案例背景

最近看到要做三因子模型的同学还挺多的，就是所谓的Fama-French回归模型，也就是CAMP资本资产定价模型的升级版，然后后面还升级为了五因子模型。

看起来眼花缭乱，其实抛开金融资产定价的背景，从机器学习角度来看，就是多元线性回归.......很low也很简单。

数据也很简单，以日度数据为例，y就是一个资产的日度收益率，例如一只股票的每天的收益率。X就是日度的五个因子数据，

• mkt_rf [市场风险因子](rf是[无风险利率])
• smb [规模风险因子]
• hml [账面市值比风险因子]
• rmw[盈利能力因子] 更高盈利能力的公司通常预示更健康的财务状况和更低的风险。
• cma[投资风格因子]

为什么用的是线性回归模型，因为三因子五因子提出来的年代还没机器学习的思路，而且线性回归的解释能力强，能更好的表现不同因子的作用。虽然机器学习也能做这个数据集，但是其黑箱的过程不是很好解释。

---

数据

股票数据很好获取的，网上到处都有，本文使用akshare的接口来获取，后面代码会演示。

五因子的数据长这个样子：

 很全，从1994年到2024年4月都有，不仅有日度的五因子，还有很多其他的等价因子等。需要本次演示的全部代码和数据的同学可以参考：五因子数据。

股票选择：

选什么股票来演示这个案例呢，我懒得自己去找了，让kimi帮我找了几个2024年具有较好的价值的股票代码:   (本案例仅仅只是代码演示，不构成任何投资意见)

OK他提供了几个股票的编号和名称就行，下面开始写代码。

---

代码实现

导入数据分析常用的包：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt 
import seaborn as sns
import statsmodels.api as sm
plt.rcParams ['font.sans-serif'] ='SimHei'               #显示中文
plt.rcParams ['axes.unicode_minus']=False               #显示负号

股票代码：，然后设定时间，我设定为23年的4月到24年的3月底

code_name={"600100": "同方股份","600626": "申达股份","000630": "铜陵有色","000850": "华茂股份",
  "600368": "五洲交通","603766": "隆鑫通用","600105": "永鼎股份","600603": "广汇物流",
  "002344": "海宁皮城","000407": "胜利股份","000883": "湖北能源"}
code_list=list(code_name.keys())
start_date='2023-04-01'  ;  end_date='2024-03-31'

下面获取这些股票的交易数据，

首先自定义一个获取股票交易日K的数据的代码：

import akshare as ak
# 定义获取A股历史交易数据的函数
def get_stock_data(stock_code, start_date, end_date):
    """
    :param stock_code: 股票代码，如 '000001'
    :param start_date: 开始日期，格式为 'YYYYMMDD'
    :param end_date: 结束日期，格式为 'YYYYMMDD'
    :return: 指定时间段内的股票交易数据(DataFrame)
    """
    # 使用 AkShare 的 stock_zh_a_hist 接口获取数据
    stock_df = ak.stock_zh_a_hist(symbol=stock_code, period="daily", start_date=start_date.replace('-',''), end_date=end_date.replace('-',''), adjust="qfq")
    stock_df['收益率'] = stock_df['收盘'].pct_change() 
    return stock_df.dropna()

创建一个字典来存放获取的结果，然后遍历所有的股票代码，一个个获取，存入这个字典的值。

return_dict={}
#创建一个 ExcelWriter 对象
#writer = pd.ExcelWriter('股票数据.xlsx', engine='xlsxwriter')
for code in code_list:
    try:
        return_dict[code]=get_stock_data(stock_code=code,start_date=start_date,end_date=end_date)[['日期','收盘','收益率']].set_index('日期')
        #get_stock_data(stock_code=code,start_date='20230201',end_date='20240201').to_excel(writer, sheet_name=code)
    except:
        pass  
#writer.save()
#writer.close()

return_dict这个字典的键就是股票代码，值就是对应的股票交易数据的df数据框。

（ps：注释掉的地方是可以进行运行了，会把所有股票的交易数据存入一个excel表里面保存下来，需要的同学可以运行）

取出其中一个看看：

return_dict['600368'].head()

读取因子的数据，我筛选了时间和变量，保证读取进来的就是2023年4月到2024年3月底的数据。变量就是5个因子，别的变量就没要。

#读取因子数据
three_factors=pd.read_csv('fivefactor_daily.csv')[['trddy','mkt_rf','smb','hml','rmw','cma']].rename(columns={'trddy':'日期'}).set_index('日期')
three_factors=three_factors.loc['2023-04-01':'2024-03-31',:]
three_factors.index=pd.to_datetime(three_factors.index)
three_factors.head(3)

展示的前三行： 

再简单介绍一下这些变量的含义：

• trddy [交易日期]
• mkt_rf [市场风险因子]
• smb [规模风险因子]
• hml [账面市值比风险因子]
• rf [无风险利率]
• rmw[盈利能力因子] 更高盈利能力的公司通常预示更健康的财务状况和更低的风险。
• cma[投资风格因子]

 需要这个数据的同学看前面。

自定义一些函数，学过金融的背景的同学应该都知道是什么作用的，主要都是测量一个资产的表现，衡量其收益的风险的。

def sum_return_ratio(price_list):
    '''实际总收益率'''
    price_list=price_list.to_numpy()
    return (price_list[-1]-price_list[0])/price_list[0]
def MaxDrawdown(price_list):
    '''最大回撤率'''
    i = np.argmax((np.maximum.accumulate(price_list) - price_list) / np.maximum.accumulate(price_list))  # 结束位置
    if i == 0:
        return 0
    j = np.argmax(price_list[:i])  # 开始位置
    return (price_list[j] - price_list[i]) / (price_list[j])
def sharpe_ratio(price_list,rf=0.000041):
    '''夏普比率'''
    #公式 夏普率 = (回报率均值 - 无风险率) / 回报率的标准差
    # pct_change()是pandas里面的自带的计算每日增长率的函数
    daily_return = price_list.pct_change()
    return daily_return.mean()-rf/ daily_return.std()
def Information_Ratio(price_list,rf=0.000041):
    '''信息比率'''
    chaoer=sum_return_ratio(price_list)-((1+rf)**365-1)
    return chaoer/np.std(price_list.pct_change()-rf)

---

三因子模型

不知道三因子是啥看看就行，反正就是线性回归......Python里面就用statsmodel就行。

自定义函数，可以输入股票的数据，然后返回这个股票的 '阿尔法','市场风险因子MKT','市值因子SMB','账面市值因子HML'，'实际总收益率','最大回测率':'夏普比率':,'信息比率','股票代码'。

如果参数mode输入的是‘五因子’的模型，则会多返回：盈利能力因子RMW','投资风格因子CMA，这两个数值。

def deal(code='',mode='三因子'): 
    day_return = return_dict[code]#['收益率']
    day_return.index=pd.to_datetime(day_return.index)
    实际总收益率=sum_return_ratio(day_return['收盘'])
    最大回测率=MaxDrawdown(day_return['收盘'])
    夏普比率=sharpe_ratio(day_return['收盘'])
    信息比率=Information_Ratio(day_return['收盘'])
    zgpa_threefactor = pd.merge(three_factors, day_return,left_index=True, right_index=True)    
    if mode=='五因子':

        result = sm.OLS(zgpa_threefactor['收益率'], sm.add_constant(zgpa_threefactor.loc[:,['mkt_rf','smb','hml','rmw','cma']])).fit()
        betas=result.params
        return pd.DataFrame({'阿尔法':betas[0],'市场风险因子MKT':betas[1],'市值因子SMB':betas[2],'账面市值因子HML':betas[3],'盈利能力因子RMW':betas[4],'投资风格因子CMA':betas[5],
                        '实际总收益率':实际总收益率,'最大回测率':最大回测率,'夏普比率':夏普比率,'信息比率':信息比率,'股票代码':code},index=[0])
    else:
        #zgpa_threefactor = pd.merge(three_factors, day_return,left_index=True, right_index=True)
        result = sm.OLS(zgpa_threefactor['收益率'], sm.add_constant(zgpa_threefactor.loc[:,['mkt_rf','smb','hml']])).fit()
        betas=result.params
        return pd.DataFrame({'阿尔法':betas[0],'市场风险因子MKT':betas[1],'市值因子SMB':betas[2],'账面市值因子HML':betas[3],
                        '实际总收益率':实际总收益率,'最大回测率':最大回测率,'夏普比率':夏普比率,'信息比率':信息比率,'股票代码':code},index=[0])

 然后循环计算所有股票的这些数值，合并到一起，很方便：

df_results=pd.DataFrame()
for code,df_one in return_dict.items():
    result=deal(code=code) ;  result['股票名称']=code_name[code]
    df_results=pd.concat([df_results,result],axis=0,ignore_index=True)

选出阿尔法前十的股票 来分析画图

整理一下，我们按照阿尔法的大小排序，查看结果：

df_results=df_results[['股票代码', '股票名称','阿尔法', '市场风险因子MKT', '市值因子SMB', '账面市值因子HML', '实际总收益率', '最大回测率', '夏普比率', '信息比率']].sort_values(by='阿尔法',ascending=False)
df_results

看数据不够直观，我们画个图看看：
 

plt.figure(figsize=(10, 8),dpi=128)

# 创建多子图布局
for i, column in enumerate(['阿尔法', '市场风险因子MKT', '市值因子SMB', '账面市值因子HML', '实际总收益率', '最大回测率', '夏普比率', '信息比率'], 1):
    plt.subplot(4, 2, i)
    plt.bar(df_results.head(10)['股票名称'], df_results.head(10)[column], color='skyblue')
    plt.title(column)
    plt.xticks(rotation=45)  # 旋转标签，避免重叠

# 调整布局
plt.tight_layout()
plt.show()

可以从图中清楚的看到哪些股票的哪些指标是领先的。分析我就不多写了，写了可能也没那么通俗易懂，还是让我们的gpt同学来写：

‘’要分析这些股票的投资价值和风险，我们可以根据你提供的数据来进行一些基本的评估。数据中包括了阿尔法值（α）、市场风险因子（MKT）、市值因子（SMB）、账面市值因子（HML）、实际总收益率、最大回撤率、夏普比率以及信息比率。这些指标各自反映了股票的不同风险和收益特征：

1. 阿尔法（α）：表示股票相对于基准的超额回报。正值表示超出市场预期的回报，更高的正值通常被视为更好。

2. 市场风险因子（MKT）：系数高意味着股票与市场整体更同步，风险和市场相近。

3. 市值因子（SMB）：反映小市值股票与大市值股票的表现差异，正值表明倾向于小市值股票特性。

4. 账面市值因子（HML）：反映高账面市值比与低账面市值比股票的表现差异，正值表明倾向于价值股特性。

5. 实际总收益率：这是投资者最终关心的实际收益率。

6. 最大回撤率：表示股票价格在观察期内的最大下跌幅度，较小的数值表示下跌风险较低。

7. 夏普比率：衡量调整风险后的收益，数值越高表示单位风险带来的额外回报越多。

8. 信息比率：衡量管理绩效的一种指标，反映了投资组合超过基准回报的能力，数值越高表明超越基准的能力越强。

分析建议：

我们可以从以上各指标来分析哪些股票看起来更有投资价值：

• 阿尔法值较高：永鼎股份、隆鑫通用、铜陵有色，这些股票在调整市场因素后显示了较好的超额回报。

• 最大回撤率较低：湖北能源、胜利股份、同方股份等有较低的最大回撤率，这表明在最坏的情况下它们的价值减少较少，相对稳定。

• 夏普比率和信息比率：隆鑫通用和铜陵有色的信息比率较高，虽然夏普比率为负，这可能表明在评估期内它们面临一定的波动性或负面风险。夏普比率为负通常是一个警示信号，需要结合其他因素综合考虑。

综合考虑以上指标，铜陵有色和隆鑫通用在信息比率高的情况下，表现出了超越市场的潜力，尽管它们的夏普比率为负。永鼎股份虽然信息比率较低，但阿尔法值较高且夏普比率为正，显示了其稳定的超额收益能力。

在投资决策前，还应考虑其他因素如行业状况、公司基本面、市场整体环境等，这里的分析仅基于提供的数据。此外，负夏普比率需要进一步的调查和理解，可能涉及较高的风险。‘’

---

储存这个表：，方便复制到论文或者作业里面去。

### 储存结果
df_results.to_csv('三因子结果.csv',index=False)

---

五因子模型

和三因子差不多，就多了两个其他的变量，代码上前面都自定义好了，这里就很简单：

先循环遍历去回归

df_results=pd.DataFrame()
for code,df_one in return_dict.items():
    result=deal(code=code,mode='五因子') ;  result['股票名称']=code_name[code]
    df_results=pd.concat([df_results,result],axis=0,ignore_index=True)

然后整理结果，按照阿尔法从大到小排序，查看：

df_results=df_results[['股票代码', '股票名称','阿尔法', '市场风险因子MKT', '市值因子SMB', '账面市值因子HML', '盈利能力因子RMW','投资风格因子CMA','实际总收益率', '最大回测率', '夏普比率', '信息比率']].sort_values(by='阿尔法',ascending=False)
df_results

看数值不直观，画个图：

plt.figure(figsize=(10,10),dpi=128)

# 创建多子图布局
for i, column in enumerate(['阿尔法', '市场风险因子MKT', '市值因子SMB', '账面市值因子HML', '盈利能力因子RMW','投资风格因子CMA', '实际总收益率', '最大回测率', '夏普比率', '信息比率'], 1):
    plt.subplot(5, 2, i)
    plt.bar(df_results.head(10)['股票名称'], df_results.head(10)[column], color='skyblue')
    plt.title(column)
    plt.xticks(rotation=45)  # 旋转标签，避免重叠

plt.tight_layout()
plt.show()

gpt的分析：
“

关键指标分析

1. 阿尔法（α）：代表超额回报。较高的阿尔法值意味着股票在考虑了相关风险因子后，表现超出市场平均水平。

2. 市场风险因子（MKT）：衡量股票与市场整体波动的相关性。高值表明股票价格波动与市场紧密相关。

3. 市值因子（SMB）和账面市值因子（HML）：这两个因子帮助评估股票在大小和价值方面的表现倾向。

4. 盈利能力因子（RMW）和投资风格因子（CMA）：RMW高表明公司盈利能力强，CMA高则说明公司投资保守。

5. 实际总收益率、最大回测率、夏普比率和信息比率：这些都是评估投资回报和风险的重要指标。

根据数据分析

• **隆鑫通用（603766）和永鼎股份（600105）**的阿尔法值较高，但隆鑫通用的盈利能力因子（RMW）为负且较大，可能表明其盈利能力不稳定。永鼎股份的投资风格因子（CMA）非常高，暗示其投资策略较为保守。

• **湖北能源（000883）和铜陵有色（000630）**同样显示出较好的阿尔法值，且铜陵有色的盈利能力较好，但湖北能源的盈利能力和投资风格因子均为负，这可能指示了较高的风险。

• 同方股份（600100）、申达股份（600626）、**胜利股份（000407）和海宁皮城（002344）**的阿尔法值为负，且信息比率也为负，这表明它们的表现可能不理想。

投资建议

• 在这组数据中，铜陵有色可能是较为有吸引力的投资选择，因为它在盈利能力和市场相关性上表现较好，且有积极的超额回报。

• 对于永鼎股份，尽管阿尔法值高，但需要进一步考察其极高的投资风格因子对未来表现的影响。

• 对于显示出负阿尔法值和信息比率的股票，建议谨慎考虑，可能需要更多的分析来确定其表现不佳的具体原因。

投资决策应综合考虑这些指标以及其他外部因素，如行业趋势、公司基本面分析、宏观经济条件等。在做出投资选择前，进行全面的风险评估和市场研究是非常重要的。

”

---

### 储存结果
 

df_results.to_csv('五因子结果.csv',index=False)

---

 创作不易，看官觉得写得还不错的话点个关注和赞吧，本人会持续更新python数据分析领域的代码文章~(需要定制类似的代码可私信)

---

 (本案例仅共学习和参考，不构成任何投资意见)