E01
美股已发表因子溢价的"发表后衰减"：基于 Ken French 数据库 2013–2026 延展窗口的独立检验
1 · 研究问题
规模、价值、动量、盈利、投资五个已发表因子（factor premium）在 McLean–Pontiff (2016) 样本截止（2013）之后的 2013–2026 窗口内，月均溢价相对发表前样本衰减了多少个百分点？衰减幅度是否与"套利资本消除错定价"假说预测的方向一致，且在 95% 置信区间内可与"纯数据窥探"（data snooping）情形区分？
2 · 研究背景与空白
因子溢价指按公司特征（市值、账面市值比、过去收益等）排序构造的多空组合的平均超额收益，是资产定价实证的核心对象。若溢价源于数据窥探，发表后应立即消失；若源于错定价，发表后随套利资本进入而逐步衰减；若源于风险补偿，则应持续存在。三种机制对"发表后样本"给出可区分的预测。
McLean & Pontiff (2016, Journal of Finance) 用 97 个已发表异象测得：样本外收益衰减约 26%，发表后五年衰减约 58%（样本截止约 2013 年）。Jacobs & Müller (2020, JFE) 在全球样本上发现发表后衰减主要是美国现象。Jensen, Kelly & Pedersen (2023, JF) 用贝叶斯框架认为多数因子可复现且样本外仍成立（代码公开于 GitHub bkelly-lab/ReplicationCrisis）。三者结论并不一致。
空白在时间覆盖：2013–2026 这 13 年（含 2018–2020 年著名的"价值因子失灵"与 2022 年后的反弹）尚未被上述框架以统一口径覆盖。方法完全公开、数据免费、结论正负都成立，是典型的"新样本独立检验"型学生课题。
3 · 可检验假设
- H1：五个因子（SMB、HML、UMD、RMW、CMA）在 2013-01–2026-06 窗口的月均溢价，相对各自"发表前样本"均值平均衰减 ≥ 40%，且至少 3 个因子的发表后溢价在 t > 3.0 门槛下不再显著。
- H2（机制备择）：衰减幅度与因子换手率/套利成本代理（如小市值腿占比）正相关——若成立支持"套利资本"解释；若衰减均匀分布则更接近整体风险环境变化。H1 被否证（溢价未衰减）同样是有效结论，支持风险补偿解释。
4 · 量化验收标准
- 方法学校验（硬门槛）：用 Ken French 数据库提供的 6 个 Size–B/M 组合自建管线重构 SMB 与 HML，在 Fama–French (1993) 原始样本区间 1963-07–1991-12 上与官方因子序列比对：相关系数 ≥ 0.995，月均值偏差 ≤ 0.02 个百分点，t 值偏差 ≤ 5%。UMD 用 6 个 Size–Momentum 组合同法校验。此步不过关，后续全部结论无效。
- 统计口径预先写死：月度序列均值检验一律用 Newey–West 标准误，滞后阶按 floor(4(T/100)^(2/9)) 并另报滞后 6 与 12 的稳健性；报月均溢价点估计 + 95% CI + 年化夏普，而非只报 p 值。
- 多重检验校正：仅预注册 5 个因子，按 Bonferroni 校正后判显著性，并同时报告 Harvey–Liu–Zhu (2016) 的 t > 3.0 门槛结论。
- 结构性断点：对每个因子做 Bai–Perron 多断点检验与以发表年份为断点的 Chow 检验，报断点位置的 90% 置信区间。
- "随机划分 vs 时间划分"对照：额外做一次随机打乱月份的伪"前后"对比，量化若不按时间划分会高估/低估多少衰减。
- 可复现性：全部脚本（数据下载→因子重构→检验→图表）开源，第三方一键重跑 < 10 分钟。
5 · 数据与工具
| 用途 | 来源 / 工具 |
|---|---|
| 因子与组合月度收益（1926-07 至今，每月更新，CSV 免费） | Ken French Data Library（mba.tuck.dartmouth.edu），下载 F-F Research Data Factors、Momentum、6 Portfolios 系列；总量 < 20 MB |
| 无风险利率交叉核对 | FRED（TB3MS），免费 API |
| 官方因子序列（仅用于校验与对比，不计入本项目数据贡献） | 同 Ken French 库 |
| 分析环境 | Python：pandas、statsmodels（Newey–West、Chow）、ruptures 或自写 Bai–Perron；纯 CPU，全流程秒—分钟级 |
| 对照文献结果（仅对比，不计入贡献） | McLean–Pontiff (2016) 表 3；Jensen et al. (2023) GitHub 复现代码 |
6 · 方法路径
- 搭环境，下载 Ken French 全套 CSV，完成第 4.1 条因子重构硬门槛校验。
- 整理五因子的"发表前 / 发表后 / 2013 后延展"三段样本定义，预注册全部检验与滞后阶选择。
- 计算各段月均溢价、Newey–West t 值、CI 与夏普，复算 McLean–Pontiff 口径的衰减百分比。
- 做 Bai–Perron / Chow 断点检验与滚动 10 年窗口溢价图，定位衰减发生时点。
- 构造套利成本代理，检验 H2 的横截面相关（仅 5 个观测点，须用置换检验并明示功效有限）。
- 做随机划分对照与滞后阶敏感性分析。
- 交叉校验：用 Jensen et al. 公开代码的美国子集重算同口径衰减，比对差异并解释。
7 · 新颖性边界
- 本课题不提出新因子、不声称发现新异象；"发表后衰减"现象本身由 McLean–Pontiff (2016) 确立（97 个异象，样本至约 2013），Jacobs & Müller (2020) 与 Jensen–Kelly–Pedersen (2023) 已做大规模延伸。
- 本项目贡献（主结论）：以统一、完全可复现的免费数据管线，给出这 5 个核心因子在 2013–2026 延展窗口的衰减幅度点估计与置信区间，并区分三种机制的预测。溢价"未衰减"与"已衰减"都是有效结论，误差棒必须证明有能力分辨 40% 量级的衰减。
- 历届丘奖对照：2024 年提名奖 "Spectral Coskewness and the Valuation of Stocks"（深圳中学）做的是新定价量的横截面检验；本课题定位相反——不造新量，只做已发表量的独立延展检验，评审谱系上属于该赛道罕见但方法学最扎实的类型。
8 · 决策门槛（go / no-go）
- 第 2 周末：第 4.1 条硬门槛必须通过。若 SMB/HML 重构相关系数达不到 0.995，先排查组合权重口径（价值加权、NYSE 断点）；第 4 周仍不达标则降级：放弃自建重构，直接采用官方因子序列做全部检验，方法学校验改为"复算 McLean–Pontiff 表 3 中可用 Ken French 数据覆盖的因子行，衰减百分比偏差 ≤ 5 个百分点"。主结论框架（延展窗口衰减估计）完全保留。
- 第 8 周末：五因子三段样本的全部点估计与 CI 完成。若 H2 横截面检验功效过低（置换检验 p 值区间过宽），降级为纯描述性机制讨论，H1 仍为主结论。
- 已知困难即研究内容：2018–2020 价值因子巨幅回撤会使"衰减 vs 断点"难以区分——这正是断点检验要回答的问题，不是障碍。
- 适配前提:适合统计功底较好、接受"全程无策略回测、无超额收益故事"定位的学生;本题的卖点是推断严谨性，不是收益率。