Modelo factorial Fama-French: exposiciones, alpha y límites de regresión

Interprete regresiones de tres y cinco factores, distinga rendimientos factoriales, cargas, residuos y alpha, y valide frecuencia, universo, incertidumbre estadística y costes de implementación.

Solo con fines educativos; no constituye asesoramiento de inversión. Invertir puede ocasionar pérdidas.

Respuesta directa

El modelo factorial Fama-French es una familia de modelos empíricos de valoración de activos que describe los excesos de rentabilidad de una acción o cartera mediante rendimientos de carteras factoriales diversificadas. El modelo de tres factores usa mercado, tamaño y valor; el de cinco añade rentabilidad e inversión.

Puede separar el rendimiento bruto en exposición factorial estimada y una constante no explicada. No demuestra por qué existe una prima, predice el siguiente valor ganador ni convierte un alpha histórico positivo en capacidad garantizada del gestor.

Cómo funciona

Para el periodo t, la regresión temporal de tres factores se escribe:

R i,t - R f,t = alpha i + beta MKT * (R M,t - R f,t) + beta SMB * SMB t + beta HML * HML t + epsilon i,t

La versión de cinco factores añade:

+ beta RMW * RMW t + beta CMA * CMA t

El lado izquierdo es la rentabilidad total del activo menos la tasa libre de riesgo del mismo periodo. MKT-RF es el exceso de rentabilidad de mercado. Los demás factores son rendimientos de carteras largas-cortas de inversión cero construidas según reglas publicadas:

SMB es Small Minus Big, factor de tamaño.
HML es High Minus Low en valor contable/mercado, factor value.
RMW es Robust Minus Weak en rentabilidad operativa.
CMA es Conservative Minus Aggressive en inversión.

No son ratios contables empresariales insertados en la regresión. Las definiciones varían por modelo, región, puntos de corte, ponderación, desfase contable, proveedor y versión de datos. Por ejemplo, el SMB de cinco factores combina diferenciales de tamaño de clasificaciones por valor contable/mercado, rentabilidad e inversión, y puede diferir de otros factores de tamaño.

Una carga mide covariación de rendimientos condicionada a los demás factores. Una carga de 0.3000 en SMB significa que un rendimiento SMB de 1.0000 percentage-point se asocia con contribución modelada de 0.3000 percentage-point, manteniendo los demás constantes. No significa poseer exactamente 30.0000% en small caps.

alpha es la constante estimada a la frecuencia de los datos. epsilon es el residuo de cada periodo. Un residuo positivo no es alpha; alpha se estima sobre la muestra. La interpretación estadística exige errores estándar robustos a heterocedasticidad y, cuando proceda, autocorrelación. La interpretación económica exige comisiones, costes, impuestos, capacidad, exposiciones cambiantes y elección de modelo.

El modelo puede usarse para atribución descriptiva o probarse como modelo de valoración. Un R-squared alto significa que explica mucha variación muestral; no prueba correcta valoración de rendimientos esperados, causalidad ni habilidad. Añadir factores puede reducir la constante y aumentar ruido o multicolinealidad.

Ejemplo

Suponga cargas de 1.0500 en MKT-RF, 0.3000 en SMB, 0.4000 en HML, 0.2000 en RMW y -0.1000 en CMA. En un mes, los factores rinden 2.0000%, 1.0000%, -0.5000%, 0.8000% y 0.3000%.

La contribución factorial modelada es:

(1.0500 * 2.0000%) + (0.3000 * 1.0000%) + (0.4000 * -0.5000%) + (0.2000 * 0.8000%) + (-0.1000 * 0.3000%) = 2.3300%

Los componentes son 2.1000%, 0.3000%, -0.2000%, 0.1600% y -0.0300%. Si el exceso real es 2.5000%, ignorando la constante para ilustrar un solo periodo:

one-month residual = 2.5000% - 2.3300% = 0.1700%

Ese 0.1700% es un residuo, no evidencia de alpha persistente. Si la tasa libre de riesgo es 0.3000%, la rentabilidad total es 2.8000%; no confunda rentabilidad total y excedente.

En una regresión de 60 months, el alpha mensual estimado es 0.1500% con error estándar 0.2000%:

t-statistic = 0.1500% / 0.2000% = 0.7500

Un intervalo bilateral aproximado del 95.0000% es:

0.1500% +/- (1.9600 * 0.2000%) = -0.2420% to 0.5420% per month

La estimación es positiva pero imprecisa. Capitalizar solo el punto da:

annualized alpha point estimate = (1 + 0.1500%)^12 - 1 = 1.8136%

Anualizar no elimina incertidumbre y no debe hacerse mecánicamente si alpha o exposiciones varían.

Finalmente, el mismo fondo arroja alpha mensual de 0.4000% en tres factores. El 0.1500% de cinco factores no prueba que los 0.2500 percentage points adicionales fueran rendimiento mal declarado ni que el modelo ampliado sea verdadero. Solo muestra que, bajo esa especificación, rentabilidad e inversión explican más.

Riesgos y lista de comprobación

Elija primero el modelo: Declare tres, cinco, regional, global, con momentum u otra especificación.
Identifique la fuente: Registre proveedor, URL, publicación, versión y metodología.
Haga coincidir geografía: Use factores adecuados al mercado invertible y moneda.
Haga coincidir frecuencia: Alinee exactamente activo, factores y tasa diarios, semanales o mensuales.
Use rentabilidades totales: Incluya distribuciones de forma coherente.
Reste la tasa una vez: Regrese exceso sobre exceso de mercado y factores sin doble resta.
Compruebe unidades: Confirme decimal o porcentaje antes de interpretar.
Alinee marcas temporales: Impida que datos contables, posiciones o revisiones entren antes de estar disponibles.
Revise definiciones: Examine cortes, ponderación, desfases, elegibilidad y rebalanceo.
Use historia suficiente: Muestras cortas vuelven inestables cargas, alpha y errores.
Pruebe estabilidad: Use ventanas móviles, posiciones y regímenes para detectar deriva de estilo.
Examine correlaciones: La multicolinealidad desestabiliza coeficientes individuales.
Use inferencia robusta: Trate heterocedasticidad, autocorrelación, solapamiento y residuos no normales.
Informe incertidumbre: Proporcione errores, estadísticos t, intervalos y tamaño muestral.
Separe residuo de alpha: No llame alpha a un periodo favorable o residuo acumulado.
Compare especificaciones: Pruebe CAPM, tres, cinco, sectores, momentum y alternativas.
Incluya costes: Deduzca comisiones, spread, impacto, rotación, préstamo, financiación e impuestos.
Evite sesgo retrospectivo: Use componentes, datos contables y archivos disponibles entonces.
Pruebe fuera de muestra: Evalúe otro periodo o mercado sin reajustar tras observar resultados.
Evite causalidad: Una carga describe covariación condicional; no prueba un mecanismo.

Errores frecuentes

«SMB, HML, RMW y CMA son ratios empresariales». Son rendimientos de carteras largas-cortas construidas por reglas de clasificación.
«Una carga positiva garantiza rentabilidad positiva». Los factores pueden rendir negativamente, las primas varían y aplicar cuesta.
«Un residuo mensual positivo es alpha». Alpha es una constante muestral estimada con incertidumbre; cada observación tiene residuo.
«Un R cuadrado alto prueba que el modelo es correcto». Mide variación muestral explicada, no causalidad ni correcta valoración esperada.
«El alpha ajustado demuestra habilidad». Factores omitidos, exposiciones variables, minería, suerte, comisiones y capacidad pueden crearlo o borrarlo.

Temas relacionados

Fuentes

Fama and French, Common Risk Factors in the Returns on Stocks and Bonds.
Fama and French, A Five-Factor Asset Pricing Model.
Fama and French, International Tests of a Five-Factor Asset Pricing Model.
Kenneth R. French Data Library, Description of Fama/French 3 Factors.
Kenneth R. French Data Library, Description of Fama/French 5 Factors (2x3).
Fama and French, The Capital Asset Pricing Model: Theory and Evidence.