1000币，讨论一下关于Fama-Macbeth回归方法的一些问题

1.关于Fama-Macbeth进行回归方法的问题经过我查找资料和看文献，关于这个方法，目前争论的有两种算法
（1）就是fama论文中的算法，第一步时间序列求beta，这个又称为因子载荷或者因子暴露；第二部分别用收益分时间序列对第一步中的β回归，（如果是t期），那么回归t次，然后得出一个λ的时间序列，然后再求这t个时间序列的均值，应该是这样吧？
（2）第二种算法，就是关于stata中xtfmb和asreg。。。fmb这两种命令的思想，这两种命令的算法，省略了Fama文章中做法的第一步，其实思想就是分时间序列进行截面回归，然后求回归得出的系数的平均值。
之前根据查阅论坛中关于这两种算法的争论，有人说第一种属于Fama-Macbeth的做法，第二种才是Fama-Macbeth回归；因为对于第一种算法中第一步求β这个问题，文中的算法好像是利用过去的一个阶段的历史数据滚动回归计算每一期的β，但是对于一般使用该回归方法的话，如果模型中加入了其他的变量，比方说通货膨胀，财务因子之类的等等，如果要去做回归的话，那这个第一步中关于每个变量的因子暴露没有足够的历史数据去回归，不知道一般文中进行Fama-macbeth回归时使用的那种方法；不知道我是否理解清楚了。。。


2.关于Fama-Macbeth回归和面板回归
之前有人说Fama-Macbeth回归避免截面相关的问题，因为在其程序的思想也特别简单，无非就是按照时间进行分组回归，而后求均值；但是这个方法和直接面板回归有什么区别，更确切的来讲，就是什么时候使用该方法，因为面板数据回归得时候，我们也可以进行截面相关和自相关的检验，并且同时得出调整后的标准误。

好像现在文献里提到Fama-MacBeth回归通常指的是：以各个横截面的数据估计出一组回归，然后利用这些回归的系数再计算出t值，从而解决Cross-sectional corrleation of resiudals对回归t值的高估问题。
【 在 bbscity (还我机会) 的大作中提到: 】
: 以我目前对Fama-Macbeth的理解就是（唉，看了这么常时间一直困扰在第二步）：
: 要解决的问题是，Beta和回报有长期稳定的线性关系，
: 因为单个股票的beta稳定性差，且估计的精度差，

fjpsf 发表于 2018-12-11 08:58
好像现在文献里提到Fama-MacBeth回归通常指的是：以各个横截面的数据估计出一组回归，然后利用这些回归的系 ...

主要是A股的贝塔稳定性极其差，前期的beta用来预测后期的回报，精度特别差。高频一点的数据基本意义不大，就看低频数据，像季度年度怎么样了

不知道楼主现在解决这个问题了没有。我最近做论文也卡在了这一块。我看到stata中 help xtfmb文件是这么解释的： xtfmb is an implementation of the Fama and MacBeth (1973) two step procedure. The procedure is as follows: In the first step, for each single time period a cross-sectional regression is performed. Then, in the second step, the final coefficient estimates are obtained as the average of the first step coefficient estimates.谷歌翻译一下大致是：xtfmb是Fama和MacBeth（1973）两步程序的实现。程序如下：在第一步中，对于每个单一时间段的横截面进行回归。然后，在第二步骤中，获得最终系数估计值作为第一步长系数估计值的平均值。而且我也看到help中写到可以verbose输出第一步中的系数和R方。那这意思是xtfmb命令是做了两个步骤。我看到论坛说FM的第一步中的beta需要自己先滚动回归后，将滚动出的系数beta并到数据中再做xtfmb。那么问题来了，这样做岂不是做了三步？不知道我的理解有没有错，希望可以一起交流一下

Vera_L 发表于 2018-12-27 20:04
不知道楼主现在解决这个问题了没有。我最近做论文也卡在了这一块。我看到stata中 help xtfmb文件是这么解释 ...

我做的时候，第一步，求出风险价格λ，对N个资产分别进行时间序列的滚动回归，再对每个资产得到的很多beta值求平均，作为第二步的系数；第二步，对β进行截面回归，共进行t次，估计风险价格。第一步用的stata,第二步用的evievs。不知是否是这样。

wsq2015 发表于 2019-1-3 21:14
我做的时候，第一步，求出风险价格λ，对N个资产分别进行时间序列的滚动回归，再对每个资产得到的很多bet ...

我目前第一步跟你一样，第二步我仍然是在stata里计算，但是截面回归的方法还挺多的，我看到有的文献第二部用面板数据的随机效应

Vera_L 发表于 2018-12-27 20:04
不知道楼主现在解决这个问题了没有。我最近做论文也卡在了这一块。我看到stata中 help xtfmb文件是这么解释 ...

对的，stata中的xtfmb确实是很简单的这种两步，我当时还专门进行分组回归验证了一下，发现确实是按照时间分组进行横截面的回归，然后如果有T期，就会回归处T个系数，然后在求着T个系数的平均值。

wsq2015 发表于 2019-1-3 21:14
我做的时候，第一步，求出风险价格λ，对N个资产分别进行时间序列的滚动回归，再对每个资产得到的很多bet ...

我之前看过一个对这一思路的解释，因为此种方法主要是被用来检验CAPM的，它对此的解释是，一种财务因子对收益率的影响并不是直接影响的，并不是说这个股票市值高，所以直接导致它的收益率低；第一步时间序列滚动回归求β得这一思想，求出来得这个东西，被定义为因子载荷或者因子暴露；这个因子载荷和因子暴露才是直接影响收益率的因子；而后继续使用xtfmb的那种方法，求出系数；重点在于因子载荷的一个解释；如果只是对收益率进行分析，因子载荷的深层次逻辑又是啥，我还没怎么搞明白；其实xtfmb的思路是非常的简单的；这一方法的疑点也就是在这个第一步滚动计算因子载荷这儿；不知道我解释清楚了么；就像是你要求市值对收益率的影响一样，你需要对每个资产i，求出市值对收益率的一个因子载荷；我们记它位α，这个α是每个资产i在时间t期都拥有一个独立的值，这个值得计算你可以使用之前12个月或者24个月或者更久的时间来计算得出，如果用00年-10年的数据来计算11年的因子载荷，那么12年的因子载荷就用01-11年的数据来进行计算，这是第一步，重大争议都出现在这第一步了，其实在后面的回归中，你参与回归的值不是什么财务因子的原值，也不是什么市值的值，而是这个α，我把暂且理解为市值对于收益率影响的一个传感器，市值是不可以直接决定收益大小，而是通过这么一个因子暴露（我个人觉得叫做因子暴露比因子载荷可能更加形象一点）来间接影响收益率的，从而得出这么一个影响系数。大家参考一下。

单子601 发表于 2019-1-13 13:58
对的，stata中的xtfmb确实是很简单的这种两步，我当时还专门进行分组回归验证了一下，发现确实是按照时间 ...

我后来又重新理解了一下。第一步滚动回归求beta，不算在Fama-MacBeth两步法内。FM两步法应该就是指先每个横截面进行回归，回归出T（时间维度）个系数，这些系数求平均及其t值

Vera_L 发表于 2019-1-13 19:49
我后来又重新理解了一下。第一步滚动回归求beta，不算在Fama-MacBeth两步法内。FM两步法应该就是指先每个 ...

那拟合优度F值也是所有横截面回归的F值进行平均求得吗？Eviews可以直接有Fama macbeth函数进行回归，直接得到估计系数和其他回归结果指标，只是不太清楚Stata怎么操作，好像要用到xtfmb 命令