Modello fattoriale Fama-French: esposizioni, alfa e limiti della regressione

Interpreta regressioni a tre e cinque fattori, distingui rendimenti fattoriali, loadings, residui e alfa e valida frequenza, universo, incertezza statistica e costi di implementazione.

Solo a scopo educativo; non costituisce consulenza né raccomandazione d’investimento. Gli investimenti possono comportare perdite.

Risposta diretta

Il modello fattoriale Fama-French è una famiglia di modelli empirici di asset pricing che descrive gli extra-rendimenti di un titolo o portafoglio mediante rendimenti di portafogli fattoriali diversificati. Il modello a tre fattori usa mercato, dimensione e value; quello a cinque aggiunge redditività e investimento.

Può separare la performance grezza in esposizione fattoriale stimata e intercetta non spiegata. Non prova perché esista un premio, non predice il prossimo titolo vincente né trasforma un alfa storico positivo in abilità garantita.

Come funziona

Per il periodo t, la regressione temporale a tre fattori è:

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 versione a cinque aggiunge:

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

A sinistra è il rendimento totale meno il tasso privo di rischio dello stesso periodo. MKT-RF è l’extra-rendimento del mercato. Gli altri fattori sono rendimenti di portafogli long-short a investimento zero costruiti secondo regole pubblicate:

SMB è Small Minus Big, fattore dimensione.
HML è High Minus Low book-to-market, fattore value.
RMW è Robust Minus Weak redditività operativa.
CMA è Conservative Minus Aggressive investimento.

Non sono rapporti contabili societari inseriti direttamente. Le definizioni variano per modello, regione, breakpoint, ponderazione, ritardo contabile, provider e vintage. L’SMB a cinque fattori della Data Library combina spread dimensionali di ordinamenti book-to-market, redditività e investimento e può differire da altri fattori.

Un loading misura il co-movimento condizionato agli altri fattori. Un loading 0.3000 su SMB significa che 1.0000 percentage-point di rendimento SMB è associato a 0.3000 percentage-point di contributo modellato, a parità degli altri. Non significa detenere esattamente 30.0000% di small cap.

alpha è l’intercetta stimata alla frequenza dei dati. epsilon è il residuo di ogni periodo. Un residuo positivo non è alfa; alfa è stimato sul campione. L’interpretazione statistica richiede errori standard robusti a eteroschedasticità e, se rilevante, autocorrelazione. Quella economica richiede commissioni, costi, imposte, capacità, esposizioni variabili e scelta del modello.

Il modello può attribuire descrittivamente o essere testato come asset-pricing model. Un R-squared elevato indica molta variazione campionaria spiegata; non prova pricing corretto, causalità o abilità. Aggiungere fattori può ridurre l’intercetta e aumentare rumore o multicollinearità.

Esempio

Un fondo ha loadings 1.0500 su MKT-RF, 0.3000 su SMB, 0.4000 su HML, 0.2000 su RMW e -0.1000 su CMA. In un mese i fattori rendono 2.0000%, 1.0000%, -0.5000%, 0.8000% e 0.3000%.

Il contributo modellato è:

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

I componenti sono 2.1000%, 0.3000%, -0.2000%, 0.1600% e -0.0300%. Se l’extra-rendimento effettivo è 2.5000%, ignorando l’intercetta per il singolo periodo:

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

Quel 0.1700% è un residuo, non alfa persistente. Con tasso privo di rischio 0.3000%, il rendimento totale è 2.8000%; non confondere totale ed extra-rendimento.

Su 60 months, l’alfa mensile è 0.1500% con errore standard 0.2000%:

t-statistic = 0.1500% / 0.2000% = 0.7500

Un intervallo bilaterale approssimativo del 95.0000% è:

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

La stima è positiva ma imprecisa. Capitalizzare solo il punto dà:

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

Annualizzare non elimina l’incertezza e non va fatto meccanicamente con esposizioni o alfa variabili.

Nel modello a tre fattori lo stesso fondo ha alfa mensile di 0.4000%. Il 0.1500% a cinque fattori non prova che 0.2500 percentage points fossero performance erroneamente riportata né che il modello sia vero. Mostra solo che redditività e investimento spiegano di più in questa specificazione.

Rischi e checklist di verifica

Scegli prima il modello: Indica tre, cinque, regionale, globale, con momentum o altro.
Identifica la fonte: Registra provider, URL, data, vintage e metodologia.
Allinea la geografia: Usa fattori adatti a mercato investibile e valuta.
Allinea la frequenza: Abbina esattamente serie giornaliere, settimanali o mensili.
Usa total return: Includi distribuzioni coerentemente.
Sottrai il risk-free una volta: Regressa extra-rendimento su mercato in eccesso e fattori senza doppia sottrazione.
Verifica le unità: Conferma decimali o percentuali.
Allinea i timestamp: Evita uso anticipato di contabilità, posizioni o dati rivisti.
Esamina le definizioni: Controlla breakpoint, pesi, lag, idoneità e ribilanciamento.
Usa storia sufficiente: Campioni brevi destabilizzano loadings, alfa ed errori.
Testa la stabilità: Usa finestre mobili, posizioni e regimi per lo style drift.
Esamina le correlazioni: La multicollinearità destabilizza i coefficienti.
Usa inferenza robusta: Tratta eteroschedasticità, autocorrelazione, sovrapposizione e non normalità.
Riporta l’incertezza: Fornisci errori, t-stat, intervalli e numerosità.
Separa residuo e alfa: Non chiamare alfa un periodo favorevole o residuo cumulato.
Confronta specificazioni: Testa CAPM, tre, cinque, settori, momentum e alternative.
Includi i costi: Sottrai commissioni, spread, impatto, turnover, prestito, finanziamento e imposte.
Evita look-ahead bias: Usa componenti, dati contabili e file disponibili allora.
Testa fuori campione: Valuta altro periodo o mercato senza retuning.
Evita causalità: Il loading descrive co-movimento condizionale, non prova un meccanismo.

Errori comuni

“SMB, HML, RMW e CMA sono rapporti societari.” Sono rendimenti di portafogli long-short costruiti con regole di ordinamento.
“Un loading positivo garantisce rendimento positivo.” I fattori possono essere negativi, i premi variano e l’implementazione costa.
“Un residuo mensile positivo è alfa.” Alfa è un’intercetta campionaria stimata con incertezza; ogni osservazione ha un residuo.
“R quadrato alto prova il modello.” Misura variazione spiegata nel campione, non verità causale o pricing corretto.
“L’alfa corretto per fattori è abilità.” Fattori omessi, esposizioni variabili, data mining, fortuna, commissioni e capacità possono crearlo o cancellarlo.

Argomenti correlati

Fonti

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