用Python拆解Fama-French三因子模型：从金融术语到可执行代码的实战指南

当量化投资遇上Python，那些看似高深的金融模型突然变得触手可及。今天我们要做的，就是把诺贝尔奖级别的Fama-French三因子模型(FF3)从学术论文中解放出来，变成你Jupyter Notebook里可运行、可修改、可扩展的活代码。这不是一篇充满数学公式的理论文章，而是一份"所见即所得"的实战手册——我们会用中国A股市场真实数据，一步步演示如何用Python实现这个经典模型。

1. 破除神秘感：三因子模型本质就是多元线性回归

很多量化新手第一次接触FF3模型时，会被各种专业术语吓到：市场风险溢酬因子(Rmt)、市值因子(SMB)、账面市值比因子(HML)、阿尔法、贝塔...但实际上，这些听起来高大上的概念，本质上就是统计学中最基础的多重线性回归。

模型本质拆解：

• 阿尔法(α)：回归方程的截距项，衡量无法被因子解释的超额收益
• 贝塔(β)：各因子对应的回归系数，反映股票收益对该因子的敏感度
• 三因子：就是三个自变量X₁(Rmt)、X₂(SMB)、X₃(HML)

用Python代码表示，模型其实就是：

python复制from statsmodels.formula.api import ols
model = ols("股票收益 ~ Rmt + SMB + HML", data=df).fit()

1.1 因子经济含义的Python式理解

让我们用更"程序员友好"的方式理解这三个因子：

提示：在实际操作中，我们通常直接使用学术机构计算好的因子数据，避免自己构建投资组合的复杂过程。

2. 数据准备：获取与处理三因子数据

2.1 因子数据源选择与获取

国内常用的免费因子数据来源包括：

• 中央财经大学金融学院发布的五因子数据
• 国泰安(CSMAR)数据库
• 万得(Wind)金融终端

本文使用央财数据示范，其日频数据包含以下字段：

python复制import pandas as pd
factors = pd.read_csv('fivefactor_daily.csv', 
                     index_col='trddy',
                     parse_dates=['trddy'])
print(factors.columns)

# 输出示例：
# Index(['mkt_rf', 'rf', 'smb', 'hml', 'rmw', 'cma'], dtype='object')

2.2 股票数据获取与收益率计算

使用baostock获取个股数据并计算对数收益率：

python复制import baostock as bs
import numpy as np

# 登录baostock
lg = bs.login()

# 获取贵州茅台(600519)日线数据
rs = bs.query_history_k_data_plus(
    "sh.600519",
    fields="date,close",
    start_date='2021-01-01',
    end_date='2022-12-31',
    frequency="d",
    adjustflag="3")

# 转换为DataFrame
k_data = rs.get_data()
k_data = k_data.set_index('date')
k_data['close'] = k_data['close'].astype(float)

# 计算对数收益率
k_data['return'] = np.log(k_data['close'] / k_data['close'].shift(1))
k_data = k_data.dropna()

bs.logout()

2.3 数据合并与清洗

将因子数据与个股数据按日期对齐：

python复制from datetime import datetime

# 确保日期范围一致
start_date = max(factors.index.min(), k_data.index.min())
end_date = min(factors.index.max(), k_data.index.max())

# 数据合并
merged_data = pd.merge(
    factors.loc[start_date:end_date, ['mkt_rf', 'smb', 'hml']],
    k_data['return'],
    left_index=True,
    right_index=True
)

# 重命名列
merged_data = merged_data.rename(columns={
    'mkt_rf': 'Rmt',
    'return': 'stock_return'
})

3. 模型构建与结果解读

3.1 使用statsmodels进行回归分析

python复制import statsmodels.api as sm

# 添加常数项(阿尔法)
X = sm.add_constant(merged_data[['Rmt', 'smb', 'hml']])
y = merged_data['stock_return']

# 拟合模型
model = sm.OLS(y, X).fit()

# 输出结果摘要
print(model.summary())

典型回归结果输出示例：

code复制                            OLS Regression Results                            
==============================================================================
Dep. Variable:           stock_return   R-squared:                       0.487
Model:                            OLS   Adj. R-squared:                  0.481
Method:                 Least Squares   F-statistic:                     89.34
Date:                Mon, 01 Jan 2023   Prob (F-statistic):           1.23e-38
Time:                        12:00:00   Log-Likelihood:                 678.91
No. Observations:                 487   AIC:                            -1348.
Df Residuals:                     483   BIC:                            -1331.
Df Model:                           3                                         
Covariance Type:            nonrobust                                         
==============================================================================
                 coef    std err          t      P>|t|     [0.025      0.975]
------------------------------------------------------------------------------
const          0.0002      0.000      0.785      0.433      -0.000       0.001
Rmt            0.8241      0.049     16.689      0.000       0.727       0.921
smb           -0.3021      0.088     -3.419      0.001      -0.475      -0.129
hml            0.4583      0.079      5.774      0.000       0.302       0.614
==============================================================================

3.2 关键指标解读指南

如何判断模型效果和因子显著性：

1. 系数显著性：

   • P值(P>|t|) < 0.05表示因子显著
   • 本例中所有因子都显著(p值<0.01)

2. 模型解释力：

   • R²在0-1之间，越接近1解释力越强
   • 本例R²=0.487，说明三因子能解释48.7%的收益波动

3. 因子影响方向：

   • Rmt系数0.82：与市场同向波动
   • SMB系数-0.30：呈现一定的大盘股特征
   • HML系数0.46：具有价值股属性

3.3 结果可视化分析

绘制各因子与收益率的散点矩阵图：

python复制import seaborn as sns
import matplotlib.pyplot as plt

sns.pairplot(merged_data, 
             vars=['stock_return', 'Rmt', 'smb', 'hml'],
             kind='reg',
             plot_kws={'line_kws':{'color':'red'}})
plt.show()

计算并可视化相关系数矩阵：

python复制corr_matrix = merged_data.corr()
sns.heatmap(corr_matrix, 
            annot=True,
            cmap='coolwarm',
            center=0)
plt.title('收益率与三因子相关系数矩阵')
plt.show()

4. 模型扩展与实战应用

4.1 多股票批量分析框架

封装分析流程为可重用函数：

python复制def analyze_ff3(stock_code, start_date, end_date):
    """三因子模型分析流水线"""
    # 获取股票数据
    stock_data = get_stock_data(stock_code, start_date, end_date)
    
    # 获取因子数据
    factors = get_factor_data(start_date, end_date)
    
    # 数据合并与清洗
    merged_data = merge_and_clean(stock_data, factors)
    
    # 回归分析
    model = run_ff3_regression(merged_data)
    
    # 计算绩效指标
    metrics = calculate_performance(stock_data)
    
    return {
        'coefficients': model.params.to_dict(),
        'metrics': metrics,
        'summary': model.summary2().tables[1]
    }

4.2 绩效评价指标实现

实现常见的量化评价指标：

python复制def calculate_sharpe_ratio(returns, rf=0.000041):
    """计算年化夏普比率"""
    excess_returns = returns - rf
    return np.sqrt(252) * excess_returns.mean() / excess_returns.std()

def max_drawdown(prices):
    """计算最大回撤"""
    peak = prices.expanding(min_periods=1).max()
    drawdown = (peak - prices) / peak
    return drawdown.max()

# 应用示例
sharpe = calculate_sharpe_ratio(merged_data['stock_return'])
mdd = max_drawdown(k_data['close'])

4.3 因子模型进阶方向

三因子模型可以进一步扩展为：

1. Carhart四因子模型：

   • 增加动量因子(UMD)
   • 收益 ~ Rmt + SMB + HML + UMD

2. Fama-French五因子模型：

   • 增加盈利因子(RMW)和投资因子(CMA)
   • 收益 ~ Rmt + SMB + HML + RMW + CMA

3. 行业中性化处理：

   python复制from sklearn.preprocessing import StandardScaler
   
   # 对因子进行行业调整
   def adjust_by_industry(factors, industry_dummies):
       scaler = StandardScaler()
       adjusted = factors.copy()
       for col in factors.columns:
           model = sm.OLS(factors[col], industry_dummies).fit()
           adjusted[col] = scaler.fit_transform(model.resid.values.reshape(-1,1))
       return adjusted
   

5. 常见问题与调试技巧

5.1 数据对齐问题

问题场景：

• 股票交易日与因子数据日期不匹配
• 存在停牌日导致数据缺失

解决方案：

python复制# 前向填充停牌日数据
merged_data = merged_data.asfreq('D').ffill()

# 或者只保留共同交易日
merged_data = merged_data.dropna()

5.2 回归结果不显著

可能原因及对策：

1. 因子数据质量问题：

   • 检查因子计算方式
   • 尝试不同数据源交叉验证

2. 股票特性不符：

   • 小盘股对SMB因子更敏感
   • 价值股对HML因子更敏感

3. 时间区间选择：

   • 延长样本周期
   • 避开特殊市场时期(如股灾)

5.3 模型过拟合识别

检测方法：

python复制from sklearn.model_selection import TimeSeriesSplit
from sklearn.metrics import mean_squared_error

# 时间序列交叉验证
tscv = TimeSeriesSplit(n_splits=5)
mse_scores = []

for train_idx, test_idx in tscv.split(X):
    X_train, X_test = X.iloc[train_idx], X.iloc[test_idx]
    y_train, y_test = y.iloc[train_idx], y.iloc[test_idx]
    
    model = sm.OLS(y_train, X_train).fit()
    pred = model.predict(X_test)
    mse_scores.append(mean_squared_error(y_test, pred))

print(f'交叉验证MSE: {np.mean(mse_scores):.6f}')

6. 从研究到实盘的注意事项

当模型表现良好准备实盘时，还需要考虑：

1. 交易成本影响：

   python复制# 考虑手续费后的净收益
   def net_return(gross_return, turnover, fee=0.0003):
       return gross_return - turnover * fee
   

2. 因子衰减检验：

   python复制# 滚动回归检验因子稳定性
   rolling_betas = pd.DataFrame()
   window_size = 60  # 3个月滚动窗口
   
   for i in range(window_size, len(merged_data)):
       roll_data = merged_data.iloc[i-window_size:i]
       model = sm.OLS(roll_data['stock_return'], 
                     sm.add_constant(roll_data[['Rmt','smb','hml']])).fit()
       rolling_betas = rolling_betas.append(model.params, ignore_index=True)
   
   rolling_betas.plot(title='滚动回归系数变化')
   

3. 风险控制模块：

   python复制# 简单的波动率控制
   def volatility_adjusted_position(target_vol, 
                                   predicted_vol, 
                                   current_position):
       leverage = target_vol / predicted_vol
       return current_position * leverage
   

在实盘前，建议至少进行：

• 3年以上的历史回测
• 不同市场环境下的压力测试
• 参数敏感性分析