回歸
如何解讀 French-Fama SMB 因素？
我對 Fama French 因子的 10 個投資組合進行了回歸，並在 SMB 因子上獲得了顯著的負載。但是，如果我查看這些投資組合的實際平均市值，那麼因子負載最高的投資組合併不是市值最小的投資組合。這可能是什麼原因？
我的投資組合是等權重的，所以它們都至少對 SMB 因素有輕微的正面影響。
表現得像小盤投資組合的投資組合不一定是小盤投資組合。您的回歸顯示的是外觀，而不是基本面。
通過假設您在複製模型時遵循的程序是正確的並且在數據探勘或質量方面沒有錯誤，您的發現可能會受到多種原因的影響和影響。
我報告如下，據我所知，這些可能是主要的：
- 數據樣本：您用於複製 Fama-French 模型的數據集在觀察和時間段方面可能太少；請記住，在幾乎所有的論文中，Fama & French 都使用了可以分析幾年（至少 20 年）的數據樣本。
所以，盡量增加數據集的時間段和觀察次數，以獲得更好的結果；
- 投資組合粗糙：您的一些投資組合可能由太少的股票組成，結果可能會出現偏差；因子載荷應該在市值中單調遞減。
確保每個投資組合由相同數量的股票（或多或少）組成，並使用分佈百分位數建構它們。
- 填充類別：每個投資組合必須填充足夠數量的股票，這些股票或多或少具有相似的經濟特徵並消除其他股票。
- 計量經濟學問題：檢查有關線性回歸模型的所有假設（正態性、同變異數性、自相關性……），以使您的結果獲得更高的可靠性。
- 時間段：可能是他們的結果受到他們在分析中使用的時間段的影響，並且該現像在過去幾年中消失了；SMB變數是基於Small Size效應的，事實證明，這種現像在有人將它們變為公共領域後消失，例如發表論文。想想一月效應：有很多文件證明它消失了！
這些是可能影響您的結果的一些主要問題。
檢查他們，如果他們都滿意，請閱讀後來的 Fama & French 的論文，檢查他們分析樣本的方式是否與您的相同。