Fama-Macbeth回归:EAP.fama_macbeth

本文介绍了Fama-Macbeth回归在资产定价中的应用,用于验证因子对资产收益率的影响。该方法包括估计资产风险和因子风险溢价的两步过程。通过Python的EAP库详细阐述了实现步骤,并提供了相关函数的使用示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Fama-Macbeth回归是实证资产定价中最为常用方法之一。它的主要用途是验证因子对资产收益率是否产生系统性影响。与投资组合分析不同的是,Fama-Macbeth回归可以在同时控制多个因子对资产收益率的影响下,考察特定因子对资产收益率产生系统性影响,具体体现在因子是否存在显著的风险溢价(risk premium)。

Fama-Macbeth回归分为两步:

1. 估计资产承担风险大小(beta值)。通过对资产收益率的时间序列分析,得到资产承担的风险水平。

2. 估计风险溢价时间序列以及统计检验。通过在每个时点的资产收益率对得到的beta值进行截面回归,得到因子在每个时刻的风险溢价。对每个时刻的风险溢价进行平均,并检验均值是否显著异于0。

本文根据Bail et al.的著作Empirical Asset Pricing编写相关程序,投资组合分析的模块是EAP.fama_macbeth,下面将对该模块进行详细介绍。本文的Package已发布于Github:

Github: GitHub - whyecofiliter/EAP: empirical asset pricing

fama_macbeth

This module is designed for Fama_Macbeth regression(1976).

Fama-Macbeth Regression follows two steps:

  1. Specify the mo

评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值