美国市场证据显示股票收益受因子模型回归的影响

当需要检验资产组合是否存在与某种风险因子无关的超额收益时，Fama和French（1993）提出三因子模型（FF风险模型）方法被广泛采用。例如Fama和French（1993）为了探究资产组合收益率是否全部来源于市场、规模和价值因子，构造出代表各自资产组合收益率之差的市场因子（MKT）、规模因子（SMB）和价值因子（HML），用这些因子对资产组合收益率进行回归，如果回归模型的截距项不显著异于零，说明这些风险因子足以解释资产组合收益率。

本书以Fama和French（1993）构造Size因子为例具体阐述因子构造的方法。其基本思路是通过构造多头小规模股票—空头大规模股票的资产组合，用这一对其他风险不敏感的资产组合收益率来近似表示承担一单位Size风险获得的收益，即SMB因子。具体而言，这一资产组合的收益率，即SMB等于三组小规模资产组合收益率的均值（Small Low组、Small Medium组、Small High组）与三组大规模资产组合收益率的均值（Big Low组、Big Medium组、Big High）之差。

Fama和French（1993）用同样的方法构造出价值因子（HML），提出三因子模型，用市场因子（MKT）、规模因子（SMB）和价值因子（HML）对各个资产组合收益率进行回归分析，再用GRS test（Gibbons，Ross and Shanken，1989）的方法检验截距项（α值）的联合显著性得出这些因子是否能有效解释股票收益率的结论。

此后，用因子回归来检验定价模型的做法被学者广泛接受。Carhart（1997）在Fama-French三因子模型的基础上，通过引入动量因子（UMD entum factor）而改进、构造了四因子模型。其中，UMD表示高收益股票与低收益股票的收益率之差。(www.xing528.com)

Carhart四因子模型中新加入的动量因子能够对市场上的“趋势效应”进行有效解释，它所表示的“动量效应”的时间间隔可以是较长的一段时间，比如Carhart四因子模型（1997）中是一年，也可以是较短的一段时间，比如一个月。

四因子模型认为，一个投资组合（包括单个股票）的超额回报率可由它对四个因子的暴露来解释，四因子模型是为了控制系统性风险对股票的影响，对原始回报进行调整，取得控制了风险因子后的超额回报。同时，通过考察Carhart四因子模型对于样本数据的拟合程度与模型中各因子系数的显著性，可以说明判断四因子模型对于研究样本的可靠性与适用性。

Fama和French（2015）在三因子模型的基础上加入盈利能力因子和投资因子，发展出解释能力更强的五因子模型，其中盈利能力因子用ROE来衡量，盈利能力风险是指盈利能力较高的行业一般会伴随着更高的风险。王茵田等（2011）用市场风险溢价、账面市值比、盈利股价比、现金流股价比、投资资本比、工业增加值变化率、回购利率和期限利差构造八因子模型，得到了更优的预测效果。