fama三因素模型中文版_图文.
- 格式:doc
- 大小:3.09 MB
- 文档页数:32
fama-french三因子对股票收益率的解释Fama-French三因子模型是一种用于解释股票收益率的经济学模型,由著名学者尤金·法玛和肯尼斯·法伦奇提出。
该模型认为股票收益率与市场因子、市值因子和账面市值比因子之间存在着关联。
以下是对Fama-French三因子的解释。
1. 市场因子(MKT):市场因子是指市场整体风险的度量,通常用市场组合的收益率来衡量。
在Fama-French三因子模型中,市场因子是最重要的因子之一,它能够解释股票的系统性风险。
市场因子的解释能力体现在两个方面。
首先,市场因子可以帮助解释股票之间的共同波动性。
当市场整体上涨时,大部分股票的价格也会上涨;当市场整体下跌时,大部分股票的价格也会下跌。
其次,市场因子可以解释股票收益率的超额回报,即相对于无风险回报的多余收益。
根据市场因子的表现,可以分析股票的超额回报是否能够跟踪市场整体的走势。
2. 市值因子(SMB):市值因子是指公司市值的大小对股票收益率的影响。
在Fama-French三因子模型中,市值因子是衡量股票收益率相对于市场因子的超额回报的一个因素。
市值因子的解释能力体现在两个方面。
首先,市值因子可以解释小市值股票和大市值股票在收益率上的差异。
研究表明,在长期投资中,小市值股票相对于大市值股票往往具有更高的收益率。
其次,市值因子可以分析股票组合中低市值股票和高市值股票的表现,从而帮助投资者进行风险管理和资产配置。
3. 账面市值比因子(HML):账面市值比因子是指公司账面市值与市场价值之间的比值对股票收益率的影响。
在Fama-French三因子模型中,账面市值比因子也是衡量股票收益率相对于市场因子的超额回报的一个因素。
账面市值比因子的解释能力体现在两个方面。
首先,账面市值比因子可以解释高账面市值股票和低账面市值股票在收益率上的差异。
研究表明,在长期投资中,低账面市值比股票相对于高账面市值比股票往往具有更高的收益率。
fama三因素模型公式Fama三因素模型公式在金融学中,Fama三因素模型(Fama Three Factor Model)是由经济学家尤金·法玛(Eugene Fama)于1992年提出的一种资本资产定价模型。
该模型通过考虑市场风险、规模因素和价值因素,对投资组合的预期收益进行解释和预测。
Fama三因素模型的公式如下:E(Ri) = Rf + βi*(Rm - Rf) + si*SMB + hi*HML其中,E(Ri)表示资产i的预期收益,Rf表示无风险利率,Rm表示市场组合的预期收益,βi表示资产i的市场风险系数,si表示资产i 的规模因素系数,SMB表示规模因素的市场组合收益与无风险利率之差,hi表示资产i的价值因素系数,HML表示价值因素的市场组合收益与无风险利率之差。
Fama三因素模型的核心思想是,资产的预期收益不仅取决于市场风险,还受到规模和价值因素的影响。
具体来说,市场风险是指资产与市场组合的相关性,规模因素是指资产的市值大小,价值因素是指资产的价格与账面价值之比。
市场风险是衡量资产收益的重要指标。
市场风险系数βi衡量了资产i相对于市场组合的系统性风险。
当市场组合的收益上升时,资产i的预期收益也会相应上涨。
规模因素是指资产的市值大小对收益的影响。
规模因素系数si衡量了资产i的市值对其收益的影响程度。
研究表明,小市值公司相对于大市值公司具有更高的收益率。
价值因素是指资产的价格与账面价值之比对收益的影响。
价值因素系数hi衡量了资产i的价值对其收益的影响程度。
研究表明,低估值公司相对于高估值公司具有更高的收益率。
通过将市场风险、规模因素和价值因素纳入考虑,Fama三因素模型能够更全面地解释和预测资产的预期收益。
投资者可以根据该模型来构建投资组合,以获取更好的收益和风险控制。
然而,需要注意的是,Fama三因素模型并不是完美的。
它仅考虑了市场风险、规模因素和价值因素,而忽略了其他可能影响资产收益的因素,如流动性、动量等。
Fama-French三因子模型例子在金融学领域中,Fama-French三因子模型是一个用来解释股票收益的理论模型。
该模型由美国学者尤金·法玛和肯尼斯·弗伦奇提出,它认为股票的超额回报来源于市场因素、市值因素和账面市值比因素。
这三个因素被认为是影响股票收益的主要因素,通过对这些因素的分析和加权组合,可以更准确地衡量股票的预期收益。
下面,我将以具体例子来说明Fama-French三因子模型的应用。
我们来看一个假设的投资组合,其中包含了若干家公司的股票。
根据Fama-French三因子模型,我们需要分析这些公司的股票在市场因素、市值因素和账面市值比因素上的表现。
1. 市场因素市场因素指的是整个市场的表现,通常以市场指数(如标普500指数)来衡量。
我们需要分析投资组合中的股票在整个市场表现良好的情况下,是否也取得了良好的收益。
如果投资组合中的股票相对于整个市场表现较差,可能就不能获得预期的收益。
2. 市值因素市值因素是指公司的市值对其股票收益的影响。
通常来说,市值较小的公司往往具有更大的成长空间和风险,因此可能有更高的预期收益。
我们需要分析投资组合中的股票在不同市值情况下的表现,以确定市值因素对其收益的影响。
3. 账面市值比因素账面市值比因素是指公司的账面市值比对其股票收益的影响。
一般来说,账面市值比较低的公司可能具有更高的成长潜力和风险,因此也可能有更高的预期收益。
我们需要分析投资组合中的股票在不同账面市值比情况下的表现,以确定账面市值比因素对其收益的影响。
通过对这三个因素的分析和加权组合,我们可以得出投资组合的预期收益。
如果投资组合的实际收益与预期收益存在较大差异,就需要进一步分析模型中可能存在的偏差和风险因素。
Fama-French三因子模型为我们提供了一个更全面、更深入理解股票收益的工具。
通过对市场因素、市值因素和账面市值比因素的分析,我们可以更准确地衡量股票的预期收益,并更灵活地调整投资组合,以获取更稳定和可持续的投资收益。
fama三因子数据摘要:I.引言- 介绍Fama 三因子模型- 阐述模型的重要性和影响II.Fama 三因子模型的基本原理- 市场风险(Market)- 规模风险(Size)- 价值风险(Value)III.Fama 三因子模型的实证分析- 对美国股市的历史数据分析- 因素对股票回报的影响IV.Fama 三因子模型的应用- 为投资者提供有效的投资策略V.结论- 总结Fama 三因子模型的贡献和局限正文:I.引言Fama 三因子模型是现代金融理论中重要的资产定价模型之一,由美国芝加哥大学经济学教授Eugene Fama 提出。
该模型认为股票的回报与三个因素有关,分别是市场风险(Market)、规模风险(Size)和价值风险(Value)。
通过对美国股市的历史数据分析,Fama 发现这三个因素对股票回报的影响非常显著。
市场风险反映了股票市场整体的波动,规模风险反映了股票市值的大小,价值风险反映了股票的估值水平。
通过引入这三个因素,Fama 三因子模型成功解释了股票回报的显著差异,并为投资者提供了有效的投资策略。
II.Fama 三因子模型的基本原理Fama 三因子模型基于现代投资组合理论,认为股票的回报与市场风险、规模风险和价值风险三个因素有关。
1.市场风险(Market):市场风险反映了股票市场整体的波动。
在Fama 三因子模型中,市场风险用市值加权指数(Market Capitalization-weighted Index)来衡量。
市值加权指数代表了整个股票市场的表现,因此市场风险可以看作是整个市场的系统性风险。
2.规模风险(Size):规模风险反映了股票市值的大小。
在Fama 三因子模型中,规模风险用小市值股票组合(Small Firm Portfolio)和大市值股票组合(Large Firm Portfolio)的相对表现来衡量。
通常情况下,小市值股票具有较高的收益和较低的风险,而大市值股票具有较低的收益和较高的风险。
在投资领域中,Fama-French三因子模型是一种用来解释资本市场回报的框架。
它由尤金·法马和肯尼斯·弗伦奇在1992年提出,通过对股票回报的解释和预测,构建了该模型。
Fama-French三因子模型是对传统资本资产定价模型(Capital Asset Pricing Model, CAPM)的一种扩展和完善,能够更准确地解释股票回报的波动和不确定性,对于投资者来说具有重要的指导意义。
让我们来看看Fama-French三因子模型中的三个因子都是什么。
第一个因子是市场风险,用市场回报率来衡量,其代表了整个市场的投资回报。
第二个因子是规模因子,用市值因子来衡量,其代表了小市值股票与大市值股票之间的回报差异。
第三个因子是价值因子,用账面市值比来衡量,其代表了高价值股票与低价值股票之间的回报差异。
这三个因子共同解释了股票回报的特征,可以更全面地分析股票投资的风险和收益。
接下来,让我们来具体探讨一下Fama-French三因子模型对投资的影响和意义。
通过引入市值和账面市值比这两个因子,模型能够更好地解释投资组合的回报,帮助投资者更好地进行资产配置和风险管理。
该模型的提出对投资组合的构建和管理提出了新的思路,不再局限于单一的市场风险,而是考虑了更多的因素,使投资组合更加多样化和稳健。
Fama-French三因子模型对于投资者来说,提供了一种更精准和有效的投资指导,能够帮助他们更好地理解和应对市场变化,获取更稳健的投资回报。
从个人的角度来看,对于Fama-French三因子模型我持一个积极的态度。
该模型的提出填补了传统资本资产定价模型的不足,使投资分析和决策更加科学和准确。
作为一名写手,我也希望通过撰写这篇文章,能够帮助更多的人了解Fama-French三因子模型,掌握更多的投资知识,从而在投资领域中取得更好的成绩。
Fama-French三因子模型是一个重要的投资工具和理论框架,对于投资者来说具有重要的指导意义。
三因子模型系数含义
三因子模型是Fama和French在1993年提出的,用于解释股票回报率的模型。
该模型认为,一个投资组合(包括单个股票)的超额回报率可由它对三个因子的暴露来解释,这三个因子是:市场资产组合(Rm − Rf)、市值因子(SMB)、账面市值比因子(HML)。
模型中的系数βi、si和hi分别是三个因子的系数,具有以下含义:
1. βi:表示股票收益率与市场风险溢价之间的关系,即股票相对于市场的风险暴露程度。
2. si:表示股票市值与股票收益率之间的关系,代表了市值因子的影响程度。
3. hi:表示账面市值比与股票收益率之间的关系,代表了账面市值比因子的影响程度。
三因子模型系数的值可以用来衡量某一因子对股票收
益率的影响程度,同时也可以用于构建投资组合并对组合的预期收益率进行估计。
标题:深度解读fama-french三因子模型一、引言在金融领域,股票收益率的波动一直是备受关注的话题。
Fama-French三因子模型是一种用来解释股票收益率波动的重要模型,对于投资者和学者来说具有重要意义。
本文将就Fama-French三因子模型进行深入探讨,并解释其在资本市场中的重要性和应用。
二、Fama-French三因子模型概述Fama-French三因子模型是由诺贝尔经济学奖得主尤金·法玛和肯尼思·弗伦奇于1993年提出的,用来描述股票收益率的波动情况。
该模型认为股票的超额收益率可由市场风险、公司规模和估值水平三个因子来解释。
其中,市场风险因子代表整体市场收益率对个股收益率的影响;公司规模因子代表公司规模对股票收益率的影响;估值水平因子则代表估值水平对股票收益率的影响。
通过这三个因子的组合,Fama-French三因子模型能够更准确地解释股票收益率的波动情况。
三、市场风险因子在Fama-French三因子模型中,市场风险因子起着至关重要的作用。
市场风险因子代表整体市场收益率对个股收益率的影响,反映了整体市场的变化对个股的影响程度。
通过对市场风险因子的分析,投资者可以更好地理解股票收益率的波动情况,从而进行更准确的风险控制和投资决策。
四、公司规模因子除了市场风险因子,Fama-French三因子模型中的公司规模因子也具有重要意义。
公司规模因子代表公司规模对股票收益率的影响,反映了小盘股和大盘股在市场中的表现差异。
通过对公司规模因子的分析,投资者可以更好地把握不同规模公司的投资机会,从而实现更好的投资回报。
五、估值水平因子Fama-French三因子模型中的估值水平因子也是不可忽视的一部分。
估值水平因子代表估值水平对股票收益率的影响,反映了股票的估值水平对其未来收益的影响程度。
通过对估值水平因子的分析,投资者可以更好地把握股票的估值情况,从而进行更准确的投资决策。
六、总结与回顾通过以上对Fama-French三因子模型的解释,我们可以看到该模型对股票收益率的解释能力非常强,能够更准确地解释股票收益率的波动情况。
fama-french三因子对股票收益率的解释Fama-French三因子模型是由经济学家Eugene Fama和Kenneth French于1992年提出的一种用于解释股票收益率的模型。
该模型结合了市场风险、盈利能力和公司规模三个因素,是对CAPM模型的一种扩展。
该模型假设了以下三个因子对股票收益率的影响:1. 市场因子(Market Factor):市场因子指股票收益与整个市场的相关性。
根据该模型,股票收益与市场因子之间存在正相关关系,即当市场整体表现好时,股票收益率较高;反之,当市场整体表现差时,股票收益率较低。
市场因素即是衡量整个市场风险的一个指标。
2. 盈利能力因子(Profitability Factor):盈利能力因子是根据公司的财务表现来衡量的。
该模型认为,盈利能力强的公司通常会取得较高的收益,而盈利能力较低的公司则会取得较低的收益。
盈利能力因子是衡量公司规模和经营能力的一个指标。
3. 公司规模因子(Size Factor):公司规模因子是根据公司市值来衡量的。
研究发现,市值较小的公司通常具有更高的风险和回报率,而市值较大的公司则具有较低的风险和回报率。
因此,公司规模因子是衡量公司规模对股票收益的影响的一个指标。
Fama-French三因子模型的基本公式如下:Ri = Rf + βi(Rm - Rf) + si(SMB) + hi(HML)其中,Ri代表股票i的预期收益率,Rf代表无风险利率,Rm代表市场因子收益率,βi代表股票i相对于市场因子的敏感性(βi > 1表示相对强劲的反应,βi < 1表示相对较弱的反应),SMB代表公司规模因子的敏感性,HML代表盈利能力因子的敏感性。
Fama-French三因子模型提出了 CAPM 模型的一个重要扩展。
与传统的 CAPM 模型相比,Fama-French三因子模型考虑了更多的因素,能更好地解释股票收益的差异。
通过引入公司规模和盈利能力这两个因素,这个模型更好地解释了那些市值较小、盈利能力相对较强的股票将获得较高的收益,而市值较大、盈利能力较弱的股票将获得较低的收益。
The Cross-Section of Expected Stock ReturnsEUGENE F. FAMA and KENNETH R. FRENCH (1992JOURNAL OF FINANCE 47(2, 427-465摘要:結合兩個簡單的變數:規模、帳面對市價比,衡量市場β、規模、財務槓桿、帳面對市價比、E/P ratio與股票平均報酬變異的關係異。
而且,當測試變數β與規模無關,即使β是唯一解釋變數,市場β跟股票平均報酬間的關係是無關的。
Sharpe(1964, Linter(1965, and Black(1972所提出之資產定價模型長期被學術界及實務界用來探討平均報酬與風險的關係。
模型的主要預測:市場投資組合受mean-variance 的效率影響。
效率市場投資組合指:(a證券的預期報酬與市場β是正的線性函數關係。
(b市場βs有能力解釋預期報酬的橫斷面。
實證上的發現有許多與 Sharpe-Lintner-Black(SLB模型相抵觸的地方。
最明顯的為 Banz(1981的規模效果:在給定市場βs下之預期股票報酬的橫斷面,加入市值ME(股票價格乘以流通在外股數這個變數。
結果顯示在給定市場β下,低市值股票的平均報酬太高;高市值股票的平均報酬則太低。
另一個有關 SLB 模型的矛盾則是 Bhandari(1988所提出的財務槓桿與平均報酬間的正相關。
財務槓桿與風險及報酬相關看起來似乎合理,但在 SLB 模型下, 財務槓桿風險應已包含於市場β中。
然而 Bhandari 發現財務槓桿能協助解釋包含規模(ME的平均股票報酬的橫斷面變異,且比包含β要來的好。
Stattman(1980, Rosenberg, Reid , and Lanstein (1985發現美國股票的平均報酬與普通股帳面價值(BE市值(ME比有正相關。
Chan, Hamao, and Lakonishok(1991發現帳面對市價比(BE/ME對於解釋日本股票的橫斷面平均報酬也扮演很重要的角色。
最後,Basu(1983認為 E/P ratio也能協助解釋包含規模與市場β的美國股票橫斷面平均報酬。
Ball(1978提出 E/P是一個在預期股票報酬下,可囊括所有未知因子的代表變數;無論風險來源為何,E/P較高(價格相對於盈餘低的股票似乎也伴隨著高風險與高報酬。
Ball 對於 E/P的代表性批判也適用於規模(size、財務槓桿及帳面對市價比。
這些變數被視為不同衡量股票價格的方法 , 摘錄這些關於風險及預期報酬的股價資訊(Keim(1988。
更進一步看,E/P、市值、財務槓桿、及 BE/ME比都是價格的某個比例,故認為這些變數中其中某些對於預測平均報酬是無用的假設是合理的。
本文的目標為衡量市場β、規模、E/P、財務槓桿、及帳面對市價比在解釋 NYSE、AMEX、NASDAQ 股票橫斷面平均報酬的聯合解釋能力。
Black, Jensen, and Scholes(1972、Fama, and MacBeth(1973發現:使用 SLB 模型1預測,平均股票報酬與β在過去到 1969年期間,具有正面簡單相關。
就像Reinganum(1981及 Lakonishok and Shapiro(1986的研究結果,本文發現在近期 1963-1990這段期間,β與平均報酬間之相關性消失了,即使β為平均報酬的唯一解釋變數。
附錄顯示,在五十年間(1941-1990,β與平均報酬間之簡單相關也很薄弱。
簡而言之,本文的檢定並不支持 SLB 模型的基本預測:平均報酬與市場β有正相關的關係。
不像β與平均報酬間之簡單相關,平均報酬與規模、財務槓桿、E/P及帳面對市價比之間的單一變數關係很強烈。
在多元變數檢定中,規模與平均報酬的負相關較包含其他變數下來得強烈。
帳面與市價比及平均報酬間的正相關也持續對抗其他變數。
而且、雖然規模效果吸引較多注意,帳面對市價比與平均報酬的關係也扮演一個重要的角色。
本文最後的結論:(a β似乎無法協助解釋橫斷面的股票平均報酬。
(b規模、帳面對市價比似乎可吸收財務槓桿及 E/P在平均股票報酬上的解釋角色,至少在本文所選取的 1963-1990樣本期間是如此。
假如資產被理性的評價,本文關於股票風險的結論是多面的。
關於風險的其中一面可由規模、市值代表。
另一面可由 BE/ME(帳面價值對市價比代表。
Chan andChen(1991認為以 BE/ME衡量的風險有可能是相對危險的因子。
他們主張公司的盈餘展望與報酬的風險因子相關。
市場預期未來展望不佳的公司、相較於未來展望樂觀的公司會發射低股價的訊號 , 高帳面市價比的公司將有高預期股價報酬(伴隨而來的為高資金成本。
然而,也有可能 BE/ME比正好獲得非理性市場關於公司未來展望的答案。
無論基本經濟因素為何,本文的主要結論是明確的。
在 1963-1990期間,兩個簡單的衡量變數,規模、帳面對市價比(BE/ME,提供一個橫斷面平均股票報酬簡單且強力的解釋。
下一段本文討論關於估計β的資料及方法。
第二段檢視平均報酬與β、平均報酬與規模間的關係。
第三段檢視 E/P、財務槓桿、帳面對市值比,對解釋平均報酬上的角色。
在第四段及第五段,總結、解釋並討論這些結果的應用。
I. 開端A. DATA使用所有非金融業的交易資料 :(a從 CRSP 取得 NYSE 、 AMEX 、及NASDAQ 的報酬資料。
(b由 CRSP 提供的樣本合併 COMPUSTAT 年產業資料庫中的損益表及資產負債表資料。
對金融業而言可能是合理的高財務槓桿、但對其他非金融業公司也許是破產的可能,因此排除金融業。
CRSP 涵蓋 NYSE 及 AMEX 股票報酬資料 , 直到 1973年才加入 NASDAQ 的報酬。
COMPUSTAT 的資料從1962到 1989年。
1962年的起始日反映普通股的帳面價值(COMPUSTAT item 60一般無法取得在 1962年以前的資料。
較重要的是,早些年 COMPUSTAT 的資料有嚴重的選擇偏誤:1962年以前的資料選擇歷史上大且成功的公司。
為了確認他們習慣用來解釋的過去已知會計變數,將所有會計年度期末t-1(1962-1989的會計資料與 t 年七月至 t+1年六月的報酬配對。
六個月的間距在會計期末及報酬檢定間是保守的。
早先文獻(Basu(1983假設會計期末的三個月內,會計資料是可取得的。
公司的確必須在 90天內繳交其報告給 SEC,但平均有19.8%的公司未遵守。
除此之外超過 40%的公司沒有遵守 90天期限的規定,於三月三十一日繳交報告,且其報告直到四月也未公開。
(Alford, Jones, andZmijewski(1992。
使用一家公司在 t-1年十二月期末的市值, 計算 t-1年其帳面對市價比、財務槓桿、及盈餘股價比,並使用 t 年六月的市值衡量其規模。
然後,包含 t 年七月的報酬檢定,公司必須有 CRSP t-1年十二月、t 年六月的股價。
也必須有 t 年七月前 60個月中至少 24個月的月報酬(以下討論,pre-ranking β的估計值。
樣本公司必須有會計年度結束於曆年 t-1的總帳面價值、帳面權益(B/E、盈餘(E等 COMPUSTAT 資料。
在 E/P、BE/ME中使用十二月市場價值,未使用十二月會計期末資料的公司之財務槓桿比率是客觀的,因為比率中分子的會計變數與分母的市場價值未一致。
在會計期末使用 ME 也是有問題的;給定年度之橫斷面變異有部分是由於當年度的市場變異。
舉例來說,假設當年度股票皆為下跌,當年度較早衡量的比率將會低於當年度較晚衡量的比率。
然而,會計比率中使用會計期末的 ME 相較於使用十二月的ME 在報酬檢定上有較小的影響。
最後,檢定有不同會計期末的公司。
採用 t-1所有會計期末的會計資料與 t 年七月到 t+1年六月的報酬資料做配對,會計資料與所配對之報酬間距每間公司不同。
B. 估計市場βs資產定價檢定使用 Fama and MacBeth(1973年的橫斷面迴歸方法。
每個月的橫斷面股票報酬對每個解釋預期報酬率的假設變數跑迴歸。
月迴歸斜率的時間序列平均數,提供不同的解釋變數對平均股價的標準檢定。
既然規模、E/P、財務槓桿、及 BE/ME可精確衡量單一股票,沒有理由去使用Fama-MacBeth(FM迴歸中使用組合的方法 ,混淆這些變數所提供的資訊。
大多數過去的研究均使用投資組合,這是因為利用投資組合估計市場βs較為精確。
本文採用的方法為利用投資組合估計βs,然後將投資組合的β分配到投資組合中的每支股票。
使得本文在 FM 資產評價檢定中可以使用個別股票。
B.1. β估計:細節將每年六月,利用 CRSP 取得的所有 NYSE 的股票依照規模分成十類。
NYSE、AMEX、NASDAQ 股票必須有 CRSP-COMPUSTAT 的資料,然後將其分配至依 NYSE 股票規模分類的十個投資組合。
(假如本文使用這三個交易所所有的股票決定其規模分類,當 NASDAQ 的股票被加入樣本,多數的投資組合會只包含 1973年後的小股票。
因為 Chan and Chen(1988及其他相關研究證明,規模對於平均報酬及βs有廣泛的延伸,因此本文利用規模建構投資組合。
Chan and Chen只使用規模投資組合。
產生的問題為規模及規模投資組合的βs高度相關(他們的資料為-0.988,因此資產評價檢定對於個別規模中β對平均報酬的影響缺少檢定力。
為了使β的變異與規模無關,將依照規模分類的十個投資組合,依據個別股票pre-ranking βs的基礎再細分為十個投資組合。
pre-ranking βs是利用 t 年七月以前五年內 24到 60個月報酬估計。
僅使用 NYSE 股票中,有 t-1年 COMPUSTAT-CRSP 的資料者,設定β在每個規模中的十分位點。
使用 NYSE 股票是為了確保β突破點不會被 1973年後 NASDAQ 的許多小公司股票所支配。
利用滿足 COMPUSTAT-CRSP 資料需求的股票設定β突破點是為了保證在 100個 size-β投資組合中有公司存在。
在分配公司到六月的 size-β投資組合之後,計算接下來十二個月相等權重的月報酬,從七月到六月。
最後,將得到利用規模及 pre-ranking βs所建構的 100個投資組合,從 1963年 7月到 1990年 12月。
然後使用在 100個投資組合中,每個投組排序後報酬的完整樣本(330個月,及 NYSE, AMEX, and (after 1972 NASDAQ 等被一般被視為市場代表性的股票組成的 CRSP 價值加權投資組合來估計βs。
也使用價值加權或是 NYSE 股票相等權重的投資組合來估計βs。