和E的作用；最终结果是，两个经验确定的变量，规模以及账面市值比，很好地解释了在1963年至1990年期间纽约证券交易所、美国证券交易所和纳斯达克股票的平均回报的横截面。本文以三种方式扩展了Fama和法国（1992年A）的资产定价测试。 （a）我们扩展了解释资产的围。在FAMA和法国（1992年A）中考虑的唯一资产是普通股。如果市场一体化，单一模型也应该解释债券收益。这里的测试包括美国政府和公司债券以及股票。 （b）我们还扩展了用于解释回归的变量集。FAMA和法国（1992年A）的规模和账面市值比直接作用于股票。我们将列表扩展到可能在债券收益中起作用的期限结构变量。我们的目标是检查债券回报中重要的变量是否有助于解释股票收益，反之亦然。这种观点认为，如果市场一体化，债券和股票的回报过程可能会有一些重叠。 （c）或许最重要的是，测试资产定价模型的方法是不同的。FAMA和FA（1992年A）使用FAMA和MACBETH（1973）的截面回归：使用回归股票收益的横截面来解释平均的回归。由于规模和账面市值等解释变量对政府和公司债券没有明显的意义，因此很难在横截面回归中增加债券。 本文采用时间序列回归的方法，黑色，延森和斯科尔斯（1972）。股票和债券的月度收益在股票市场组合的回报率上回归，并模拟投资组合的大小、账面市值比（B/ME）和回报的期限结构风险因素。时间序列回归斜率是与大小或BE/ME不同的因素负荷，对债券和股票有明确的风险敏感性。时间序列回归也便于研究两个重要资产定价问题。 （a）我们的一个中心主题是，如果资产价格合理，与平均收益相关的变量，如规模和账面净值权益，必须代表对回报中常见（共享的和不可预测的）风险因素的敏感性。时间序列回归在这个问题上提供了直接的证据。特别是，斜率和R平方值表明，模拟相同大小或账面市值比在股票和债券收益的共享变化没有被其他因素解释。 （b）时间序列回归使用超额收益（月度股票或债券收益减去一个月国库券利率）作为因变量和超额收益或零投资组合的回报作为解释变量。在这样的回归中，一个很好的资产定价模型产生了截然不同于0的截距（默顿（1973））。所估计的截距显示共同因素的不同组合很好的捕获横截面的平均回报数据。此外，基于超额收益回归的截断来判断资产定价模型提出了严格的标准。竞争模型被要求解释一个月的票据利率以及长期债券和股票的回报率。 我们的主要结果很容易总结。对于股票而言，无论是在时间序列回归中投资组合模拟相

三因素

三因素组合不稳定但短期比长期结构稳定性要高 CAPM 资产收益率的期望收益有三个变量：贝塔值，无风险利率和市场期望收益率的函数贝塔值隐与期望收益率存在正的均衡关系 三因素市值、账面市值比、市盈率 Fama和French 1992年对美国股票市场决定不同股票回报率差异的因素的研究发现，股票的市场的beta值不能解释不同股票回报率的差异，而上市公司的市值、账面市值比、市盈率可以解释股票回报率的差异。Fama and French 认为，上述超额收益是对CAPM 中β未能反映的风险因素的补偿。” Sharp(1964)，Lintner(1965)，Black(1972)的资本资产定价模型(Capital asset pricing model, CAPM)认为，股票的收益只与整个股票市场的系统风险有线性关系。即Rit-Rft=βi(Rmt-Rft)，也就是说，股票的期望收益只与市场的系统风险有关。但是，Banz(1981)的论文发现，股票的收益还与其市场价值有关。在随后的一系列研究中，账面市值比(BE/ME)、市盈率倒数(E/P)等一系列指标都被发现可以解释股票价格的变动，也就是说，股票价格与一系列的风险因素有关。 Fama-French的贡献 他们发现股票市值和账面市值比两个因素就可以解释绝大部分股票价格的变动，并且这两个因子可以替代其他一些风险因子的作用（例如E/P等），他们在1993年的论文通过模拟市场风险、市值风险和账面市值比风险构造了三因子，用来解释股票收益的变化。 3Fama-French三因子模型的表达式： Fama和French 1993年指出可以建立一个三因子模型来解释股票回报率。模型认为，一个投资组合(包括单个股票)的超额回报率可由它对三个因子的暴露来解释，这三个因子是：市场资产组合(Rm? Rf)、市值因子(SMB)、账面市值比因子(HML)。这个多因子均衡定价模型可以表示为： E(Rit) ? Rft= βi[E(Rmt? Rft] + siE(SMBt) + hiE(HMIt) 其中Rft表示时间t的无风险收益率；Rmt表示时间t的市场收益率；Rit表示资产i在时间t的收益率；E(Rmt) ? Rft是市场风险溢价，SMBt为时间t的市值(Size)因子的模拟组合收益率(Small minus Big)，HMIt为时间t的账面市值比(book—to—market)因子的模拟组合收益率(High minus Low)。 β、si和hi分别是三个因子的系数，回归模型表示如下： Rit? Rft= ai+ βi(Rmt? Rft) + SiSMBt+ hiHMIt+ εit 但是，我们应该看到，三因子模型并不代表资本定价模型的完结，在最近的研究发现，三因子模型中还有很多未被解释的部分，如短期反转、中期动量、波动、偏度、赌博等因素。 F/F 大致的结论：价值型股票的业绩回报高于成长型股票，在 相同账面市场价值比类别中，小公司业绩回报高于大公司

(推荐)系统理论的人因素模型

系统理论的人因素模型 系统模型可反应人、机、环境之间的相互作用、反馈和调控，并能指出促成事故的一系列事件。下述几个模型都属于系统理论。 一、S—O—R人的因素模型 1969年，J·瑟利提出一个事故模型，它包括两组问题（危险构成和显现危险的紧急时期），每组包含三类心理—生理成分，即对事件的感知（刺激，S）、对事件的理解（内部响应，认识活动，O）以及生理行为响应（输出，R）。 包含有S—O—R的第一组侧重危险的构成，以及与此危险相关的感觉的、思考的（认识的）和行为的（生理输出）响应。第二组，瑟利称之为显现危险时期，也同样包含有S—O—R三个相同的成分。在此期间，如果不能避免危险，则将产生伤害或损坏。瑟利模型如图2-2。 二、操作过程与S—O—R人因素的模型 1978年安德淼等曾在分析60件工伤事故时，应用了瑟利模型及其提出的问题，发现后者存在相当的缺陷，并指出：瑟利虽然清楚地处理了操作者的问题，但未涉及机械及其用于环境的运行过程。通过在瑟利模型上增加一组提前步骤，即构成危险的来源及可察觉性，运行系统内部波动（变异性），控制此波动使之与操作波动相一致。这一工作过程的增加使瑟利模型更为有用，详见图2-3。 安德森对瑟利模型的增补，始于控制系统（一个不可控系统，例如闪电，不能为模型的开始组所阐明）。问及系统是否能观察到（通过仪表或人的感官），阻止察觉是否可能主要指有无噪声、照明不良或因栅栏而阻碍了对工作过程的察

觉。 1970年海尔认为，当人们对事件的真实情况不能做出适当响应时，事故就会发生，但并不一定造成伤害后果。海尔的模型集中于操作者与运行系统的相互作用。他的模型是二个闭环反馈系统，把下列四个方面的相互关系清楚地显示了出来：（1）察觉情况，接受信息；（2）处理信息；（3）用行动改变形势；（4）新的察觉、处理，响应。详见图2-4。 信息包括操作者在运行系统中收到的信息，这种信息可能由于机械的故障而不正确，或因视力听力不佳而察觉不到，即不完整的信息。这两种情况都可能导致行动失误。预期的信息指经常指导对信息收集和选择的预测。就预测指导感觉而言，可能发生两种类型的失误。一是操作者感觉上的失误，二是对危险征兆没有察觉。只有当信息显示不安全时，预测可以举一反三，触类旁通。当负担过重，有压力、疲劳或药物作用，使操作者对收集信息的注意力削弱，以致不能保持对危险的警惕。 行为的决策：根据察觉到的信息，经过处理，能否采取正确的行动，这取决于指导、培训以及固有的能力。决策要考虑经济效益、社会效益，这包括生产班组群体的利益，也有原有的经验及由此而产生的对危险的主观评估。认识、理解、决策均属于中枢处理，接着便是行动输出（响应行为）。 响应行动之后，运行系统会发生变化。检察和监测功能是反馈环中的主要功能。

Fama三因素模型总结

Fama-French三因子模型 (重定向自Fama–French三因素模型) Fama-French三因子模型(Fama-French 3-factor model，简称FF3） Fama-French三因子模型概述 Fama和French 1992年对美国股票市场决定不同股票回报率差异的因素的研究发现，股票的市场的beta值不能解释不同股票回报率的差异，而上市公司的市值、账面市值比、市盈率可以解释股票回报率的差异。Fama and French认为，上述超额收益是对CAPM 中β未能反映的风险因素的补偿。” Fama-French三因子模型的表达式[1] Fama和French 1993年指出可以建立一个三因子模型来解释股票回报率。模型认为，一个投资组合(包括单个股票)的超额回报率可由它对三个因子的暴露来解释，这三个因子是：市场资产组合(R m?R f)、市值因子(SMB)、账面市值比因子(HML)。这个多因子均衡定价模型可以表示为： 其中R ft表示时间t的无风险收益率；R mt表示时问t的市场收益率；R it表示资产i 在时间t的收益率；E(R mt) ?R ft是市场风险溢价，SMB t为时间t的市值(Size)因子的模拟组合收益率，HMI t为时间t的账面市值比(book—to—market)因子的模拟组合收益率。 βi、s i和h i分别是三个因子的系数，回归模型表示如下： R it?R ft = a i+ βi(R mt?R ft) + s i SMB t + h i HMI t+ εit Fama-French三因子模型的假设条件 1、理论假设 在探讨Fama—French三因子模型的应用时，是以“有限理性”理论假设为基础。并在此基础上得出若干基本假定： (1)存在着大量投资者； (2)所有投资者都在同一证券持有期计划自己的投资资产组合； (3)投资者投资范围仅限于公开金融市场上交易的资产； (4)不存在证券交易费用(佣金和服务费用等)及税赋； (5)投资者们对于证券回报率的均值、方差及协方差具有相同的期望值； (6)所有投资者对证券的评价和经济局势的看法都一致。 2、统计假设 从模型的表达式可以看出，FF模型属于多元回归模型。其基本假设为： (1)(R m?R f)、SMB、HML与随机误差项u不相关； (2)零均值假定：E(ξi) = 0； (3)同方差假定，即ξ的方差为一常量：Var(ξi) = S2； (4)无自相关假定： (5)解释变量之间不存在线性相关关系。即两个解释变量之间无确切的线性关系； (6)假定随机误差项u服从均值为零，方差为S2正态分布，即ξi?N(0,S2)。 但是，我们应该看到，三因子模型并不代表资本定价模型的完结，在最近的研究发现，三因子模型中还有很多未被解释的部分，如短期反转、中期动量、波动、偏度、赌博等因素

Fama French 1992 3 factor model三因素模型

American Finance Association The Cross-Section of Expected Stock Returns Author(s): Eugene F. Fama and Kenneth R. French Source: The Journal of Finance, Vol. 47, No. 2 (Jun., 1992), pp. 427-465 Published by: Blackwell Publishing for the American Finance Association Stable URL: https://www.wendangku.net/doc/ba6218690.html,/stable/2329112 Accessed: 25/08/2010 08:16 Your use of the JSTOR archive indicates your acceptance of JSTOR's Terms and Conditions of Use, available at https://www.wendangku.net/doc/ba6218690.html,/page/info/about/policies/terms.jsp. JSTOR's Terms and Conditions of Use provides, in part, that unless you have obtained prior permission, you may not download an entire issue of a journal or multiple copies of articles, and you may use content in the JSTOR archive only for your personal, non-commercial use. Please contact the publisher regarding any further use of this work. Publisher contact information may be obtained at https://www.wendangku.net/doc/ba6218690.html,/action/showPublisher?publisherCode=black. Each copy of any part of a JSTOR transmission must contain the same copyright notice that appears on the screen or printed page of such transmission. JSTOR is a not-for-profit service that helps scholars, researchers, and students discover, use, and build upon a wide range of content in a trusted digital archive. We use information technology and tools to increase productivity and facilitate new forms of scholarship. For more information about JSTOR, please contact support@https://www.wendangku.net/doc/ba6218690.html,. Blackwell Publishing and American Finance Association are collaborating with JSTOR to digitize, preserve and extend access to The Journal of Finance. https://www.wendangku.net/doc/ba6218690.html,

CAPM模型与三因素模型的实证分析

CAPM模型与三因素模型 的实证分析 ——基于上证指数 专业2011级金融学 姓名王兴海 学号2011300040126 一CAPM模型实证分析

1、数据选取 在市场因素中，本文以铜峰电子（600237）为例，选取其2005年2月到2012年2月各月度数据。数据均来自CSMAR数据库，其中市场因素选取上证A股指数来代替。 2、模型设定及回归分析 设检验形式为：Ri=αi+βi RMX+εi ，其中ri为个股月收益率，RMX为上证a股指数月收益率。 用eviews软件对结果进行一元回归，结果如下所示： 对结果进行分析，发现可决系数R-squared约为0.351927，表明该股票月

收益率变化的35.1%可由上证a股指数收益率的变化来决定。从t检验和f检验值看，其p值均为0.0000，在5%的显著性水平下不能拒绝该变量系数拟合值。 二多因素模型实证分析——基于Fama-French模型的分析 1、数据选取 在多因素（Fama-french）模型中，我随机抽取了上证交易所的10股票，选取其2005年2月到2012年2月的每月收益率数据。其中市场因素选取月度上证A股指数的收益率减去无风险收益率的值来代替。数据均来自CSMAR数据库。分析结果如下图： 2、模型设定 三因素模型检验形式如下：Ri=αi+bi (RM-RF)+si SML+hi HML+ε,其中ri 为个股收益率，在此我们选为所选组合平均月收益率；rm-rf=RMX为市场收益率减无风险收益率，在此我用“上证A股指数月收益率减无风险收益率”代替，其中无风险收益率考虑到我国的实际情况，我选择用“银行三个月定期存款利率”来代替。SML为低市值与高市值组合收益率之差，HML为高账面市值比与低账面市值比组合收益率之差。 3、回归分析 用eviews进行回归分析结果如图所示: