四因子模型的介绍

1. 四因子模型的介绍

Carhart四因素模型是为了控制系统性风险对股票的影响，对原始回报进行调整，取得控制了风险因素后的超常回报。Carhart四因素模型是对Fama-French三因素的模型的改进，包含了市场因素(market factor),规模因素(size factor),价值因素(value factor)和动量因素(momentum factor).

2. 四因子模型的应用

因子选股模型总结。因子选股模型是目前量化投资策略中应用最为广泛的选股模型之一。备选的因子需满足以下标准：第一、能捕获经济信息；第二、有相同因子的证券其行为路劲相同；第三、在不同市场和样本中较有区分度；第四、在时间维度上能够表现稳定。因子选股模型已被成熟市场广泛运用，但其也存在较多类型的风险，在模型设计之初应该加以考虑。经典四因子模型及其运用。Fama和French（1992）引入两个新的解释变量：市净率、公司规模，与CAPM中的市场指数一同估计股票的回报水平，构建了三因子模型。Carhart（1997）认为研究股票收益应在Fama和French的三因子模型基础上加入动量效应，构建了四因子模型。我们借鉴经典的四因子模型构建因子选股策略，对市净率和公司规模两个因子在A股市场是否有效进行验证，随后检验对A股市场是否具有动量效应和反转效应。测试结果显示A股市场上市净率较低、市值较小的股票收益率较高，且存在较明显的反转效应。多空策略构建及回测。利用市净率低、流通市值小、前6个月收益低的股票组合来构建多头组合，以市净率高、流通市值大、前6个月收益高的股票组合构建空头组合，然后分别选取多、空组合中Beta值较小的若干只股票形成多空组合。模型回测结果显示，测试期内多空组合走势整体平稳向上，取得累积收益110.41%，超越同期沪深300指数28.80%。多空组合的夏普比率和特雷诺指数相对于指数有显著的提升，表明无论用投资组合的总体风险还是系统性风险来衡量，多空组合均能取得较优异的表现，在不同的市场环境下获取相对稳定的绝对收益。风险提示：市场上涨时多空策略战胜市场的概率降低；A股市场可做空的股票数量有限，模型适用性降低；实际应用中交易费用的产生可能导致模型的收益低于预期。

3. 四因子模型的三因素模型

fama and french是两个人的名字,他们在行为金融学上做过巨大贡献 fama and french model是他们名字命名的模型一种可替代方案是，可以跳过引出单因素模型这一步，而只是试着一个特殊模型来观察它如何解释。这是Fama与French(1993，1996)的一种方法。他们指出一种特殊的三个因素的模型可以解释投资组合中的代表性的变化，这些组合是按照规模与帐面价值市价比的评级形成的，with an of over 90%。他们的因素为市场组合的收益，小盘股组合的收益及大盘股组合收益的差——“规模”因素——和有价值股票组合的收益与成长性股票组合的收益的差——“帐面价值市价比”因素。以上基于的原则为投资市场的有效市场。Fama,French和Davis(2000)指出，U.S.数据的子样本对Fama和French在他们的1992年的研究中所使用的数据有一个价值溢价，而Fama和French（1998）证明了国际股票市场上的价值溢价的存在。Rouwenhourst(1997)指出，存在着动力效应，并活跃于国际股票市场的数据中。如果以帐面价值来衡量实证结果，那么对理性体系的挑战是显示以上的代表性证据自然地来自于一个经济实体的模型，在这个实体中，理性投资者最大化一个标准化可接受的效用函数。在特殊的情况下，这种形式的模型产生了CAPM，我们也知道，这不能解释这些证据。更普遍地，理性模型预测了一个多因素定价结构，其中，系数 来自一个事件序列回归，到目前为止，已经被证明很难引出一个多因素模型来解释代表性的证据，虽然这仍然是一个主要的研究方向。一种可替代方案是，我们可以跳过引出单因素模型这一步，而只是试着一个特殊的模型来观察它如何解释。这是Fama和French(1993，1996)的一种方法。他们指出，一种特殊的的三个因素的模型可以解释投资组合中的代表性的变化，这些组合是按照规模和帐面价值市价比的评级形成的，with an of over 90%。他们的因素是市场组合的收益，小盘股组合的收益和大盘股组合收益的差——“规模”因素——和有价值股票组合的收益和成长性股票组合的收益的差——“帐面价值市价比”因素。由Fama和french（1996）得到较高的 不是成功的必要原因。正如Roll（1977）所强调的，在任何特殊的样本中，有可能构造一个产生100%的 的单因素模型。为了公平起见，Fama和French(1993,1996)的因素不是数据挖掘实践的结果。他们通过指出小盘股和价值股票的价格一起运动，作为开始。规模和帐面价格市值比因素是分离这些在小盘股和价值股票上的普通因素的尝试，而且，他们的三因素模型是由一个思想激发的，即这种相互运动是在均衡时估价的系统风险。Fama和French(1996)自己承认，他们的结果只有在解释了投资者的偏好和经济实体的结构后才会有全部的影响，这个经济实体使人们根据他们的模型对资产进行定价。理性方法的一个普遍特征是，决定平均收益的是风险（loadings or betas）而不是公司的特征。例如，风险方法会认为，价值股票获得高的收益不是因为他们有较高的帐面价格市价比，而是因为这样的股票关于帐面价格市价比有很高的loading。Daniel和Titman(1996)对这个特殊的预测产生了怀疑，他们把股票进行两种分类，一种按照帐面价格市价比，一种按照帐面价格市价比的loadings。尤其，他们指出，有着不同loadings但有相同的帐面价格市价比的股票在平均收益上有所不同。这些结论似乎对理性方法有很大的冲击。但是，利用更长的数据列和不同的方法论，Fama,French和Davis(2000)声称逆转了 Daniel和Titman的发现。我们预期在这个有争议的前沿领域有进一步的发展。

4. 四因子模型的来源

Chang和Lewellen(1984)基于套利定价理论(APT)建立的二项式模型;Fama和French(1993)的三因素模型(FF3模型)对有效市场的异常现象进行了解释;在Fama and French (1993) 三因素模型的基础之上,CARHART(1995)加入一年期收益动量异常因素(Jegadeesh and Titman(1993)),构造了四因素模型。

5. 四因子模型的三因素模型

fama
and
french是两个人的名字,他们在行为金融学上做过巨大贡献
fama
and
french
model是他们名字命名的模型一种可替代方案是，可以跳过引出单因素模型这一步，而只是试着一个特殊模型来观察它如何解释。这是Fama与French(1993，1996)的一种方法。他们指出一种特殊的三个因素的模型可以解释投资组合中的代表性的变化，这些组合是按照规模与帐面价值市价比的评级形成的，with
an
of
over
90%。他们的因素为市场组合的收益，小盘股组合的收益及大盘股组合收益的差——“规模”因素——和有价值股票组合的收益与成长性股票组合的收益的差——“帐面价值市价比”因素。
以上基于的原则为投资市场的有效市场。
Fama,French和Davis(2000)指出，U.S.数据的子样本对Fama和French在他们的1992年的研究中所使用的数据有一个价值溢价，而Fama和French（1998）证明了国际股票市场上的价值溢价的存在。Rouwenhourst(1997)指出，存在着动力效应，并活跃于国际股票市场的数据中。
如果以帐面价值来衡量实证结果，那么对理性体系的挑战是显示以上的代表性证据自然地来自于一个经济实体的模型，在这个实体中，理性投资者最大化一个标准化可接受的效用函数。
在特殊的情况下，这种形式的模型产生了CAPM，我们也知道，这不能解释这些证据。更普遍地，理性模型预测了一个多因素定价结构，
其中，系数
来自一个事件序列回归，
到目前为止，已经被证明很难引出一个多因素模型来解释代表性的证据，虽然这仍然是一个主要的研究方向。
一种可替代方案是，我们可以跳过引出单因素模型这一步，而只是试着一个特殊的模型来观察它如何解释。这是Fama和French(1993，1996)的一种方法。他们指出，一种特殊的的三个因素的模型可以解释投资组合中的代表性的变化，这些组合是按照规模和帐面价值市价比的评级形成的，with
an
of
over
90%。他们的因素是市场组合的收益，小盘股组合的收益和大盘股组合收益的差——“规模”因素——和有价值股票组合的收益和成长性股票组合的收益的差——“帐面价值市价比”因素。
由Fama和french（1996）得到较高的
不是成功的必要原因。正如Roll（1977）所强调的，在任何特殊的样本中，有可能构造一个产生100%的
的单因素模型。为了公平起见，Fama和French(1993,1996)的因素不是数据挖掘实践的结果。他们通过指出小盘股和价值股票的价格一起运动，作为开始。规模和帐面价格市值比因素是分离这些在小盘股和价值股票上的普通因素的尝试，而且，他们的三因素模型是由一个思想激发的，即这种相互运动是在均衡时估价的系统风险。
Fama和French(1996)自己承认，他们的结果只有在解释了投资者的偏好和经济实体的结构后才会有全部的影响，这个经济实体使人们根据他们的模型对资产进行定价。
理性方法的一个普遍特征是，决定平均收益的是风险（loadings
or
betas）而不是公司的特征。例如，风险方法会认为，价值股票获得高的收益不是因为他们有较高的帐面价格市价比，而是因为这样的股票关于帐面价格市价比有很高的loading。Daniel和Titman(1996)对这个特殊的预测产生了怀疑，他们把股票进行两种分类，一种按照帐面价格市价比，一种按照帐面价格市价比的loadings。尤其，他们指出，有着不同loadings但有相同的帐面价格市价比的股票在平均收益上有所不同。这些结论似乎对理性方法有很大的冲击。但是，利用更长的数据列和不同的方法论，Fama,French和Davis(2000)声称逆转了
Daniel和Titman的发现。我们预期在这个有争议的前沿领域有进一步的发展。

6. 因子分析法的模型

因子分析法是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。它的基本思想是将观测变量进行分类，将相关性较高，即联系比较紧密的分在同一类中，而不同类变量之间的相关性则较低，那么每一类变量实际上就代表了一个基本结构，即公共因子。对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。因子分析模型描述如下：⑴X = (x1，x2，…，xp）￠是可观测随机向量，均值向量E(X)=0，协方差阵Cov(X)=∑，且协方差阵∑与相关矩阵R相等（只要将变量标准化即可实现）。⑵F = (F1，F2，…，Fm）￠ （m<p）是不可测的向量，其均值向量E(F)=0，协方差矩阵Cov(F) =I，即向量的各分量是相互独立的。⑶e = (e1，e2，…，ep）￠与F相互独立，且E(e)=0， e的协方差阵∑是对角阵，即各分量e之间是相互独立的，则模型：x1 = a11F1+ a12F2 +…+a1mFm + e1x2 = a21F1+a22F2 +…+a2mFm + e2………xp = ap1F1+ ap2F2 +…+apmFm + ep称为因子分析模型，由于该模型是针对变量进行的，各因子又是正交的，所以也称为R型正交因子模型。其矩阵形式为：x =AF + e .其中：x=，A=，F=，e=这里，⑴m ￡ p；⑵Cov(F，e)=0，即F和e是不相关的；⑶D(F) = Im ，即F1，F2，…，Fm不相关且方差均为1；D(e)=，即e1，e2，…，ep不相关，且方差不同。我们把F称为X的公共因子或潜因子，矩阵A称为因子载荷矩阵，e 称为X的特殊因子。A = (aij），aij为因子载荷。数学上可以证明，因子载荷aij就是第i变量与第j因子的相关系数，反映了第i变量在第j因子上的重要性。