A. 股價的影響因素匯總
一、影響股價走勢的間接因素
經濟因素
經濟周期，國家的財政狀況，金融環境，國際收支狀況，行業經濟地位的變化，國家匯率的調整，都將影響股價的沉浮。
經濟周期是由經濟運行內在矛盾引發的經濟波動，是一種不以人們意志為轉移的客觀規律。股市直接受經濟狀況的影響，必然也會呈現一種周期性的波動。經濟衰退時，股市行情必然隨之疲軟下跌；經濟復甦繁榮時，股價也會上升或呈現堅挺的上漲走勢。根據以往的經驗，股票市場往往也是經濟狀況的晴雨表。
國家的財政狀況出現較大的通貨膨脹，股價就會下挫，而財政支出增加時，股價會上揚。
金融環境放鬆，市場資金充足，預期年化利率下降，存款准備金率下調，很多游資會從銀行轉向股市，股價往往會出現升勢；國家抽緊銀根，市場資金緊缺，預期年化利率上調，股價通常會下跌。
國際收支發生順差，刺激本國經濟增長，會促使股價上升；而出現巨額逆差時，會導致本國貨幣貶值，股票價格一般將下跌。
政治因素
國家的政策調整或改變，領導人更迭，國際政治風波頻仍，在國際舞台上扮演較為重要的國家政權轉移，國家間發生戰事，某些國家發生勞資糾紛甚至罷工風潮等都經常導致股價波動。
公司自身因素
股票自身價值是決定股價最基本的因素，而這主要取決於發行公司的經營業績、資信水平以及連帶而來的股息紅利派發狀況、發展前景、股票歷史預期年化預期收益水平等。
行業因素
行業在國民經濟中地位的變更，行業的發展前景和發展潛力，新興行業引來的沖擊等，以及上市公司在行業中所處的位置，經營業績，經營狀況，資金組合的改變及領導層人事變動等都會影響相關股票的價格。
市場因素
投資者的動向，大戶的意向和操縱，公司間的合作或相互持股，信用交易和期貨交易的增減，投機者的套利行為，公司的增資方式和增資額度等，均可能對股價形成較大影響。
心理因素
投資人在受到各個方面的影響後產生心理狀態改變，往往導致情緒波動，判斷失誤，做出盲目追隨大戶、狂拋搶購行為，這往往也是引起股價狂跌暴漲的重要因素。
二、影響股價走勢的直接因素
股價與成交量的關系決定了股價的直接影響因子是成交量。有句話叫做：先見量後見價。
成交量的變化過程就是股票投資者購買股票慾望消長變化的過程。也就是股票市場人氣聚散的過程。當人氣聚斂，成交量增大，會吸引更多投資者介入，必定刺激股價攀升；股價升至一定高度，投資者望而卻步，成交量開始徘徊；獲利盤紛紛出手，成交量放大，又會導致人心趨散，股價會下跌；而當人心惶惶，拋盤四起，成交量的放大似乎成為人氣進一步渙散的引信；待到股價繼續下跌，成交量萎縮，投資者逃脫唯恐不及，供大於求，股價又走入低谷。
以上的簡介因素中，不管是經濟因素、政治因素、韓各樣因素還是市場因素，最終都是通過成交量的變化來影響價格走勢的。
B. 股市影響股價的因數有哪些啊
影響股票價格變動的因素很多，但基本上可分為以下三類：市場內部因素，基本面因素，政策因素。
（1）市場內部因素：它主要是指市場的供給和需求，即資金面和籌碼面的相對比例，如一定階段的股市擴容節奏將成為該因素重要部分。
（2）基本面因素：包括宏觀經濟因素和公司內部因素，宏觀經濟因素主要是能影響市場中股票價格的因素，包括經濟增長，經濟景氣循環，利率，財政收支，貨幣供應量，物價，國際收支等，公司內部因素主要指公司的財務狀況。
（3）政策因素：是指足以影響股票價格變動的國內外重大活動以及政府的政策，措施，法令等重大事件，政府的社會經濟發展計劃，經濟政策的變化，新頒布法令和管理條例等均會影響到股價的變動。
拓展資料
股票價格的漲跌，長期來說是由上市公司為股東創造的利潤決定的，而短期是由供求關系決定的，而影響供求關系的因素則包括人們對該公司的盈利預期、大戶的人為炒作、市場資金的多少、政策性因素等。價值投資取決於投資者認為一隻股票是被低估或高估，或者整個市場是被低估或高估。
最簡單的方法就是將一家公司的P/E比率、分紅和收益率指標與同行業競爭者以及整個市場的平均水平進行比較。如果買的人大於賣的人，也就是在供不應求的情況下，股票上漲，反之下跌股票漲跌。
原理：股票流通股是一定的，如果主力大量收集籌碼，可參與買賣的籌碼減少，那麼物以稀為貴，買不到股票，只能抬高股價買。主力建倉完畢就會洗盤，擠出一些意志不堅定者。
到合適機會邊拉升邊出貨，如果主力出貨完畢往往還能縮量上漲一段空間。這時候風險極大，獲利機會也極大。主力出貨完畢，散戶的熱情也告一段落，那麼股價就會自然降下來或者被主力砸下來。
再走一波下跌建倉影響股票漲跌的因素有很多，大致分為兩種，宏觀因素和微觀因素。宏觀的主要包括國家政策、戰爭霍亂、宏觀經濟等；微觀的主要是市場因素，公司內部、行業結構、投資者的心理等。
C. 資產定價的簡介
[英] assets pricing
資本資產定價模型（capital asset pricing model,簡稱CAPM）：
1.為一套敘述性理論架構模式。
2.用來描寫市場上資產的價格是如何被決定的。
其目的在於：
1.描述在證券供需達到平衡狀態時，存在於證券的市場風險與預期報酬的關系。
2.協助投資人創造最佳的投資組合，評估與決定各種證券的價值，使其能制定合宜的投資決策。 從80年代中期以來的20多年時間里，隨著計算技術的進步和主要金融市場研究資料庫的建立，金融學家們從不同角度對金融理論進行了廣泛的實證檢測。新的研究發現從根本上否定手中了傳統資產定價理論的結論。主要表現在以下幾方面：1．單個資產、資產組合、基金和投資策略的平均收益與其貝塔系數不相稱。CAPM並非衡量風險的合適模型。2．收益具一定程度的可預測性。首先，股息率、短期債券收益率、長短期國債收益率差、金邊垃圾債券收益率差、商業周期指標等可預測股票收益的時序變化。這一方面的代表性研究包括Fama和French(1989),Lettau和Ludvigson(2000)。第二，股票波幅隨時間變化而變化。第三，按CAPM調整風險後，一些基金的表現超出大盤。盡管Carhart(1997)的進一步研究結果表明基金的超常表現歸功於機械性「特性」(styles),而非來自基金經理的出色選股水平。第四，蔽凱股票收益表現很強的中期動能和長期回歸傾向。自從Jegadeesh和Titman(1993)年發現美國股票市場存在中期收益『動能』以來，一些學者對美國以外的股票市場進行了眾多的樣本外測試，發現中期收益『動能』和長期收益『回歸』傾向廣泛存在於除少數新興市場外的所有股票市場。3．三因素、四因素資產定價模型對股票預期收益的變化具有較強的解釋能力。這一方面具代表性的研究是Fama和French(1993)。他們證明了三因素模型(市場因子(marketfactor)、規模因子(sizefactor)和價值因子(valuefactor))能夠解釋70%-80%的美國股票收益變化。在其他市場也發現了類似的實證證據，包括中國在內的新興股票市場。三因素模型的明顯缺限是它不能解釋收益動能現象。在三因素基礎上加上動能因素，即四因素定價模型，便能增強資產定價模型對收益變動的解釋能力。盡管金融理論界普遍接受三因素、四因素模型，但對這些因素的解釋上有很大的爭議性。Fama和French認為其三因素代表的是風險因素，因此三因素模型屬傳統資產定價理論的延伸。但行為金融學派認為規模因子、價值因子以及動能因素反映投資者固有的行為偏差帶來的結果。這方面的爭議至今尚無定論。不過有一點可以肯定，動能很難與風險因素扯上干係。從以上討論可以看出，傳統資產定價理論面臨著缺乏實證證據支宏薯喚持的尷尬局面。在對學科進行審視和反思的過程中，運用心理學、社會學、行為學來研究金融活動中人們決策行為的行為金融學便成為了學界關注的焦點。行為金融學真正迎來其發展還是在二十世紀八十年代以後，在主流金融學模型與實證證據不斷背離的困境中，伴隨著這一時期由普林斯頓大學的Kahneman和斯坦福大學的Tversky所創立的預期理論(ProspectTheory)，金融學家們期望從行為金融學上尋找金融理論尤其資產定價理論發展的突破口。傳統資產定價理論中，把行為人預設為一個完全意義上的理性人，這樣的理性人不僅具備理性，而且無論在何種情境下，都可以運用理性，根據成本和收益進行比較，從而做出效用最大化的決策。而行為金融學恰恰就在這最基礎的預設上與主流金融學表現出顯著的不同。行為金融學並不完全肯定人類理性的普遍性。人類的決策在很多時候不是建立在理性預期、風險迴避、效用最大化等的基礎上。行為金融學建立在兩類基本的行為假設基礎上：1)深層心理偏差(heuristic-drivenbias)，迴避不確定性、過分自信、決策保守性；2)框架依附(framedependence)。人們決策受決策者的特定思維框架的影響，主要表現在規避損失、後悔等。從包括Shiller(1981)發現美國股票收益超常波幅而推論投資者非理性等的幾篇早期研究開始，建立在行為假設的基礎上，金融學家們對資產定價問題進行了反思，並且豐富和發展了資產定價理論。例如Shefrin和Statman(1994)提出的行為資產定價理論(BAPM)既有限度的接受了市場有效性，也秉承了行為金融學所奉行的有限理性。Barberis等（1998）建立了分析投資者情緒對資產價格影響的理論模型。Daniel等（1998）以行為偏差解釋廣泛存在的中期(3-12個月)收益動能和長期（3-5年）收益回歸現象。投資者行為偏差不僅影響股票等有價證券的價格，而且影響衍生品的價格確定。不過，學術界在這方面的研究尚處起步階段。例如，研究發現深層心理偏差可能導致期權的隱性波幅(impliedvolatility)的圖形出現「微笑」，即隱性波幅隨期權的執行價格(strikeprice)的增加而下降，而其理論上的隱性波幅應與執行價格無關。另外，投資者情緒也影響期權的價格或隱性波幅。例如，很多投資者相信買權/賣權比率(call/putratio)是衡量投資者情緒的一很好標志。而且，衍生品市場與股票市場類似，同樣存在「過激反應」(overreaction)現象。Stein(1987)以實證證據表明股指期權市場反應過激。Wang和Yu(2003)發現在24個最為活躍的美國期貨市場中普遍存在「過激反應」。
D. 用貨幣政策分析股票價Ơ
一、貨幣政策對股票價格的影響 一般商品的定價通常是以該商品的生產成本為基礎來決定的。而股票相對獨 立於實體經濟，沒有所謂的生產成本，其價格決定和運行有自己特殊的規律。有 關股票的一般定價理論認為，股票的價格等於其未來收入流的現值，即股票價格 是由預期收益和貼現因子共同決定的，其一般表達式如下:
P0:股票的現值Dt:為投資者第t期的股息r:本期的利率或貼現率 中央銀行的貨幣政策操作(如調控利率、基礎貨幣、准備金等)首先直接改變模型的分母(貼現率)，引起股票價格的變動。當然，貨幣政策變動還可能通過各種傳導途徑(如利率傳導途徑、匯率傳導途徑、信貸傳導途徑以及股票市場傳導途徑等)最終影響總需求和經濟增長率，引起經濟基本面的變化，投資者的股息收入(分子)也會因此而受到影響，導致股價發生變動。 從以上分析可以看出貨幣政策對股價的影響是從兩方面進行的。我將貨幣政策通過改變定價分母影響價格稱為直接影響;通過改變分子影響股票價格稱為間接影響。 （一）貨幣政策對股價的直接影響 貨幣政策對股價的直接影響是指貨幣政策的變化(或貨幣政策工具的執行)，如利率調整，直接改變了股票的貼現率，從而導致金融市場上各種資產的相對價格發生變化，進而影響資金的流動方向，最終影響股票價格。 在市場經濟條件下，居民與企業持有一系列的資產，包括股票、債券、存款等金融資產和耐用消費品、房地產等實物資產，他們根據各種資產的邊際收益和流動性來確定各種資產之間的比例。當利率或貨幣供應量發生變化時，各種資產的邊際收益也相應發生變化，原來的均衡資產結構被打破，居民和企業就將根據新的邊際收益來調整各資產之間的相對比重，要求的轉移必然導致價格的變化。 當中央銀行調低利率時，說明債券的收益曲線下降，債券的價格上升。相對於上升的債券價格，股票對居民和企業更具有吸引力，股票的社會需求就增加，從而拉動股價上升。 在我國，現行的尚未完全市場化的利率制度雖然使股市對利率敏感程度不如國外，但是利率的變化對股市還是有一定的影響。利率的每一次調整前後都有一定的波動，一般情況下，調息公布當日，股市大盤都是高開低走、調整、整固(市場慢慢吸收和消化)，兩三日後形成一大的上升浪。我國股市的快速發展也與持續的實際利率較低是分不開的。從%年起，我國連續8次下調利率，利率一直處於較低水平，人們從原來的部分儲蓄轉到股市以獲取高於銀行存款利率的收益。 （二）貨幣政策對股票價格的間接影響 貨幣政策對股票價格的間接影響是指貨幣政策的變化通過利率、匯率、信貸、資產價格等途徑影響實質經濟增長，又稱股市「基本面」，使得投資者從發行股票的企業獲得的股息發生相應的變化，從而對股價的形成和變化產生影響。如擴張性貨幣政策使股票價格上升、緊縮性貨幣政策使股票價格下跌。 因為貨幣政策對股票價格的間接影響主要是改變投資者將獲得的未來收益來影響股票價格，而在當期可能獲得的未來收益又依賴於投資者對企業盈利和股息分配的預期，所以，貨幣政策對股票價格的間接影響關鍵在於改變市場參與者對未來經濟狀況的預期，進而將這種預期反映到股票價格中，因此可以將這種貨幣政策影響股票價格的方式簡化為通過改變投資者的預期來影響股票價格。 二、股票價格對貨幣政策的影響 微觀主體的資產選擇行為會影響各種資產需求量的變動，當然也包括資金在貨幣形態和股票之間的相互轉化，但是，這是否是一種普遍行為以及會在多大程度上起作用卻是由經濟結構決定的。一般來說，只有在深化發展到一定階段，居民的可支配收入大大增加和金融資產種類足夠多樣化時，資產選擇才能成為微觀主體的普遍行為，才能對宏觀經濟金融運行造成重大影響。 因此，如果將資產選擇看成是一個市場的話，那麼需求和供給條件的同時滿足是其基本條件。資產選擇的需求條件是較高的收入水準而產生的資產多元化需求。由於資產需求與收入水平正相關，在收入水平相對低下時，人們在保證基本的消費支出後沒有多少剩餘，缺乏進行資產選擇的物質基礎，基本沒有在不同的資產之間進行選擇的需求，對股票等奢侈品尤其如此，這時資產選擇不具有普遍性。只有在經濟發展到一定階段，人們的儲蓄余額較多時，才可能形成資產多元化的需求，在不同的資產持有形式之間進行選擇，以規避風險或謀求資產增值。而資產選擇的供給條件單一或相互之間缺乏可替代性，即使有資產選擇的需求，也無多少資產可供選擇，這樣才會在較大規模上引起資產需求量的變化。 很顯然，股票市場的發展會強化資產選擇行為，而股價的波動將引起較大規模的資金在股票和貨幣形態之間進行轉移，從而對貨幣政策產生重要影響。 （一）股票價格對貨幣需求的影響 股價及其變化之所以能影響貨幣政策在很大程度上是因為它改變了貨幣需求的穩定性。在假定短期實際經濟不變即收入不變的條件下，股票價格變動對貨幣需求的影響體現在三個方面:1、財富效應。股票價格的上升意味著人們名義財富的增加，居民收入上升，貨幣需求相應增加。2、交易效應。股票作為一種金融商品，其交易也需要憑借媒介物—貨幣的作用來實現，股價的上漲往往伴隨著股市交易的擴張。成交量越大，需要用來完成媒介作用的貨幣越來越多，相應的，對貨幣的需求也越大。3、替代效應。股票價格上升，會使得人們調整自己的資產結構，多持有股票，少持有貨幣，貨幣在人們的資產組合中的比例下降，會降低貨幣需求。股價變動對貨幣需求的凈影響由這三方面的效應共同決定，財富效應和交易效應增大了貨幣需求，而替代效應則減少了貨幣需求。 一般而言，財富效應大於替代效應，所以，股價上揚一般會增加對貨幣的需求。在股票市場對貨幣需求產生的財富效應、資產組合效應、交易效應、替代效應等不同方向的作用力中，增加貨幣需求的力量(財富效應、交易效應等)超過降低貨幣需求的力量。從邏輯上來說，這些新的需求是要有相配套的一定量的貨幣供給予以滿足的，而我國目前的貨幣政策依然沒有考慮這種因股市發展和活躍帶來的不斷增長的貨幣需求，從而貨幣供應規劃仍按照從前僅僅針對實際經濟的做法，在傳統的貨幣交易方程(MV=PY)基礎上，仍然並將繼續根據GDP增長目標、物價控制目標及某個一定的貨幣流通速度變化水平，來規劃、制定貨幣供應目標。由於這種貨幣供應政策忽視了股票市場的貨幣需求效應，相對其要達到的目標(如GDP增長)而言是不適應的，從而影響其目標的實現。在相當部分資金被用於滿足證券市場貨幣需求的情況下，用於保持實體經濟增長的貨幣和流動性相對偏緊，從而影響了實體經濟的回升。有學者通過多元線性回歸模型對我國股票市場與貨幣需求之間的關系進行了實證分析發現，我國股票市場與貨幣需求之間呈正相關關系，即股票價格上升、交易量擴大，導致貨幣需求相應增加。 （二）股票價格對貨幣乘數和貨幣流通速度的影響 中央銀行對商業銀行進行監管的一個重要原因就是後者和具有信用貨幣創造能力。貨幣乘數則是這一創造過程中的重要因素。它決定了商業銀行創造貨幣的能力，也因此影響貨幣政策對企業和居民消費行為的調控程度。貨幣乘數是貨幣供應量與基礎貨幣的比率，如果乘數較大，意味著貨幣政策的「杠桿效應」也較大，則中央銀行只需要發放或回收較少的基礎貨幣操作就能達到預期的政策目標。 根據喬頓模型，貨幣乘數為: m=(1十k)/[r(1+t+g)+k1 k:現金漏損率;r:法定存款准備金率;t:定期存款與活期存款比率;g:政府存款比率 一般來講，r是由中央銀行決定的，而k、t和g則是由居民、企業和政府的行為共同決定的，這說明貨幣乘數的內生性相當強。隨著經濟貨幣化程度的提高，巨大的股票存量和股價的過度波動更加增強了貨幣乘數的內生性。股價的波動會造成現金、活期存款、儲蓄存款等貨幣性資產與股票等非貨幣性資產的相對價格的變動。居民和企業將根據不同資產的收益率進行投資結構調整以達到風險和收益的均衡，引起k、t的變化，從而貨幣乘數發生相應變動。如果股價持續上漲，則股票的實際收益率將超過風險較低的貨幣性資產的實際收益率，那麼居民和企業就會將持有的一部分貨幣性資產轉換為股票，也可能將儲蓄存款轉為活期存款或現金以滿足增長的投機性需求。這種資產之間的轉化引起k、t發生變化，導致貨幣乘數也發生變動，貨幣乘數內生性增強，股票的內在性質決定了股價的過度波動，這就破壞了貨幣乘數的穩定性，導致貨幣乘數的可預測性下降。這樣，中央銀行根據預測的貨幣乘數來調節貨幣供應量的能力就被削弱了，貨幣政策的效果也因為貨幣乘數的波動而變的不可確定。 股價的上漲還會導致貨幣的流動性增強。隨著股票的名義價值上升，其內含收益也上升，則貨幣的收益相對下降，那麼在短期內利率不變的情況下，居民和企業的流動性偏好上升，願意持有更多的現金和活期存款，導致M。、Ml增長過快，貨幣的流動性增強，即Mz迎以2比率持續上升;相反，股價的下跌則會導致貨幣的流動性下降。
E. 什麼叫做股票因子
我覺得就是引起股票產生各種形式狀態變化的因素
F. #信產策略#股票投資的基本策略有哪些
股票投資應該注意的：1、規模因子
買小公司的股票未來升值空間更大
買入小市值公司的組合、賣出大市值公司的組合收益更高
2、價值風險
市凈率越低，股票越便宜
長期買入市凈率低的股票，賣出市凈率高的股票，未來會獲得很高的收益
3、市場因子
由CAPM模型提出，但是市場因子不碧或能完全解釋股票資產的超額收益
還需要增加尋找其他因子來解釋系統性風險
4、動量交易策略
把市場上所有的股票都按凳慧胡照這個月的收益率排序分成十組
買收益棗攔率最高的那一組、賣出收益率最低的那一組
然後在接下來的3-12個月中，這個策略會獲得很高的收益
建議：散戶投資要謹慎避免高點買入炒作股票
避免買入無端交易量活躍、單純靠炒作漲價的股票
G. 股票交易的價格是怎麼形成的
一、股票是根據什麼來漲跌的？
股票價格漲跌是由買賣雙方交易形成的，開盤後的實時股價就是每分鍾最後一筆成交的價格，如果這個價格比前一分鍾高，就是上漲，反之則是下跌。簡單來說，就是就是看供需關系，買的人多漲，賣的人多跌，高價的買單比低價的賣單多就漲，反之則跌。
比如某隻股票現價10塊，買賣雙方都願意按這個價格來交易，但忽然有利好消息傳來，賣方就會覺得這個價格自己虧了，買方想買就必須提高價格，於是股價就會上漲。
在實際交易中，有許許多多這樣的博弈過程，每個人的交易偏好和對股票的心理價位都不同，有的人賺5%就賣，有的人翻倍了也不賣，有的願意高價買入，有的只喜歡抄底，因此我們說股票的漲跌是由買賣雙方共同決定的。
二、影響股票和股市漲跌的因素
首先，個股和整體股市（俗稱大盤）會互相影響。
大盤上漲，是由於大部分股票，或者部分高權重股上漲，大盤上漲又會使得股民對股市更加樂觀，帶動其他股票上漲，可以說大盤上漲對個股就是一種利好；反之，大盤下跌，也會帶動個股下跌，即使這些個股並沒有任何的利空消息，但是大盤下跌本身就是一種利空。
那麼，到底是什麼深層原因使得股票和股市出現變化呢？
從大的方向來看，股市的走向與宏觀經濟息息相關，通常會在經濟觸底時開始出現行情，又往往在經濟周期真正到頂前，股市行情就會結束。
而單看個股，就更為復雜，影響因子非常多，公司的經營情況、發展空間，股票的PE（市盈率）、凈利率、ROE（凈資產收益率）高低，以及政策導向變化、科技進步等帶來的各種利好利空消息等，都會影響到個股股價。
H. 金融模型——多因子模型歸因
本文主要詳細介紹怎麼使用多因子模型對組合資產進行歸因分析，歸因分析的內容為收益歸因和檔宏風險歸因。
上圖列出了由馬克維茨均值方差理論引出的三條路，其一為資產配置，我們本文不涉及，其二為資本資產定價（CAMP)的一條路，其三為套利定價理論（APT）的第三條路。第二條路和第三條路為本文討論重點。
第二條和第三條路都是屬於多因子分析的范疇，第二條路是知道因子收益的時間序列，通過時間序列上的回歸去求因子暴露，為的是解釋個券收益的組成部分。第三條路是知道截面因子暴露去回歸截面上的因子收益，為的是挖掘有效因子，找到這個因子帶來的超額收益。
使用多因子模型進行投資組合的歸因分析，也主要梁孝包括基於凈值的歸因方法和基於持倉的歸因方法兩大類。基於凈值的歸因方法是走的第二條路，比較簡單。基於持倉的歸因方法走的是第三條路，比較復雜。
兩者的區別主要表現在三個方面：
1、基於凈值橡蠢稿的歸因方法是時間序列回歸，基於持倉的歸因方法是截面回歸；
2、基於凈值的歸因方法主要來自CAMP（資本資產定價）模型，基於持倉的歸因方法主要來自APT（套利定價）理論。
3、基於凈值的歸因方法要求比較簡單，數據較少且較容易獲取，僅需要組合的凈值數據以及因子收益序列即可進行分析。而基於持倉的歸因方法需要知道具體的組合權重、個股因子暴露等數據，來確定組合的因子暴露。
下面詳細介紹兩大類方法。
在介紹兩個方法前，我們下面給出項目的框架如下圖：
基於凈值的歸因方法，邏輯上很簡單，它來自資本資產定價模型，用所有因子收益的時間序列去回歸組合收益的時間序列。這樣做的目的是，是把組合的收益分解在各個特定的因子上，認為組合或者個股的收益都可以被給定的特定因子收益加個股特質收益來解釋，解釋不了的部分直接扔給殘差。這里要特別注意，此時特定因子收益在一個時間截面上是一個常數，對多所有股票都一樣，這與另一種方法基於持倉的歸因方法有本質的區別。
基於這種方法，人們開發出的模型很多，如下：
1、Fama-French三因子模型
2、Carhart四因子
在 FF 三因子模型的基礎上，引入動量因子 UMD (高收益率股票組合與低收益率股票組合 收益率之差)
3、Fama五因子模型如下：
我們這里以Fama五因子模型為例，詳細介紹這種方法的實現。
Fama五因子模型如下：
因為本文主要是項目實施前的參考文檔，所以在此不介紹Fama五因子模型怎麼得來的。只需要知道Fama五因子模型是上面公式。
其中，
表示資產 i 在時間 t 的收益率，
表示時間 t 的無風險收益率，
表示時間 t 的市場收益率，
即為時間 t 的風險溢價，
為時間 t 的市值因子的模擬組合收 益率(Small minus Big)，
為時間 t 的賬面市值比因子的模擬組合收益率(High minus Low)，
為時間 t 的盈利因子的模擬組合收益率(Robust minus Weak)，
為時間 t 的投資因子的模擬組合收益率(Conservative minus Aggressive)，
為經過正交化 調整的估值因子模擬組合收益率，其餘各變數含義與三因子模型相同。
均為回歸待擬合系數，𝜖_{𝑖𝑡} 為殘差項。
有了模型，下面我們具體去實現。
我們遵循機器學習項目的步驟，將Fama五因子模型歸因分析的實現，歸結為以下流程。
數據准備>>數據預處理>>構造Fama五因子>>數據分析>>回歸分析>>歸因分析
(1) 股票池:全A股，在每個時刻t均剔除ST、PT股票，剔除停牌及上市未滿一個月的股票，剔除 BP 值為負的股票;
(2) 時間參數:2010年1月至2018年1月;
(3) 因子對應指標:
a) 市場因子指標:上證 指數;
b) 規模因子指標:總市值 = 每股股價 × 發行總股數;
c) 估值因子指標:賬面市值比 BP，即市凈率的倒數;
d) 盈利因子指標:扣除非經常性損益、攤薄的 ROE;
e) 投資因子指標:當期總資產相對上期總資產變化率;
f) 無風險利率設為零，個股收益率用 Wind 後復權收盤價核算;
g) 以自然月為頻率，計算因子值並重新分層計算對應五因子收益率。
1、所有數據按同一時間，同一股票對齊，注意這里的財報指標相關的時間要使用財報公布時間不能使用財報報告期。
2、第一步產生的NA值，用前一個值去填充（因為這里回歸的方式是時間序列回歸）。
Fama 和 French(2015)原始的方法，是沿著某兩個因子維度將股票分成 2x3=6 個組合(圖表 2，3)。在這 2 個因子維度中，其中一個固定為規模，按照中位數分為兩層， 另外一個為 BP、盈利或者投資因子，按照 30%，70%分位數分成 3 層(圖表 3)。這樣， 我們將得到 3 個 2x3 的股票資產組合(規模與 BP 兩維度分組、規模與盈利兩維度分組、 規模與投資兩維度分組)。
因子的構造方法以及計算細節見下面表 1 和 2。在圖表 2 中，我 們用 2 個字母來標記股票的分組，第一個字母表示規模大(B)或小(S)，第二個字母在 BP 分層中，表示 BP 高(H)、中(N)、低(L);在盈利分組中表示強(R)、中(N)、弱(W);在投資 分組中，表示投資保守(C)、中(N)或者強(A)。
表1
表2
最後我們得到除了市場因子以外的 4 個因子 收益率為:
(1) SMB (small minus big):小市值組股票減大市值組股票平均月收益率;
(2) HML(highminuslowBP):高BP組股票減低BP組股票平均月收益率;
(3) RMW(Robustminusweakprofit):高ROE組的股票減低ROE組股票平均月收益率;
(4) CMA():總資產增長率低組股票減總資產增長率高組股票平均月收益率。
數據分析部分主要分析五因子組成數據的特性。其主要分析四部分內容：
1、五因子的均值，方差等summary統計。這樣能說明那個因子在市場的收益中起到作用。
2、求均值是否顯著異於零的假設檢驗對應的 t 統計量。目的是檢驗哪一個因子最能帶來超額的收益。
3、五因子累計收益分析，一般是規定一個日期為起始日期，形成五因子的累積凈值曲線，目的是用來分析五因子在歷史上和現在的表現，和預估未來的表現。後面歸因分析中會用到這里的累積。
4、五因子間的相關性分析。其目的是提出多吃公線性，用作下一步回歸用。
這里可以剔除多重共線性，也可以不剔除，因為Fama在原始論文中就發現了了五因子中存在多重公線性，但是Fama並沒有處理這個問題。所以這里也可以不處理。
去除多重共線性的方法為：
分別用4個因子對另一個因子進行線性回歸，可以找到共線性因子，找到共線性因子後。
用四個因子去回歸這個共線性的因子，生成的殘差，作為這個因子的新值，這樣既做可以去掉共線性，也因為是線性變化，不改變因子的方向。這種去除共線性的方法，使用與所有的多因子模型。包括APT多因子模型。
我們有了Fama五因子，將組合的收益時間序列作為因變數，直接進行回歸，即可求出模型：
在求出模型的同時，求出回歸的可決系數，檢驗模型的因子解釋的有效性。
我們由五因子的累積凈值走勢圖，可以分析出歷史和當前那個因子起到主要作用，通過上面方差的回歸系數，我們可以發現我們組合的收益來源，如果組合的主要收益來源和當前五因子收益表現最好的不一致，就要考慮進行調倉，高配表現好的因子。這就是基於凈值的收益歸因。
既然這里目標變數是組合的收益率，那麼有上面模型，我們可以由因子的風險矩陣求出組合的總風險，且每一個因子的風險貢獻都可以求出，道理和風險預算模型一致。這就是基於凈值的風險歸因。
額外的，在這個模型可以用來選股，我們選擇 很小的股票和資產，因為這種股票和資產收益和風險可以被五因子所解釋，風險小， 大的說明還有很多不能被五因子解釋的部分，風險也大。
所以，我們使用Fama多因子選股的時候，只需用五因子回歸市場上每一個股票，對生成的殘差 有小到大排序，選擇殘差 小的股票。
基於持倉的歸因方法，邏輯上比基於凈值的歸因方法要復雜的多，它來自套利定價模型（APT），用所有所有股票截面的因子的暴露序列去回歸所有股票的收益序列。這種做法的目的是找到個股收益和因子收益之間的關系，尋找有效因子，通過有效因子來選擇好的股票。
這種做法把重點放在了因子挖掘和最後資產的打分模型的選擇上。
最後的模型打分，最後主要開發出來以下模型：
分層打分法、簡單線性回歸、隨機森林、邏輯回歸、支持向量機回歸。
本文以簡單線性回歸為例，詳細介紹這種方法歸因分析的實現。
我們還是遵循機器學習的項目流程，來進行實現：
數據准備>>數據預處理>>單因子有效性檢驗>>數據分析>>回歸分析>>歸因分析
(1) 股票池:全A股，在每個時刻t均剔除ST、PT股票，剔除停牌及上市未滿一個月的股票，剔除 BP 值為負的股票;
(2) 時間參數:2010年1月至2018年1月;
(3) 因子對應指標:
a) 市場因子指標:上證 指數;
b) 行業因子指標:申萬一級行業指數。
c) 風格因子指標：市值size，PE，EBITA.(這里以這三個因子為例，APT框架的優勢就是因子可以隨便加)
1、所有數據按同一時間，同一股票對齊，注意這里的財報指標相關的時間要使用財報公布時間不能使用財報報告期。雖然這種方法是截面回歸，但是要研究每個因子的有效性，所以必須列出各個因子的歷史時間序列數據。
2、第一步產生的NA值，用截面該因子的均值填充。（這與上面的做法不一樣）。
3、若因子NA比率超過30%，則舍棄該因子。
4、對每個因子的暴露（就是因子值）分布分析，剔除3-sigma以外的公司。（最後回歸用，因為回歸對極值敏感）
5、z-score標准化所有因子。（最後回歸用，去量綱）
通常我們總認為行業和市值兩個因子對股票的收益影響較大，所以在單獨分析其他因子時，要把這兩個因子暴露引起的收益剔除掉，也就是所謂的因子中性化。經常使用的方法是，用因子暴露作為因變數，用行業因子和市值因子去回歸因子暴露，得到的殘差就是中性化後的因子。
在這個過程中，因為行業是類別變數，不能直接進行回歸，要引入啞變數的方式進行回歸。
注意：因子暴露此時已經變成中心化的，所以一下處理全在中性化因子的基礎上。
整個模型最麻煩的一步，也是最瑣碎的一步。
在剔除了極端公司和填充了因子NA值後，我們對每個單因子進行有效性檢驗。做法有以下幾種：
1、IC值檢驗
2、RIC值檢驗
3、IR檢驗
4、方差分析(ANOVA)給出p-value
5、隨機森林
這里我們要先再確認下因子收益和因子暴露的概念：
因子暴露是因子具體的值，例如60000.sh(浦發銀行)的PE（因子）值為5.62.納悶普法銀行在因子PE上的暴露就是5.62。
因子收益是用截面因子暴露去回歸個股收益時產生的各項因子的回歸系數。
為什麼這樣定義，其實原因來自上面的基於CAMP模型多因子分析。
我們有各個因子的暴露值後，可以對各個因子進行單因子檢驗，我們求當期（t期）的因子暴露值和下一期（t+1期）的個股收益的相關性數,得到當期（t期）的該因子的IC值：
其中：
這樣求出來的IC值的絕對值越大越好，求出所有因子歷史一段時間的IC值走勢。因子IC的絕對值長時間處於很大的值，說明這個因子長期有效性很強，若偶爾絕對值很大，說明因子偶爾有效，也要保留，我們剔除那些IC長期很小的因子。認為這些因子有效性不強。
RIC的用法與IC的用法完全一致，只有RIC的定義不一樣，我們求當期（t期）的因子暴露值和下一期（t+1期）的個股收益的秩相關性數,得到當期（t期）的該因子的RIC值：
其中：
RIC使用方式和IC一致。
從上面使用IC和RIC時，不是很方便，我們要看IC和RIC長期表現，這種表現是定性看的，我們需要構造一個量，定量的去衡量因子的長期表現。我們很簡單的一個想法是：用IC的均值來衡量IC的長期表現好壞，用IC的標准差來衡量表現的穩定性。
於是我們綜合兩個在一起，構造IR如下：
這里的符號IR與信息比率是一樣的，因為兩者是一個東西，可以通過數學推導得到。
我們選取IR高的因子，丟棄IR低的因子。
方差分析是用來分析多組數據之間均值是否一樣的統計分析方法，當檢驗的p值大與0.05是，說明多組之前的均值沒有差異，當p值小於0，05 時，說明各組之間存在差異。對於選因子來說，我們希望每組之前有差異。所以p-value需要小於0.05.
P值的計算方式很復雜，其思想是用組內方差處於組間方差構造統計量，進行F檢驗。可直接調用python方差分析函數。
本步主要查看上一步選出的各個因子之間相關系數,為解決下面回歸中的兩兩共線性問題，我們要合並部分因子，我們設置閥值0.6.認為相關系數在0.6 以上的因子看作同一組因子。
對同一組的因子，我們採用IC_IR加權的方式合並這些因子，將其合成一個因子。
其具體加權方式為： 。
這樣我們就得到了組合因子。但是這一步雖然剔除了兩兩間的共線性，但是未能剔除多重共線性。
本步對上面篩選出的因子，以個股收益為因變數驚喜建模，常用模型為多元線性回歸，獲得如下回歸方程：
其中： 是股票n在因子k 上的暴露。 為因子k的因子收益， 為股票n的殘差收益，既股票特有收益率。
由這個回歸方程，用最小二乘發，我們可以得到因子k的收益 。
進一步的，若現有一組合P，則這個組合P的收益率為：
其中： 為組合P中股票n的權重。
所以組合在因子k上的暴露設為 為：
所以此時，我們知道了組合的因子暴露，各因子的收益，所以可以得到組合裡面個因子的收益貢獻 ：
所以，此時的多因子模型收益歸因歸因。
這里的風險歸因分析和Barra一模一樣：
由上面回歸模型得到（將其向量化表示）：
其中：r為股票的收益向量，X因子的暴露矩陣，f為股票的因子收益向量，u為股票的特質收益。
則我們的組合P的波動率為：
其中： 為所有因子收益學列的協方差矩陣，𝛥為股票特質收益序列的協方差矩陣。w為持倉權重。具體推導詳見馬克維茨均值方差理論。
有了組合的風險（既波動率），就可以得到以下三個量：
組合的系統風險：
組合的特質風險：
因子𝑖對總風險的貢獻比例為(推導詳見風險預算):
以上就是多因子模型在風險歸因上的應用。
傳統的這一版多因子，另一大作用是用來選股的，我們得到以下回歸方程的時候。
最簡單的，可以把最新一期的因子帶入到回歸方程，計算出的個股的的未來收益，將其線性映射到1到100，可以直接作為分數，我們選擇分數高的股票即可。一般都是直接做前10%,做空後10%獲得超額收益。
I. 資產定價因子
在金融市場里，資產中間的聯動性是投資者最大的風險點所在。聯動性風險是投資風險的主要組成部分。所以要給金融資產定價的話，就要給這些聯動性定價。
一個證券資產的風險可以分解為兩個部分，一個是跟整個市場相關聯的部分，就是系統性風險；是自己獨有的部分，叫做個體風險。其中在投資的過程中個體風險主要包含公司行業和經營風險褲物襲，比如說近期的中興事件。個體風險難以判斷，也可以通過投資組合來分散，這里就沒有過多研究。重點是需要找到系統性風險，就是資產與市場波動的部分。
把一個資產和市場組合的相關性定義為「beta」。這個資產比市場風險大還是小，beta大於1，這個資產的風險比市場要大，反之，比市場風險小。如果這個資產的beta為2，那這個資產的價格應該是市場2被的議價，如果這個資產的市場價格大於2倍，就可以稱為高估值。
這就是資產定價理論（Capital Asset Pricing Model，CAPM）。是由夏普等幾個金融學家在1964年提出的，與有效市場假說一起，是現代金融學的兩大基石。
一、資產定價三因子模型（市場、規模和價值)
在15年牛市的時候，有出現一些牛叉基金，比如說匯添富的幾個專們投資神創板的幾個高價股全通教育、安碩信息。他們的業績比滬深300的表現好很多。在這種情況下，當時覺得這些基金經理超級牛。
然而事實並非如此。
Fama-French模型，除了上面講的市場風險之外，資產的系統性風險還包括另外兩個因素： 規模因子和價值因子 。這兩個因素也是資產的定價因子。
規模因子：市值小的公司，承擔著更大的風險，有更高的風險溢價。意思就是規模小的資產，它與市場組合（滬深300）的相關性「beta」是大於1的。在市場較好的時候，它的收益也會大；然而當市場走低，他的虧損也是大於市場組合的。
價值因子：市凈率低的公司，或許由於基本面不佳、波動較大，比市凈率高的成長型公司有風險溢價；或許是投資者的誤判，當估螞簡值修正時，也會有高的回報。
最後，通過多年的數據認證，什麼資產的收益率更高，用這三個因子可以解釋其中的90%，基本上解釋了各種股票收益率的差異。
當看到這個模型，可以知道原來很多時候，基金經理取得了超額的收益不是因為他們的能力，而是運用了以上的兩個風險因子 。
二、動量因子（趨胡兄勢交易）
在A股市場里，經常聽到媒體評論，散戶追漲殺跌不理性，造成市場的過度波動。其實這很業余，在金融的研究里，散戶根本沒有追漲殺跌，而是在追跌殺漲。
實際在過去的數據中，機構最賺錢的策略就是「追漲殺跌」，這也叫做動量交易。在資產定價因子中，還是一個著名在定價因子。
機構就這樣使用了相應的交易策略，買入上個月收益最高的資產，賣出收益最低的那組。然後發現在接下來的3-12個月中，這個策略獲得了不錯的超額收益。在五十年代被發現後，之後的30年美國市場上大部分基金都使用了這樣的策略贏得超額收益。
那如果動量這個現象是錯誤定價，而市場又是有效的。那這個超額收益的套利空間就應該很快消失，不會出現長久超額收益的情況。超額收益一直存在的可能性就是動量也是一種系統性風險，需要風險溢價。所以它也應該當作一個定價因子。
動量這個策略的風險很大，在市場良好的時候，可以獲得超額收益。而在市場不好的時候，卻容易賠錢。而在A股市場中，由於交易較大，動量持續的時間較短，只能持續2-4周。如果這一周大漲，後面的2-4周可能跟著漲；反之，後面2-4周繼續跟著跌。
三、投機因子
Fama-French的三因子模型中，價值因子在中國市場沒有在美國市場那麼明顯。大量的數據證明在A股市場中，投機因子對價格有很強的解釋力。
大量的投資者很難准確判斷資產的內在價值，都是傾向於選擇那些其他人也會買，因而會漲的資產。這種行為在市場上是常態，資產的價格就面臨長期偏離基本面的風險。所以資產價格也應該包含投機行為的風險溢價，也就是投機因子。
投機衡量指標：異常換手率（abnormal turnover）。在發展中國家，發展中的市場，異常換手率特別高；而在成熟的資本市場都比較低。
構建對應的交易策略，每個月買入異常換手率最低，賣空異常換手率最高的組合。這個策略年化收益率穩定達到21%，異常換手率確實能夠影響A股股票未來的收益率，是中國市場獨有的定價因子。
炒作在中國市場里不是個別現象，不是個體性風險，而是一個系統性風險。當投機變成是從的系統性風險以後，它其實是有風險溢價的，可以成為一個風險定價因子，聰明的人可以用它來賺錢。而且在A股市場里投機的成分遠大於價值，所以這個因子的作用也遠大於價值因子，留到以後再深入講解。
以上就是資產定價的五個因子，通過這些，也就更加准確的描繪了市場的畫像。對於市場的風險，讓我感覺就是自己在一步步從迷信、蠻荒，從觀察性的總結，一點點科學的找出其中背後深層次的道理。