【量化】通过Fama-French三因子模型选股，收益能达到多少？

作者：幻好

来源：恒生LIGHT云社区

Fama-French三因子模型

基本概念

Fama和French 1993年指出可以建立一个三因子模型来解释股票 回报率 。模型认为，一个 投资组合 (包括单个股票)的超额回报率可由它对三个因子的暴露来解释，这三个因子是：市场资产组合( Rm − Rf )、市值因子(SMB)、账面市值比因子(HML)。这个多因子均衡定价模型可以表示为：

法码三因子模型可以理解为，某个股票的收益率与其市值，账面市值比，市盈率等因素相关，能够通过比较组合排序后，选出收益最高的股票组合。

历史背景

Fama和French 1992年对美国股票市场决定不同股票 回报率 差异的因素的研究发现，股票的市场的beta值不能解释不同股票 回报率的差异 ，而上市公司的市值、账面市值比、市盈率可以解释股票回报率的差异。Fama and French 认为，上述超额收益是对CAPM 中β未能反映的风险因素的补偿。

Fama和French的假设主要有两大部分:一个是理论假设，一个是统计假设。

模型选股实践

本文主要以法码三因子模型为理论基础，通过A股市场数据建立相关性模型，然后通过因子比重选出前十支股票进行组合，验证其收益率。

实践需要提前掌握技能：Python基础语法、Pandas数据处理、基本的金融知识基础、一定的逻辑思维能力。

数据来源

数据源来自—恒有数【 https://udata.hs.net/home】
统计从2018年至今的近三年总数据
由于数据量较大获取时间较久，本文已将提取数据上传附件，便于大家实践。

本文主要基于恒有数社区获取Fama-French三因子模型所需数据源的过程实践。

数据采集原文：【量化】实战获取Fama-French三因子模型的数据源

策略规则

获取每个月的最后一个交易日的数据
计算出每条数据的总市值 * 市净率
获取所有股票中上述值最小的 10 只股票进行组合
对以上组合股票进行投资模拟计算，验证收益率

数据基础

数据源包含以下关键数据：

交易日期 ：交易日期
开盘价 ：当日股票股票开盘价格
最高价 ：当日股票交易最高价格
最低价 ：当日股票交易最低价格
收盘价 ：股票收盘价格
股票代码 ：股票的代码，上证股票以sh结尾，深证股票以sz结尾
涨跌幅 ：复权之后的真实准确涨跌幅
成交量 ：当日股票成交量
成交额 ：当日股票成交额
总市值 ：当日股票总股价
换手率 ：当日股票换手比例
是否交易 ：本月股票最后一个交易日是否交易
是否涨停 ：本月股票最后一个交易日收盘是否涨停
是否跌停 ：本月股票最后一个交易日收盘是否跌停
市盈率TTM ：最近12个月市盈率
市净率 ：市净率，股价 / 最近期财报每股净资产

具体数据，如下图所示：

实现过程

1.检查源数据的正确性，确保模型所需数据的真实可靠性。

2.使用程序读取数据，并计算每支股票的【下月涨跌幅】

3.从数据源数据中剔除一些可直接排除的数据

4.根据计算总市值 * 市净率所得结果进行排序，并按时间进行分组

5.模拟初始资金100，计算下月收益

总结

本文主要通过Fama-French三因子模型，粗略的搭建了模型，对收益进行了预测。多因子计量模型一般都是建立在大量假设基础上的，现实世界里不存在如此完美的情形。只能通过控制某些变量去研究解释其他变量，然后得出一个相对真实的理论值。

投资有风险，入市须谨慎。