五因子模型：三因子之后的"补丁与争议"
我的掌握程度：
先掌握这个答案
五因子=三因子+盈利（RMW：高盈利减低盈利）+投资（CMA：保守投资减激进投资）。公式：E(R)−Rf=βMKT+βSMB+βHML+βRMW+βCMA。戏剧性发现：加入RMW/CMA后，HML的溢价变得不显著——价值因子的大部分信息被盈利与投资因子吸收（"价值之谜"的一种解释：低估值其实是高盈利+低投资增长的代理变量）。中国实证：规模与盈利在中国显著，价值因子偏弱、需改造（如用EP替代BM）；q-factor模型（Hou等）是竞争性框架——因子江湖并未终局。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
本阶段实战方法 · 让一个因子经历完整的样本外检验
从一个投资直觉构造信号时，先验证预测关系，再验证能否交易。
- 写出经济假设、股票池、因子方向、可用时点、持有期和评价指标；用历史成分与退市样本。
- 在每个时点用可得数据计算因子，检验截面IC、分层收益、换手和行业市值暴露。
- 锁定参数做样本外验证，扣除成本并做不同市场阶段与参数敏感性分析。
使用边界
- IC没有通用合格线；股票池、频率、持有期与成本不同，数值不可直接横比。
- 多空分组收益不是个人可直接实现的收益，还要考虑融券、对冲与资金约束。
背景 · 从一个困惑说起
三因子（1993）之后，新的"异常"继续涌现：盈利高的公司跑赢（Novy-Marx 2013的盈利因子）、投资激进的公司跑输。2015年Fama-French自己出手把这些补丁打上——五因子模型诞生。
由此产生的问题
五因子在三因子基础上加了什么？为什么HML在五因子里"失效"了？中国市场上的五因子实证表现如何？
核心概念
五因子=三因子+盈利（RMW：高盈利减低盈利）+投资（CMA：保守投资减激进投资）。公式：E(R)−Rf=βMKT+βSMB+βHML+βRMW+βCMA。戏剧性发现：加入RMW/CMA后，HML的溢价变得不显著——价值因子的大部分信息被盈利与投资因子吸收（"价值之谜"的一种解释：低估值其实是高盈利+低投资增长的代理变量）。中国实证：规模与盈利在中国显著，价值因子偏弱、需改造（如用EP替代BM）；q-factor模型（Hou等）是竞争性框架——因子江湖并未终局。
为什么需要它
①理解"因子模型是进化的"：每个新异常都可能催生新因子、或解释掉旧因子——你用的"控制变量集"应随研究问题选择；②归因实践的意义：五因子口径下的Alpha比三因子更"纯"（剔除了盈利/投资暴露）——机构归因报告的现行标准之一；③学术阅读能力：读懂FF五因子原文的结构（构造schematic、GRS检验）是进阶文献的敲门砖。
实际应用场景
构造实操：RMW=高ROE组减低ROE组的多头空头组合收益；CMA=资产增长率低组减高组；A股研究常用替代：EP（盈利市值比）替代BM改良价值因子。
与之前知识的联系
q-402的三因子是地基、本题是上层建筑；q-411（质量因子）与q-439（成长）分别对应RMW与CMA的投资化版本；阶段6归因（q-549）将消费这些因子口径。
⚠ 常见误解
- 五因子终结了因子研究：2015年至今q-factor、异象赌注等竞争框架不断出现——模型是进行时不是完成时
- HML失效=价值投资死了：是"在控制盈利与投资后边际信息减少"——价值作为独立暴露仍存在于市场
- 美国因子直接用于A股：规模、动量方向、价值代理在中国都需本土化检验——跨市场移植必须重跑全部检验
🛠 本题实践任务
用你的数据构造RMW（ROE分组多空）与CMA（资产增长率分组多空），报告两组多空收益差。对照三因子口径：加入它们后"价值因子"的边际贡献还剩多少？
💡 提示（先自己想5分钟再看）
资产增长率=(总资产_t/总资产_{t-1})−1，财务接口有；边际贡献=把HML对RMW/CMA回归后的残差收益。
✅ 验收标准
两个多空收益+一次"边际贡献"回归。你亲手复现了学术前沿的经典实验。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（Fama-French三因子、CAPM），再用案例、公式和代码帮助理解。此功能需要先启用服务。