---
title: "Факторная модель Фамы — Френча: экспозиции, альфа и ограничения регрессии"
description: "Интерпретируйте трёх- и пятифакторные регрессии, различайте доходности факторов, нагрузки, остатки и альфу и проверяйте частоту, совокупность, статистическую неопределённость и затраты реализации."
image: "https://wiki.fcontext.com/og.png"
---

> Documentation Index
> Fetch the complete documentation index at: https://wiki.fcontext.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Факторная модель Фамы — Френча: экспозиции, альфа и ограничения регрессии

> Только в образовательных целях; не является инвестиционным советом или инвестиционной рекомендацией. Инвестиции могут привести к убыткам.

<a id="answer"></a>

## 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.

<a id="mechanism"></a>

## 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.

<a id="example"></a>

## 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.

<a id="risks"></a>

## 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.

<a id="misconceptions"></a>

## 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.

<a id="related"></a>

## Связанные темы

- [CAPM](/ru/stocks/capm/)
- [Бета](/ru/stocks/beta/)
- [Премия за риск акций](/ru/stocks/equity-risk-premium/)

<a id="sources"></a>

## 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*.

Source: https://wiki.fcontext.com/ru/stocks/fama-french-factor-model/index.mdx