Fama-French 因子是「全球」的，还是「各回各家」的？

[2002 RFS] Are the Fama and French Factors Global or Country Specific?
John M. Griffin
Jun He June 02, 2026
资产定价 国际金融 三因子模型 市场一体化
Note

本文读的是 Griffin (2002, Review of Financial Studies)：把 Fama-French 三因子模型搬到国际市场后，到底该用一套「全球因子」给所有国家定价，还是给每个国家配一套「本土因子」？作者用美、日、英、加四国的组合与个股做了一次彻底的对账，结论干脆得有点扫兴——本土因子完胜全球因子。给美股算资本成本，用错模型，每年能差出 8.41%。

1 一个看似不起眼、却价值 8.41% 的选择

先讲一个会让 CFO 睡不着的数字。

假设你要给一只美国股票算资本成本（cost of capital）。你打开 Fama-French 三因子模型，照着公式把贝塔、规模载荷、价值载荷代进去——但在动手之前，你得先做一个选择：用美国本土的三个因子，还是用一套全球的三个因子？

听起来像个无关痛痒的技术细节。可 Griffin 在文章一开头就甩出一个数：对美股而言，本土三因子模型和全球三因子模型给出的预期收益估计，平均每年相差 8.41%。八个百分点是什么概念？这几乎是股权风险溢价本身的量级。换句话说，模型选错了，你的资本预算、绩效评估、风险分析全得跟着错位。

于是一个本来藏在脚注里的问题，被推到了台前：Fama-French 因子，到底是全球的，还是各国特定的？

2 故事要从一个「整不整合」的赌注说起

要理解这个问题为什么不只是「跑两个回归比一比」那么简单，得先回到国际资产定价理论的一条铁律。

在一个有效且一体化 (integrated) 的国际资本市场里，应该只存在一套风险因子，能同时解释所有国家的预期收益。道理很直白：如果资本可以自由跨境流动，那么同一种风险在东京和纽约就该卖同一个价钱；不可能在日本是一种风险、在美国又是另一种。所以「全球因子模型」背后其实压着一个维持假设（maintained hypothesis）——市场是整合的。

Fama and French (1998) 正是顺着这条理路做的。他们构造了一个带「全球账面市值比因子 (WHML)」的世界两因子模型，发现它比世界 CAPM 给出的截距更接近零、调整 \(R^2\) 更高。结论似乎很美好：全球价值因子是有用的。

但这里有一处微妙的、也是 Griffin 一眼看穿的漏洞——

Fama and French (1998) 从来没有把世界因子模型和「纯本土」模型放在一起比过。

这就埋下了全文的张力。因为世界因子说到底，是各国因子的加权平均。它解释力强，会不会只是因为它内部本来就装着各国本土的成分？真正干活的，也许从头到尾都是本土因子，全球因子不过是搭了个便车。

3 把世界因子拆开来看

这正是 Griffin 设计的核心一招：把世界因子拆成本土与外国两块，让数据自己说话。

先看三个模型。世界因子模型（world model）假设全世界只有一套因子：

$$ r_{it} = \alpha_i + b_i\,WMRF_t + s_i\,WSMB_t + h_i\,WHML_t + \epsilon_{it} $$

其中 \(r_{it}\) 是资产 \(i\) 以美元计价、超出本国无风险利率的收益，\(WMRF\)、\(WSMB\)、\(WHML\) 分别是世界的市场、规模 (small minus big)、价值 (high minus low) 因子。

关键在于，这些世界因子本身就是各国成分按市值加权的平均。以市场因子为例：

$$ WMRF_t = \cssId{a1}{w_{Dt-1}}\,\cssId{a2}{DMRF_t} + \cssId{a3}{w_{Ft-1}}\,\cssId{a4}{FMRF_t} $$

看清这个结构，后面就顺了。既然世界因子 $=$ 本土成分 $+$ 外国成分，那就干脆放开手，让本土成分和外国成分各自带一个系数，这就是国际因子模型（international model）：

$$ \begin{aligned} r_{it} = \alpha_i &+ b_{Di}\,(w_{Dt-1}DMRF_t) + s_{Di}\,(w_{Dt-1}DSMB_t) + h_{Di}\,(w_{Dt-1}DHML_t) \\ &+ b_{Fi}\,(w_{Ft-1}FMRF_t) + s_{Fi}\,(w_{Ft-1}FSMB_t) + h_{Fi}\,(w_{Ft-1}FHML_t) + \epsilon_i \end{aligned} $$

这个六因子模型把世界模型「解剖」成了本土三块与外国三块。它的妙处在于嵌套：如果外国因子根本无关紧要——也就是 \(b_{Fi}=s_{Fi}=h_{Fi}=0\)——那它就坍缩回一个纯本土三因子模型：

$$ r_{it} = \alpha_i + b_{Di}\,(w_{Dt-1}DMRF_t) + s_{Di}\,(w_{Dt-1}DSMB_t) + h_{Di}\,(w_{Dt-1}DHML_t) + \epsilon_i $$

于是三个模型构成了一条清晰的逻辑链：世界模型（强行用一套全球因子）⊂ 比较对象是 本土模型（只用本国因子）；而 国际模型（本土+外国都放进去）则是裁判——它让数据来回答：把外国因子加进来，到底有没有用？

Tip

评判标准有两条。第一，资产定价模型预测所有截距 \(\alpha_i\) 应联合等于零，所以截距绝对值越小，定价误差越小。第二，模型不预测 \(R^2\) 的大小，但有用的因子应该带来更高的 \(R^2\)。Griffin 就用这两把尺子，逐个国家、逐种排序方式地量。

这里还有一个常被忽略却很要命的细节：因子之间的相关性。Griffin 在 Table 1 里发现，各国的 SMB、HML 因子跨国相关性出奇地低——比如日本 HML 和美国 HML 几乎不相关。这一方面呼应了 Hawawini and Keim (1997) 的发现；另一方面也带来一个实证上的便利：本土因子和外国因子之间不存在严重的共线性，可以心安理得地塞进同一个回归。但它背后的含义更耐人寻味——如果各国的规模和价值风险真是同一组底层状态变量，且市场又整合，这些溢价本不该如此「各走各路」。

4 数据：四个「应该整合」的市场

既然模型是和「市场整合」这个维持假设一起被检验的，Griffin 就刻意挑那些最可能整合的市场。

大量实证（尤其是 1980 年之后）认为美国与加拿大、英国、日本之间是整合的。于是样本锁定为 1981 年 1 月至 1995 年 12 月的月度收益，观测单位是组合或个股，收益一律以美元计价、扣除本国无风险利率。到 1995 年，样本里有日本 1521 家、英国 1234 家、加拿大 631 家公司，非美国公司共 3386 家——这么大的横截面，足以支撑个股层面的检验。

为什么要用个股？因为 Ferson, Sarkissian, and Simin (1999) 和 Berk (2000) 都警告过：用「按某个特征排序得到的组合」来构造因子，会在样本内人为制造出那个特征的证据。所以 Griffin 既做传统的按 BE/ME、按规模排序的组合，也做个股回归——两者结论一致，才算稳。

5 反转：全球因子，其实是搭了便车

现在来看那两把尺子量出了什么。

第一回合，高低账面市值比组合。 跨四国的高、低 BE/ME 组合，世界三因子模型的平均截距绝对值是 0.25，本土三因子模型是 0.22——本土略胜。但真正拉开差距的是 \(R^2\)：本土模型的平均调整 \(R^2\) 高达 0.898，世界模型只有 0.530。一个解释了近九成的时序变动，另一个只解释了一半出头。

Griffin 在这里特意复现了 Fama and French (1998) 的结果：是的，加入世界 HML 因子，确实让截距更接近零、\(R^2\) 更高，比世界 CAPM 强。但他同时发现，本土两因子模型（本国 HML + MRF）的截距更低、\(R^2\) 更高，比世界两因子模型还要好。 这一刀下去，Fama-French (1998) 那个「全球价值因子有用」的结论就被重新定性了：它有用，但本土版本更有用。

第二回合，把外国因子也加进来。 国际六因子模型的平均定价误差是 0.24，竟然比纯本土模型的 0.22 还高了 0.02；调整 \(R^2\) 是 0.904，相比本土的 0.898 只高了千分之六。也就是说，多塞进去三个外国因子，解释力的提升小到几乎可以忽略，反而把截距推得更大——这恰恰是模型设定走偏的信号。

第三回合，25 个规模×价值组合。 这一组横截面差异更大，更能区分模型。结果同一个方向：本土模型的调整 \(R^2\) 普遍在 0.80 以上（如美国 0.804、日本 0.809、英国 0.822），而世界模型只有 0.30–0.57（美国 0.513、英国 0.387、加拿大仅 0.301）。国际模型相比本土模型几乎没有改善（美国 0.807 vs 0.804）。

到这里，全文的反转已经完成：世界因子之所以看起来有解释力，正是因为它的肚子里装着本土成分；一旦把本土成分单拎出来，外国成分的边际贡献就所剩无几。 个股回归和样本外检验都指向同一个结论——加入外国因子带来的，是「统计上显著、经济上微不足道」的提升，且本土模型的样本内、样本外定价误差都更小。

一句话：Fama-French 因子是各国特定的，不是全球的。 把三因子模型扩展到国际语境，没有好处。

6 文献脉络

这条线要从国际资产定价的理论根基讲起。Solnik (1983) 的国际套利定价理论指出，当用外币计价时，无风险利率的随机成分恰好等于汇率变动——这正是 Griffin 把外国收益换算成「超出本国无风险利率的美元收益」的理论依据，借此剔除系统性汇率冲击的干扰。

接着，Fama and French (1993) 在美国本土立起了三因子模型这块基石：市场、规模、价值。它的解释力之强、应用之广，几乎成了实证资产定价的默认语言。

然后，一个自然的问题是：这三个因子是「风险」，还是别的什么？Daniel and Titman (1997) 给出尖锐的反驳——是特征 (characteristics) 而非因子载荷在解释收益。这场争论后来被搬到国际舞台：Daniel, Titman, and Wei (2001) 在日本数据里继续力挺「特征派」，而 Liew and Vassalou (2000) 则反过来论证 Fama-French 因子能预测多国的经济增长，像是真的风险因子。

但真正关键的一步，是 Fama and French (1998) 把模型推向全球，并声称世界价值因子有用。Griffin (2002) 站的正是这个位置：他不去纠缠「是风险还是特征」，而是退一步问一个更基础的问题——就算它是因子，这因子的「单位」是国家，还是世界？ 答案是国家。

文献脉络时间线
文献脉络时间线（按发表年份排布；红色为本文）

（关于 Fama-French 因子在国际市场的表现，本博客还讨论过另一篇经典文献，参见《全世界都有「价值」和「动量」，只有日本是个例外》；关于这些因子究竟是不是「风险」，可参见《会「看天」的 beta：当风险收编了价值与规模，动量却躲进了商业周期》。）

7 评论与延伸（Q&A + 研究方向）

(a) 几个可能的疑问

Q：本土因子赢，会不会只是因为本土因子和本土组合是「同源构造」，天然就该拟合得好？

这正是 Ferson-Sarkissian-Simin 和 Berk 警告的偏误，也是 Griffin 最在意的一点。他的应对是双管齐下：既用按特征排序的组合，也用个股回归——个股不经过排序构造，能消除这种机械拟合。两者结论一致，才让「本土胜出」站得住。不过严格说，组合层面的 \(R^2\) 差距里仍可能含有同源成分，所以更该看个股结果和样本外定价误差。

Q：8.41% 的差异是不是被「美元计价 + 汇率」放大了？

部分是定价模型的实质差异，但 Griffin 沿用 Solnik (1983) 的处理，把每国收益表示成「超出本国无风险利率的美元收益」，正是为了压低系统性汇率冲击的影响。所以这 8.41% 主要反映的是本土与全球因子载荷/溢价的真实差别，而非纯粹的汇率噪声。

Q：结论是不是只对「整合市场」成立，反而自相矛盾？

有这层张力。模型是和「市场整合」这个维持假设联合检验的。Griffin 故意挑了美、日、英、加这几个公认（尤其 1980 后）整合的市场——按理说，越整合，全球因子越该奏效。结果连在这些市场里全球因子都输了，反而让「本土因子更优」的结论更强：在最有利于全球模型的赛场上，它依然落败。

Q：这是不是说 Fama and French (1998) 错了？

不算错，是「不完整」。Griffin 完整复现了他们的结果：世界 HML 确实优于世界 CAPM。问题在于 FF(1998) 漏掉了和纯本土模型的对照。补上这一格之后才发现，世界因子的解释力很大程度上是本土成分贡献的——全球因子搭了便车。

Q：低跨国相关性意味着什么？

Table 1 显示各国 SMB、HML 跨国相关性很低。如果规模和价值风险在各国是同一组底层状态变量、且市场整合，这些溢价本该高度相关。它们「各走各路」这件事本身，就是对「单一全球因子」的一个反证，也解释了为什么把外国因子加进来帮不上忙。

Q：对今天的从业者，最硬的 takeaway 是什么？

算资本成本、做绩效评估、跨国比较风险时，按国家用本土三因子模型，别用全球版本。多加外国因子是「统计显著、经济无谓」，还会恶化样本外定价。

(b) 几个可能的研究问题与提案

1. 公司债市场里的「本土 vs 全球」因子之争。

【经济故事】股票市场的答案是「本土赢」，但公司债的定价更依赖全球性的信用周期、流动性冲击与无风险利率曲线。信用利差因子到底是各国特定的，还是更接近全球？这关系到跨国债券组合的风险归因和资本成本。 【可行性】中。需要多国公司债的成交数据（如 TRACE、欧洲的 ICMA/iBoxx 数据），按 Griffin 的「本土/世界/国际」三模型框架照搬即可。难点在于公司债流动性差、横截面薄，个股级别的稳健性检验不易复制。

2. 外资持有比例如何改变一国因子的「全球化程度」。

【经济故事】Griffin 用的是 1981–1995 的样本，那时跨境资本流动远不如今天。一个自然的延伸：随着外资持有比例上升，一国市场是否变得更「全球定价」、本土因子的相对优势是否被侵蚀？这把因子结构和市场一体化的动态联系起来。 【可行性】中高。可用各国外资持有比例（如 IMF CPIS、各国央行数据）作为时变的「一体化程度」代理，在滚动窗口里比较本土与全球模型的相对表现。识别上可借助一些资本账户开放的准自然实验。

3. 把检验从「时序 \(R^2\)」推向「样本外定价误差」的稳健性。

【经济故事】Griffin 已做了样本外比较，但主要落在截距与 \(R^2\)。后续可以系统地用样本外的均方定价误差、GRS 统计量在多个子期上对账，看「本土胜出」是否在不同波动率体制（如危机期 vs 平静期）里都成立。 【可行性】高。纯方法论延伸，数据需求与原文相同，主要是计算量。是个 doable 的复制+扩展型项目。

4. 「特征 vs 因子」之争与「本土 vs 全球」之争的交叉。

【经济故事】Daniel-Titman 说是特征，Griffin 说因子的单位是国家。把两者叠起来问：在国际数据里，是「本土特征」还是「本土因子载荷」在解释收益？这能同时回应两条争论线。 【可行性】中。需要 Daniel-Titman 式的「特征匹配组合」构造，在多国实现并不轻松，且对数据质量敏感，但思路清晰、识别策略成熟。

8 我的判断

Griffin 这篇文章的贡献，不在于发明了什么新方法，而在于补上了一格别人都默认跳过的对照。他把世界因子拆成本土与外国成分这一招，干净、嵌套、可证伪——让「全球因子有用」这个看似稳固的结论，在一个简单的分解面前现了原形。这种「退一步问更基础的问题」的研究品味，比堆砌新因子更难得。

对识别，我有两点保留。其一，结论与「市场整合」这个维持假设捆绑：作者把它转化成了论证优势（在最有利于全球模型的市场里全球模型仍败），但严格说，我们无法把「因子是本土的」和「这些市场其实没那么整合」完全分开。其二，样本停在 1995 年，正处在全球化加速的前夜——今天外资持有、跨境 ETF、被动资金的版图已大不相同，本土因子的相对优势是否依旧，是个真正的开放问题。

我最想看到的后续，是把这套「本土/世界/国际」三模型框架搬到公司债与信用市场，并引入时变的外资持有比例作为一体化程度的标尺——去看一个市场是如何、以及在多大程度上，从「各回各家」一步步走向「全球定价」的。

参考文献