因子风险溢价——EAP.fama_macbeth.Factor_mimicking_portfolio

实证资产定价（Empirical asset pricing）已经发布于Github和Pypi. 包的具体用法(Documentation)博主将会陆续在CSDN中详细介绍，也可以通过Pypi直接查看。

Pypi: pip install --upgrade EAP

Github: GitHub - whyecofiliter/EAP: empirical asset pricing

本demo构建因子风险溢价，包括市场系统风险溢价、SMB、HML、RMW、CMA。按照Fama French（1993）的惯例，首先构造因子模拟投资组合，然后计算因子风险溢价。有关详细信息，请参见class Factor_mimicking_portfolio.

在这个demo中，数据是从CSMAR数据集收集的。警告：请勿将此演示中的数据集用于任何商业目的。

# %% set system path
import sys,os

sys.path.append(os.path.abspath(".."))

数据预处理

# %% import data
import pandas as pd

month_return = pd.read_hdf('.\data\month_return.h5', key='month_return')
company_data = pd.read_hdf('.\data\last_filter_pe.h5', key='data')
trade_data = pd.read_hdf('.\data\mean_filter_trade.h5', key='dat