Только в образовательных целях; не является инвестиционным советом или инвестиционной рекомендацией. Инвестиции могут привести к убыткам.
Краткий ответ
Факторная модель Фамы — Френча — семейство эмпирических моделей ценообразования активов, описывающих избыточную доходность акции или портфеля через доходности диверсифицированных факторных портфелей. Трёхфакторная модель использует рынок, размер и стоимость; пятифакторная добавляет прибыльность и инвестиции.
Модель помогает разделить сырую доходность на оценённые факторные экспозиции и необъяснённый свободный член. Она не доказывает причины премии, не предсказывает следующую выигрышную бумагу и не превращает положительную историческую альфу в гарантированное мастерство управляющего.
Как это работает
Для периода t трёхфакторная регрессия временного ряда обычно записывается:
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
Пятифакторная версия добавляет:
+ beta RMW * RMW t + beta CMA * CMA t
Левая часть — полная доходность актива минус безрисковая доходность того же периода. MKT-RF — избыточная рыночная доходность. Остальные факторы — доходности самофинансируемых длинно-коротких портфелей по опубликованным правилам сортировки:
SMB— Small Minus Big, фактор доходности размера.HML— High Minus Low по балансовой стоимости к рыночной, фактор стоимости.RMW— высокая минус низкая операционная прибыльность.CMA— консервативные минус агрессивные инвестиции.
Эти обозначения не являются бухгалтерскими коэффициентами компании, напрямую вставляемыми в регрессию. Определения меняются по модели, региону, порогам, взвешиванию, лагу учёта, поставщику и версии данных. Например, SMB пятифакторной библиотеки объединяет размерные спреды сортировок по book-to-market, прибыльности и инвестициям и может не совпадать с другими опубликованными факторами размера.
Нагрузка измеряет совместное движение доходности при фиксированных остальных факторах. Нагрузка 0.3000 на SMB означает, что доходность SMB 1.0000 percentage-point связана с модельным вкладом 0.3000 percentage-point при прочих равных. Она не означает владения ровно 30.0000% акций малой капитализации.
alpha — оценённый свободный член на частоте данных. epsilon — остаток каждого периода. Один положительный остаток не является альфой; альфа оценивается по выборке. Статистическая трактовка требует стандартных ошибок с поправкой на гетероскедастичность и, при необходимости, автокорреляцию. Экономическая трактовка учитывает комиссии, торговые затраты, налоги, ёмкость, меняющиеся экспозиции и выбор модели.
Модель можно применять описательно для атрибуции или тестировать как модель ценообразования. Высокий временной R-squared означает объяснение большой доли вариации в выборке; он не доказывает правильное ценообразование ожидаемой доходности или мастерство альфы. Дополнительные факторы могут снизить свободный член, повысив шум оценки или мультиколлинеарность.
Пример
Предположим, оценки нагрузок фонда равны 1.0500 на MKT-RF, 0.3000 на SMB, 0.4000 на HML, 0.2000 на RMW и -0.1000 на CMA. В одном месяце доходности факторов соответственно 2.0000%, 1.0000%, -0.5000%, 0.8000% и 0.3000%.
Модельный факторный вклад:
(1.0500 * 2.0000%) + (0.3000 * 1.0000%) + (0.4000 * -0.5000%) + (0.2000 * 0.8000%) + (-0.1000 * 0.3000%) = 2.3300%
Компоненты равны 2.1000%, 0.3000%, -0.2000%, 0.1600% и -0.0300%. Пусть фактическая избыточная доходность фонда 2.5000%. Игнорируя оценённый свободный член в этой одно-периодной иллюстрации:
one-month residual = 2.5000% - 2.3300% = 0.1700%
Эти 0.1700% — один остаток, не свидетельство устойчивой альфы. Если безрисковая доходность 0.3000%, полная доходность фонда 2.8000%; нельзя смешивать полную и избыточную доходности.
Теперь регрессия за 60 months оценивает месячную альфу 0.1500% при стандартной ошибке 0.2000%:
t-statistic = 0.1500% / 0.2000% = 0.7500
Приблизительный двусторонний интервал 95.0000%:
0.1500% +/- (1.9600 * 0.2000%) = -0.2420% to 0.5420% per month
Точечная оценка положительна, но неточна. Компаундирование одной точки даёт:
annualized alpha point estimate = (1 + 0.1500%)^12 - 1 = 1.8136%
Приведение к году не устраняет неопределённость и не должно применяться механически при меняющихся экспозициях или альфе.
Наконец, в трёхфакторной модели альфа фонда оценивается 0.4000% в месяц. Пятифакторная оценка 0.1500% не доказывает, что дополнительные 0.2500 percentage points были ошибочно заявленной доходностью или что пятифакторная модель истинна. Она показывает, что в расширенной спецификации экспозиции к прибыльности и инвестициям объясняют больше доходности.
Риски и контрольный список
- Сначала выберите модель. Укажите три или пять факторов, региональную, глобальную, с моментумом или иную спецификацию.
- Определите источник факторов. Запишите поставщика, URL, дату выпуска, версию данных и методику построения.
- Согласуйте географию. Используйте факторы инвестируемого рынка и валюты портфеля.
- Согласуйте частоту. Точно выровняйте дневные, недельные или месячные наблюдения актива, факторов и безрисковой ставки.
- Используйте полную доходность. Последовательно учитывайте выплаты актива, ориентира и факторных портфелей.
- Вычитайте безрисковую ставку один раз. Регрессируйте избыточную доходность на избыточный рынок и факторы без двойного вычитания.
- Проверяйте единицы. Уточните десятичные дроби или проценты до интерпретации коэффициентов и альфы.
- Согласуйте время. Не допускайте учётные данные, позиции или пересмотры до их доступности.
- Проверяйте определения факторов. Изучите пороги, взвешивание, лаги учёта, допуск и ребалансировку.
- Используйте достаточную историю. Короткие выборки дают нестабильные нагрузки, альфу и стандартные ошибки.
- Проверяйте стабильность. Используйте скользящие окна, позиции и режимы для выявления дрейфа стиля.
- Изучайте корреляции. Мультиколлинеарность делает отдельные коэффициенты нестабильными.
- Используйте устойчивые выводы. Учитывайте гетероскедастичность, автокорреляцию, перекрытие доходностей и ненормальные остатки.
- Сообщайте неопределённость. Приводите стандартные ошибки, t-статистики, интервалы и размер выборки.
- Отделяйте остаток от альфы. Не называйте свободным членом один удачный период или накопленный остаток.
- Сравнивайте спецификации. Тестируйте CAPM, три и пять факторов, отрасли, моментум и альтернативы.
- Учитывайте затраты. Вычитайте комиссии, спред, влияние, оборот, заём, финансирование и налоги.
- Избегайте заглядывания вперёд. Используйте состав, учётные данные и файлы факторов, доступные на каждую дату.
- Проверяйте вне выборки. Оцените другой период или рынок без перенастройки после просмотра.
- Не делайте причинных выводов. Нагрузка описывает условное совместное движение, но сама не доказывает механизм.
Распространённые заблуждения
- «SMB, HML, RMW и CMA — коэффициенты компаний». Это доходности сконструированных длинно-коротких портфелей по правилам сортировки.
- «Положительная нагрузка гарантирует положительную доходность». Факторные доходности могут быть отрицательны, премии меняются, а реализация стоит денег.
- «Положительный месячный остаток — альфа». Альфа — свободный член выборки с неопределённостью; каждое наблюдение имеет остаток.
- «Высокий R-squared доказывает правильность модели». Он измеряет объяснённую внутривыборочную вариацию, а не причинность или правильное ценообразование.
- «Факторно-скорректированная альфа — мастерство управляющего». Пропущенные факторы, меняющиеся нагрузки, поиск в данных, удача, комиссии и ёмкость могут создать или убрать оценку.
Связанные темы
Источники
- Фама и Френч, Общие факторы риска в доходности акций и облигаций.
- Фама и Френч, Пятифакторная модель ценообразования активов.
- Фама и Френч, Международные тесты пятифакторной модели.
- Библиотека данных Кеннета Р. Френча, Описание трёх факторов Фамы — Френча.
- Библиотека данных Кеннета Р. Френча, Описание пяти факторов Фамы — Френча (2×3).
- Фама и Френч, Модель ценообразования капитальных активов: теория и доказательства.