标签： #grs检验

你造了一个候选新因子,回测漂亮——但它到底是真增量,还是旧模型(比如市场因子)早就解释过的东西换了个皮?因子跨越检验(spanning test)干的就是这件事:检验「新因子的载荷是否联合为零」。本文用 Huberman-Kandel / GRS 型联合 F 检验,在 8 个测试组合上跑两个对照——冗余因子(F=0.19,p=0.99,不拒绝H0)vs 真增量因子(F=6.11,p≈0,拒绝H0,真实载荷 0.5 被还原成 0.51)——把「新因子有没有增量信息」从嘴炮变成可计算的统计判决。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）。