标签： #资产定价

你费劲做出来一个策略，年化 alpha 8%、t 值 3.5，兴奋地以为挖到金矿——然后有人用 Carhart 四因子一套，alpha 归零，那 8% 全是「小盘+价值+动量」三种风格溢价的拼装。Carhart (1997) 在 Fama-French 三因子里加了第四个：动量 (Mom, 赢家减输家)，专门吃掉「追涨杀跌」那部分收益。本文用纯 numpy 合成 25 个规模×B/M 组合 + WML 动量组合，时间序列回归亲手跑：CAPM 在 25 组合上留下 -2.16%~+9.03% 的结构化 α（均值 |3.84%|），四因子几乎清零（均值 |0.65%|）；WML 动量组合的 CAPM α 高达 +9.02%，四因子下塌到 +0.96%。并诚实拆穿复制危机/FF5 把 HML 拆了/RM-Rf 不是真 beta/交易成本/因子动物园五类真实陷阱（中阶）。

Stambaugh-Yuan (2017) 发现学术界几百个「异象」大多不是独立 alpha，而是两坨系统性误定价的症状。本文从零用 PCA 把 17 个异象坍缩成 MGMT 与 PERF 两个误定价因子，并用时间序列回归证明：FF3 下异象平均留 4.28% 的年化 alpha，加入 MGMT+PERF 后塌到 0.58%。附完整 Python 与五类真实陷阱（中阶）。

一个因子(风格因子、宏观因子、文本情绪因子)本身往往不可直接交易——你没法在交易所「买入价值因子」。但 APT / 因子定价框架要求每个因子对应一个「因子模拟组合(FMP)」,它的收益跟该因子相关性最高,于是抽象因子被投影成一组可交易资产的多头-空头权重。本文用真实数值演示:怎么用 w = Σ⁻¹·Cov(R,f) / 𝟙ᵀΣ⁻¹Cov(R,f) 闭式解造出 FMP、它和因子相关性从等权的 0.376 拉到 0.739、以及关键的「因子 Sharpe 上界 vs FMP 实现 Sharpe」边界(损耗 17.7%)。附完整 Python 与六类真实陷阱(中阶)。

标准 CAPM 只认市场 beta，但小盘股、低换手债、垃圾债在危机时跟市场一起「流动性干涸」，这层风险它看不见。Pastor-Stambaugh 把「市场层面的流动性创新 LIQ」当成第二个风险因子，给资产加一道流动性 beta。本文用 360 月、60 资产的合成面板真实跑通两步估计:流动性调整横截面 R² 从 0.103 拉到 0.865、估计出 lambda=0.0072(真实 0.0080)、按流动性 beta 五分位排序最高组比最低组多赚 9.74%/年——这就是流动性给资产贴的「折扣」对应的补偿。附完整 Python 与六类真实陷阱(中阶)。

Fama-French 三因子（MKT/SMB/HML）在 1980s-2000s 暴露两大漏洞：它解释不了「高盈利公司未来回报更高」（盈利能力异常）和「保守投资公司未来回报更高」（投资异常）。Fama 和 French 自己在 2015 年给出答案：往模型里加 RMW（高盈利减低盈利）和 CMA（保守减激进投资）两个因子，变成五因子。本文用与 q 因子模型同构的合成面板实跑：RMW 多空 Sharpe 5.51、CMA Sharpe 4.86、HML Sharpe 2.36；在 18 个测试组合上 FF5 平均 R² 0.977 高于 FF3 的 0.973、平均 |alpha| 0.0007 远低于 FF3 的 0.0025，GRS 检验 F 统计量从 55.21 暴跌到 0.65——说明 RMW/CMA 确实补上了 FF3 的洞。附完整 Python 与六类真实陷阱（高阶）。

经典的 Fama-French 三因子用 MKT/SMB/HML 解释截面收益，但 Hou-Xue-Zhang（2015）的 q 因子模型提出一个更彻底的经济学叙事：HML 只是「低投资」的代理，SMB 只是「小盘更易被错误定价」的代理。真正驱动截面的是投资（IA）与盈利（ROE）两个经济变量，背后是投资学的 q 理论。本文用合成面板实跑：ROE 多空 Sharpe 5.51、IA 多空 Sharpe 4.86、纯规模信号几乎被盈利/投资吸收（Sharpe −0.02），q 四因子对截面组合平均 R² 0.974 高于 FF3 的 0.973、平均 |alpha| 0.0021 低于 FF3 的 0.0025，Tobin's q 与未来收益呈负向（corr −0.68）——正是 q 理论的直接证据。附完整 Python 与七类真实陷阱（高阶）。

Fama-MacBeth 把「因子能不能赚到风险溢价」拆成两步：先估每家公司对因子的暴露、再逐月截面回归把暴露定价成 λ̂。合成里 λ̂ 精确还原真值，Newey-West 修正压低虚高 t 统计，单因子定价误差 |α|=0.78、补全因子后塌到 0.003，附完整 Python 与六类真实陷阱（高阶）。

杠杆厌恶因子(原 BaB)不是又一个风险因子，而是质疑 CAPM 本身：受杠杆约束的投资者推高高 β 价格、压低低 β 价格，使证券市场线(SML)被压平、低 β 反而跑赢。从零实现 beta 十分位、SML 检验与杠杆中性组合，附完整 Python 与六类真实陷阱（高阶）。