本论文研究了Fama-French三、四、五因子模型中条件和无条件分位数回归(CQR与UQR)方法的异同与效果。结果显示,因子载荷在资产收益分布的不同分位数存在显著差异,尤其在极端分位数(尾部)与均值回归的OLS估计存在明显偏差。UQR估计提供了更为清晰且易解释的因子效应,且置信区间更窄,为理解市场风险的不同状态下的表现提供了重要视角,有助于资产定价及因子投资策略设计 。
| 因子/组合 | 最小值 | 中位数 | 最大值 | 平均值 | 标准差 | 偏度 | 峰度 | 正态性检验(JB) | AR1 | ERS单位根检验 |
|---|---|---|---|---|---|---|---|---|---|---|
| MKT | -23.24 | 1.01 | 16.10 | 0.58 | 4.48 | -0.50 | 4.72 | 121.42*** | 0.04 | -14.33*** |
| SMB | -17.20 | 0.09 | 21.36 | 0.17 | 3.05 | 0.44 | 7.65 | 685.72*** | 0.05 | -15.14*** |
| HML | -13.88 | 0.20 | 12.80 | 0.28 | 3.00 | 0.09 | 5.22 | 151.93*** | 0.16 | -11.46*** |
| MOM | -34.30 | 0.72 | 18.20 | 0.61 | 4.20 | -1.30 | 12.65 | 3052.44*** | 0.04 | -15.73*** |
| RMW | -18.65 | 0.26 | 13.07 | 0.29 | 2.22 | -0.28 | 13.89 | 3634.06*** | 0.16 | -15.43*** |
| CMA | -7.20 | 0.09 | 9.07 | 0.26 | 2.07 | 0.27 | 4.45 | 72.97*** | 0.14 | -9.25*** |
报告标题: Conditional and Unconditional Quantile Regressions for Fama-French Factor Models
作者: Jens J. Krüger
机构: 德国达姆施塔特工业大学经济与法律系
发布日期: 2025年6月
研究主题: 探讨Fama-French因子模型下条件与无条件分位数回归方法在股票收益分布上的应用与比较
本报告以Fama-French多因子模型为研究对象,系统比较并实证分析了传统基于OLS的均值回归与两种分位数回归(条件分位数回归,CQR和无条件分位数回归,UQR)在估计股票组合收益分布中因子载荷的表现差异。作者指出,现有实证金融分析中极少使用分位数回归方法,本文填补此空白,尤其强调UQR在解释无条件收益分布量化因子影响上的优势。通过对3因子、4因子(加入动量因子)、5因子(再加入盈利能力与投资因子)模型多样组合的实证,揭示了传统OLS估计或CQR对收益极端分位数下因子定价影响的不足,强调UQR在尾部分位上的显著差异及其在风险管理和策略制定中的潜在价值。报告核心信息是分位数回归特别是UQR能提供比均值回归更丰富、更准确的风险信息,值得在量化投资策略中广泛采用,1,2]。
报告开篇详述因子模型的发展历程,强调Fama-French模型在股票收益解释中的成功,并指出传统使用最小二乘法(OLS)仅估计收益均值下因子影响,忽视收益分布不同部分的动态。文中提出量化分位数回归的应用不足,归因于CQR的解释复杂性。报告认定风险管理尤其关注收益分布的尾部(极端收益事件)变化,这正是分位数回归的优势。正因如此,作者建议采用Firpo等(2009)提出的UQR方法,将因子影响定位在无条件收益分布特定分位数,更易解释且更符合资产定价需求。文中还补充了稳健回归方法的使用,指出金融数据普遍存在厚尾特征(高峰态),稳健方法在异常值处理上更有效。本文在多因子模型不同回归方法下全面比较因子载荷的表现,2]。
本部分数学化定义了传统CQR和UQR。
数据来源于Kenneth French数据集,使用1963年7月至2024年9月的月度数据。考察的因子包括:
模型组合包括经典3因子模型(FF3)、4因子(FFC4,加入MOM)、5因子(FF5,加入RMW与CMA)。测试组合包括2×3市值与账面市值组合及5个行业组合。附带全面描述性统计,展现金融因子和组合收益返回的相关统计量与特征,体现出金融市场收益的厚尾(超峰态/高峰度)与轻微负偏态,单位根测试结果支持序列的平稳性,6]。
表1详细列出因子和组合收益的最小值、最大值、均值、中位数、标准差、偏度、峰度、Jarque-Bera正态检验以及自相关和单位根检验。结果显示所有变量均展现典型金融时间序列特征:正均值、较大波动率、负偏度及明显峰态(峰度远大于3),Jarque-Bera对所有序列均拒绝正态假设。时间序列体现在一阶自相关系数不高但显著,结合单位根检验显示收益序列是弱平稳的。内生金融危机事件(1987年股灾、2000年科技泡沫破裂、2008年金融危机以及2020年疫情崩盘)事件的极端影响在偏度与峰度中得以体现。综合箱线图(图1)直观显示异常值的广泛存在及影响程度,7]。
内容: 因子与测试组合收益的基本统计特征及单位根测试结果。
解读: 反映了市场以及因子收益的厚尾性质、非对称分布及平稳性,提示传统OLS可能受异常值影响,而分位数及稳健回归方法更能捕捉收益分布整体性特征。
价值: 支撑下文模型选择,理由充分且统计表现符合理财数据的现实特征。
内容: 因子、2×3组合和5行业组合收益的箱线图。
解读: 盒须延伸显示收益分布范围,多数变量存在大量异常高/低值,且明显超过1.5倍四分位距的异常点提示。
联系: 进一步说明数据厚尾特征,提示稳健及分位数方法必要性。图表的设计清晰表达了收益离散与偏态,理论支撑文本对市场异态的描述。
本报告不直接涉及估值模型如DCF或倍数法,而着重于因子载荷的统计估计和分析,故此部分不涉及传统估值框架。但通过分位数回归捕捉的因子载荷有助于调整风险溢价及尾部风险预期,从而间接影响资产估值和投资组合组合选择。
报告聚焦风险主要体现在:
缓解策略主要是推广使用UQR和稳健回归,加强尾部风险监控和动态风险管理,2,4,16].
综上,报告观点鲜明且数据充分,方法严谨,但对其他方法潜在补充价值及模型扩展预期略显简化,建议结合多种方法综合分析以增强稳健性和预测力,16,17]。
本报告系统比较了OLS均值回归、稳健回归、条件分位数回归(CQR)与无条件分位数回归(UQR)在Fama-French多因子模型因子载荷估计中的表现。通过1963至2024年Kenneth French数据,涵盖经典、动量、盈利能力和投资因子,实证检验了6个股票测试组合(2×3市值账面价值排序组合及5个产业组合)。
整体来看,报告严谨系统地说明了因子风险在收益分布各部分的非均质性,明确了UQR作为实证工具的优势和实用价值,拓展了经典资产定价分析视角,具有较高的学术与应用价值。
图1: 因子及投资组合收益箱线图,突出显示厚尾和离群点分布。
图2: 三因子模型(CQR)各因子分位数载荷估计与OLS/稳健估计对比,展示载荷随分位数变化曲线与置信区间。
图3: 三因子模型(UQR)因子载荷的∪形特征及置信区间,相较CQR置信更紧,解释更直观。
更多图示详见正文及附录完整列表,反映不同模型与组合下分位数载荷的差异与动态稳定性。
总结: 本报告通过量化方法展示了分位数回归在资产定价中的关键作用,特别凸显无条件分位数回归在极端风险度量与解释上的优势。研究强化了风险分布异质性在投资组合管理及理论模型中的重要性,推动资产定价实证分析的视角从均值向分布全貌转变。
若引用本文重要结论,则请在句末标注对应页码,如,10]等,便于溯源验证。
ssrn-5315518.pdf