使用 Fama 和 French 因素數據篩選是否具有依賴性？
Fama and French (1993)三個因子可在Kenneth French 的數據庫中找到。一些論文使用它們，因為它們在那裡提供，而另一些則重新計算它們。如果Fama 和 French (1993)使用一些不同的數據篩選，例如排除更多或更少的股票，這將產生不同的因素。
我的問題是：使用這些因素數據篩選是否有依賴性？在估計多因素模型時，我是否必須使用與他們完全相同的數據篩選？此外，如果我形成行業組合，（計算行業組合超額收益而不是股票超額收益）我可以使用相同的因子還是應該創建新的因子，為什麼？
通常，最好確定 FF93 風險敞口對您的數據的影響。FF93 使用非常全面（讀取成本高）的數據集，因此您的可投資領域很可能是不同的。
如果您正在調查諸如 SP500 之類的大型庫存領域，我會覺得使用 Ken French 網站上的 FF 因素會很舒服。如果不是這種情況，假設您還檢查小型股票或其他國家/地區，那麼我將確定您的數據集的風險敞口。
FF 因子的風險溢價在小型股票中往往更強，因此過濾和確定最小規模確實很重要。例如，英國（富時 1000 指數）展示了很大一部分小股票。我認為 FF08 不包括市值低於 12.5 美元的公司。克服這個問題的最佳方法是使用適當的斷點（相當於 FF 使用的 NYSE 斷點）並採用價值加權而不是等權重。
fama and french 數據庫相對於當時市場上可用的資產範圍每月更新一次。1973 年使用的資產範圍與去年 12 月使用的資產範圍不同。
我建議使用五因素模型 FF(2014)
由於投資組合理論假設任何股票的 CAPM beta 與市場之間存線上性正相關關係，因此您的問題的答案是否定的，它不依賴。請記住，可用的因子變數僅適用於美國股票，對其他人無效。
如果您想分析歐盟市場，您可以通過使用最大的歐盟指數的平均回報作為市場組合來形成基於區域的投資組合，然後為 SMB 做多小盤股和做空大盤股，並做多高 B/M 和做空低 B/ M 為 HML 因子。