教育目的のみであり、投資助言ではありません。投資では損失が生じる可能性があります。
直接の答え
Fama-French ファクターモデルは、分散されたファクター・ポートフォリオのリターンを用いて、株式やポートフォリオの超過リターンを記述する実証的な資産価格モデル群です。3ファクターモデルは市場、規模、バリューの各ファクターを使い、5ファクターモデルは収益性と投資を加えます。
このモデルは、未調整のパフォーマンスを推定ファクター・エクスポージャーと説明されない切片に分けるのに役立ちます。ただし、プレミアムが存在する理由を証明するものでも、次に勝つ証券を予測するものでもなく、過去のプラスのアルファを保証された運用スキルに変えるものでもありません。
仕組み
期間 t について、3ファクターの時系列回帰は一般に次のように表されます。
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
5ファクター版では次を追加します。
+ beta RMW * RMW t + beta CMA * CMA t
左辺は資産のトータル・リターンから同じ期間のリスクフリー・リターンを引いたものです。MKT-RF は市場超過リターンです。他のファクターは、公表されたソート規則に基づいて構築されるゼロ投資のロング・ショート・ポートフォリオのリターンです。
SMBは Small Minus Big、すなわち規模リターン・ファクターです。HMLは簿価時価比率の High Minus Low、すなわちバリュー・リターン・ファクターです。RMWは営業収益性の Robust Minus Weak です。CMAは投資の Conservative Minus Aggressive です。
これらの名称は、企業の会計比率を回帰に直接投入するという意味ではありません。ファクターの定義は、モデル、地域、ブレークポイント、加重方法、会計情報のラグ、データ・ベンダー、データ・ビンテージによって異なります。例えば、Data Library の5ファクター版 SMB は、簿価時価比率、収益性、投資の各ソートから得た規模スプレッドを組み合わせるため、他の公表済み規模ファクターと常に同じとは限りません。
ローディングは、組み入れた他のファクターを一定とした条件付きのリターン共変動を測ります。0.3000 のローディングが SMB にある場合、他のファクターを一定とすると、SMB リターンの 1.0000 percentage-point の変化に対して、モデル上の寄与が 0.3000 percentage-point 変化する関係を意味します。ファンドが小型株をちょうど 30.0000% 保有するという意味ではありません。
alpha はデータ頻度における推定回帰切片です。epsilon は各期間の残差です。1期間のプラスの残差はアルファではなく、アルファは標本全体から推定されます。統計的な解釈には、分散不均一性と、該当する場合には自己相関に対応した標準誤差が必要です。経済的な解釈には、手数料、取引コスト、税、運用容量、エクスポージャーの変化、モデル選択も必要です。
このモデルは、記述的なパフォーマンス要因分解にも、資産価格モデルとしての検定にも使えます。時系列の R-squared が高いことは、標本内の変動の多くを採用ファクターが説明するという意味であり、期待リターンが正しく価格付けされていることや、アルファがスキルであることを証明しません。ファクターの追加は切片を低下させる一方、推定ノイズや多重共線性を増やす場合があります。
例
あるファンドの推定ローディングが、1.0500 で MKT-RF、0.3000 で SMB、0.4000 で HML、0.2000 で RMW、-0.1000 で CMA に対応するとします。ある月の各ファクター・リターンは順に 2.0000%、1.0000%、-0.5000%、0.8000%、0.3000% です。
モデル上のファクター寄与は次のとおりです。
(1.0500 * 2.0000%) + (0.3000 * 1.0000%) + (0.4000 * -0.5000%) + (0.2000 * 0.8000%) + (-0.1000 * 0.3000%) = 2.3300%
各成分は 2.1000%、0.3000%、-0.2000%、0.1600%、-0.0300% です。ファンドの実際の超過リターンが 2.5000% だったとします。この1期間の例では推定切片を無視すると、
one-month residual = 2.5000% - 2.3300% = 0.1700%
この 0.1700% は1つの残差であり、持続的なアルファの証拠ではありません。リスクフリー・リターンが 0.3000% なら、ファンドのトータル・リターンは 2.8000% です。ファクター回帰ではトータル・リターンと超過リターンを混同してはいけません。
次に、60 months の回帰で月次アルファが 0.1500%、標準誤差が 0.2000% と推定されたとします。
t-statistic = 0.1500% / 0.2000% = 0.7500
近似的な両側 95.0000% 区間は、
0.1500% +/- (1.9600 * 0.2000%) = -0.2420% to 0.5420% per month
点推定値はプラスですが、精度は低いといえます。点推定値だけを複利で年率換算すると、
annualized alpha point estimate = (1 + 0.1500%)^12 - 1 = 1.8136%
年率換算しても不確実性は消えません。エクスポージャーやアルファが時間とともに変わるなら、機械的に年率換算すべきでもありません。
最後に、同じファンドを3ファクターモデルで比較すると、月次アルファが 0.4000% と推定されたとします。5ファクターの推定値 0.1500% は、追加の 0.2500 percentage points が虚偽表示されたパフォーマンスだったことも、5ファクターモデルが真であることも証明しません。拡張したモデル仕様では、収益性と投資へのエクスポージャーがより多くのリターンを説明したことを示すだけです。
リスクと検証チェックリスト
- 先にモデルを選ぶ： 3ファクター、5ファクター、地域、グローバル、モメンタム追加型、その他の仕様を明示します。
- ファクターの出所を特定する： 提供者、URL、公表日、データ・ビンテージ、構築方法を記録します。
- 地域を一致させる： ポートフォリオの投資可能市場と通貨に適したファクターを使います。
- 頻度を一致させる： 日次、週次、月次の資産、ファクター、リスクフリー観測値を厳密に揃えます。
- トータル・リターンを使う： 資産、ベンチマーク、ファクター・ポートフォリオについて分配を一貫して含めます。
- リスクフリーを一度だけ差し引く： 超過リターンを市場超過リターンとファクター・リターンに回帰し、二重控除を避けます。
- 単位を確認する： 係数やアルファを解釈する前に、小数入力かパーセント入力かを確認します。
- タイムスタンプを揃える： 会計情報、保有銘柄、改訂データが利用可能日前に混入しないようにします。
- ファクター定義を確認する： ブレークポイント、加重、会計情報のラグ、適格性、リバランスを調べます。
- 十分な履歴を使う： 短い標本ではローディング、アルファ、標準誤差が不安定になります。
- 係数の安定性を検定する： ローリング期間、保有銘柄分析、レジーム分割でスタイル・ドリフトを検出します。
- 相関を調べる： 多重共線性は個々のファクター係数を不安定にします。
- 頑健な推論を使う： 分散不均一性、自己相関、重複リターン、非正規残差に対応します。
- 不確実性を報告する： 標準誤差、t統計量、信頼区間、標本数を示します。
- 残差とアルファを分ける： 好調な1期間や累積残差を切片と呼んではいけません。
- 仕様を比較する： CAPM、3ファクター、5ファクター、業種、モメンタム、関連する代替モデルを検定します。
- 実装コストを含める： 必要に応じて手数料、スプレッド、市場インパクト、売買回転、借株、資金調達、税を差し引きます。
- 先読みバイアスを避ける： 各過去時点で利用可能だった構成銘柄、会計データ、ファクター・ファイルを使います。
- 標本外で検定する： 結果を見て再調整せず、別の期間や市場で評価します。
- 因果関係を主張しない： ローディングは条件付き共変動を記述するもので、それ自体は経済メカニズムを証明しません。
よくある誤解
- 「SMB、HML、RMW、CMA は企業の比率である。」 これらはソート規則に基づくロング・ショート・ポートフォリオのリターンです。
- 「プラスのファクター・ローディングはプラスのリターンを保証する。」 ファクター・リターンはマイナスにもなり、プレミアムは変動し、実装にはコストがあります。
- 「月次残差がプラスならアルファである。」 アルファは不確実性を伴う標本回帰の切片であり、各観測値にあるのは残差です。
- 「高い決定係数はモデルが正しいことを証明する。」 これは標本内で説明された変動を測るもので、因果的真実や期待リターンの正しい価格付けを示しません。
- 「ファクター調整後アルファは運用スキルである。」 欠落ファクター、エクスポージャー変化、データ・マイニング、運、手数料、運用容量により、推定アルファは生じることも消えることもあります。
関連トピック
出典
- 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.