杜不知道1. 三因子模型的前世今生
1992年，尤金·法玛(Eugene Fama)和肯尼斯·弗伦奇(Kenneth French)在《金融学杂志》上发表了一篇颠覆性的论文。他们发现传统的资本资产定价模型(CAPM)在解释股票收益率时存在明显不足，于是提出了一个包含三个关键因子的新模型。这个发现不仅让他们获得了诺贝尔经济学奖，更为量化投资领域带来了革命性的变革。
三因子模型的核心思想其实很简单：股票收益率不仅受市场整体表现影响，还和公司规模、估值水平密切相关。想象一下你去菜市场买菜，菜价不仅受整体物价水平影响，小摊贩的菜价波动往往比大超市更剧烈，而且某些特殊品种的蔬菜价格走势也与众不同。股票市场也是类似的道理。
具体来说，三个因子分别是：
- 市场风险溢酬因子(Rmt)：可以理解为大盘涨跌带来的收益，就像天气好坏会影响所有摊位的生意
- 市值因子(SMB)：小公司相比大公司特有的风险收益特征，好比小摊位比连锁超市对客流变化更敏感
- 账面市值比因子(HML)：价值股相比成长股的特有表现，类似于特价蔬菜和有机蔬菜的价格波动规律不同
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 搭建Python分析环境
工欲善其事，必先利其器。在开始建模前，我们需要准备好Python量化分析的"工具箱"。我推荐使用Anaconda创建专属的量化分析环境，这样可以避免各种包版本冲突的问题。下面是具体的环境配置步骤：
bash复制conda create -n quant python=3.8
conda activate quant
pip install baostock pandas numpy statsmodels matplotlib seaborn
这里特别推荐使用baostock这个免费的数据接口，相比其他商业数据源，它有几个明显优势：
- 完全免费且数据质量可靠
- 提供完整的A股历史数据
- 接口稳定，文档齐全
我曾经尝试过多个数据源，最终发现对个人研究者来说，baostock是最经济实惠的选择。不过要注意的是，它需要先登录才能获取数据：
python复制import baostock as bs
lg = bs.login()
# 你的数据查询代码
bs.logout()
3. 获取和准备因子数据
因子数据就像是做菜的原材