选股因子系列研究(四十八):探索A股的五因子模型

选股因子系列研究(四十八):探索A股的五因子模型

ID:38542635

大小:178.28 KB

页数:19页

时间:2019-06-14

选股因子系列研究(四十八):探索A股的五因子模型_第1页
选股因子系列研究(四十八):探索A股的五因子模型_第2页
选股因子系列研究(四十八):探索A股的五因子模型_第3页
选股因子系列研究(四十八):探索A股的五因子模型_第4页
选股因子系列研究(四十八):探索A股的五因子模型_第5页
资源描述:

《选股因子系列研究(四十八):探索A股的五因子模型》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、目录1.多因子模型对比方法51.1传统回归统计方法51.2贝叶斯方法52.A股多因子模型对比62.1传统回归统计62.2贝叶斯方法82.3贝叶斯分类方法93.五因子模型的应用103.1计算事件/异象的超额收益103.2作为基金归因的基准124.总结135.风险提示136.附录146.1似然函数计算146.2分类模型的后验概率14第19页共19页图目录图1因子分组方法示意7图2基金增持策略累计净值10第19页共19页表目录表1不同估值指标下的三因子模型对比(2009-2018)7表2传统回归统计方法下,不同盈利因子形式的对比(2009-2018)8表3因子收益(2009.01-2018.1

2、2)8表4后验概率最高的5个模型(2009-2018)9表5因子分类对比模型中,各个因子的风险收益特征(2009.01-2018.12)9表6因子分类模型后验概率最高的10个模型(2009.01-2018.12)9表7基金增持策略的月度收益表现(2009-2018)11表8基金增持策略在五因子模型下的收益分解(2009-2018)11表9A股常见异象在五因子模型下的回归结果(2009-2018)11表10主动股票型基金相对于市场的超额收益12表11样本池基金在五因子模型下的回归beta13第19页共19页近年来,越来越多的金融市场异象(anomaly)被发掘,我们亟需一个基准模型来评判这

3、些异象,理解其收益来源及其代表的系统性风险,以便更好地应用这些异象。这个基准模型就是多因子定价模型。因子定价模型试图通过少量的因子来构建有效前沿,解释资产收益变动,探讨资产的风险溢价由哪些共同因素决定。除了理解异象、计算异象/事件的超额收益外,多因子定价模型还可用来评价基金、投资组合的表现等。Fama和French(1993)1基于实证结果提出的包含市场、市值和估值因子的三因子模型(FF3),在很长一段时间里是最主要的因子模型。但近年来,海外相继推出了多种版本的多因子模型,那么究竟哪种更适合A股市场呢?本文将对这个问题进行研究。全文主要包括两个方面,首先介绍对比多因子模型的主要方法,并基

4、于此探索A股市场的五因子模型;然后对五因子模型的应用进行举例。1.多因子模型对比方法直观来看,因子越多,模型解释能力理应越强。但学术界通常会考量模型简约性(Parsimony),即模型不包括冗余(Redundant)因子。在无风险利率存在的假设条件下,对比多因子模型主要有传统回归统计法和贝叶斯方法。1.1传统回归统计方法FranciscoBarillas和JayShanken22017年提出,要对比不同多因子模型,应考察模型对所有收益的解释能力,除了常规的检验资产(分散化组合),还应包括因子收益本身。基于这个观点,他们证明了检验资产对于模型对比并不能提供有效信息,在比较两个多因子模型时,

5、只要使用两个模型的因子互为被解释变量,然后考察回归alpha是否显著即可。在检验alpha是否显著为0时,可采用t检验,也可采用GRSF检验。例如,假设模型M1的因子为f1=(Mkt,HML),模型M2的因子为f2=(Mkt,HML,SMB),则对比模型M1和M2,只需将SMB对f1进行回归,然后用T检验考察回归alpha是否显著。若alpha显著不为0,表明SMB不能由M1解释,M2相对更优。再如,假设模型M1的因子为f1=(Mkt),模型M2的因子为f2=(Mkt,HML,SMB),则对比模型M1和M2时,只需将HML和SMB分别对f1进行回归,然后用GRSF检验alpha是否联合为

6、0。1.2贝叶斯方法传统回归统计方法适用于多因子模型的两两对比,若要同时对比m个模型:,则可采用贝叶斯方法。假设这m个模型一共包含K个因子,记为F。由于资产定价模型通常包含市场因子,不失一般性,我们假设对比的模型都包含市场因子Mkt。此外,市场还有N个检验资产r。根据贝叶斯定理,在给定数据集D(所有因子F和检验资产r,即D=(F,r))下,模型Mj的后验概率为:(1)其中,P(Mj)为先验概率,通常假定为均匀分布,即每个模型的先验概率相同。也可以是其他先验分布,如给理论基础更强的模型更高的概率。若要对比两个模型或特定几个模型,则将其他模型的先验概率设为0即可。P(D

7、Mj)是给定模型Mj

8、下,D的概率。1EugeneF.FamaandKennethR.French,Commonriskfactorsinthereturnsonstocksandbonds,JournalofFinancialEconomics,Volume33,Issue1,February1993,3-56.第19页共19页2FranciscoBarillas,JayShanken,Whichalpha?TheReviewofFinancialSt

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。