A. 股价的影响因素汇总
一、影响股价走势的间接因素
经济因素
经济周期，国家的财政状况，金融环境，国际收支状况，行业经济地位的变化，国家汇率的调整，都将影响股价的沉浮。
经济周期是由经济运行内在矛盾引发的经济波动，是一种不以人们意志为转移的客观规律。股市直接受经济状况的影响，必然也会呈现一种周期性的波动。经济衰退时，股市行情必然随之疲软下跌；经济复苏繁荣时，股价也会上升或呈现坚挺的上涨走势。根据以往的经验，股票市场往往也是经济状况的晴雨表。
国家的财政状况出现较大的通货膨胀，股价就会下挫，而财政支出增加时，股价会上扬。
金融环境放松，市场资金充足，预期年化利率下降，存款准备金率下调，很多游资会从银行转向股市，股价往往会出现升势；国家抽紧银根，市场资金紧缺，预期年化利率上调，股价通常会下跌。
国际收支发生顺差，刺激本国经济增长，会促使股价上升；而出现巨额逆差时，会导致本国货币贬值，股票价格一般将下跌。
政治因素
国家的政策调整或改变，领导人更迭，国际政治风波频仍，在国际舞台上扮演较为重要的国家政权转移，国家间发生战事，某些国家发生劳资纠纷甚至罢工风潮等都经常导致股价波动。
公司自身因素
股票自身价值是决定股价最基本的因素，而这主要取决于发行公司的经营业绩、资信水平以及连带而来的股息红利派发状况、发展前景、股票历史预期年化预期收益水平等。
行业因素
行业在国民经济中地位的变更，行业的发展前景和发展潜力，新兴行业引来的冲击等，以及上市公司在行业中所处的位置，经营业绩，经营状况，资金组合的改变及领导层人事变动等都会影响相关股票的价格。
市场因素
投资者的动向，大户的意向和操纵，公司间的合作或相互持股，信用交易和期货交易的增减，投机者的套利行为，公司的增资方式和增资额度等，均可能对股价形成较大影响。
心理因素
投资人在受到各个方面的影响后产生心理状态改变，往往导致情绪波动，判断失误，做出盲目追随大户、狂抛抢购行为，这往往也是引起股价狂跌暴涨的重要因素。
二、影响股价走势的直接因素
股价与成交量的关系决定了股价的直接影响因子是成交量。有句话叫做：先见量后见价。
成交量的变化过程就是股票投资者购买股票欲望消长变化的过程。也就是股票市场人气聚散的过程。当人气聚敛，成交量增大，会吸引更多投资者介入，必定刺激股价攀升；股价升至一定高度，投资者望而却步，成交量开始徘徊；获利盘纷纷出手，成交量放大，又会导致人心趋散，股价会下跌；而当人心惶惶，抛盘四起，成交量的放大似乎成为人气进一步涣散的引信；待到股价继续下跌，成交量萎缩，投资者逃脱唯恐不及，供大于求，股价又走入低谷。
以上的简介因素中，不管是经济因素、政治因素、韩各样因素还是市场因素，最终都是通过成交量的变化来影响价格走势的。
B. 股市影响股价的因数有哪些啊
影响股票价格变动的因素很多，但基本上可分为以下三类：市场内部因素，基本面因素，政策因素。
（1）市场内部因素：它主要是指市场的供给和需求，即资金面和筹码面的相对比例，如一定阶段的股市扩容节奏将成为该因素重要部分。
（2）基本面因素：包括宏观经济因素和公司内部因素，宏观经济因素主要是能影响市场中股票价格的因素，包括经济增长，经济景气循环，利率，财政收支，货币供应量，物价，国际收支等，公司内部因素主要指公司的财务状况。
（3）政策因素：是指足以影响股票价格变动的国内外重大活动以及政府的政策，措施，法令等重大事件，政府的社会经济发展计划，经济政策的变化，新颁布法令和管理条例等均会影响到股价的变动。
拓展资料
股票价格的涨跌，长期来说是由上市公司为股东创造的利润决定的，而短期是由供求关系决定的，而影响供求关系的因素则包括人们对该公司的盈利预期、大户的人为炒作、市场资金的多少、政策性因素等。价值投资取决于投资者认为一只股票是被低估或高估，或者整个市场是被低估或高估。
最简单的方法就是将一家公司的P/E比率、分红和收益率指标与同行业竞争者以及整个市场的平均水平进行比较。如果买的人大于卖的人，也就是在供不应求的情况下，股票上涨，反之下跌股票涨跌。
原理：股票流通股是一定的，如果主力大量收集筹码，可参与买卖的筹码减少，那么物以稀为贵，买不到股票，只能抬高股价买。主力建仓完毕就会洗盘，挤出一些意志不坚定者。
到合适机会边拉升边出货，如果主力出货完毕往往还能缩量上涨一段空间。这时候风险极大，获利机会也极大。主力出货完毕，散户的热情也告一段落，那么股价就会自然降下来或者被主力砸下来。
再走一波下跌建仓影响股票涨跌的因素有很多，大致分为两种，宏观因素和微观因素。宏观的主要包括国家政策、战争霍乱、宏观经济等；微观的主要是市场因素，公司内部、行业结构、投资者的心理等。
C. 资产定价的简介
[英] assets pricing
资本资产定价模型（capital asset pricing model,简称CAPM）：
1.为一套叙述性理论架构模式。
2.用来描写市场上资产的价格是如何被决定的。
其目的在于：
1.描述在证券供需达到平衡状态时，存在于证券的市场风险与预期报酬的关系。
2.协助投资人创造最佳的投资组合，评估与决定各种证券的价值，使其能制定合宜的投资决策。 从80年代中期以来的20多年时间里，随着计算技术的进步和主要金融市场研究数据库的建立，金融学家们从不同角度对金融理论进行了广泛的实证检测。新的研究发现从根本上否定手中了传统资产定价理论的结论。主要表现在以下几方面：1．单个资产、资产组合、基金和投资策略的平均收益与其贝塔系数不相称。CAPM并非衡量风险的合适模型。2．收益具一定程度的可预测性。首先，股息率、短期债券收益率、长短期国债收益率差、金边垃圾债券收益率差、商业周期指标等可预测股票收益的时序变化。这一方面的代表性研究包括Fama和French(1989),Lettau和Ludvigson(2000)。第二，股票波幅随时间变化而变化。第三，按CAPM调整风险后，一些基金的表现超出大盘。尽管Carhart(1997)的进一步研究结果表明基金的超常表现归功于机械性“特性”(styles),而非来自基金经理的出色选股水平。第四，蔽凯股票收益表现很强的中期动能和长期回归倾向。自从Jegadeesh和Titman(1993)年发现美国股票市场存在中期收益‘动能’以来，一些学者对美国以外的股票市场进行了众多的样本外测试，发现中期收益‘动能’和长期收益‘回归’倾向广泛存在于除少数新兴市场外的所有股票市场。3．三因素、四因素资产定价模型对股票预期收益的变化具有较强的解释能力。这一方面具代表性的研究是Fama和French(1993)。他们证明了三因素模型(市场因子(marketfactor)、规模因子(sizefactor)和价值因子(valuefactor))能够解释70%-80%的美国股票收益变化。在其他市场也发现了类似的实证证据，包括中国在内的新兴股票市场。三因素模型的明显缺限是它不能解释收益动能现象。在三因素基础上加上动能因素，即四因素定价模型，便能增强资产定价模型对收益变动的解释能力。尽管金融理论界普遍接受三因素、四因素模型，但对这些因素的解释上有很大的争议性。Fama和French认为其三因素代表的是风险因素，因此三因素模型属传统资产定价理论的延伸。但行为金融学派认为规模因子、价值因子以及动能因素反映投资者固有的行为偏差带来的结果。这方面的争议至今尚无定论。不过有一点可以肯定，动能很难与风险因素扯上干系。从以上讨论可以看出，传统资产定价理论面临着缺乏实证证据支宏薯唤持的尴尬局面。在对学科进行审视和反思的过程中，运用心理学、社会学、行为学来研究金融活动中人们决策行为的行为金融学便成为了学界关注的焦点。行为金融学真正迎来其发展还是在二十世纪八十年代以后，在主流金融学模型与实证证据不断背离的困境中，伴随着这一时期由普林斯顿大学的Kahneman和斯坦福大学的Tversky所创立的预期理论(ProspectTheory)，金融学家们期望从行为金融学上寻找金融理论尤其资产定价理论发展的突破口。传统资产定价理论中，把行为人预设为一个完全意义上的理性人，这样的理性人不仅具备理性，而且无论在何种情境下，都可以运用理性，根据成本和收益进行比较，从而做出效用最大化的决策。而行为金融学恰恰就在这最基础的预设上与主流金融学表现出显着的不同。行为金融学并不完全肯定人类理性的普遍性。人类的决策在很多时候不是建立在理性预期、风险回避、效用最大化等的基础上。行为金融学建立在两类基本的行为假设基础上：1)深层心理偏差(heuristic-drivenbias)，回避不确定性、过分自信、决策保守性；2)框架依附(framedependence)。人们决策受决策者的特定思维框架的影响，主要表现在规避损失、后悔等。从包括Shiller(1981)发现美国股票收益超常波幅而推论投资者非理性等的几篇早期研究开始，建立在行为假设的基础上，金融学家们对资产定价问题进行了反思，并且丰富和发展了资产定价理论。例如Shefrin和Statman(1994)提出的行为资产定价理论(BAPM)既有限度的接受了市场有效性，也秉承了行为金融学所奉行的有限理性。Barberis等（1998）建立了分析投资者情绪对资产价格影响的理论模型。Daniel等（1998）以行为偏差解释广泛存在的中期(3-12个月)收益动能和长期（3-5年）收益回归现象。投资者行为偏差不仅影响股票等有价证券的价格，而且影响衍生品的价格确定。不过，学术界在这方面的研究尚处起步阶段。例如，研究发现深层心理偏差可能导致期权的隐性波幅(impliedvolatility)的图形出现“微笑”，即隐性波幅随期权的执行价格(strikeprice)的增加而下降，而其理论上的隐性波幅应与执行价格无关。另外，投资者情绪也影响期权的价格或隐性波幅。例如，很多投资者相信买权/卖权比率(call/putratio)是衡量投资者情绪的一很好标志。而且，衍生品市场与股票市场类似，同样存在“过激反应”(overreaction)现象。Stein(1987)以实证证据表明股指期权市场反应过激。Wang和Yu(2003)发现在24个最为活跃的美国期货市场中普遍存在“过激反应”。
D. 用货币政策分析股票价Ơ
一、货币政策对股票价格的影响 一般商品的定价通常是以该商品的生产成本为基础来决定的。而股票相对独 立于实体经济，没有所谓的生产成本，其价格决定和运行有自己特殊的规律。有 关股票的一般定价理论认为，股票的价格等于其未来收入流的现值，即股票价格 是由预期收益和贴现因子共同决定的，其一般表达式如下:
P0:股票的现值Dt:为投资者第t期的股息r:本期的利率或贴现率 中央银行的货币政策操作(如调控利率、基础货币、准备金等)首先直接改变模型的分母(贴现率)，引起股票价格的变动。当然，货币政策变动还可能通过各种传导途径(如利率传导途径、汇率传导途径、信贷传导途径以及股票市场传导途径等)最终影响总需求和经济增长率，引起经济基本面的变化，投资者的股息收入(分子)也会因此而受到影响，导致股价发生变动。 从以上分析可以看出货币政策对股价的影响是从两方面进行的。我将货币政策通过改变定价分母影响价格称为直接影响;通过改变分子影响股票价格称为间接影响。 （一）货币政策对股价的直接影响 货币政策对股价的直接影响是指货币政策的变化(或货币政策工具的执行)，如利率调整，直接改变了股票的贴现率，从而导致金融市场上各种资产的相对价格发生变化，进而影响资金的流动方向，最终影响股票价格。 在市场经济条件下，居民与企业持有一系列的资产，包括股票、债券、存款等金融资产和耐用消费品、房地产等实物资产，他们根据各种资产的边际收益和流动性来确定各种资产之间的比例。当利率或货币供应量发生变化时，各种资产的边际收益也相应发生变化，原来的均衡资产结构被打破，居民和企业就将根据新的边际收益来调整各资产之间的相对比重，要求的转移必然导致价格的变化。 当中央银行调低利率时，说明债券的收益曲线下降，债券的价格上升。相对于上升的债券价格，股票对居民和企业更具有吸引力，股票的社会需求就增加，从而拉动股价上升。 在我国，现行的尚未完全市场化的利率制度虽然使股市对利率敏感程度不如国外，但是利率的变化对股市还是有一定的影响。利率的每一次调整前后都有一定的波动，一般情况下，调息公布当日，股市大盘都是高开低走、调整、整固(市场慢慢吸收和消化)，两三日后形成一大的上升浪。我国股市的快速发展也与持续的实际利率较低是分不开的。从%年起，我国连续8次下调利率，利率一直处于较低水平，人们从原来的部分储蓄转到股市以获取高于银行存款利率的收益。 （二）货币政策对股票价格的间接影响 货币政策对股票价格的间接影响是指货币政策的变化通过利率、汇率、信贷、资产价格等途径影响实质经济增长，又称股市“基本面”，使得投资者从发行股票的企业获得的股息发生相应的变化，从而对股价的形成和变化产生影响。如扩张性货币政策使股票价格上升、紧缩性货币政策使股票价格下跌。 因为货币政策对股票价格的间接影响主要是改变投资者将获得的未来收益来影响股票价格，而在当期可能获得的未来收益又依赖于投资者对企业盈利和股息分配的预期，所以，货币政策对股票价格的间接影响关键在于改变市场参与者对未来经济状况的预期，进而将这种预期反映到股票价格中，因此可以将这种货币政策影响股票价格的方式简化为通过改变投资者的预期来影响股票价格。 二、股票价格对货币政策的影响 微观主体的资产选择行为会影响各种资产需求量的变动，当然也包括资金在货币形态和股票之间的相互转化，但是，这是否是一种普遍行为以及会在多大程度上起作用却是由经济结构决定的。一般来说，只有在深化发展到一定阶段，居民的可支配收入大大增加和金融资产种类足够多样化时，资产选择才能成为微观主体的普遍行为，才能对宏观经济金融运行造成重大影响。 因此，如果将资产选择看成是一个市场的话，那么需求和供给条件的同时满足是其基本条件。资产选择的需求条件是较高的收入水准而产生的资产多元化需求。由于资产需求与收入水平正相关，在收入水平相对低下时，人们在保证基本的消费支出后没有多少剩余，缺乏进行资产选择的物质基础，基本没有在不同的资产之间进行选择的需求，对股票等奢侈品尤其如此，这时资产选择不具有普遍性。只有在经济发展到一定阶段，人们的储蓄余额较多时，才可能形成资产多元化的需求，在不同的资产持有形式之间进行选择，以规避风险或谋求资产增值。而资产选择的供给条件单一或相互之间缺乏可替代性，即使有资产选择的需求，也无多少资产可供选择，这样才会在较大规模上引起资产需求量的变化。 很显然，股票市场的发展会强化资产选择行为，而股价的波动将引起较大规模的资金在股票和货币形态之间进行转移，从而对货币政策产生重要影响。 （一）股票价格对货币需求的影响 股价及其变化之所以能影响货币政策在很大程度上是因为它改变了货币需求的稳定性。在假定短期实际经济不变即收入不变的条件下，股票价格变动对货币需求的影响体现在三个方面:1、财富效应。股票价格的上升意味着人们名义财富的增加，居民收入上升，货币需求相应增加。2、交易效应。股票作为一种金融商品，其交易也需要凭借媒介物—货币的作用来实现，股价的上涨往往伴随着股市交易的扩张。成交量越大，需要用来完成媒介作用的货币越来越多，相应的，对货币的需求也越大。3、替代效应。股票价格上升，会使得人们调整自己的资产结构，多持有股票，少持有货币，货币在人们的资产组合中的比例下降，会降低货币需求。股价变动对货币需求的净影响由这三方面的效应共同决定，财富效应和交易效应增大了货币需求，而替代效应则减少了货币需求。 一般而言，财富效应大于替代效应，所以，股价上扬一般会增加对货币的需求。在股票市场对货币需求产生的财富效应、资产组合效应、交易效应、替代效应等不同方向的作用力中，增加货币需求的力量(财富效应、交易效应等)超过降低货币需求的力量。从逻辑上来说，这些新的需求是要有相配套的一定量的货币供给予以满足的，而我国目前的货币政策依然没有考虑这种因股市发展和活跃带来的不断增长的货币需求，从而货币供应规划仍按照从前仅仅针对实际经济的做法，在传统的货币交易方程(MV=PY)基础上，仍然并将继续根据GDP增长目标、物价控制目标及某个一定的货币流通速度变化水平，来规划、制定货币供应目标。由于这种货币供应政策忽视了股票市场的货币需求效应，相对其要达到的目标(如GDP增长)而言是不适应的，从而影响其目标的实现。在相当部分资金被用于满足证券市场货币需求的情况下，用于保持实体经济增长的货币和流动性相对偏紧，从而影响了实体经济的回升。有学者通过多元线性回归模型对我国股票市场与货币需求之间的关系进行了实证分析发现，我国股票市场与货币需求之间呈正相关关系，即股票价格上升、交易量扩大，导致货币需求相应增加。 （二）股票价格对货币乘数和货币流通速度的影响 中央银行对商业银行进行监管的一个重要原因就是后者和具有信用货币创造能力。货币乘数则是这一创造过程中的重要因素。它决定了商业银行创造货币的能力，也因此影响货币政策对企业和居民消费行为的调控程度。货币乘数是货币供应量与基础货币的比率，如果乘数较大，意味着货币政策的“杠杆效应”也较大，则中央银行只需要发放或回收较少的基础货币操作就能达到预期的政策目标。 根据乔顿模型，货币乘数为: m=(1十k)/[r(1+t+g)+k1 k:现金漏损率;r:法定存款准备金率;t:定期存款与活期存款比率;g:政府存款比率 一般来讲，r是由中央银行决定的，而k、t和g则是由居民、企业和政府的行为共同决定的，这说明货币乘数的内生性相当强。随着经济货币化程度的提高，巨大的股票存量和股价的过度波动更加增强了货币乘数的内生性。股价的波动会造成现金、活期存款、储蓄存款等货币性资产与股票等非货币性资产的相对价格的变动。居民和企业将根据不同资产的收益率进行投资结构调整以达到风险和收益的均衡，引起k、t的变化，从而货币乘数发生相应变动。如果股价持续上涨，则股票的实际收益率将超过风险较低的货币性资产的实际收益率，那么居民和企业就会将持有的一部分货币性资产转换为股票，也可能将储蓄存款转为活期存款或现金以满足增长的投机性需求。这种资产之间的转化引起k、t发生变化，导致货币乘数也发生变动，货币乘数内生性增强，股票的内在性质决定了股价的过度波动，这就破坏了货币乘数的稳定性，导致货币乘数的可预测性下降。这样，中央银行根据预测的货币乘数来调节货币供应量的能力就被削弱了，货币政策的效果也因为货币乘数的波动而变的不可确定。 股价的上涨还会导致货币的流动性增强。随着股票的名义价值上升，其内含收益也上升，则货币的收益相对下降，那么在短期内利率不变的情况下，居民和企业的流动性偏好上升，愿意持有更多的现金和活期存款，导致M。、Ml增长过快，货币的流动性增强，即Mz迎以2比率持续上升;相反，股价的下跌则会导致货币的流动性下降。
E. 什么叫做股票因子
我觉得就是引起股票产生各种形式状态变化的因素
F. #信产策略#股票投资的基本策略有哪些
股票投资应该注意的：1、规模因子
买小公司的股票未来升值空间更大
买入小市值公司的组合、卖出大市值公司的组合收益更高
2、价值风险
市净率越低，股票越便宜
长期买入市净率低的股票，卖出市净率高的股票，未来会获得很高的收益
3、市场因子
由CAPM模型提出，但是市场因子不碧或能完全解释股票资产的超额收益
还需要增加寻找其他因子来解释系统性风险
4、动量交易策略
把市场上所有的股票都按凳慧胡照这个月的收益率排序分成十组
买收益枣拦率最高的那一组、卖出收益率最低的那一组
然后在接下来的3-12个月中，这个策略会获得很高的收益
建议：散户投资要谨慎避免高点买入炒作股票
避免买入无端交易量活跃、单纯靠炒作涨价的股票
G. 股票交易的价格是怎么形成的
一、股票是根据什么来涨跌的？
股票价格涨跌是由买卖双方交易形成的，开盘后的实时股价就是每分钟最后一笔成交的价格，如果这个价格比前一分钟高，就是上涨，反之则是下跌。简单来说，就是就是看供需关系，买的人多涨，卖的人多跌，高价的买单比低价的卖单多就涨，反之则跌。
比如某只股票现价10块，买卖双方都愿意按这个价格来交易，但忽然有利好消息传来，卖方就会觉得这个价格自己亏了，买方想买就必须提高价格，于是股价就会上涨。
在实际交易中，有许许多多这样的博弈过程，每个人的交易偏好和对股票的心理价位都不同，有的人赚5%就卖，有的人翻倍了也不卖，有的愿意高价买入，有的只喜欢抄底，因此我们说股票的涨跌是由买卖双方共同决定的。
二、影响股票和股市涨跌的因素
首先，个股和整体股市（俗称大盘）会互相影响。
大盘上涨，是由于大部分股票，或者部分高权重股上涨，大盘上涨又会使得股民对股市更加乐观，带动其他股票上涨，可以说大盘上涨对个股就是一种利好；反之，大盘下跌，也会带动个股下跌，即使这些个股并没有任何的利空消息，但是大盘下跌本身就是一种利空。
那么，到底是什么深层原因使得股票和股市出现变化呢？
从大的方向来看，股市的走向与宏观经济息息相关，通常会在经济触底时开始出现行情，又往往在经济周期真正到顶前，股市行情就会结束。
而单看个股，就更为复杂，影响因子非常多，公司的经营情况、发展空间，股票的PE（市盈率）、净利率、ROE（净资产收益率）高低，以及政策导向变化、科技进步等带来的各种利好利空消息等，都会影响到个股股价。
H. 金融模型——多因子模型归因
本文主要详细介绍怎么使用多因子模型对组合资产进行归因分析，归因分析的内容为收益归因和档宏风险归因。
上图列出了由马克维茨均值方差理论引出的三条路，其一为资产配置，我们本文不涉及，其二为资本资产定价（CAMP)的一条路，其三为套利定价理论（APT）的第三条路。第二条路和第三条路为本文讨论重点。
第二条和第三条路都是属于多因子分析的范畴，第二条路是知道因子收益的时间序列，通过时间序列上的回归去求因子暴露，为的是解释个券收益的组成部分。第三条路是知道截面因子暴露去回归截面上的因子收益，为的是挖掘有效因子，找到这个因子带来的超额收益。
使用多因子模型进行投资组合的归因分析，也主要梁孝包括基于净值的归因方法和基于持仓的归因方法两大类。基于净值的归因方法是走的第二条路，比较简单。基于持仓的归因方法走的是第三条路，比较复杂。
两者的区别主要表现在三个方面：
1、基于净值橡蠢稿的归因方法是时间序列回归，基于持仓的归因方法是截面回归；
2、基于净值的归因方法主要来自CAMP（资本资产定价）模型，基于持仓的归因方法主要来自APT（套利定价）理论。
3、基于净值的归因方法要求比较简单，数据较少且较容易获取，仅需要组合的净值数据以及因子收益序列即可进行分析。而基于持仓的归因方法需要知道具体的组合权重、个股因子暴露等数据，来确定组合的因子暴露。
下面详细介绍两大类方法。
在介绍两个方法前，我们下面给出项目的框架如下图：
基于净值的归因方法，逻辑上很简单，它来自资本资产定价模型，用所有因子收益的时间序列去回归组合收益的时间序列。这样做的目的是，是把组合的收益分解在各个特定的因子上，认为组合或者个股的收益都可以被给定的特定因子收益加个股特质收益来解释，解释不了的部分直接扔给残差。这里要特别注意，此时特定因子收益在一个时间截面上是一个常数，对多所有股票都一样，这与另一种方法基于持仓的归因方法有本质的区别。
基于这种方法，人们开发出的模型很多，如下：
1、Fama-French三因子模型
2、Carhart四因子
在 FF 三因子模型的基础上，引入动量因子 UMD (高收益率股票组合与低收益率股票组合 收益率之差)
3、Fama五因子模型如下：
我们这里以Fama五因子模型为例，详细介绍这种方法的实现。
Fama五因子模型如下：
因为本文主要是项目实施前的参考文档，所以在此不介绍Fama五因子模型怎么得来的。只需要知道Fama五因子模型是上面公式。
其中，
表示资产 i 在时间 t 的收益率，
表示时间 t 的无风险收益率，
表示时间 t 的市场收益率，
即为时间 t 的风险溢价，
为时间 t 的市值因子的模拟组合收 益率(Small minus Big)，
为时间 t 的账面市值比因子的模拟组合收益率(High minus Low)，
为时间 t 的盈利因子的模拟组合收益率(Robust minus Weak)，
为时间 t 的投资因子的模拟组合收益率(Conservative minus Aggressive)，
为经过正交化 调整的估值因子模拟组合收益率，其余各变量含义与三因子模型相同。
均为回归待拟合系数，𝜖_{𝑖𝑡} 为残差项。
有了模型，下面我们具体去实现。
我们遵循机器学习项目的步骤，将Fama五因子模型归因分析的实现，归结为以下流程。
数据准备>>数据预处理>>构造Fama五因子>>数据分析>>回归分析>>归因分析
(1) 股票池:全A股，在每个时刻t均剔除ST、PT股票，剔除停牌及上市未满一个月的股票，剔除 BP 值为负的股票;
(2) 时间参数:2010年1月至2018年1月;
(3) 因子对应指标:
a) 市场因子指标:上证 指数;
b) 规模因子指标:总市值 = 每股股价 × 发行总股数;
c) 估值因子指标:账面市值比 BP，即市净率的倒数;
d) 盈利因子指标:扣除非经常性损益、摊薄的 ROE;
e) 投资因子指标:当期总资产相对上期总资产变化率;
f) 无风险利率设为零，个股收益率用 Wind 后复权收盘价核算;
g) 以自然月为频率，计算因子值并重新分层计算对应五因子收益率。
1、所有数据按同一时间，同一股票对齐，注意这里的财报指标相关的时间要使用财报公布时间不能使用财报报告期。
2、第一步产生的NA值，用前一个值去填充（因为这里回归的方式是时间序列回归）。
Fama 和 French(2015)原始的方法，是沿着某两个因子维度将股票分成 2x3=6 个组合(图表 2，3)。在这 2 个因子维度中，其中一个固定为规模，按照中位数分为两层， 另外一个为 BP、盈利或者投资因子，按照 30%，70%分位数分成 3 层(图表 3)。这样， 我们将得到 3 个 2x3 的股票资产组合(规模与 BP 两维度分组、规模与盈利两维度分组、 规模与投资两维度分组)。
因子的构造方法以及计算细节见下面表 1 和 2。在图表 2 中，我 们用 2 个字母来标记股票的分组，第一个字母表示规模大(B)或小(S)，第二个字母在 BP 分层中，表示 BP 高(H)、中(N)、低(L);在盈利分组中表示强(R)、中(N)、弱(W);在投资 分组中，表示投资保守(C)、中(N)或者强(A)。
表1
表2
最后我们得到除了市场因子以外的 4 个因子 收益率为:
(1) SMB (small minus big):小市值组股票减大市值组股票平均月收益率;
(2) HML(highminuslowBP):高BP组股票减低BP组股票平均月收益率;
(3) RMW(Robustminusweakprofit):高ROE组的股票减低ROE组股票平均月收益率;
(4) CMA():总资产增长率低组股票减总资产增长率高组股票平均月收益率。
数据分析部分主要分析五因子组成数据的特性。其主要分析四部分内容：
1、五因子的均值，方差等summary统计。这样能说明那个因子在市场的收益中起到作用。
2、求均值是否显着异于零的假设检验对应的 t 统计量。目的是检验哪一个因子最能带来超额的收益。
3、五因子累计收益分析，一般是规定一个日期为起始日期，形成五因子的累积净值曲线，目的是用来分析五因子在历史上和现在的表现，和预估未来的表现。后面归因分析中会用到这里的累积。
4、五因子间的相关性分析。其目的是提出多吃公线性，用作下一步回归用。
这里可以剔除多重共线性，也可以不剔除，因为Fama在原始论文中就发现了了五因子中存在多重公线性，但是Fama并没有处理这个问题。所以这里也可以不处理。
去除多重共线性的方法为：
分别用4个因子对另一个因子进行线性回归，可以找到共线性因子，找到共线性因子后。
用四个因子去回归这个共线性的因子，生成的残差，作为这个因子的新值，这样既做可以去掉共线性，也因为是线性变化，不改变因子的方向。这种去除共线性的方法，使用与所有的多因子模型。包括APT多因子模型。
我们有了Fama五因子，将组合的收益时间序列作为因变量，直接进行回归，即可求出模型：
在求出模型的同时，求出回归的可决系数，检验模型的因子解释的有效性。
我们由五因子的累积净值走势图，可以分析出历史和当前那个因子起到主要作用，通过上面方差的回归系数，我们可以发现我们组合的收益来源，如果组合的主要收益来源和当前五因子收益表现最好的不一致，就要考虑进行调仓，高配表现好的因子。这就是基于净值的收益归因。
既然这里目标变量是组合的收益率，那么有上面模型，我们可以由因子的风险矩阵求出组合的总风险，且每一个因子的风险贡献都可以求出，道理和风险预算模型一致。这就是基于净值的风险归因。
额外的，在这个模型可以用来选股，我们选择 很小的股票和资产，因为这种股票和资产收益和风险可以被五因子所解释，风险小， 大的说明还有很多不能被五因子解释的部分，风险也大。
所以，我们使用Fama多因子选股的时候，只需用五因子回归市场上每一个股票，对生成的残差 有小到大排序，选择残差 小的股票。
基于持仓的归因方法，逻辑上比基于净值的归因方法要复杂的多，它来自套利定价模型（APT），用所有所有股票截面的因子的暴露序列去回归所有股票的收益序列。这种做法的目的是找到个股收益和因子收益之间的关系，寻找有效因子，通过有效因子来选择好的股票。
这种做法把重点放在了因子挖掘和最后资产的打分模型的选择上。
最后的模型打分，最后主要开发出来以下模型：
分层打分法、简单线性回归、随机森林、逻辑回归、支持向量机回归。
本文以简单线性回归为例，详细介绍这种方法归因分析的实现。
我们还是遵循机器学习的项目流程，来进行实现：
数据准备>>数据预处理>>单因子有效性检验>>数据分析>>回归分析>>归因分析
(1) 股票池:全A股，在每个时刻t均剔除ST、PT股票，剔除停牌及上市未满一个月的股票，剔除 BP 值为负的股票;
(2) 时间参数:2010年1月至2018年1月;
(3) 因子对应指标:
a) 市场因子指标:上证 指数;
b) 行业因子指标:申万一级行业指数。
c) 风格因子指标：市值size，PE，EBITA.(这里以这三个因子为例，APT框架的优势就是因子可以随便加)
1、所有数据按同一时间，同一股票对齐，注意这里的财报指标相关的时间要使用财报公布时间不能使用财报报告期。虽然这种方法是截面回归，但是要研究每个因子的有效性，所以必须列出各个因子的历史时间序列数据。
2、第一步产生的NA值，用截面该因子的均值填充。（这与上面的做法不一样）。
3、若因子NA比率超过30%，则舍弃该因子。
4、对每个因子的暴露（就是因子值）分布分析，剔除3-sigma以外的公司。（最后回归用，因为回归对极值敏感）
5、z-score标准化所有因子。（最后回归用，去量纲）
通常我们总认为行业和市值两个因子对股票的收益影响较大，所以在单独分析其他因子时，要把这两个因子暴露引起的收益剔除掉，也就是所谓的因子中性化。经常使用的方法是，用因子暴露作为因变量，用行业因子和市值因子去回归因子暴露，得到的残差就是中性化后的因子。
在这个过程中，因为行业是类别变量，不能直接进行回归，要引入哑变量的方式进行回归。
注意：因子暴露此时已经变成中心化的，所以一下处理全在中性化因子的基础上。
整个模型最麻烦的一步，也是最琐碎的一步。
在剔除了极端公司和填充了因子NA值后，我们对每个单因子进行有效性检验。做法有以下几种：
1、IC值检验
2、RIC值检验
3、IR检验
4、方差分析(ANOVA)给出p-value
5、随机森林
这里我们要先再确认下因子收益和因子暴露的概念：
因子暴露是因子具体的值，例如60000.sh(浦发银行)的PE（因子）值为5.62.纳闷普法银行在因子PE上的暴露就是5.62。
因子收益是用截面因子暴露去回归个股收益时产生的各项因子的回归系数。
为什么这样定义，其实原因来自上面的基于CAMP模型多因子分析。
我们有各个因子的暴露值后，可以对各个因子进行单因子检验，我们求当期（t期）的因子暴露值和下一期（t+1期）的个股收益的相关性数,得到当期（t期）的该因子的IC值：
其中：
这样求出来的IC值的绝对值越大越好，求出所有因子历史一段时间的IC值走势。因子IC的绝对值长时间处于很大的值，说明这个因子长期有效性很强，若偶尔绝对值很大，说明因子偶尔有效，也要保留，我们剔除那些IC长期很小的因子。认为这些因子有效性不强。
RIC的用法与IC的用法完全一致，只有RIC的定义不一样，我们求当期（t期）的因子暴露值和下一期（t+1期）的个股收益的秩相关性数,得到当期（t期）的该因子的RIC值：
其中：
RIC使用方式和IC一致。
从上面使用IC和RIC时，不是很方便，我们要看IC和RIC长期表现，这种表现是定性看的，我们需要构造一个量，定量的去衡量因子的长期表现。我们很简单的一个想法是：用IC的均值来衡量IC的长期表现好坏，用IC的标准差来衡量表现的稳定性。
于是我们综合两个在一起，构造IR如下：
这里的符号IR与信息比率是一样的，因为两者是一个东西，可以通过数学推导得到。
我们选取IR高的因子，丢弃IR低的因子。
方差分析是用来分析多组数据之间均值是否一样的统计分析方法，当检验的p值大与0.05是，说明多组之前的均值没有差异，当p值小于0，05 时，说明各组之间存在差异。对于选因子来说，我们希望每组之前有差异。所以p-value需要小于0.05.
P值的计算方式很复杂，其思想是用组内方差处于组间方差构造统计量，进行F检验。可直接调用python方差分析函数。
本步主要查看上一步选出的各个因子之间相关系数,为解决下面回归中的两两共线性问题，我们要合并部分因子，我们设置阀值0.6.认为相关系数在0.6 以上的因子看作同一组因子。
对同一组的因子，我们采用IC_IR加权的方式合并这些因子，将其合成一个因子。
其具体加权方式为： 。
这样我们就得到了组合因子。但是这一步虽然剔除了两两间的共线性，但是未能剔除多重共线性。
本步对上面筛选出的因子，以个股收益为因变量惊喜建模，常用模型为多元线性回归，获得如下回归方程：
其中： 是股票n在因子k 上的暴露。 为因子k的因子收益， 为股票n的残差收益，既股票特有收益率。
由这个回归方程，用最小二乘发，我们可以得到因子k的收益 。
进一步的，若现有一组合P，则这个组合P的收益率为：
其中： 为组合P中股票n的权重。
所以组合在因子k上的暴露设为 为：
所以此时，我们知道了组合的因子暴露，各因子的收益，所以可以得到组合里面个因子的收益贡献 ：
所以，此时的多因子模型收益归因归因。
这里的风险归因分析和Barra一模一样：
由上面回归模型得到（将其向量化表示）：
其中：r为股票的收益向量，X因子的暴露矩阵，f为股票的因子收益向量，u为股票的特质收益。
则我们的组合P的波动率为：
其中： 为所有因子收益学列的协方差矩阵，𝛥为股票特质收益序列的协方差矩阵。w为持仓权重。具体推导详见马克维茨均值方差理论。
有了组合的风险（既波动率），就可以得到以下三个量：
组合的系统风险：
组合的特质风险：
因子𝑖对总风险的贡献比例为(推导详见风险预算):
以上就是多因子模型在风险归因上的应用。
传统的这一版多因子，另一大作用是用来选股的，我们得到以下回归方程的时候。
最简单的，可以把最新一期的因子带入到回归方程，计算出的个股的的未来收益，将其线性映射到1到100，可以直接作为分数，我们选择分数高的股票即可。一般都是直接做前10%,做空后10%获得超额收益。
I. 资产定价因子
在金融市场里，资产中间的联动性是投资者最大的风险点所在。联动性风险是投资风险的主要组成部分。所以要给金融资产定价的话，就要给这些联动性定价。
一个证券资产的风险可以分解为两个部分，一个是跟整个市场相关联的部分，就是系统性风险；是自己独有的部分，叫做个体风险。其中在投资的过程中个体风险主要包含公司行业和经营风险裤物袭，比如说近期的中兴事件。个体风险难以判断，也可以通过投资组合来分散，这里就没有过多研究。重点是需要找到系统性风险，就是资产与市场波动的部分。
把一个资产和市场组合的相关性定义为“beta”。这个资产比市场风险大还是小，beta大于1，这个资产的风险比市场要大，反之，比市场风险小。如果这个资产的beta为2，那这个资产的价格应该是市场2被的议价，如果这个资产的市场价格大于2倍，就可以称为高估值。
这就是资产定价理论（Capital Asset Pricing Model，CAPM）。是由夏普等几个金融学家在1964年提出的，与有效市场假说一起，是现代金融学的两大基石。
一、资产定价三因子模型（市场、规模和价值)
在15年牛市的时候，有出现一些牛叉基金，比如说汇添富的几个专们投资神创板的几个高价股全通教育、安硕信息。他们的业绩比沪深300的表现好很多。在这种情况下，当时觉得这些基金经理超级牛。
然而事实并非如此。
Fama-French模型，除了上面讲的市场风险之外，资产的系统性风险还包括另外两个因素： 规模因子和价值因子 。这两个因素也是资产的定价因子。
规模因子：市值小的公司，承担着更大的风险，有更高的风险溢价。意思就是规模小的资产，它与市场组合（沪深300）的相关性“beta”是大于1的。在市场较好的时候，它的收益也会大；然而当市场走低，他的亏损也是大于市场组合的。
价值因子：市净率低的公司，或许由于基本面不佳、波动较大，比市净率高的成长型公司有风险溢价；或许是投资者的误判，当估蚂简值修正时，也会有高的回报。
最后，通过多年的数据认证，什么资产的收益率更高，用这三个因子可以解释其中的90%，基本上解释了各种股票收益率的差异。
当看到这个模型，可以知道原来很多时候，基金经理取得了超额的收益不是因为他们的能力，而是运用了以上的两个风险因子 。
二、动量因子（趋胡兄势交易）
在A股市场里，经常听到媒体评论，散户追涨杀跌不理性，造成市场的过度波动。其实这很业余，在金融的研究里，散户根本没有追涨杀跌，而是在追跌杀涨。
实际在过去的数据中，机构最赚钱的策略就是“追涨杀跌”，这也叫做动量交易。在资产定价因子中，还是一个着名在定价因子。
机构就这样使用了相应的交易策略，买入上个月收益最高的资产，卖出收益最低的那组。然后发现在接下来的3-12个月中，这个策略获得了不错的超额收益。在五十年代被发现后，之后的30年美国市场上大部分基金都使用了这样的策略赢得超额收益。
那如果动量这个现象是错误定价，而市场又是有效的。那这个超额收益的套利空间就应该很快消失，不会出现长久超额收益的情况。超额收益一直存在的可能性就是动量也是一种系统性风险，需要风险溢价。所以它也应该当作一个定价因子。
动量这个策略的风险很大，在市场良好的时候，可以获得超额收益。而在市场不好的时候，却容易赔钱。而在A股市场中，由于交易较大，动量持续的时间较短，只能持续2-4周。如果这一周大涨，后面的2-4周可能跟着涨；反之，后面2-4周继续跟着跌。
三、投机因子
Fama-French的三因子模型中，价值因子在中国市场没有在美国市场那么明显。大量的数据证明在A股市场中，投机因子对价格有很强的解释力。
大量的投资者很难准确判断资产的内在价值，都是倾向于选择那些其他人也会买，因而会涨的资产。这种行为在市场上是常态，资产的价格就面临长期偏离基本面的风险。所以资产价格也应该包含投机行为的风险溢价，也就是投机因子。
投机衡量指标：异常换手率（abnormal turnover）。在发展中国家，发展中的市场，异常换手率特别高；而在成熟的资本市场都比较低。
构建对应的交易策略，每个月买入异常换手率最低，卖空异常换手率最高的组合。这个策略年化收益率稳定达到21%，异常换手率确实能够影响A股股票未来的收益率，是中国市场独有的定价因子。
炒作在中国市场里不是个别现象，不是个体性风险，而是一个系统性风险。当投机变成是从的系统性风险以后，它其实是有风险溢价的，可以成为一个风险定价因子，聪明的人可以用它来赚钱。而且在A股市场里投机的成分远大于价值，所以这个因子的作用也远大于价值因子，留到以后再深入讲解。
以上就是资产定价的五个因子，通过这些，也就更加准确的描绘了市场的画像。对于市场的风险，让我感觉就是自己在一步步从迷信、蛮荒，从观察性的总结，一点点科学的找出其中背后深层次的道理。