Advertisement

五因子和三因子模型文件。

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

简介：
该资源包含“五因子”和“三因子模型”的相关文件，格式为.zip。这些模型在金融领域被广泛应用于资产定价和投资组合管理，旨在捕捉影响资产收益的关键因素。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 五因素、三因素模型.zip
    优质
    本资料包探讨了心理学中著名的五因素人格理论，并对比分析了其简化版——三因素模型，适用于性格评估与研究。 五因子、三因子模型.zip
     
  • 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。
     
  • 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。
     
  • 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。
     
  • 因子图模型分析
    优质
    因子图模型分析是一种图形化表示概率分布的方法，它通过节点和边来描绘变量及其依赖关系，便于进行复杂的统计推理与学习任务。 该文件是PDF文档，介绍了因子图模型的基本原理及其具体的求解过程。
     
  • 脉冲因子、波形因子、裕度因子、峰值因子及偏度和峭度分析.m
    优质
    本研究探讨了脉冲因子、波形因子、裕度因子与峰值因子等参数，并深入分析信号的偏度和峭度特性，以全面评估电信号的质量。 脉冲因子、波形因子、裕度因子、峰值因子、偏度和峭度。
     
  • 使用Python实现Fama-French三因子模型.py
    优质
    本代码实现了Fama-French三因子模型在股票市场收益分析中的应用，采用Python编程语言进行数据处理与回归分析。 使用Python构建Fama and French三因子模型（包括MKT、SMB、HML），代码可以从网络上找到并运行成功，所需数据可以通过tushare pro平台下载。
     
  • 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）。
     
  • 多因子：因子构建与单因子测试-源码
    优质
    本项目聚焦于股票市场的多因子模型应用研究，涵盖因子构建、策略回测及性能评估等内容，并提供相应的Python源代码。适合对量化投资感兴趣的读者深入学习和实践。 Alpha策略中的多因子选股涉及从数据库提取数据来构建各种类型的因子，并测试这些因子的有效性。有效性评估包括分析因子收益率、因子收益率的T值以及IC（Information Coefficient）值等关键指标，同时还会进行分层测试以观察不同组合下的表现情况，如组合收益率、波动率、收益单调性、最大回撤和夏普比率等一系列财务绩效指标。 具体到因子构建与评估流程中包括： - 估值类因子：7个 - 动量类因子：6个 - 波动率类因子：10个 - 一致预期类因子：18个 自定义的模块有： 1. data_clean.py: 数据清洗，剔除带有ST标记的数据和上市不满一年的股票。使用MAD方法去除异常值，并通过Z-score标准化数据，进一步对行业哑变量及对数市值进行回归分析以提取残差部分，从而获得中性化的因子值。 2. factor_test.py：单个因子的有效性评估标准： - 因子收益率：包括均值和标准差的计算 $$R_{it} = \beta_{0t} + \beta_{1t} * f_{it}$$
     
  • 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。