1. 先搞清楚这个数据包到底能帮你解决什么问题如果你正在做A股市场的实证研究尤其是资产定价、因子投资或者公司金融相关的课题那么Fama-French五因子模型的数据和代码就是你绕不开的工具。这个数据包的核心价值在于它把最耗时、最容易出错的“数据清洗和因子构建”环节给标准化了。你不用再自己从CSMAR、Wind或者国泰安数据库里一张张表下载、合并、计算市值、账面市值比、盈利、投资这些变量然后按月份分组、排序、构建投资组合、计算因子收益率。这个过程自己从头做一遍没个一两周下不来而且中间任何一个步骤的公式理解有偏差或者代码有bug整个结果就全错了。这个数据包通常指2000-2025年这个时间范围直接提供了基于中国A股市场数据计算好的五因子收益率序列市场风险溢价因子Rm-Rf、市值因子SMB、账面市值比因子HML、盈利因子RMW、投资因子CMA以及对应的无风险利率。你拿到手的是一个.dta格式的Stata数据集每一行代表一个月份或交易日取决于数据频率每一列就是一个因子。有了这个你的研究重心就可以从“怎么把数据算对”转移到“怎么用这些因子去检验我的假设”上。它最适合两类人一是赶毕业论文的硕士、博士研究生时间紧任务重需要快速进入模型估计和结果分析阶段二是需要快速复现或检验某个定价现象的学者或分析师。对于新手它能极大降低入门门槛对于有经验的研究者它能提供一个可靠的计算基准用于交叉验证自己的结果。2. 拿到数据后第一件事不是跑回归而是验证很多人拿到这类现成的数据会迫不及待地直接reg。我建议先停一下花十分钟做几个基础验证。这能帮你避免后续分析建立在错误数据上的风险。2.1 检查数据的基本结构和完整性首先在Stata里打开数据文件假设文件名为ff5_china.dta。use “你的路径/ff5_china.dta”, clear describe看一下describe的输出。重点关注观测数obs这应该等于从2000年1月到2025年12月或最新月份的总月份数。如果是日度数据观测数会非常多。变量variables至少应该包含以下核心变量date: 日期变量格式可能是ym年月、mdy等。mkt_rf: 市场超额收益率Rm-Rf。smb: 市值因子收益率。hml: 账面市值比因子收益率。rmw: 盈利因子收益率。cma: 投资因子收益率。rf: 无风险利率通常为月度化利率。存储类型收益率变量通常是float或double。接着用summarize看一下描述性统计。summarize mkt_rf smb hml rmw cma rf你要看几个关键点均值Meanmkt_rf的均值应该为正但不会特别大年化大概在6%-10%。smb,hml,rmw,cma的均值可正可负这是由A股市场特定时期的风格决定的。如果某个因子的均值大得离谱比如月均20%那数据可能有问题。标准差Std. Dev.因子的波动率。市场因子mkt_rf的波动通常最大。其他因子波动相对较小。最小值Min和最大值Max这里就能用到热搜词里的“stata最大值最小值命令”了summarize已经给出了。你要警惕异常值。比如某个因子收益率出现了-1即-100%或者2200%这样的极端值这很可能是在计算投资组合收益率时某个月份某个组合的股票数量极少甚至只有1只且该股票涨跌停造成的属于构造方法需要处理的边界情况。如果数据提供者没有妥善处理你的回归结果就会受到极端值严重影响。观测数Obs确保每个变量的观测数一致没有缺失值。2.2 进行简单的逻辑校验和可视化做完数字检查再做些逻辑校验。比如画一下因子的累积收益率曲线这是非常直观的验证方式。* 生成一个时间序列标识 gen time _n tsset time * 计算累积收益率假设因子收益率为小数形式如0.01表示1% gen cum_mkt (1 mkt_rf) if time1 replace cum_mkt cum_mkt[_n-1] * (1 mkt_rf) if time1 gen cum_smb (1 smb) if time1 replace cum_smb cum_smb[_n-1] * (1 smb) if time1 * 画图 line cum_mkt cum_smb time, legend(label(1 “MKT”) label(2 “SMB”))看图时问自己几个问题曲线是否连续没有诡异的跳空累积收益率的趋势是否符合你对A股市场如2007-2008, 2015, 2020-2021等时期的粗略认知SMB因子的累积曲线是否长期向上表明小盘股溢价这些基于常识的判断能帮你过滤掉明显的错误。2.3 检查因子间的相关性用pwcorr命令计算一下因子间的相关系数矩阵。pwcorr mkt_rf smb hml rmw cma, sig star(0.05)Fama-French五因子在设计上希望彼此有一定的独立性。你通常会看到smb和hml、rmw、cma的相关性可能不高。hml和rmw、cma之间可能存在一定的相关性因为都与公司的基本面有关。最重要的是检查有没有因子之间出现高度共线性例如相关系数大于0.8或小于-0.8。如果rmw和cma高度相关那么在回归中同时放入它们可能会导致系数估计不准确标准误膨胀。这不是数据的错而是模型本身在A股市场可能存在的现象但你需要意识到这一点。做完这三步你对数据的质量就有了基本把握可以更放心地用于后续分析。3. 从单资产检验到投资组合分析核心实证操作数据验证无误后就可以开始真正的实证分析了。这里我按从简单到复杂的顺序拆解几个最常用的操作。3.1 基础操作检验单个股票或投资组合的因子暴露这是最常见的用法。假设你有一个投资组合的月度收益率序列ret_port已经和因子数据按日期合并好了。你想看这个组合收益能被五因子解释多少。* 合并数据假设你的组合收益率数据在 portfolio.dta 里 merge 1:1 date using “portfolio.dta” keep if _merge 3 drop _merge * 计算组合的超额收益率 gen excess_ret ret_port - rf * 运行时间序列回归 reg excess_ret mkt_rf smb hml rmw cma回归结果出来后重点看调整R方Adj R-squared模型能解释组合收益波动的比例。对于高度分散化的组合如大盘指数R方可能很高0.9对于个股或特定行业组合R方可能较低。各因子系数Coef.及其显著性P|t|系数代表了组合对该因子风险的暴露程度。mkt_rf系数Beta接近1表示组合系统风险与市场同步。smb系数为正组合偏向小盘股。hml系数为正组合偏向价值股高账面市值比。rmw系数为正组合偏向高盈利公司。cma系数为正组合偏向低投资保守公司。截距项_cons这就是Alpha衡量经过五因子风险调整后的超额收益。如果Alpha显著为正说明组合有选股能力在A股市场主动基金常常以此作为业绩证明。3.2 进阶操作分组检验与亚组分析热搜词里有“stata如何做亚组分析”这在因子模型中非常常用。比如你想检验五因子模型在不同市值分组、不同行业下的解释能力是否相同。* 假设你有一个变量 size_group将股票分为“大盘”和“小盘”1/2 * 或者有一个变量 industry表示行业分类 * 方法1使用 bysort 分组回归 bysort size_group: reg excess_ret mkt_rf smb hml rmw cma * 方法2使用交互项模型更灵活可检验系数差异是否显著 gen mkt_large mkt_rf * (size_group1) // 大盘组的市场因子暴露 gen mkt_small mkt_rf * (size_group2) // 小盘组的市场因子暴露 * ... 同样为其他因子生成交互项 reg excess_ret mkt_large mkt_small smb_large smb_small hml_large hml_small rmw_large rmw_small cma_large cma_small * 然后通过 test 命令检验对应系数是否相等例如 test mkt_large mkt_small注意做亚组分析时每个子组的样本量不能太少否则回归结果不可靠。对于月度数据时间序列长度T至少要有60期5年以上。3.3 批量操作同时检验多个资产或组合你可能有几十个甚至上百个测试资产如所有行业组合、所有个股。手动一个个回归不现实。这时需要循环。* 假设你有100个组合的收益率变量名是 ret1, ret2, ..., ret100 local nport 100 forvalues i 1/nport’ { gen excess_reti’ reti’ - rf qui reg excess_reti’ mkt_rf smb hml rmw cma * 将关键结果存储起来 est store modeli’ * 或者提取Alpha和t值 matrix b e(b) matrix se e(V) scalar alphai’ b[1,6] // 假设截距项是第6个系数 scalar t_alphai’ alphai’ / sqrt(se[6,6]) * 将 scalar 存入变量 }批量处理的关键是做好结果的管理和输出。你可以把所有的Alpha、t值、R方存储到新的变量或矩阵中最后用outreg2或esttab命令输出成一张整洁的表格用于论文或报告。4. 避坑指南从数据到结果的常见问题排查即使使用现成数据实证过程中也会踩坑。下面是我总结的几个高频问题及排查思路。4.1 回归结果不显著或符号与理论相反问题比如hml因子系数为负看起来像成长股溢价或者所有因子都不显著。排查检查收益率计算口径确认你的被解释变量组合收益和因子收益率的计算周期是否完全一致都是月度收益率吗你的excess_ret是否准确等于ret_port - rfrf是否使用了匹配的月度无风险利率。检查数据频率和对齐确保date变量格式正确并且你的组合收益率数据与因子数据在date上完全匹配使用merge后keep if _merge3。一个常见的错误是日期格式不统一导致匹配失败最终回归使用的观测数远少于预期。检查极端值重新用summarize, detail或画散点图(scatter excess_ret mkt_rf)看看有没有极端值。用winsor2命令对主要变量进行1%或5%的缩尾处理再跑回归看结果是否变化巨大。如果变化大说明结果受异常值影响严重需要在论文中说明。理解市场特殊性在A股某些因子如hml的效应可能不稳定或阶段性失效。这不一定是数据或代码问题可能是市场特征。你需要结合样本期内的市场环境如牛市、熊市、风格切换来解读。4.2 模型R方过低或过高问题回归调整R方只有0.2或者高达0.99。排查R方过低如0.3对于个股回归这很正常。个股收益中 idiosyncratic risk特质风险占比很大。对于投资组合检查组合构建方式。如果是高度分散化的组合如全市场等权组合R方应该较高。如果R方低可能是组合内股票数量太少或组合收益率数据存在大量噪声比如计算错误。R方过高如0.95检查是否不小心用市场指数收益率本身去对五因子回归。因为五因子包含mkt_rf这会导致近乎完美的共线性R方虚高。检查被解释变量是否与某个因子高度重合。例如用一个纯粹按市值构建的小盘股组合去回归其smb因子暴露会接近1其他因子暴露接近0R方也会很高。4.3 想做事件研究或更复杂的模型需求数据是月度的但我想做日度级别的事件研究。方案这个2000-2025的五因子数据包通常是月度数据。事件研究一般需要日度或更高频的因子数据。你需要寻找日度的Fama-French因子数据计算更复杂数据源要求更高。如果只有月度数据却强行用于日度事件研究的市场模型估计会导致严重的计量问题参数估计不准。建议明确你的研究问题所需的数据频率。如果是长期趋势、资产配置月度数据足够。如果是短期事件冲击必须寻找或构建日度因子。4.4 数据更新与代码复用问题数据更新到2025年了但我想扩展到2026年及以后或者用同样的方法研究其他市场如港股、美股。核心关键在于理解并掌握数据背后的构造代码。现成的.dta文件是结果而配套的Stata代码Do-file才是“生产资料”。操作仔细研读提供的Stata代码。它应该清晰地展示了从原始股票数据代码、日期、收益率、市值、财务指标…到最终因子收益率的每一步数据清洗、变量计算、分组、排序、组合收益率计算、因子收益率计算。找到代码中定义数据源路径、时间范围的关键位置。要更新数据你需要用新的原始数据替换旧数据并调整时间循环的起止点。如果要应用于其他市场你需要替换原始数据源如从CSMAR换成CRSP/Compustat并确保财务指标的定义如账面价值、盈利、投资与Fama-French (2015) 原文或中国学术界的通用做法保持一致。这个过程挑战较大涉及不同数据库的字段匹配。5. 从实证结果到论文报告输出与呈现跑出结果只是第一步如何规范地报告在论文或报告中同样重要。5.1 制作描述性统计表格这是任何实证论文的第一张表。应包括所有主要变量因子收益率、你的测试资产收益率等的均值、标准差、最小值、中位数、最大值、观测数。使用estpost summarize和esttab可以方便地输出为LaTeX或Word格式。estpost summarize mkt_rf smb hml rmw cma excess_ret esttab using “summary.rtf”, cells(“mean sd min p50 max count”) noobs replace5.2 制作回归结果表格对于多个模型或分组回归的结果使用esttab或outreg2进行排版。* 运行不同模型的回归 reg excess_ret mkt_rf est store model1 reg excess_ret mkt_rf smb hml est store model2 reg excess_ret mkt_rf smb hml rmw cma est store model3 * 使用 esttab 输出 esttab model1 model2 model3 using “reg_results.rtf”, /// b(3) t(3) r2(3) ar2(3) star(* 0.1 ** 0.05 *** 0.01) /// mtitles(“CAPM” “FF-3F” “FF-5F”) replace这张表可以清晰地展示从CAPM到三因子再到五因子模型的解释力R方如何变化以及新增因子的显著性。5.3 进行模型比较与检验GRS检验如果你想同时检验多个资产如25个市值-账面市值比组合的Alpha是否联合为零需要使用GRS检验。这需要利用回归残差协方差矩阵在Stata中可通过编程或调用grstest等用户命令实现。因子冗余检验检验新增的因子如rmw,cma是否提供了独立于原有因子mkt_rf,smb,hml的信息。可以通过在时间序列回归中将新因子对老因子做回归看截距Alpha是否显著。6. 总结把工具用好而不是被工具限制最后我想强调的是Fama-French五因子模型数据和代码是一个强大的起点和基准但不是研究的终点。拿到一个计算好的数据包能让你快速起步但更深层次的研究要求你理解每一个数字是怎么来的。对于课程作业或快速原型直接使用数据包把精力放在模型应用、结果解读和报告撰写上。对于严肃的学术研究务必仔细审查配套的构建代码。了解它如何处理退市股票、如何定义财务变量是t-1年年报数据吗、如何分组按纽交所分位数还是全样本分位数、如何计算组合收益率市值加权还是等权。这些细节的不同选择可能会导致因子收益率出现显著差异从而影响你的研究结论。最稳妥的做法是用这个数据包的结果作为基准尝试自己从原始数据开始复现其中一个因子比如SMB的构建过程。这个过程会让你对资产定价实证研究有质的理解。当你能清晰地解释为什么这个月SMB因子收益率是负的或者为什么HML因子在最近五年失效了你的研究才算真正入门了。
Fama-French五因子模型数据应用与Stata实证分析全指南
1. 先搞清楚这个数据包到底能帮你解决什么问题如果你正在做A股市场的实证研究尤其是资产定价、因子投资或者公司金融相关的课题那么Fama-French五因子模型的数据和代码就是你绕不开的工具。这个数据包的核心价值在于它把最耗时、最容易出错的“数据清洗和因子构建”环节给标准化了。你不用再自己从CSMAR、Wind或者国泰安数据库里一张张表下载、合并、计算市值、账面市值比、盈利、投资这些变量然后按月份分组、排序、构建投资组合、计算因子收益率。这个过程自己从头做一遍没个一两周下不来而且中间任何一个步骤的公式理解有偏差或者代码有bug整个结果就全错了。这个数据包通常指2000-2025年这个时间范围直接提供了基于中国A股市场数据计算好的五因子收益率序列市场风险溢价因子Rm-Rf、市值因子SMB、账面市值比因子HML、盈利因子RMW、投资因子CMA以及对应的无风险利率。你拿到手的是一个.dta格式的Stata数据集每一行代表一个月份或交易日取决于数据频率每一列就是一个因子。有了这个你的研究重心就可以从“怎么把数据算对”转移到“怎么用这些因子去检验我的假设”上。它最适合两类人一是赶毕业论文的硕士、博士研究生时间紧任务重需要快速进入模型估计和结果分析阶段二是需要快速复现或检验某个定价现象的学者或分析师。对于新手它能极大降低入门门槛对于有经验的研究者它能提供一个可靠的计算基准用于交叉验证自己的结果。2. 拿到数据后第一件事不是跑回归而是验证很多人拿到这类现成的数据会迫不及待地直接reg。我建议先停一下花十分钟做几个基础验证。这能帮你避免后续分析建立在错误数据上的风险。2.1 检查数据的基本结构和完整性首先在Stata里打开数据文件假设文件名为ff5_china.dta。use “你的路径/ff5_china.dta”, clear describe看一下describe的输出。重点关注观测数obs这应该等于从2000年1月到2025年12月或最新月份的总月份数。如果是日度数据观测数会非常多。变量variables至少应该包含以下核心变量date: 日期变量格式可能是ym年月、mdy等。mkt_rf: 市场超额收益率Rm-Rf。smb: 市值因子收益率。hml: 账面市值比因子收益率。rmw: 盈利因子收益率。cma: 投资因子收益率。rf: 无风险利率通常为月度化利率。存储类型收益率变量通常是float或double。接着用summarize看一下描述性统计。summarize mkt_rf smb hml rmw cma rf你要看几个关键点均值Meanmkt_rf的均值应该为正但不会特别大年化大概在6%-10%。smb,hml,rmw,cma的均值可正可负这是由A股市场特定时期的风格决定的。如果某个因子的均值大得离谱比如月均20%那数据可能有问题。标准差Std. Dev.因子的波动率。市场因子mkt_rf的波动通常最大。其他因子波动相对较小。最小值Min和最大值Max这里就能用到热搜词里的“stata最大值最小值命令”了summarize已经给出了。你要警惕异常值。比如某个因子收益率出现了-1即-100%或者2200%这样的极端值这很可能是在计算投资组合收益率时某个月份某个组合的股票数量极少甚至只有1只且该股票涨跌停造成的属于构造方法需要处理的边界情况。如果数据提供者没有妥善处理你的回归结果就会受到极端值严重影响。观测数Obs确保每个变量的观测数一致没有缺失值。2.2 进行简单的逻辑校验和可视化做完数字检查再做些逻辑校验。比如画一下因子的累积收益率曲线这是非常直观的验证方式。* 生成一个时间序列标识 gen time _n tsset time * 计算累积收益率假设因子收益率为小数形式如0.01表示1% gen cum_mkt (1 mkt_rf) if time1 replace cum_mkt cum_mkt[_n-1] * (1 mkt_rf) if time1 gen cum_smb (1 smb) if time1 replace cum_smb cum_smb[_n-1] * (1 smb) if time1 * 画图 line cum_mkt cum_smb time, legend(label(1 “MKT”) label(2 “SMB”))看图时问自己几个问题曲线是否连续没有诡异的跳空累积收益率的趋势是否符合你对A股市场如2007-2008, 2015, 2020-2021等时期的粗略认知SMB因子的累积曲线是否长期向上表明小盘股溢价这些基于常识的判断能帮你过滤掉明显的错误。2.3 检查因子间的相关性用pwcorr命令计算一下因子间的相关系数矩阵。pwcorr mkt_rf smb hml rmw cma, sig star(0.05)Fama-French五因子在设计上希望彼此有一定的独立性。你通常会看到smb和hml、rmw、cma的相关性可能不高。hml和rmw、cma之间可能存在一定的相关性因为都与公司的基本面有关。最重要的是检查有没有因子之间出现高度共线性例如相关系数大于0.8或小于-0.8。如果rmw和cma高度相关那么在回归中同时放入它们可能会导致系数估计不准确标准误膨胀。这不是数据的错而是模型本身在A股市场可能存在的现象但你需要意识到这一点。做完这三步你对数据的质量就有了基本把握可以更放心地用于后续分析。3. 从单资产检验到投资组合分析核心实证操作数据验证无误后就可以开始真正的实证分析了。这里我按从简单到复杂的顺序拆解几个最常用的操作。3.1 基础操作检验单个股票或投资组合的因子暴露这是最常见的用法。假设你有一个投资组合的月度收益率序列ret_port已经和因子数据按日期合并好了。你想看这个组合收益能被五因子解释多少。* 合并数据假设你的组合收益率数据在 portfolio.dta 里 merge 1:1 date using “portfolio.dta” keep if _merge 3 drop _merge * 计算组合的超额收益率 gen excess_ret ret_port - rf * 运行时间序列回归 reg excess_ret mkt_rf smb hml rmw cma回归结果出来后重点看调整R方Adj R-squared模型能解释组合收益波动的比例。对于高度分散化的组合如大盘指数R方可能很高0.9对于个股或特定行业组合R方可能较低。各因子系数Coef.及其显著性P|t|系数代表了组合对该因子风险的暴露程度。mkt_rf系数Beta接近1表示组合系统风险与市场同步。smb系数为正组合偏向小盘股。hml系数为正组合偏向价值股高账面市值比。rmw系数为正组合偏向高盈利公司。cma系数为正组合偏向低投资保守公司。截距项_cons这就是Alpha衡量经过五因子风险调整后的超额收益。如果Alpha显著为正说明组合有选股能力在A股市场主动基金常常以此作为业绩证明。3.2 进阶操作分组检验与亚组分析热搜词里有“stata如何做亚组分析”这在因子模型中非常常用。比如你想检验五因子模型在不同市值分组、不同行业下的解释能力是否相同。* 假设你有一个变量 size_group将股票分为“大盘”和“小盘”1/2 * 或者有一个变量 industry表示行业分类 * 方法1使用 bysort 分组回归 bysort size_group: reg excess_ret mkt_rf smb hml rmw cma * 方法2使用交互项模型更灵活可检验系数差异是否显著 gen mkt_large mkt_rf * (size_group1) // 大盘组的市场因子暴露 gen mkt_small mkt_rf * (size_group2) // 小盘组的市场因子暴露 * ... 同样为其他因子生成交互项 reg excess_ret mkt_large mkt_small smb_large smb_small hml_large hml_small rmw_large rmw_small cma_large cma_small * 然后通过 test 命令检验对应系数是否相等例如 test mkt_large mkt_small注意做亚组分析时每个子组的样本量不能太少否则回归结果不可靠。对于月度数据时间序列长度T至少要有60期5年以上。3.3 批量操作同时检验多个资产或组合你可能有几十个甚至上百个测试资产如所有行业组合、所有个股。手动一个个回归不现实。这时需要循环。* 假设你有100个组合的收益率变量名是 ret1, ret2, ..., ret100 local nport 100 forvalues i 1/nport’ { gen excess_reti’ reti’ - rf qui reg excess_reti’ mkt_rf smb hml rmw cma * 将关键结果存储起来 est store modeli’ * 或者提取Alpha和t值 matrix b e(b) matrix se e(V) scalar alphai’ b[1,6] // 假设截距项是第6个系数 scalar t_alphai’ alphai’ / sqrt(se[6,6]) * 将 scalar 存入变量 }批量处理的关键是做好结果的管理和输出。你可以把所有的Alpha、t值、R方存储到新的变量或矩阵中最后用outreg2或esttab命令输出成一张整洁的表格用于论文或报告。4. 避坑指南从数据到结果的常见问题排查即使使用现成数据实证过程中也会踩坑。下面是我总结的几个高频问题及排查思路。4.1 回归结果不显著或符号与理论相反问题比如hml因子系数为负看起来像成长股溢价或者所有因子都不显著。排查检查收益率计算口径确认你的被解释变量组合收益和因子收益率的计算周期是否完全一致都是月度收益率吗你的excess_ret是否准确等于ret_port - rfrf是否使用了匹配的月度无风险利率。检查数据频率和对齐确保date变量格式正确并且你的组合收益率数据与因子数据在date上完全匹配使用merge后keep if _merge3。一个常见的错误是日期格式不统一导致匹配失败最终回归使用的观测数远少于预期。检查极端值重新用summarize, detail或画散点图(scatter excess_ret mkt_rf)看看有没有极端值。用winsor2命令对主要变量进行1%或5%的缩尾处理再跑回归看结果是否变化巨大。如果变化大说明结果受异常值影响严重需要在论文中说明。理解市场特殊性在A股某些因子如hml的效应可能不稳定或阶段性失效。这不一定是数据或代码问题可能是市场特征。你需要结合样本期内的市场环境如牛市、熊市、风格切换来解读。4.2 模型R方过低或过高问题回归调整R方只有0.2或者高达0.99。排查R方过低如0.3对于个股回归这很正常。个股收益中 idiosyncratic risk特质风险占比很大。对于投资组合检查组合构建方式。如果是高度分散化的组合如全市场等权组合R方应该较高。如果R方低可能是组合内股票数量太少或组合收益率数据存在大量噪声比如计算错误。R方过高如0.95检查是否不小心用市场指数收益率本身去对五因子回归。因为五因子包含mkt_rf这会导致近乎完美的共线性R方虚高。检查被解释变量是否与某个因子高度重合。例如用一个纯粹按市值构建的小盘股组合去回归其smb因子暴露会接近1其他因子暴露接近0R方也会很高。4.3 想做事件研究或更复杂的模型需求数据是月度的但我想做日度级别的事件研究。方案这个2000-2025的五因子数据包通常是月度数据。事件研究一般需要日度或更高频的因子数据。你需要寻找日度的Fama-French因子数据计算更复杂数据源要求更高。如果只有月度数据却强行用于日度事件研究的市场模型估计会导致严重的计量问题参数估计不准。建议明确你的研究问题所需的数据频率。如果是长期趋势、资产配置月度数据足够。如果是短期事件冲击必须寻找或构建日度因子。4.4 数据更新与代码复用问题数据更新到2025年了但我想扩展到2026年及以后或者用同样的方法研究其他市场如港股、美股。核心关键在于理解并掌握数据背后的构造代码。现成的.dta文件是结果而配套的Stata代码Do-file才是“生产资料”。操作仔细研读提供的Stata代码。它应该清晰地展示了从原始股票数据代码、日期、收益率、市值、财务指标…到最终因子收益率的每一步数据清洗、变量计算、分组、排序、组合收益率计算、因子收益率计算。找到代码中定义数据源路径、时间范围的关键位置。要更新数据你需要用新的原始数据替换旧数据并调整时间循环的起止点。如果要应用于其他市场你需要替换原始数据源如从CSMAR换成CRSP/Compustat并确保财务指标的定义如账面价值、盈利、投资与Fama-French (2015) 原文或中国学术界的通用做法保持一致。这个过程挑战较大涉及不同数据库的字段匹配。5. 从实证结果到论文报告输出与呈现跑出结果只是第一步如何规范地报告在论文或报告中同样重要。5.1 制作描述性统计表格这是任何实证论文的第一张表。应包括所有主要变量因子收益率、你的测试资产收益率等的均值、标准差、最小值、中位数、最大值、观测数。使用estpost summarize和esttab可以方便地输出为LaTeX或Word格式。estpost summarize mkt_rf smb hml rmw cma excess_ret esttab using “summary.rtf”, cells(“mean sd min p50 max count”) noobs replace5.2 制作回归结果表格对于多个模型或分组回归的结果使用esttab或outreg2进行排版。* 运行不同模型的回归 reg excess_ret mkt_rf est store model1 reg excess_ret mkt_rf smb hml est store model2 reg excess_ret mkt_rf smb hml rmw cma est store model3 * 使用 esttab 输出 esttab model1 model2 model3 using “reg_results.rtf”, /// b(3) t(3) r2(3) ar2(3) star(* 0.1 ** 0.05 *** 0.01) /// mtitles(“CAPM” “FF-3F” “FF-5F”) replace这张表可以清晰地展示从CAPM到三因子再到五因子模型的解释力R方如何变化以及新增因子的显著性。5.3 进行模型比较与检验GRS检验如果你想同时检验多个资产如25个市值-账面市值比组合的Alpha是否联合为零需要使用GRS检验。这需要利用回归残差协方差矩阵在Stata中可通过编程或调用grstest等用户命令实现。因子冗余检验检验新增的因子如rmw,cma是否提供了独立于原有因子mkt_rf,smb,hml的信息。可以通过在时间序列回归中将新因子对老因子做回归看截距Alpha是否显著。6. 总结把工具用好而不是被工具限制最后我想强调的是Fama-French五因子模型数据和代码是一个强大的起点和基准但不是研究的终点。拿到一个计算好的数据包能让你快速起步但更深层次的研究要求你理解每一个数字是怎么来的。对于课程作业或快速原型直接使用数据包把精力放在模型应用、结果解读和报告撰写上。对于严肃的学术研究务必仔细审查配套的构建代码。了解它如何处理退市股票、如何定义财务变量是t-1年年报数据吗、如何分组按纽交所分位数还是全样本分位数、如何计算组合收益率市值加权还是等权。这些细节的不同选择可能会导致因子收益率出现显著差异从而影响你的研究结论。最稳妥的做法是用这个数据包的结果作为基准尝试自己从原始数据开始复现其中一个因子比如SMB的构建过程。这个过程会让你对资产定价实证研究有质的理解。当你能清晰地解释为什么这个月SMB因子收益率是负的或者为什么HML因子在最近五年失效了你的研究才算真正入门了。