量化基石:深入解析法玛-弗伦奇模型中的SMB与HML因子
为什么小盘股和便宜货长期更赚钱?一文读懂两大经典投资因子
规模因子(SMB)和价值因子(HML)是量化投资与资产定价领域最经典的两个风格因子。它们最早由诺贝尔经济学奖得主尤金·法玛(Eugene Fama)和肯尼斯·弗伦奇(Kenneth French)在1992年提出,并作为核心组成部分纳入了著名的法玛-弗伦奇三因子模型。
这两个因子的核心逻辑在于:股票的历史超额收益不仅仅来自于市场整体的涨跌(即传统的 Beta),还系统性地受到公司规模和估值水平的影响。
规模因子(SMB, Small Minus Big)
-
核心定义
规模因子衡量的是小市值公司相对于大市值公司的超额收益表现。其计算公式为:
SMB=小盘股组合的平均收益率−大盘股组合的平均收益率 \mathbf{SMB} = 小盘股组合的平均收益率 −大盘股组合的平均收益率 SMB=小盘股组合的平均收益率−大盘股组合的平均收益率 -
为什么小盘股长期会有超额收益?
在金融学理论中,这被视为一种**“风险补偿”**。相比于家喻户晓的行业巨头,小公司通常面临以下劣势和风险,因此投资者要求更高的预期回报来弥补这些“惊吓”:- 抗风险能力弱:业务模式单一,在经济下行或宏观危机中更容易陷入财务困境。
- 流动性差:交易量相对较小,买卖价差较大,资金进出不如大盘股方便。
- 信息不对称:受分析师和机构关注度低,信息披露不如大公司透明。
-
实战中的特征
- 代表标的:在A股市场,中证1000、国证2000等指数的成分股通常具有较高的 SMB 暴露;而上证50、沪深300则代表大盘股。
- 周期性波动:虽然长期来看存在“小盘股溢价”,但在某些特定时期(如2017年的A股“漂亮50”行情或美股科技巨头牛市),SMB因子可能会失效甚至变为负值,即大盘股跑赢小盘股。
价值因子(HML, High Minus Low)
-
核心定义
价值因子衡量的是**高账面市值比(价值股)相对于低账面市值比(成长股)**的超额收益表现。-
账面市值比 (B/M) = 公司的账面价值(净资产) / 总市值。它是市净率(PB)的倒数。
-
计算公式:
HML=高B/M组合(价值股)的收益率−低B/M组合(成长股)的收益率 \mathbf{HML} = \text{高B/M组合(价值股)的收益率} − \text{低B/M组合(成长股)的收益率} HML=高B/M组合(价值股)的收益率−低B/M组合(成长股)的收益率
-
-
价值股 vs. 成长股的逻辑博弈
- 价值股(High B/M):通常是银行、煤炭、传统制造等成熟行业的公司。它们的股价相对其净资产非常便宜(低估值)。买入它们是在赚取“均值回归”和“估值修复”的钱,但同时也承担了企业可能陷入财务困境的风险。
- 成长股(Low B/M):通常是高科技、生物医药等高景气赛道。市场对它们的未来增长给予极高预期,导致股价远高于净资产。如果未来业绩不及预期,这类股票容易出现剧烈的“杀估值”。
-
什么时候 HML 因子表现最好?
历史数据表明,价值因子在滞胀期或高利率环境下表现尤为出色:- 抗通胀:价值股多为能源、原材料等实体行业,能通过提价转嫁成本。
- 防御性:在经济低增长时,价值股拥有稳定的现金流和高分红,具备“确定性溢价”。
- 利率敏感度低:相比于依赖遥远未来现金流折现的成长股,低估值的价值股受高利率的负面冲击更小。
因子是如何构建出来的?(2×3 分组法)
为了保证因子的纯粹性,法玛和弗伦奇在设计 SMB 和 HML 时,采用了严谨的独立双重排序法,以剔除彼此之间的干扰:
- 按规模分组:每年将全市场股票按市值中位数分为 小盘组(S) 和 大盘组(B)。
- 按估值分组:同时将股票按账面市值比(B/M)分为 高(H,前30%)、中(M,中间40%)、低(L,后30%) 三组。
- 交叉形成6个组合:
小盘价值 (S/H)、小盘中性 (S/M)、小盘成长 (S/L)
大盘价值 (B/H)、大盘中性 (B/M)、大盘成长 (B/L) - 最终计算:
SMB = (S/H + S/M + S/L) / 3 - (B/H + B/M + B/L) / 3
HML = (S/H + B/H) / 2 - (S/L + B/L) / 2
这种构造方式确保了 SMB 因子反映的是纯粹的规模效应(剔除了估值影响),而 HML 因子反映的是纯粹的估值效应(剔除了规模影响)。
总结对比表
| 维度 | 规模因子 (SMB) | 价值因子 (HML) |
|---|---|---|
| 通俗理解 | 买小公司,卖大公司 | 买便宜货,卖高估值 |
| 核心指标 | 总市值 (Market Cap) | 账面市值比 (B/M) 或 市净率(PB) |
| 收益来源 | 对小公司流动性差、经营风险高的补偿 | 对传统企业财务困境风险的补偿 / 估值修复 |
| 典型行业 | 初创科技、细分领域小龙头 | 银行、公用事业、能源、传统制造 |
| 适用环境 | 经济复苏初期、流动性充裕的市场 | 滞胀期、高通胀、高利率环境 |
在现代量化投资(包括进阶的法玛-弗伦奇五因子模型)中,SMB 和 HML 依然是构建多因子选股策略、进行风险归因分析不可或缺的基石。
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。
更多推荐

所有评论(0)