Modelo de fatores Fama-French: exposições, alfa e limites da regressão

Somente para fins educacionais; não constitui recomendação nem aconselhamento de investimento. Investir pode causar perdas.

Resposta direta

O modelo de fatores Fama-French é uma família de modelos empíricos de precificação que descreve o excesso de retorno de ação ou carteira por retornos de carteiras fatoriais diversificadas. O modelo de três fatores usa mercado, tamanho e valor; o de cinco adiciona rentabilidade e investimento.

Ele separa desempenho bruto em exposição fatorial estimada e intercepto não explicado. Não prova por que um prêmio existe, prevê o próximo vencedor nem transforma alfa histórico positivo em habilidade garantida.

Como funciona

Para o período t, a regressão temporal de três fatores é:

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

A versão de cinco fatores acrescenta:

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

O lado esquerdo é retorno total do ativo menos taxa livre de risco do mesmo período. MKT-RF é o excesso do mercado. Os demais são retornos de carteiras long-short de investimento zero, construídas por regras publicadas:

• SMB é Small Minus Big, fator de tamanho.
• HML é High Minus Low book-to-market, fator value.
• RMW é Robust Minus Weak em rentabilidade operacional.
• CMA é Conservative Minus Aggressive em investimento.

Não são índices contábeis empresariais inseridos diretamente. Definições variam por modelo, região, breakpoints, ponderação, defasagem contábil, fornecedor e versão. O SMB de cinco fatores da Data Library combina spreads de tamanho das classificações book-to-market, rentabilidade e investimento, podendo diferir de outros fatores.

Uma carga mede co-movimento condicional aos demais fatores. Carga 0.3000 em SMB significa que retorno SMB de 1.0000 percentage-point se associa a contribuição modelada de 0.3000 percentage-point, mantendo os outros constantes. Não significa deter exatamente 30.0000% em small caps.

alpha é o intercepto estimado na frequência dos dados. epsilon é o resíduo de cada período. Um resíduo positivo não é alfa; alfa é estimado na amostra. Interpretação estatística exige erros robustos a heterocedasticidade e, quando relevante, autocorrelação. A econômica exige taxas, custos, impostos, capacidade, exposições variáveis e escolha do modelo.

O modelo serve à atribuição descritiva ou pode ser testado como precificação. R-squared alto explica variação na amostra; não prova precificação correta, causalidade ou habilidade. Adicionar fatores pode reduzir intercepto e elevar ruído ou multicolinearidade.

Exemplo

Um fundo tem cargas 1.0500 em MKT-RF, 0.3000 em SMB, 0.4000 em HML, 0.2000 em RMW e -0.1000 em CMA. Em um mês, fatores rendem 2.0000%, 1.0000%, -0.5000%, 0.8000% e 0.3000%.

A contribuição modelada é:

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

Os componentes são 2.1000%, 0.3000%, -0.2000%, 0.1600% e -0.0300%. Se o excesso efetivo é 2.5000%, ignorando o intercepto nesta ilustração:

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

Esse 0.1700% é resíduo, não alfa persistente. Se a taxa livre de risco é 0.3000%, o retorno total é 2.8000%; não confunda total e excesso.

Em 60 months, o alfa mensal é 0.1500%, com erro padrão 0.2000%:

t-statistic = 0.1500% / 0.2000% = 0.7500

Um intervalo bilateral aproximado de 95.0000% é:

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

A estimativa é positiva, mas imprecisa. Compor apenas o ponto dá:

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

Anualizar não elimina incerteza e não deve ser mecânico se exposições ou alfa variam.

No modelo de três fatores, o mesmo fundo tem alfa de 0.4000% ao mês. O 0.1500% de cinco fatores não prova que 0.2500 percentage points eram desempenho mal reportado nem que o modelo é verdadeiro. Mostra apenas que rentabilidade e investimento explicam mais sob essa especificação.

Riscos e checklist de verificação

• Escolha o modelo primeiro: Declare três, cinco, regional, global, com momentum ou outro.
• Identifique a fonte: Registre fornecedor, URL, data, versão e metodologia.
• Compatibilize geografia: Use fatores do mercado investível e moeda adequados.
• Compatibilize frequência: Alinhe ativo, fatores e taxa diária, semanal ou mensal.
• Use retornos totais: Inclua distribuições consistentemente.
• Subtraia a taxa uma vez: Regrida excesso em mercado excedente e fatores sem dupla subtração.
• Confira unidades: Confirme decimal versus percentual.
• Alinhe horários: Impeça entrada antecipada de contabilidade, posições ou revisões.
• Revise definições: Examine breakpoints, ponderação, defasagens, elegibilidade e rebalanceamento.
• Use histórico suficiente: Amostras curtas instabilizam cargas, alfa e erros.
• Teste estabilidade: Use janelas móveis, posições e regimes para detectar style drift.
• Examine correlações: Multicolinearidade instabiliza coeficientes.
• Use inferência robusta: Trate heterocedasticidade, autocorrelação, sobreposição e não normalidade.
• Reporte incerteza: Dê erros, t, intervalos e tamanho da amostra.
• Separe resíduo de alfa: Não chame um período favorável ou resíduo acumulado de intercepto.
• Compare especificações: Teste CAPM, três, cinco, setores, momentum e alternativas.
• Inclua custos: Deduz taxas, spread, impacto, giro, aluguel, financiamento e impostos.
• Evite look-ahead: Use componentes, contabilidade e arquivos disponíveis em cada data.
• Teste fora da amostra: Avalie outro período ou mercado sem reajustar após observar.
• Evite causalidade: Carga descreve co-movimento condicional, não prova mecanismo.

Equívocos comuns

• “SMB, HML, RMW e CMA são índices empresariais.” São retornos de carteiras long-short construídas por classificações.
• “Carga positiva garante retorno positivo.” Fatores podem ser negativos, prêmios variam e implementação custa.
• “Resíduo mensal positivo é alfa.” Alfa é intercepto amostral estimado com incerteza; cada observação tem resíduo.
• “R quadrado alto prova o modelo.” Mede variação explicada na amostra, não causalidade nem precificação correta.
• “Alfa ajustado é habilidade.” Fatores omitidos, exposições variáveis, mineração, sorte, taxas e capacidade podem criá-lo ou apagá-lo.

Tópicos relacionados

• CAPM
• Beta
• Prêmio de risco de ações

Fontes

• 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.