Advertisement

FF三因子模型stata代码及数据RAR包

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本RAR包包含用于实现FF三因子模型分析的Stata代码和相关数据集。适用于金融研究者、分析师进行市场风险评估与资产定价研究。 本帖详细介绍了Fama and French三因子模型（MKT、SMB、HML）的构建方法，并提供了相关数据及Stata代码。数据来源为国泰安数据库，股票池包括沪深A股、创业板和科创板，样本区间覆盖2001年1月至2020年12月。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • FF三因子模型stata代码及数据RAR包
    优质
    本RAR包包含用于实现FF三因子模型分析的Stata代码和相关数据集。适用于金融研究者、分析师进行市场风险评估与资产定价研究。 本帖详细介绍了Fama and French三因子模型（MKT、SMB、HML）的构建方法，并提供了相关数据及Stata代码。数据来源为国泰安数据库，股票池包括沪深A股、创业板和科创板，样本区间覆盖2001年1月至2020年12月。
     
  • MATLAB三因子FF模型代码
    优质
    本代码实现基于MATLAB的三因子Fama-French模型分析，适用于金融数据分析和投资策略研究，帮助用户评估资产定价。 该文件是基于Fama-French三因子模型编写的MATLAB程序代码，并包含详细说明和PDF文档。
     
  • Fama-French三因子模型数据及Stata代码（2000-2020）
    优质
    本资源提供2000年至2020年间用于Fama-French三因子模型分析的数据集和详细的Stata操作代码，便于研究者进行资产定价、市场风险评估等相关研究。 Fama-French三因子模型数据及相应的Stata代码（2000-2020年）。
     
  • Fama-French三因子与五因子模型及Stata代码（含2000-2020年原始数据）
    优质
    本资料深入解析Fama-French三因子和五因子市场模型，并提供1990年至2020年的历史数据，附带详细的Stata程序代码用于实证分析。 三因子与五因子模型数据量约为1G。 一、Fama-French三因子模型数据及Stata代码（2000-2020年） 1. 数据来源：原始数据在分享文件中。 2. 时间跨度：2000年至2020年。 3. 区域范围：全国 4. 指标说明： - 综合月市场回报率； - 资产负债表月个股回报率； - 无风险利率收益率数据（是否ST）； - 三因子数据日个股回报率、年个股回报率及公司文件。 二、Fama-French五因子模型数据及Stata代码（2000-2020年） 1. 数据来源：原始数据在分享文件中。 2. 时间跨度：2000年至2020年。 3. 区域范围：全国 4. 指标说明： - 综合月市场回报率； - 资产负债表月个股回报率； - 无风险利率； - 五因子数据日个股回报率、年个股回报率及公司文件。 部分结果如下。
     
  • Fama-French五因子模型数据及Stata代码（2000-2020）
    优质
    本资料包含2000年至2020年间的Fama-French五因子模型数据及其对应的Stata分析代码，适用于学术研究与实证分析。 Fama-French五因子模型数据和Stata代码（2000-2020年）。
     
  • 股票多因子模型的代码和数据.rar
    优质
    本资源包含基于Python实现的股票多因子模型相关代码及所需历史数据集，适用于量化交易策略的研究与开发。 这段文字仅包含一个网址：http://www.broadview.com.cn/book/4814。根据要求去掉链接后的内容如下： 该内容指向的是 broadview 网站上的某个书籍页面，但具体信息不在此列出。
     
  • 基于预期偏度调整的FF四因子模型
    优质
    本研究提出了一种基于预期偏度调整的扩展版Fama-French四因子模型，旨在更准确地解释股票市场的异常收益现象。 基于预期偏度修正的FF四因子模型指出，在经典FF三因子模型的基础上增加了新的因素。经典的FF三因子模型认为，股票回报率的差异主要受到市场风险、公司规模以及公司价值三个宏观和个体层面的因素的影响。而改进后的四因子模型则在此基础上进行了进一步的研究和发展。
     
  • 验证性因子分析模型的数据.rar
    优质
    本资源包含验证性因子分析模型的相关数据文件，适用于进行统计分析和心理学研究。 这段文字可以用于验证性因子分析（结构方程模型）的建模练习。
     
  • Fama-French 三因素模型_STATA_三因子分析_Fama-French 模型
    优质
    本篇内容介绍如何使用STATA软件进行Fama-French三因素模型的应用与实证分析，涵盖市场风险、规模效应和价值效应三个关键因子。 利用中国A股数据实现Fama-French三因子模型的Stata代码可以参考相关文献或学术资源进行编写。在处理这类问题时，建议查阅金融计量经济学的相关书籍以及研究论文以获取更多指导信息。此外，还可以关注一些专业的统计软件论坛和社区，在那里可能会找到关于如何使用Stata来实现Fama-French三因子模型的具体示例代码和讨论。
     
  • BHAR事件研究法Stata代码及示例数据.rar
    优质
    本资源包包含用于执行BHAR（贝叶斯自适应哈密顿抽样算法）事件研究方法的Stata编程代码和相关示例数据集，适用于金融经济学领域的实证分析。 BHAR（Buy and Hold Abnormal Return），即购入持有异常收益法，在短期事件研究或长期事件研究中均包含六大步骤：定义事件及窗口、选择样本、确定预期收益率模型或基准收益率、估计异常收益、检验统计显著性以及结果解释。在长期事件研究中，正确选取期望收益模型或基准收益率尤为重要，并且准确衡量和理解异常收益的统计意义也非常关键。 以下是使用Stata进行BHAR分析的基本步骤： 1. 定义感兴趣的事件及其时间窗口。 2. 选择一个合适的样本（例如特定行业的公司）。 3. 确定用于计算预期回报率的方法，如市场模型或行业平均值等基准收益率方法。 4. 使用选定的模型来估计异常收益。这可能涉及回归分析或其他统计技术以确定事件影响下的股票超额表现。 5. 对所得结果进行统计显著性检验（例如t-检验），确保发现的结果不是随机波动导致的假象。 6. 分析并解释所获得的数据，评估该事件是否对股价产生了实质性的短期或长期效应。 在实践中，为了实现上述步骤，可以编写相应的Stata代码来处理数据和执行必要的统计测试。这些包括但不限于导入数据、计算预期收益、运行回归模型等操作的具体命令行指令集。此外还需要准备一些示例股票价格或其他相关财务信息作为研究的基础材料来进行案例分析。