保姆级教程：用Python和baostock复现Fama-French三因子模型（附完整代码与央财数据源）

从零构建Fama-French三因子模型：Python实战指南与量化分析深度解析

在量化投资领域，Fama-French三因子模型犹如一盏明灯，为理解股票收益提供了清晰的框架。不同于传统CAPM模型的单一市场因子解释，这一诺奖级模型通过引入市值和账面市值比因子，显著提升了收益解释力。本文将带您从数据获取到模型实现，完整走通三因子建模全流程，特别针对A股市场特性进行优化，并分享实际编码中的关键技巧。

1. 环境准备与数据源配置

工欲善其事，必先利其器。构建三因子模型首先需要搭建合适的Python环境。推荐使用Anaconda创建独立环境，避免包冲突：

conda create -n ff3 python=3.8 conda activate ff3 pip install baostock pandas numpy statsmodels matplotlib seaborn

核心数据源选择对模型质量至关重要。我们采用双数据源方案：

• 股票行情数据：通过baostock免费获取，包含复权价格等关键字段
• 因子数据：使用中央财经大学金融学院发布的五因子数据集（含三因子）

注意：央财因子数据更新至2022年10月，实际应用中建议关注官网更新或考虑商用数据源补充

文件目录建议如下结构：

/project /data fivefactor_daily.csv # 因子数据 /scripts ff3_model.py # 主程序 /output results.csv # 分析结果

2. 数据获取与预处理实战

2.1 因子数据加载与清洗

央财提供的CSV文件需要特殊处理日期格式和字段名：

import pandas as pd factors = pd.read_csv('data/fivefactor_daily.csv', index_col='trddy', parse_dates=['trddy'], encoding='gbk') # 处理中文编码 # 筛选三因子并重命名 factor_data = factors[['mkt_rf', 'smb', 'hml', 'rf']].rename( columns={'mkt_rf': 'market_premium', 'rf': 'risk_free'}) # 处理缺失值 print(f"原始数据缺失值统计:\n{factor_data.isnull().sum()}") factor_data = factor_data.ffill() # 前向填充

2.2 股票数据获取技巧

通过baostock获取数据时，需特别注意复权方式和字段选择：

import baostock as bs def fetch_stock_data(code, start, end): lg = bs.login() rs = bs.query_history_k_data_plus( code, fields="date,close,preclose", # 包含前收盘价用于验证 start_date=start, end_date=end, frequency="d", adjustflag="3") # 后复权 df = rs.get_data().set_index('date') bs.logout() return df.astype({'close': float, 'preclose': float}) # 示例：获取中国平安2021-2022年数据 zgpa = fetch_stock_data('sh.601318', '2021-11-01', '2022-11-01')

常见问题排查表：

3. 收益率计算与特征工程

3.1 对数收益率计算优化

传统收益率计算存在数值稳定性问题，我们改进为：

def calculate_returns(price_series): """带异常值处理的收益率计算""" returns = np.log(price_series / price_series.shift(1)) # 识别异常值（超过3个标准差） threshold = 3 * returns.std() outliers = returns.abs() > threshold # 用移动平均值替换异常值 ma = returns.rolling(5, min_periods=1).mean() returns[outliers] = ma[outliers] return returns.dropna() zgpa_returns = calculate_returns(zgpa['close']).rename('return')

3.2 数据对齐与合并

关键步骤是确保股票收益率与因子数据严格对齐：

from datetime import datetime def align_data(returns, factors, start, end): """确保日期精确匹配的合并函数""" full_idx = pd.date_range(start=start, end=end, freq='B') # 生成工作日历 factors_aligned = factors.reindex(full_idx).ffill() returns_aligned = returns.reindex(full_idx) merged = pd.merge( factors_aligned, returns_aligned, left_index=True, right_index=True, how='inner' # 只保留双方都有的日期 ) return merged.dropna() full_data = align_data(zgpa_returns, factor_data, '2021-11-01', '2022-11-01')

日期对齐检查清单：

• 确认时区一致（A股使用UTC+8）
• 排除非交易日（春节等长假）
• 检查合并后的数据长度是否符合预期

4. 模型构建与结果分析

4.1 回归模型实现

使用statsmodels进行带诊断的三因子回归：

import statsmodels.api as sm from statsmodels.stats.diagnostic import het_white def ff3_regression(data): """带诊断检验的三因子回归""" X = data[['market_premium', 'smb', 'hml']] X = sm.add_constant(X) # 添加截距项 y = data['return'] - data['risk_free'] # 超额收益 model = sm.OLS(y, X) results = model.fit() # 异方差检验 white_test = het_white(results.resid, results.model.exog) return results, white_test results, white_test = ff3_regression(full_data) print(results.summary())

4.2 结果解读与可视化

关键结果需要专业解读：

• 系数显著性：t检验p值<0.05表示因子显著
• 调整R方：模型解释力指标
• 异方差检验：White检验p值>0.05则通过

import matplotlib.pyplot as plt # 系数可视化 coeffs = results.params.drop('const') std_err = results.bse.drop('const') plt.figure(figsize=(10, 4)) coeffs.plot(kind='bar', yerr=std_err, color=['#3498db', '#e74c3c', '#2ecc71']) plt.title('因子暴露系数与标准误差') plt.axhline(0, color='black', linestyle='--') plt.ylabel('系数值')

典型回归结果分析：

5. 模型进阶应用与策略开发

5.1 多股票批量分析

封装为可复用的分析管道：

def analyze_stock(code, start, end): """端到端分析函数""" try: # 数据获取 stock_data = fetch_stock_data(code, start, end) returns = calculate_returns(stock_data['close']) # 数据对齐 aligned = align_data(returns, factor_data, start, end) if len(aligned) < 20: # 最小样本要求 raise ValueError("有效数据不足") # 模型回归 results, _ = ff3_regression(aligned) # 提取关键指标 metrics = { 'alpha': results.params['const'], 'beta_mkt': results.params['market_premium'], 'beta_smb': results.params['smb'], 'beta_hml': results.params['hml'], 'rsquared': results.rsquared_adj } return pd.Series(metrics).rename(code) except Exception as e: print(f"{code} 分析失败: {str(e)}") return pd.Series(index=['alpha', 'beta_mkt', 'beta_smb', 'beta_hml', 'rsquared']) # 示例：分析沪深300成分股 stock_list = ['sh.601318', 'sh.600519', 'sz.000333'] results = pd.concat([analyze_stock(s, '2021-01-01', '2022-12-31') for s in stock_list], axis=1)

5.2 组合策略构建

基于三因子特征构建简单策略：

def build_strategy(analysis_results): """价值-质量复合策略""" # 筛选条件 condition = ( (analysis_results.loc['beta_hml'] > 0.5) & # 价值暴露 (analysis_results.loc['rsquared'] > 0.3) # 模型解释力强 ) selected = analysis_results.loc[:, condition] # 等权重配置 weights = pd.Series(1/len(selected.columns), index=selected.columns) return weights strategy = build_strategy(results) print(f"选股结果及权重:\n{strategy}")

策略回测关键指标对比：

6. 常见问题与调试技巧

在实际操作中，开发者常遇到以下典型问题：

数据问题排查指南：

1. 日期不匹配：检查时区设置，确保使用pd.to_datetime统一格式
2. 收益率异常：验证复权计算，比较close与preclose字段
3. 因子值缺失：联系数据提供方或考虑插值方法

模型优化方向：

• 加入Newey-West调整处理自相关
• 尝试滚动回归分析因子稳定性
• 引入机器学习方法进行非线性扩展

# Newey-West标准误调整示例 from statsmodels.stats.sandwich_covariance import cov_hac def robust_regression(data, lags=5): X = sm.add_constant(data[['market_premium', 'smb', 'hml']]) y = data['return'] - data['risk_free'] model = sm.OLS(y, X) results = model.fit(cov_type='HAC', cov_kwds={'maxlags': lags}) return results robust_results = robust_regression(full_data)

在完成中国平安的案例后，可以尝试将分析框架应用到其他标的。记得保存中间结果以便后续比较：

# 保存分析结果 results.to_csv('output/ff3_results.csv', encoding='utf-8-sig') # 保存回归诊断图 plt.figure(figsize=(10, 6)) sm.graphics.plot_partregress_grid(results) plt.savefig('output/regression_diagnosis.png', dpi=300)