如何在Python中实现虚拟变量回归估计非危机/危机时段的Alpha与Beta

核心模型逻辑 #

对应拆分式回归模型形式为：
$$R_{i,t} - R_{f,t} = \alpha_{NC} D_{NC,t} + \alpha_C D_{C,t} + \beta_{NC} (R_{m,t} - R_{f,t}) D_{NC,t} + \beta_C (R_{m,t} - R_{f,t}) D_{C,t} + \varepsilon_t$$
变量定义：

• $D_{NC,t}$：非危机时段取1，其余时段取0
• $D_{C,t}$：危机时段取1，其余时段取0
• 回归输出的每个系数直接对应分时段的Alpha、Beta值，无需额外换算

全流程实现步骤 #

• 环境准备
  安装所需依赖库：

  pip install pandas statsmodels numpy
  

• 数据格式要求
  需提前整理2000-2020年的时序数据，至少包含以下字段：

  • 日期列：标记每个收益率观测的对应时间
  • 被解释变量列：个股/投资组合的超额收益（组合收益减无风险收益）
  • 风险因子列：市场（或其他多因子）的超额收益
  • 时段标记列：标记每个观测属于非危机（NC）还是危机（C）时段

• 变量构造

  1. 基于时段标记生成两个0/1虚拟变量：D_NC（非危机时段赋值为1）、D_C（危机时段赋值为1）
  2. 构造风险因子与时段的交互项：将风险因子超额收益分别与两个虚拟变量相乘，生成对应时段的风险敞口列
  3. 关键注意点：由于模型通过两个虚拟变量的系数捕捉不同时段的Alpha项，不存在统一的全局截距，后续回归时严禁额外添加常数截距项，否则会因D_NC + D_C = 1的恒等关系触发完全多重共线性，导致回归失败。

• 回归拟合与参数提取
  可直接运行以下完整代码完成全流程，示例中已内置模拟的2000-2020年月度数据，实际使用时替换为自身数据集即可：

  import pandas as pd
  import numpy as np
  import statsmodels.api as sm
  
  # ----------------------
  # 替换为自身数据部分：读取2000-2020年时序收益率数据
  # ----------------------
  # 生成示例时间范围（2000-01至2020-12月度频率）
  dates = pd.date_range(start="2000-01-01", end="2020-12-31", freq="M")
  # 构造示例字段
  df = pd.DataFrame({
      "excess_ret_i": np.random.normal(loc=0.01, scale=0.05, size=len(dates)),  # 组合超额收益
      "excess_ret_m": np.random.normal(loc=0.008, scale=0.04, size=len(dates))  # 市场超额收益
  }, index=dates)
  # 标记危机时段（示例：2008金融危机、2020疫情阶段为危机时段）
  df["period"] = "NC"
  df.loc[((df.index >= "2008-01-01") & (df.index <= "2009-12-31")) |
         ((df.index >= "2020-02-01") & (df.index <= "2020-12-31")), "period"] = "C"
  
  # ----------------------
  # 构造回归所需变量
  # ----------------------
  df["D_NC"] = (df["period"] == "NC").astype(int)
  df["D_C"] = (df["period"] == "C").astype(int)
  df["mkt_DNC"] = df["excess_ret_m"] * df["D_NC"]
  df["mkt_DC"] = df["excess_ret_m"] * df["D_C"]
  
  # 组装解释变量矩阵
  X = df[["D_NC", "D_C", "mkt_DNC", "mkt_DC"]]
  y = df["excess_ret_i"]
  
  # ----------------------
  # 拟合回归（不添加常数项！）
  # ----------------------
  reg_results = sm.OLS(y, X).fit()
  
  # ----------------------
  # 整理输出分时段参数
  # ----------------------
  param_label = {
      "D_NC": "非危机时段Alpha",
      "D_C": "危机时段Alpha",
      "mkt_DNC": "非危机时段Beta",
      "mkt_DC": "危机时段Beta"
  }
  for col in X.columns:
      print(f"{param_label[col]}: 系数={reg_results.params[col]:.4f}, "
            f"t值={reg_results.tvalues[col]:.3f}, "
            f"p值={reg_results.pvalues[col]:.4f}")
  

常见问题排查 #

• 若回归报错提示“完全多重共线性”，优先检查是否误调用了sm.add_constant()为解释变量添加了全局截距
• 若需扩展至多因子模型（如Fama-French三因子/五因子），只需对每个风险因子分别与两个时段虚拟变量构造交互项，替换原有市场因子的交互列即可，整体回归逻辑不变
• 虚拟变量的危机时段标记可根据实际研究定义调整，只需保证每个观测仅属于一个时段（即D_NC与D_C不会同时为1、同时为0）即可保证模型可识别

内容的提问来源于stack exchange，提问作者Gemma Caruso