Fama-French三因子模型的Fama-French三因子模型的表达式:

2024-05-09

1. Fama-French三因子模型的Fama-French三因子模型的表达式:

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:E(Rit) −Rft= βi[E(Rmt−Rft)] +siE(SMBt) +hiE(HMIt)其中Rft表示时间t的无风险收益率;Rmt表示时间t的市场收益率;Rit表示资产i在时间t的收益率;E(Rmt) − Rft是市场风险溢价,SMBt为时间t的市值(Size)因子的模拟组合收益率(Small minus Big),HMIt为时间t的账面市值比(book—to—market)因子的模拟组合收益率(High minus Low)。β、si和hi分别是三个因子的系数,回归模型表示如下:Rit− Rft= ai+ βi(Rmt− Rft) + SiSMBt+ hiHMIt+ εit但是,我们应该看到,三因子模型并不代表资本定价模型的完结,在最近的研究发现,三因子模型中还有很多未被解释的部分,如短期反转、中期动量、波动、偏度、赌博等因素。

Fama-French三因子模型的Fama-French三因子模型的表达式:

2. Fama-French三因子模型的Fama-French的贡献

他们发现股票市值和账面市值比两个因素就可以解释绝大部分股票价格的变动,并且这两个因子可以替代其他一些风险因子的作用(例如E/P等),他们在1993年的论文通过模拟市场风险、市值风险和账面市值比风险构造了三因子,用来解释股票收益的变化。

3. 三因素模型的Fama-French三因素模型


三因素模型的Fama-French三因素模型

4. fama-french三因子模型是金融哪方面课程

fama-french三因子模型是金融经济学方面的课程。
Fama French三因子模型是对CAPM模型的一个扩展。CAPM模型认为:证券资产的预期收益和它的市场Beta之间存在一个正向的线性关系,Beta越大,资产的预期收益越大;市场Beta足以解释证券资产的预期收益。这方面的内容一般会在的大学经济专业进行系统的学习。

Fama-French三因子模型的由来:
首先,马科维茨1952年发表了《投资组合选择》,开创了现代投资组合理论。他提出了“均值-方差”模型,认为要想使投资者的效用达到最大,必须满足以下条件:当风险(方差)相同的时候,获得最高的收益率;或者是在获得的收益一定的情况下,风险最小。
然后威廉夏普和约翰林纳提出了资本资产定价模型。其中这一模型中,E(Ri)为投资组合的预期收益率,Rf为无风险收益率,E(Rm)为市场预期收益率,βi为系统风险系数,等式左边“E(Ri)-Rf”表示投资组合的预期超额收益率,等式右边的“E(Rm)-Rf”表示市场预期超额收益率。
其中这一模型中,E(Ri)为投资组合的预期收益率,Rf为无风险收益率,E(Rm)为市场预期收益率,βi为系统风险系数,等式左边“E(Ri)-Rf”表示投资组合的预期超额收益率,等式右边的“E(Rm)-Rf”表示市场预期超额收益率。

5. 学渣求助FAMA 三因子模型

Fama-French三因子模型的表达式:

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:

E(Rit) − Rft= βi[E(Rmt− Rft] + siE(SMBt) + hiE(HMIt)

其中Rft表示时间t的无风险收益率;Rmt表示时问t的市场收益率;Rit表示资产i在时间t的收益率;E(Rmt) − Rft是市场风险溢价,SMBt为时间t的市值(Size)因子的模拟组合收益率(Small minus Big),HMIt为时间t的账面市值比(book—to—market)因子的模拟组合收益率(High minus Low)。

β、si和hi分别是三个因子的系数,回归模型表示如下:

Rit− Rft= ai+ βi(Rmt− Rft) + SiSMBt+ hiHMIt+ εit

但是,我们应该看到,三因子模型并不代表资本定价模型的完结,在最近的研究发现,三因子模型中还有很多未被解释的部分,如短期反转、中期动量、波动、偏度、赌博等因素。

学渣求助FAMA 三因子模型

最新文章
热门文章
推荐阅读