Ken French på hans websted offentliggøres dagligt , månedlige og årlige afkast for Fama-French 3 Factors-modellen, som er overskydende marked (Rm-Rf), small-minus-big (SMB) og high-minus-low (HML) returnerer.
I forstår ikke, hvordan han konverterer dagligt til månedligt afkast. For eksempel for den sidste måned er det daglige afkast
Mkt-RF SMB HML RF 20150501 1.01 -0.33 -0.60 0.000 20150504 0.32 0.06 0.16 0.000 20150505 -1.19 -0.10 0.34 0.000 20150506 -0.31 0.62 -0.20 0.000 20150507 0.39 0.03 -0.43 0.000 20150508 1.21 -0.54 -0.21 0.000 20150511 -0.39 0.67 -0.11 0.000 20150512 -0.27 0.00 0.11 0.000 20150513 0.01 0.02 -0.06 0.000 20150514 1.01 -0.10 -0.36 0.000 20150515 0.05 -0.26 -0.01 0.000 20150518 0.44 0.72 -0.09 0.000 20150519 -0.09 -0.08 0.03 0.000 20150520 -0.05 0.21 -0.09 0.000 20150521 0.23 -0.31 0.09 0.000 20150522 -0.22 -0.11 -0.14 0.000 20150526 -1.01 -0.04 -0.02 0.000 20150527 0.93 0.33 -0.39 0.000 20150528 -0.11 0.11 0.07 0.000 20150529 -0.58 0.02 0.05 0.000 Og det månedlige afkast er
Mkt-RF SMB HML RF 201505 1.36 0.92 -1.89 0.00 For eksempel for at konvertere det daglige Mkt-RF-afkast til et månedligt afkast bruger jeg følgende formel
$$ \ text {ret} _ \ tekst {månedligt} = \ venstre (\ prod_ {i \ i \ tekst {dag}} \ venstre (\ frac {\ tekst {Mkt-RF} _i} {100} + 1 \ højre) – 1 \ højre) * 100 $$
hvilket er
$$ \ text {ret} _ \ text {månedligt} = \ venstre [\ venstre (\ venstre (\ frac {1.01} {100} + 1 \ højre) \ gange \ venstre (\ frac {0.32} {100} + 1 \ højre) \ gange \ cdots \ gange \ venstre (\ frac {(- 0.58} {100} + 1 \ højre) \ højre) – 1 \ right] \ times100 $$
Så jeg finder det følgende månedlige afkast
CUSTOM CALCULATIONS Mkt-RF SMB HML RF 201505 1.35 0.91 -1.85 0.00 Jeg forstår ikke, hvorfor jeg får disse forskelle. Hvad laver jeg forkert?
Kommentarer
- Kunne ' dette skyldes afrundingsfejl som der er kun to decimaler?
- Jeg tror, det kan skyldes forskelle i regression versus afrundingsfejl. Jeg tror, hvad der sker, er at de regresserer daglige data ved hjælp af daglige faktorer & også regresserer månedlige data med månedlige faktorer. @conighion
- @Rime, der også er korrekt.
- @Rime De gør ikke ' t gør nogen regression for at få Fama-franske faktorer .
Svar
Du sammensætter korrekt, men forskellen skyldes ikke kun afrunding. SMB og HML er dannet som et gennemsnit på henholdsvis 6 og 4 forskellige porteføljer. Som det franske websted forklarer, er det resultatet af at skære alle aktier i 2×3 SizexBook porteføljer. Franske sammensætter hver af disse porteføljer til den rette horisont (f.eks. Månedligt) og beregner derefter gennemsnit af disse porteføljer for at få SMB og HML. Dette er ikke det samme som direkte sammensætning af SMB og HML fra daglige data.
Dette skyldes, at sammensætning af daglige SMB- og HML-data forudsætter daglig genbalancering til lige vægt på de porteføljer, der udgør dem. Fransk antager ikke denne rebalancering for længere horisonter, men holder i stedet de sammensatte porteføljer til den rette horisont, før SMB og HML dannes i slutningen af horisonten. Dette gælder for de ugentlige, månedlige og årlige faktorer, som han sender.
Kommentarer
- I ' m ikke sikker på, om jeg følger punktet i dit andet afsnit. Jeg tror, du mener vægten af de porteføljer, der udgør SMB. Så ligesom 1/3 lang og 1/3 kort balancerer hver dag. Snarere end vægten af de aktieporteføljer, der er den underliggende?
- Ja. Du skal bare spore de 6 underliggende porteføljer. Ingen grund til at reformere dem på lagerniveau. Porteføljedataene er også tilgængelige på Ken French ' s hjemmeside, så du ikke ' ikke har brug for adgang til en anden datakilde.
Svar
Du gør det rigtigt. Forskellene er afrundingsproblemer og kan sikkert ignoreres til ethvert praktisk formål.