`

Fama-French 三因7子模型的改进——从 CH-3 到 0CH-5

创建于 更新于

摘要

本文基于中国A股市场,改进传统Fama-French三因子模型,提出CH-3并进一步扩展为包含情绪与成长因子的CH-5模型。实证结果显示,CH-5相比FF-3在解释异象因子表现上更具优势,且利用CH-5四因子构建的选股组合年化收益率达24%,显著超越市场表现。模型改进为多因子选股及因子择时提供新的理据 [page::0][page::3][page::5][page::6][page::8][page::10][page::11]。

速读内容


CH-3模型在中国A股的优越性验证 [page::3][page::5]

  • CH-3通过剔除市值最小的30%股票和用盈利价格比(EP)代替账面市值比(BP)构建价值因子,提升了模型解释力。

- GRS检验显示CH-3模型能解释FF-3因子,但反之不成立,说明CH-3优于FF-3。
  • EP被确认为中国市场价值因子的最佳代表,解释能力显著优于BP和现金流价格比(CP)。


异象因子检验与解释能力分析 [page::6][page::7][page::9]

  • 在FF-3模型中,大部分异象因子(波动率、动量、流动性等)均存在显著alpha收益。

- CH-3模型显著解释了波动率、反转、换手率、价值、盈利因子的超额收益,但对成长类因子解释不足。
  • CH-5模型引入情绪(换手率)和成长(营业收入增长率)因子后,进一步加强对异象收益率的解释能力,尤其是对反转和分红因子的超额收益解释显著提升。


CH-5 模型的多因子策略构建与回测表现 [page::10][page::11]

  • 选取CH-5的市值、EP、换手率、营业收入增长率四因子构建选股模型,实行每日打分,月度换仓,选取排名前100股票。

- 回测区间2010年至2019年,年化收益率达23.99%,信息比率2.38,显著超越中证全指同期表现。



多因子模型简化与因子择时启示 [page::10]

  • CH-5模型可解释多部分异象因子,部分因子在多因子框架下可被简化剔除,提升模型效率。

- 选股因子表现与市场趋势和风格紧密相关,可用CH-5因子预估市场风格,辅助因子择时。
  • 波动率和换手率因子与市场趋势负相关,反转因子与市场趋势正相关,择时需结合对市场走势的准确判断。

深度阅读

西南证券研究发展中心关于Fama-French三因子模型中国版改进研究报告详细分析



---

一、元数据与报告概览



标题:Fama-French 三因7子模型的改进——从 CH-3 到 CH-5
作者及机构:西南证券研究发展中心,分析师包括邓瑶函和王挺等,执业证号及联系方式详见报告末尾。
发布日期:未明确标注具体日期,研究样本截止时间为2019年5月。
主题:资产定价模型改进,聚焦中国A股市场,具体改良FF三因子模型以提升因子解释力,构建多因子选股策略。
核心论点与评级:
  • 传统的Fama-French三因子模型(FF-3)在中国A股市场有效性不足。

- Liu等(2018)提出改进,通过剔除市值最小30%股票和用盈利价格比(EP)替代账面市值比(BP)两个逻辑点,形成中国版三因子模型CH-3,提升了模型解释力。
  • 本文进一步基于CH-3,引入情绪因子(换手率)和成长因子(营业收入增长率),形成五因子模型CH-5,显著提升了模型对股票异象收益的解释能力。

- 最终基于CH-5,构建的四因子选股模型(市值、EP、换手率、营业收入增长率)回测表现优异,年化收益约24%,信息比率达2.38,超越市场指数。
  • 风险提示为历史统计规律不保证未来持续性。


整体而言,报告强调了适配中国特殊市场结构的资产定价模型改造路径,兼顾理论改进与实证验证,探索了因子有效性的本土化应用。[page::0,1]

---

二、逐章深度解读



2.1 中国版FF三因子模型(CH-3)



价值因子选择(1.1节)


  • 关键论点:EP相较于BP、AM(资产市值比)、CP(现金流市值比)更能有效解释股票收益率。

- 支持论据及方法:利用2010年1月至2018年5月22日期间的A股数据进行Fama-Macbeth多因子回归,设计四个回归方程分别基于全部股票和剔除市值最低30%股票做日度/月度收益率回归。
  • 数据关键点:

- EP的回归系数在全部A股及剔除小市值样本均显著大于0(显著水平均达到1%),表明EP具有强解释力。
- BP和CP在大部分回归中不显著,AM部分显著但弱于EP。
  • 结论与推断:EP作为价值因子指标优于传统FF模型中的BP,适合中国市场特点,成本壳价值污染影响小市值股票。[page::3,4]


CH-3模型构建(1.2节)


  • 构建逻辑:

- 排除市值最小30%的股票,避免壳价值污染。
- 按市值大小分两组(小盘大盘),再按照EP分三组(高中低)。
- 形成六个组合,提取VMG因子定义为高EP组合减低EP组合的平均收益,SMB调整为三组市值平均差。
- 市场因子MKT为所有股票市值加权收益率。
  • 模型表达:


\[
Rt = \alpha + \beta{MKT} MKTt + \beta{SMB} SMBt + \beta{VMG} VMGt + \varepsilont
\]
  • 推断:替换价值因子,剔除污染样本,有助提升模型在中国市场的资产定价能力。[page::4]


GRS检验比较(1.3节)


  • 目的:比较CH-3和FF-3模型的解释能力强弱。

- 方法:使用Gibbons, Ross, and Shanken (1989)提出的GRS检验,检验模型中所有组合alpha是否为零(无超额收益)。
  • 结果(表3):

- 用FF-3解释CH-3中的SMB和VMG因子时,GRS统计量显著,拒绝无alpha假设,说明FF-3不能完全解释CH-3因子的超额收益。
- 反之,用CH-3解释FF-3的SMB、HML因子时,不拒绝无alpha假设,表明CH-3能解释FF-3的因子收益,模型有效性更高。
  • 结论:CH-3模型在统计意义上优于FF-3,是对于中国市场更有效的资产定价模型。[page::5]


2.2 异象因子检验(2节)


  • 研究动机:考察各类常见选股因子(波动、动量、流动性、价值、分红、成长、盈利)在FF-3与CH-3模型框架下是否仍具有显著alpha。

- 方法:
- 双层分组法:先按市值五分组,再按因子值五分组,计算多空组合收益率作为因子收益。
- 以日度频率的FF-3和CH-3模型回归因子收益率,截距即代表因子异象收益。
  • 核心结果(表4、5):

- 波动率类因子在FF-3模型中存在显著alpha,但在CH-3中失效,说明CH-3较好地解释了波动率的影响。
- 技术面因子(反转、换手率)及盈利因子(ROA、ROE)在两模型均存在alpha,但CH-3模型下alpha值更小,说明解释力增强。
- 价值因子EP在FF-3仍有超额收益,BP在CH-3模型中无显著alpha,支持用EP替代BP。
- 对于成长类因子(EPS增长率、营业收入增长率),两模型均难以解释超额收益,表现欠佳。
- 扩大样本到全部A股后(含小市值股票),CH-3整体解释能力保持,且对分红和盈利类因子alpha有所加强,波动率因子alpha解释略微减弱。
  • 推论:CH-3较FF-3提升了对于多数重要异象因子的解释能力,尤其是波动率和价值因子,但成长类异象需通过其他改进因子覆盖。[page::6,7]


2.3 五因子模型CH-5(3节)


  • 改进背景:CH-3模型尚有成长和情绪类因子解释力不足的问题。

- 模型构成:基于CH-3的MKT、SMB、VMG,新增情绪因子PMO(月换手率构建,多空组合差异)和成长因子FMS(营业收入TTM增长率构建)。
  • 模型表达:


\[
Rt = \alpha + \beta{MKT} MKTt + \beta{SMB} SMBt + \beta{VMG} VMGt + \beta{PMO} PMOt + \beta{FMS} FMSt + \varepsilont
\]
  • 解释能力提升(表6):

- 在日度与月度收益率解释中,CH-5模型的$R^2$均高于CH-3(例如月度收益率$R^2$从37.97%提升到42.34%),展现更强的拟合效果。
  • 异象因子对比(表7、8):

- 加入情绪和成长因子后,CH-5明显减弱了反转、分红因子的超额收益率,成长和盈利类因子的alpha明显减少。
- CH-5在剔除市值小盘污染和全部A股样本中均体现较好对波动率和反转因子的解释能力提升,但对其它因子的提升有限。
  • 结论:五因子模型CH-5在解释多样化因子异象的能力上显著优于CH-3,兼顾了市场情绪与成长的不同维度。[page::8,9]


2.4 CH-5模型思考与实证(4节)



多因子模型简化(4.1节)


  • 分析:

- 反转、分红、波动、换手、价值因子多数被CH-5模型解释,无明显独立超额收益。
- 因此,可以从多因子选股的因子库中剔除被CH-5覆盖因子,减少模型复杂度。
- 但需谨慎,因A股市场缺少做空机制,线性表示多空组合不必然意味着多头组合被完全解释,仍需针对多头组合做进一步验证。

因子择时策略(4.2节)


  • 市场趋势因子MKT与风格因子SMB、VMG、PMO、FMS共同组成CH-5,反映市场整体风格和趋势。

- 多数选股因子表现与当前市场状态紧密相关,例如波动率和换手率与市场收益呈负相关,反转因子与市场呈正相关。
  • 掌握CH-5因子未来表现可以简化多因子择时,减少择时参数。

- 但市场趋势受多重复杂因素驱动,风格因子相对稳定,实际择时准确性存在挑战。

4因子选股组合构建及回测(4.3节)


  • 组合构建:选取CH-5中的市值、EP、换手率、营业收入增长率四个因子指标,分别进行日内排名打分,市值及换手率降序排序,EP及增长率升序排序,综合得分取前100等权持有,每月换仓,剔除上市不足90日股票,考虑3‰双边交易费。

- 回测期间:2010年1月1日至2019年5月22日。
  • 结果(表9 & 图1):

- 年化收益率近24%,远超同期中证全指的2.6%。
- 夏普比率0.88,信息比率高达2.38,组合胜率58%,最大回撤52.78%小于市场57.85%。
- 净值曲线显示组合显著优于市场基准,且回报波动合理。
  • 推断:基于CH-5的选股策略实证表现优异,模型因子具备较强的实用价值和投资指导意义。

[page::10,11]

2.5 总结与风险提示(5、6节)


  • 总结要点:

- CH-3优于传统FF-3模型,能更好解释中国A股市场的价值与规模因子。
- CH-5进一步扩展了因子体系,提升了市场风险溢价和风格因子的解释力,特别加强成长及情绪因子的覆盖。
- 选股实证证明CH-5具有良好预测能力和策略应用潜力。
- 未来研究方向包括量化壳价值,将其纳入模型以进一步提升定价解释力。
  • 风险提示:研究基于历史数据,历史经验并不保证未来有效性。投资存在不确定性需谨慎。

[page::11]

---

三、图表深度解读



表1:价值因子Fama-Macbeth回归结果(第3页)


  • 展示了四组回归中,不同价值因子EP, BP, AM, CP及市值XSIZE的系数及其t值。

- EP系数显著为正,尤其在剔除小市值股票样本中更显著,说明EP因子对股票收益的解释力强。
  • BP及CP多次不显著,AM偶有弱显著,支持放弃BP替换为EP。

- 市值因子SIZE常显著负向,符合规模效应。
  • 此表为核心数据支撑价值因子替换及模型构建参考依据。


表2:VMG因子股票分组(第4页)


  • 按市值与EP分为6类组合,VMG定义为高EP组减低EP组收益率平均,省略了小盘股市值最低30%。

- 说明了模型构建的分组逻辑,AVG计算方法突出了价值因子的收益差异。

表3:GRS检验结果(第5页)


  • 显示使用FF-3解释CH-3的SMB, VMG时GRS统计量大且p值极小,拒绝无alpha假设。

- 反之,CH-3解释FF-3时,统计量小且p值高,不拒绝无alpha。
  • 图表验证CH-3模型有效性优于传统FF-3。


表4&5:异象因子多空收益率及alpha检验结果(第6-8页)


  • 分类展示波动率、反转、换手率、价值、成长指标的多空因子收益、FF-3、CH-3模型alpha及因子暴露等统计。

- 波动率因子多空收益正且FF-3 alpha显著,但CH-3中alpha消失,表明CH-3能解释波动率影响。
  • 反转与换手率因子alpha均显著,且CH-3的alpha较FF-3更小。

- 成长类因子营收与EPS增长指标在两模型中alpha均显著,表示成长因子不被CH-3有效解释。
  • 表现出CH-3对不同异象因子覆盖的差异。


表6:CH-5与CH-3模型解释能力比较(第8页)


  • CH-5和CH-3分别对日度和月度收益率回归结果的$R^2$对比。

- CH-5在日度收益率回归中$R^2$提高约1%。
  • CH-5月度回归$R^2$提升明显(42.34% vs 37.97%),说明加入新因子带来实质的统计增强。


表7&8:CH-5模型下异象因子alpha检验(第9页)


  • 对比CH-3与CH-5对异象因子的alpha估计,反转、分红因子alpha明显缩小,波动率alpha减弱甚至负值。

- 增长类因子alpha降低但仍有,说明成长因子纳入增强了解释力。
  • PMO和FMS因子的系数显著,证明新因子提供了有效补充。


表9及图1:四因子选股策略回测绩效和净值曲线(第11页)


  • 年化收益率23.99%,远超中证全指2.6%。

- 夏普比率0.88,信息比率2.38,均表明风险调整后收益优越。
  • 最大回撤52.78%,低于指数,策略风险控制合适。

- 图1净值曲线清晰显示策略长期显著跑赢大盘,风险调整收益持续,提升投资说服力。

---

四、估值分析



本报告不涉及传统的企业或资产估值,但在资产定价模型方面:
  • 采用FF三因子模型基础,构建中国特定版CH-3与CH-5,多因子线性模型以超额收益为因变量,因子收益为解释变量。

- 估值类似逻辑基于“因子溢价”捕捉股票风险溢价与异常收益,体现风险调整定价原理。
  • 利用Fama-Macbeth横截面回归验证因子截距α(alpha)统计显著性,测试因子的定价有效性。

- 进一步的GRS检验用于整体模型效果评价。

以上方法构成了基于风险因子的资产收益率解释与预测框架,与传统企业估值模型(如DCF)方法不同,但本质为资产收益定价。

---

五、风险因素评估


  • 历史规律稳定性风险:基于历史统计数据,未来因市场环境、制度变化、投资者行为变异,规律可能失效。

- 壳价值污染风险:尽管剔除小市值盘后仍存在潜在影响,未来需进一步将壳价值纳入模型。
  • 参数与模型简化风险:剔除因子带来的模型简化有可能漏掉部分选股信息,特别是在低流动性和无做空机制的A股市场。

- 市场择时难度风险:市场趋势受多因子影响,预测难度较大,可能限制因子择时策略实效。
  • 数据与样本风险:分析截止到2019年,后续市场变迁可能使得模型表现波动。


报告明确提示风险且无夸大结论,体现稳健研究态度。[page::0,6,10,11]

---

六、批判性视角与细微差别


  • 因子选择及排序方法简洁但保守:市值与换手率均为降序,EP和增长率为升序,组合多数为等权重,这虽然降低复杂度,但可能忽视因子间非线性或权重最优配置。

- 做空机制缺失带来的因子解释局限:报告多次提及A股缺乏做空机制,导致多空组合线性解释不必然对应多头组合表现,模型实用中仍需审慎验证。
  • 波动率因子解释力变化体现模型局限:波动率因子在不同模型、样本中的alpha表现波动,提示含波动风险溢价的异象需持续跟踪。

- 成长因子仍非完美解释:尽管CH-5增加了成长因子,但部分成长类因子alpha仍显著,表明模型对成长股的捕捉仍有提升空间。
  • 模型适应性和稳健性的未来挑战:模型建立在2010-2019年的数据基础上,未必适应未来监管、市场结构变化,需持续验证调整。


此外,报告逻辑流畅、数据充分,未见明显自相矛盾之处。

---

七、结论性综合



本文系统评估并改进了Fama-French三因子模型在中国A股市场的应用,提出了中国版三因子模型CH-3,以及情绪和成长因素纳入的五因子模型CH-5,有效提升了资产定价解释力和因子异象解释能力。

通过Fama-Macbeth回归和GRS检验,两大数据分析框架证实EP比传统的BP更能代表价值因子,且去除市值最小30%股票的处理有效缓解了壳价值污染对因子的干扰,增强了模型的统计有效性。CH-3模型优于国际通用的FF-3模型,在处理异象因子时表现出更强的解释力,特别对波动率、反转、换手率和盈利因子。

进一步扩展形成的CH-5模型,通过引入情绪因子(以换手率衍生)及成长因子(营业收入增长率),在$R^2$指标上明显优于CH-3,部分难以解释的成长和情绪相关异象得以覆盖。回测实验表明,以CH-5因子为支撑的多因子选股策略在过去近十年实现了约24%的年化收益率,显著超越市场指数并具备良好风险调整绩效,验证了模型的实用价值。

全篇辅以详实的表格和图形数据支撑,展现了在中国市场对资产定价和选股因子本土化改进的显著成效。报告同时明确历史规律可能不持续的风险,呼吁未来更细致的壳价值纳入和因子组合验证。

综上,本文为中国A股多因子模型构建与应用提供了一条成熟路径,既具理论创新性,又符合市场实际,为投资策略制定和资产定价研究提供有力工具。

---

(所有分析基于报告页码及对应内容[page::0-13])

报告