1. 项目概述从理论到实践的资产定价在金融工程和量化投资领域如何给资产定价、解释其收益来源是一个永恒的核心问题。传统的资本资产定价模型CAPM认为资产的超额收益只与市场风险溢价有关但现实市场显然复杂得多。这时Fama-French三因子和五因子模型就登场了它们通过引入更多维度的风险因子为我们提供了一个更贴近现实的资产收益解释框架。简单来说这些模型试图回答除了跟随大盘涨跌一只股票的高收益还可能是因为它“小而美”规模因子还是因为它“价格便宜”价值因子这个项目就是带你用Python亲手实现一次完整的Fama-French模型实证分析。这不仅仅是跑一个回归而是从数据获取、因子构建、模型拟合到结果解读的全流程实战。你会发现原来那些金融教科书和顶级期刊论文里的复杂模型用代码实现起来逻辑如此清晰。无论你是金融专业的学生想验证课堂理论还是量化研究的初学者想构建自己的分析工具箱亦或是数据分析师希望拓展金融领域的应用这个案例都能提供一条从理论公式到可执行代码的完整路径。我们将使用pandas、numpy、statsmodels等核心库一步步拆解最终得到属于你自己的资产定价实证结果。2. 核心模型原理与数据基础2.1 Fama-French因子模型的核心思想在动手写代码之前我们必须先吃透模型在说什么。Fama-French模型本质上是一种多因子线性回归模型其核心思想是资产的超额收益率可以被一系列共同的风险因子所解释。三因子模型Fama-French 3-Factor Model在CAPM的市场因子Rm-Rf基础上增加了两个因子SMB (Small Minus Big)规模因子。构建方法是做多一篮子小市值股票同时做空一篮子大市值股票的投资组合收益率。它捕捉的是“小公司效应”即历史数据显示小市值公司平均收益高于大市值公司。HML (High Minus Low)价值因子。构建方法是做多一篮子高账面市值比价值股股票同时做空一篮子低账面市值比成长股股票的投资组合收益率。它捕捉的是“价值效应”即价值股平均收益高于成长股。模型的数学表达式为Rit - Rft αi βi,MKT * (Rmt - Rft) βi,SMB * SMBt βi,HML * HMLt εit其中Rit是资产i在t期的收益率Rft是无风险利率αi是截距项代表超额收益即Alphaβ是各因子对应的风险暴露系数。五因子模型Fama-French 5-Factor Model在三因子的基础上进一步增加了 3.RMW (Robust Minus Weak)盈利因子。做多高盈利公司做空低盈利公司。 4.CMA (Conservative Minus Aggressive)投资因子。做多投资保守的公司做空投资激进的公司。五因子模型的表达式相应扩展。增加这两个因子是为了解释更多由盈利能力和投资风格驱动的收益差异。注意这里的Alphaα是模型的核心关注点之一。在有效的资产定价模型下Alpha应该接近于0且统计不显著。如果一个资产或投资组合存在显著的正Alpha意味着它获得了无法被模型风险因子所解释的超额收益这可能暗示着市场的非有效性或模型的遗漏变量问题。2.2 数据来源与获取策略实操的第一步是找数据。对于个人研究或学习我们通常有几个选择官方数据源推荐用于严谨研究法国金融学教授Kenneth R. French的个人网站是获取标准Fama-French因子的权威免费来源。他提供了美国市场及其他多个地区、多种频率日度、月度的因子数据。我们可以直接下载CSV文件。金融数据API如yfinance雅虎财经免费但可能不稳定、akshareA股数据免费、Quandl部分免费或专业的Wind、Tushare需积分或付费。这些可以用于获取个股或投资组合的收益率数据。本地数据库对于机构或长期研究者可能会维护本地的金融数据库。在本案例中为了流程完整我们将采用混合策略因子数据从French教授网站下载月度因子数据。资产收益率数据使用yfinance库获取几只代表性股票的月度收益率例如苹果AAPL、微软MSFT和一只小盘股用于构建待检验的投资组合。无风险利率通常使用短期国债利率在French提供的因子数据中已包含RF列。这样既能保证因子的权威性又能体现从网络获取实际资产数据的实操性。2.3 环境准备与核心库介绍工欲善其事必先利其器。我们需要配置一个Python环境并安装必要的库。假设你已安装Anaconda或Miniconda可以创建一个新的虚拟环境。# 创建并激活环境可选但推荐 conda create -n ff_regression python3.9 conda activate ff_regression # 安装核心库 pip install pandas numpy matplotlib seaborn statsmodels yfinancepandas numpy数据处理的基石用于数据加载、清洗、转换和计算。matplotlib seaborn可视化库用于绘制收益率序列、回归诊断图等。statsmodels核心中的核心提供了强大的统计模型库我们将用其OLS普通最小二乘法进行回归分析。yfinance用于从雅虎财经下载股票价格数据。实操心得使用statsmodels时务必注意其OLS的两种主要接口statsmodels.api.OLS类似R语言风格需要手动添加常数项和statsmodels.formula.api.ols使用公式字符串更直观。本案例将展示statsmodels.api.OLS的用法因为它更贴近计量经济学的常规操作且对系数矩阵的操作更灵活。3. 数据获取与预处理实战3.1 下载并处理Fama-French因子数据首先我们从French教授的网站获取因子数据。以美国市场三因子和五因子月度数据为例。import pandas as pd import numpy as np # 定义数据URL以三因子月度数据为例 ff3_url https://mba.tuck.dartmouth.edu/pages/faculty/ken.french/ftp/F-F_Research_Data_Factors_CSV.zip # 五因子数据URL ff5_url https://mba.tuck.dartmouth.edu/pages/faculty/ken.french/ftp/F-F_Research_Data_5_Factors_2x3_CSV.zip def load_ff_factor_data(url, skiprows): 加载并处理Fama-French因子数据 # 注意French的数据是ZIP压缩包内嵌CSVpandas可以直接读取 try: df pd.read_csv(url, compressionzip, skiprowsskiprows) except Exception as e: # 如果网络或压缩包读取有问题可以尝试先下载到本地 print(f网络读取失败: {e}) # 此处可替换为本地文件路径 # df pd.read_csv(local_factor_data.csv) return None # 清理数据原始文件末尾有版权说明等行需要删除 # 找到第一个非数字的行索引通常是版权行开始 for idx in df.index: if not str(df.iloc[idx, 0]).replace(-, ).replace(.,).isdigit(): df df.iloc[:idx] break # 设置列名并转换数据类型 df.columns df.columns.str.strip() df df.apply(pd.to_numeric, errorscoerce) # 将第一列转换为日期时间索引格式如 192607 df[date_str] df.iloc[:, 0].astype(int).astype(str) # 确保月份是两位数 df[date_str] df[date_str].apply(lambda x: f{x[:4]}-{x[4:].zfill(2)}-01) df[date] pd.to_datetime(df[date_str], format%Y-%m-%d) df.set_index(date, inplaceTrue) df.drop(columns[df.columns[0], date_str], inplaceTrue, errorsignore) # 原始数据是百分比数字除以100转换为小数形式 df df / 100 return df # 加载三因子数据 (Mkt-RF, SMB, HML, RF) ff3_df load_ff_factor_data(ff3_url, skiprows3) print(三因子数据前5行) print(ff3_df.head()) print(f\n数据时间范围{ff3_df.index.min()} 到 {ff3_df.index.max()}) print(f数据列{ff3_df.columns.tolist()})处理后的ff3_df的索引将是DatetimeIndex列通常包含Mkt-RF市场超额收益、SMB、HML和RF无风险利率。五因子数据会多出RMW和CMA两列。注意事项French的数据文件头部有几行描述信息skiprows参数至关重要。不同因子文件日度、月度、不同地区的skiprows值不同需要打开原始文件查看确认。数据末尾的版权信息行也必须清除否则会导致后续数值计算错误。3.2 获取资产收益率数据并计算超额收益接下来我们获取待分析资产的收益率。这里以苹果AAPL和微软MSFT为例构建一个等权投资组合。import yfinance as yf def fetch_stock_returns(tickers, start_date, end_date, freqME): 获取股票收益率数据并计算指定频率的收益率 # 下载调整后收盘价 data yf.download(tickers, startstart_date, endend_date, progressFalse)[Adj Close] # 将列名统一为字符串如果只有一个股票yfinance返回的列名可能不同 if len(tickers) 1: data pd.DataFrame(data, columnstickers) # 计算月度收益率使用月末数据ME表示月末 returns data.resample(freq).last().pct_change().dropna() returns.index returns.index.to_period(freq).to_timestamp() pd.offsets.MonthEnd(0) returns.index returns.index.normalize() return returns # 设定时间范围与因子数据对齐例如从2000年开始 start 2000-01-01 end 2023-12-31 # 获取股票月度收益率 stock_tickers [AAPL, MSFT] stock_returns fetch_stock_returns(stock_tickers, start, end) print(股票月度收益率前5行) print(stock_returns.head()) # 构建一个等权投资组合假设每月初再平衡 portfolio_returns stock_returns.mean(axis1) portfolio_returns.name MyPortfolio print(f\n等权投资组合收益率序列长度{len(portfolio_returns)})现在我们需要计算投资组合的超额收益率。这需要将投资组合的收益率与无风险利率对齐并相减。# 对齐数据确保因子数据和收益率数据的时间索引完全匹配 # 将投资组合收益率序列转换为DataFrame以便合并 portfolio_df portfolio_returns.to_frame() # 合并因子数据和组合收益率数据 merged_data pd.merge(portfolio_df, ff3_df, left_indexTrue, right_indexTrue, howinner) print(f合并后数据形状{merged_data.shape}) # 计算投资组合的超额收益率 (Rp - Rf) merged_data[Port_Excess] merged_data[MyPortfolio] - merged_data[RF] # 市场超额收益列已存在为 Mkt-RF print(合并对齐后的数据前5行) print(merged_data[[MyPortfolio, RF, Port_Excess, Mkt-RF, SMB, HML]].head())关键点解析数据对齐是实证金融分析中最容易出错的一步。必须确保收益率数据和因子数据在时间频率和具体时点上完全一致。我们使用月度数据并且都处理为月末截面。pd.merge的howinner确保了只保留两者共有的时间点这是标准做法。Port_Excess就是我们回归方程左边的被解释变量。4. Fama-French三因子模型回归实现4.1 使用statsmodels进行OLS回归数据准备就绪后就可以进行回归分析了。我们使用statsmodels.api.OLS。import statsmodels.api as sm # 准备回归数据 Y merged_data[Port_Excess] # 被解释变量投资组合超额收益 # 解释变量市场超额收益、SMB、HML因子 X merged_data[[Mkt-RF, SMB, HML]] # 为X添加常数项对应回归截距Alpha X sm.add_constant(X) # 执行OLS回归 model_ff3 sm.OLS(Y, X, missingdrop).fit() # missingdrop会丢弃含有NaN的行 # 打印详细的回归结果摘要 print(model_ff3.summary())运行上述代码你将得到一个非常详细的回归结果表包含以下关键信息coef (系数)对应每个因子的β值风险暴露和常数项αAlpha。std err (标准误)系数估计的标准误差。t 统计量 P|t| (P值)用于检验系数是否显著不为0。通常我们关注P值若小于0.05或0.01则认为在95%或99%的置信水平下显著。R-squared (R方)模型解释的收益率变异的比例。Adj. R-squared (调整后R方)考虑了自变量个数后的R方用于比较不同因子数量的模型。F-statistic (F统计量)检验整个模型是否显著。4.2 回归结果解读与经济学含义假设我们得到的回归结果摘要如下数值为示例OLS Regression Results Dep. Variable: Port_Excess R-squared: 0.892 Model: OLS Adj. R-squared: 0.891 Method: Least Squares F-statistic: 750.6 Date: ... Prob (F-statistic): 2.11e-150 Time: ... Log-Likelihood: 1050.4 No. Observations: 288 AIC: -2093. Df Residuals: 284 BIC: -2078. Df Model: 3 Covariance Type: nonrobust coef std err t P|t| [0.025 0.975] ------------------------------------------------------------------------------ const 0.0025 0.001 2.500 0.013 0.001 0.005 Mkt-RF 1.0520 0.032 32.875 0.000 0.989 1.115 SMB -0.2030 0.046 -4.413 0.000 -0.293 -0.113 HML 0.1180 0.040 2.950 0.003 0.039 0.197 解读如下Alpha (const): 0.0025月度Alpha约为0.25%年化约为3%。P值为0.013 (0.05)统计显著。这表明在控制了市场、规模、价值风险后我们的投资组合获得了显著的正向超额收益。在有效市场假说下这可能是模型未完全捕捉的风险或是真正的选股能力但需谨慎可能是数据窥探偏差。市场风险暴露 (Mkt-RF β): 1.052显著大于1。说明该投资组合的系统性风险略高于市场整体波动性更大牛市时涨得更多熊市时跌得也更多。规模风险暴露 (SMB β): -0.203显著为负。说明该组合的表现更像大市值股票因为做空SMB因子。这符合AAPL和MSFT都是巨型市值公司的现实。价值风险暴露 (HML β): 0.118显著为正。说明该组合有一定的价值股倾向即对高账面市值比价值股有正向暴露。模型解释力: R方为0.892意味着这三个因子解释了该投资组合89.2%的月度收益率波动拟合度非常高。4.3 模型诊断与可视化一个严谨的回归分析必须进行模型诊断检验OLS的基本假设如残差独立性、同方差性、正态性是否成立。import matplotlib.pyplot as plt import seaborn as sns from statsmodels.stats.diagnostic import het_breuschpagan from statsmodels.stats.stattools import durbin_watson import scipy.stats as stats # 1. 绘制残差序列图检验自相关和异方差 residuals model_ff3.resid fig, axes plt.subplots(2, 2, figsize(12, 10)) axes[0, 0].plot(residuals.index, residuals, markero, linestyle-, markersize3) axes[0, 0].axhline(y0, colorr, linestyle--) axes[0, 0].set_title(Residuals over Time) axes[0, 0].set_xlabel(Date) axes[0, 0].set_ylabel(Residual) # 2. 残差与拟合值散点图检验异方差 fitted_values model_ff3.fittedvalues axes[0, 1].scatter(fitted_values, residuals, alpha0.6) axes[0, 1].axhline(y0, colorr, linestyle--) axes[0, 1].set_title(Residuals vs. Fitted Values) axes[0, 1].set_xlabel(Fitted Values) axes[0, 1].set_ylabel(Residual) # 3. 残差Q-Q图检验正态性 stats.probplot(residuals, distnorm, plotaxes[1, 0]) axes[1, 0].set_title(Q-Q Plot for Residuals) # 4. 残差直方图 sns.histplot(residuals, kdeTrue, axaxes[1, 1]) axes[1, 1].set_title(Distribution of Residuals) axes[1, 1].set_xlabel(Residual) plt.tight_layout() plt.show() # 5. 统计检验 # Durbin-Watson检验自相关 (值接近2表示无自相关) dw_stat durbin_watson(residuals) print(fDurbin-Watson statistic: {dw_stat:.4f}) if dw_stat 1.5: print(提示可能存在正自相关。) elif dw_stat 2.5: print(提示可能存在负自相关。) else: print(提示无明显自相关迹象。) # Breusch-Pagan检验异方差 bp_test het_breuschpagan(residuals, model_ff3.model.exog) labels [Lagrange multiplier statistic, p-value, f-value, f p-value] print(\nBreusch-Pagan test for heteroskedasticity:) for value, label in zip(bp_test, labels): print(f{label}: {value:.4f}) if bp_test[1] 0.05: print(提示拒绝同方差原假设存在异方差问题。)实操心得金融时间序列数据常存在异方差和自相关问题。如果诊断发现严重问题如DW统计量远偏离2BP检验P值很小OLS估计的标准误可能是有偏的导致t检验失效。此时应使用Newey-West异方差自相关稳健标准误HAC重新估计。在statsmodels中可以在.fit()方法中添加cov_typeHAC和cov_kwds{maxlags: int}参数。例如model_robust sm.OLS(Y, X).fit(cov_typeHAC, cov_kwds{maxlags: 6})。这能给出更可靠的统计推断。5. 扩展至五因子模型与模型比较5.1 五因子模型回归实现五因子模型的实现流程与三因子完全一致只是解释变量多了RMW和CMA。# 假设我们已经加载了五因子数据到 ff5_df # 合并数据包含五因子 merged_data_ff5 pd.merge(portfolio_df, ff5_df, left_indexTrue, right_indexTrue, howinner) merged_data_ff5[Port_Excess] merged_data_ff5[MyPortfolio] - merged_data_ff5[RF] # 准备五因子回归数据 Y_5 merged_data_ff5[Port_Excess] X_5 merged_data_ff5[[Mkt-RF, SMB, HML, RMW, CMA]] X_5 sm.add_constant(X_5) # 执行OLS回归 model_ff5 sm.OLS(Y_5, X_5, missingdrop).fit() print(五因子模型回归结果) print(model_ff5.summary())分析五因子结果时重点关注新增的RMW和CMA因子的系数是否显著以及Alpha值相较于三因子模型有何变化。通常一个更完备的模型可能会吸收掉部分原来由Alpha代表的超额收益。5.2 模型比较与选择如何判断五因子模型是否比三因子模型更好我们不能只看R方因为增加变量总会提高R方。需要更科学的准则调整后R方 (Adjusted R-squared)惩罚了变量增加。如果五因子模型的调整后R方显著高于三因子模型说明新增因子提供了增量解释力。信息准则如AICAkaike Information Criterion和BICBayesian Information Criterion。值越小模型越好。通常BIC对变量增加惩罚更重。因子显著性新增因子RMW, CMA的系数是否统计显著如果不显著加入它们可能只是增加了噪音。Alpha的变化如果五因子模型的Alpha变得不显著或更小说明新增因子解释了三因子模型未能捕捉的收益部分模型更完备。我们可以编写一个简单的函数来比较模型def compare_models(model_list, model_names): 比较多个回归模型的性能指标 comparison pd.DataFrame(indexmodel_names, columns[R-squared, Adj. R-squared, AIC, BIC, No. Obs]) for name, model in zip(model_names, model_list): comparison.loc[name, R-squared] model.rsquared comparison.loc[name, Adj. R-squared] model.rsquared_adj comparison.loc[name, AIC] model.aic comparison.loc[name, BIC] model.bic comparison.loc[name, No. Obs] model.nobs return comparison # 比较三因子和五因子模型 model_comparison compare_models([model_ff3, model_ff5], [FF3, FF5]) print(模型比较) print(model_comparison)通过对比你可以定量地判断对于你所研究的这个投资组合五因子模型是否带来了实质性的改进。6. 深入应用与常见问题排查6.1 多资产/投资组合的批量检验在实际研究中我们往往不是检验一个组合而是检验多个资产或一系列投资组合如按市值、账面市值比分组的十分位组合。这时需要批量回归。def batch_ff_regression(returns_df, factors_df, model_type3factor): 对returns_df中的每一列代表一个资产或组合进行Fama-French回归 returns_df: 索引为日期每列为一个资产的超额收益率已减无风险利率 factors_df: 包含因子数据的DataFrame需有Mkt-RF,SMB,HML等列 model_type: 3factor 或 5factor # 对齐数据 merged pd.merge(returns_df, factors_df, left_indexTrue, right_indexTrue, howinner) results {} factor_cols [Mkt-RF, SMB, HML] if model_type 5factor: factor_cols.extend([RMW, CMA]) for asset in returns_df.columns: Y merged[asset] X merged[factor_cols] X sm.add_constant(X) model sm.OLS(Y, X, missingdrop).fit() # 存储关键结果 results[asset] { alpha: model.params[const], alpha_t: model.tvalues[const], alpha_p: model.pvalues[const], beta_mkt: model.params[Mkt-RF], rsquared: model.rsquared, rsquared_adj: model.rsquared_adj, } for factor in factor_cols: results[asset][fbeta_{factor}] model.params[factor] results[asset][ft_{factor}] model.tvalues[factor] # 将结果转换为DataFrame以便查看 results_df pd.DataFrame(results).T return results_df # 示例假设我们有10个不同投资组合的超额收益率数据 portfolio_excess_returns # results_summary batch_ff_regression(portfolio_excess_returns, ff3_df, 3factor) # print(results_summary.head())6.2 常见问题与排查技巧实录在实际操作中你几乎一定会遇到下面这些问题问题1回归结果的Alpha异常高或低且不显著。可能原因1数据频率或对齐错误。这是最常见的原因。确保资产收益率和因子收益率都是相同频率如都是月度并且时间点完全匹配如都是月末收益率。检查合并后的数据起始和结束日期是否合理。排查打印merged_data.head()和tail()检查日期索引是否一致是否存在大量NaN。可能原因2未使用超额收益率。被解释变量必须是资产收益率减去无风险利率Rp-Rf。解释变量中的市场因子也必须是超额收益Rm-Rf。确认你的Y和X[Mkt-RF]计算正确。可能原因3因子数据格式错误。French的数据原始是百分比需除以100转换为小数。检查因子数值范围如Mkt-RF月度值通常在-0.2到0.2之间的小数。问题2因子系数β的符号与理论或常识相反。可能原因1因子定义理解有误。例如SMB因子是做多小盘、做空大盘。如果你的小盘股组合对SMB的β为负这其实是合理的因为它相对于小盘股基准可能仍是大盘股。需要结合具体资产性质判断。可能原因2多重共线性。如果因子之间高度相关如市值因子和某些行业因子可能导致系数估计不稳定、符号反常。检查因子间的相关系数矩阵。corr_matrix X[[Mkt-RF, SMB, HML]].corr() print(corr_matrix)可能原因3样本期特殊。在某些极端市场时期如金融危机因子关系可能被扭曲。尝试更换样本期进行稳健性检验。问题3模型R方过低例如低于0.5。可能原因1资产特性。对于个股而言其 idiosyncratic risk特质风险很高能被共同因子解释的部分有限R方低是正常的。Fama-French模型更适用于解释投资组合的收益因为组合分散了个股特质风险。可能原因2因子不适用。Fama-French因子主要针对股票市场。如果你分析的是债券、商品或其他资产类别这些因子可能解释力很弱。改进尝试使用更多或更合适的因子或者分析一个充分分散的投资组合如行业ETF、共同基金。问题4出现“ValueError: shapes not aligned”等维度错误。排查检查Y和X的shape。Y应该是(n_samples,)的一维数组或SeriesX应该是(n_samples, n_features)的二维DataFrame或数组。确保在添加常数项sm.add_constant(X)后X的列数正确。问题5回归结果中P值普遍很大系数不显著。可能原因1样本量太小。时间序列数据如果期数太少如少于60个月统计检验的效力会很低。尽量使用更长的历史数据。可能原因2存在严重的异方差或自相关。如前所述使用Newey-West稳健标准误重新估计。可能原因3因子对当前资产确实没有解释力。这可能是一个真实的发现。独家技巧在进行正式分析前做一个快速的“合理性检查”。绘制资产超额收益与市场超额收益的简单散点图计算一下相关系数。如果连这个基本的市场相关性都很弱那么多因子模型的结果很可能不理想。另外始终保留一份原始数据和处理后数据的备份并记录下每一步数据转换的逻辑这在排查错误时能节省大量时间。通过这个从数据到模型再到诊断的完整流程你不仅学会了如何用Python跑一个Fama-French回归更重要的是掌握了金融实证研究的一套标准方法和问题解决思路。这个框架可以灵活应用于其他多因子模型如Carhart四因子模型、Q因子模型等成为你进行资产定价和量化策略研究的基础工具。