当前位置: 首页 > news >正文

规模因子(SMB)和价值因子(HML)计算方法

规模因子(SMB)和价值因子(HML)是法玛-弗伦奇三因子模型(Fama-French Three-Factor Model)中的两个核心因子,用于解释股票投资组合的超额收益。它们分别捕捉了“小盘股溢价”和“价值股溢价”的市场现象。

一、因子定义与逻辑

1. 规模因子(SMB - Small Minus Big)
  • 定义:小市值股票组合收益减去大市值股票组合收益的差值。
  • 经济含义:衡量小盘股相对于大盘股的超额收益(小盘股溢价)。理论上,小公司风险更高(流动性差、抗风险能力弱),因此需要更高的收益补偿。
  • 计算逻辑:做多小盘股,做空大盘股。
2. 价值因子(HML - High Minus Low)
  • 定义:高账面市值比(价值股)股票组合收益减去低账面市值比(成长股)股票组合收益的差值。
  • 经济含义:衡量价值股相对于成长股的超额收益(价值溢价)。价值股(通常被认为“便宜”)因基本面风险或市场情绪被低估,长期看有均值回归的动力。
  • 计算逻辑:做多价值股(高B/M),做空成长股(低B/M)。

二、详细计算方法(基于FF三因子模型标准流程)

计算通常基于全市场股票数据,按市值和账面市值比(B/M)双重排序分组。

第一步:数据准备(每年6月底)
  1. 确定样本:选取交易所所有普通股(如A股全部股票)。
  2. 计算市值(Size):使用每年6月底的股价 × 总股本。
  3. 计算账面市值比(B/M)
    • 分子(Book Equity):使用上一年年末的股东权益(账面价值)。
    • 分母(Market Equity):使用去年12月底的市值。
    • B/M比率 = 上年末股东权益 / 上年末市值
第二步:分组(2×3独立排序)

在每年6月底(投资组合形成日),对所有股票进行独立双重排序:

  1. 按市值(Size)分组
    • 找到所有股票市值的中位数。
    • S (Small):市值小于中位数的股票。
    • B (Big):市值大于中位数的股票。
  2. 按B/M(价值)分组(在S组和B组内分别独立进行):
    • 分别找到S组和B组内股票B/M的30%分位数(Low Breakpoint)和70%分位数(High Breakpoint)。
    • L (Low):B/M ≤ 30%分位数 的股票(成长股)。
    • M (Medium):30% < B/M ≤ 70% 的股票。
    • H (High):B/M > 70%分位数 的股票(价值股)。

最终得到 2 (Size) × 3 (B/M) = 6 个投资组合:

  • S/L (Small & Low B/M - 小盘成长)
  • S/M (Small & Medium B/M)
  • S/H (Small & High B/M - 小盘价值)
  • B/L (Big & Low B/M - 大盘成长)
  • B/M (Big & Medium B/M)
  • B/H (Big & High B/M - 大盘价值)
第三步:计算组合收益(t年7月 至 t+1年6月)
  1. 从当年7月开始,每月计算这6个组合的市值加权收益率(以组合形成时的市值为权重)。
  2. 持续计算12个月,直到次年6月。然后在下一年6月底重新分组。
第四步:合成因子时间序列
  1. 规模因子 SMB

    • 对于每个B/M类别(L, M, H),分别计算小盘组合与大盘组合的收益差,然后取三者平均值。

    • 公式

      SMB = (S/L - B/L + S/M - B/M + S/H - B/H) / 3

    • 含义:控制了价值属性后,纯粹的小盘股溢价。

  2. 价值因子 HML

    • 对于每个Size类别(S, B),分别计算高B/M组合与低B/M组合的收益差,然后取二者平均值。

    • 公式

      HML = (S/H - S/L + B/H - B/L) / 2

    • 含义:控制了规模属性后,纯粹的价值股溢价。


三、计算示例(简化)

假设在某个月,6个组合的收益率如下(单位:%):

组合收益率
S/L1.5
S/M2.0
S/H2.8
B/L1.0
B/M1.4
B/H1.9

计算该月的因子值:

  • SMB= [ (1.5 - 1.0) + (2.0 - 1.4) + (2.8 - 1.9) ] / 3

    = [0.5 + 0.6 + 0.9] / 3

    =0.67%

    解读:该月小盘股整体跑赢大盘股0.67%。

  • HML= [ (2.8 - 1.5) + (1.9 - 1.0) ] / 2

    = [1.3 + 0.9] / 2

    =1.10%

    解读:该月价值股整体跑赢成长股1.10%。


四、实务应用与注意事项

  1. 数据来源:学术研究通常使用肯尼斯·弗伦奇(Kenneth French)数据图书馆提供的现成因子数据(针对美国市场)。中国A股市场也有相应的CSMAR、Wind等数据库提供因子数据。
  2. 频率:因子通常计算为月度收益率序列。
  3. 模型回归:在分析基金或股票表现时,将其超额收益(Rt−Rf)对市场因子(Mkt-Rf)、SMB、HML进行时间序列回归,系数(因子载荷)即为对该风格的风险暴露。
    • R−Rf=α+β1∗(Mkt−Rf)+β2∗SMB+β3∗HML+εR - R_f = α + β_1*(Mkt-R_f) + β_2*SMB + β_3*HML + εRRf=α+β1(MktRf)+β2SMB+β3HML+ε
  4. 局限性
    • 动态变化:小盘和价值溢价并非每一年都存在,有时会出现长期失效(如2010年代成长股长期跑赢价值股)。
    • 市场差异:因子效应在不同国家(如新兴市场)的显著性和稳定性存在差异。
    • 数据依赖:B/M比率依赖年报数据,存在滞后性。

总结

SMB和HML是量化投资和资产定价的基石因子。其核心计算思想是通过独立双重排序构建对冲组合,剥离出纯粹的“规模”和“价值”风险溢价。理解其构建方法有助于深刻洞察因子投资的本质,而非仅仅将其视为一个回归变量。

http://www.jsqmd.com/news/816422/

相关文章:

  • 专业级AI集成实践指南:3种方法深度定制智能设备
  • 物理信息神经网络与GAN的完美结合!最新思路顺利拿下一区Top!
  • 社区养老保障|智慧养老|基于springboot+小程序社区养老保障系统设计与实现(源码+数据库+文档)
  • 液冷 manifold 清洁度颗粒物检测设备黑马频出,实测对比见真章-西恩士 - 工业干货社
  • 载誉前行!洽客科技亮相深圳(湾区)国际品牌周 - 品牌企业推荐师(官方)
  • 10分钟掌握YuukiPS Launcher:动漫游戏启动器的完整实战指南
  • Halcon频域滤波避坑指南:搞懂`gen_highpass`和`gen_lowpass`的‘dc_center’与‘none’参数,别再让频谱图对不齐
  • 拼单功能的设计实战
  • open_prj20_MPSOC概述
  • WebSocket安全审计:构建OpenClaw弱令牌检测工具BruteClaw
  • 为现有 OpenAI 兼容应用快速切换至 Taotoken 端点
  • 现场服务管理数字化转型的关键路径
  • OpenClaw仪表盘:基于Next.js的自托管自动化任务控制中心
  • 从零构建主权身份系统:DID与可验证凭证技术实践
  • 谷歌正式宣布Gemini Intelligence:AI不再是“对话机器人”,而是你真正的“数字员工”
  • 掌握多模态RAG:图文并茂的知识库构建与检索,小白程序员必备收藏指南
  • GitHub AI副驾驶实战:用run-gemini-cli自动化代码审查与Issue管理
  • 量化基石:深入解析盈利因子(RMW)和投资因子(CMA)
  • 抖音批量下载器终极指南:5步实现高效无水印视频下载
  • OpenClaw AI助手集成Rocket.Chat:实时通信与多账户配置详解
  • 【YOLO目标检测全栈实战】26 模型剪枝与量化:把YOLO塞进边缘设备的“瘦身”秘籍
  • Flutter+开源鸿蒙实战:企业级工具类APP开发教程(含第三方库适配)
  • 2026届学术党必备的AI写作工具实测分析
  • 2026年少儿编程哪家不踩雷?品牌资质、课程与教学模式全解析 - 科技焦点
  • 2026届最火的六大AI论文平台实际效果
  • Blender化学插件:3分钟创建专业级分子可视化模型
  • 终极简单指南:如何使用 Gofile 下载器轻松获取文件
  • 从 NIST 到 OpenID:AI Agent 身份与授权正在成为企业级 AI 落地的基础议题
  • 离线优先AI助手实战:本地部署PersonalTaskAgent,打造私有自动化工作流
  • 开源交易副驾驶OpenClaw:模块化架构与AI驱动的市场监控实践