Fama-French三因子模型是量化金融领域十分经典的理论模型。最早提出的CAPM模型无法解释市场收益率，Fama和French提出了3个因子用以解释股票在横截面上的收益差异。这3个因素分别是:整体市场因素（Rm-Rf）、与公司规模相关的因素（SMB）和与账面市值比相关的因素（HML）。
　　HML和SMB因子的构建是文章的核心内容。这篇报告中我们仔细解读了因子构建的细节。基于全市场股票划分分类，该论文贡献了2个新的市场因子SMB和HML，同市场溢价因子Rm-Rf共同构建了Fama-French三因子体系。这三个因子在解释不同市值和账面市值比组合时拥有很强的拟合程度。
　　25个市值-账面市值比股票组合同三因子的时间序列回归是文章另一核心内容。这篇报告中我们仔细解读了时间序列回归的细节。从只对市场风险溢价Rm-Rf回归到加入SMB和HML因子，使得回归中市场溢价Rm-Rf的系数β从0.89--1.4趋近为1。Fama-French三因子模型回归中，这两个组合的β分别为1.04和1.06。
　　Fama-French三因子模型可以更好的解释股票收益未能被市场溢价Rm-Rf解释的截距部分。对于截距项，25个组合中t值显著程度大于2的组合从只考虑市场组合超额回报作为解释变量的回归模型中的9个降低到使用Fama-French三因子作为解释变量的回归模型的3个。截距项显著的股票组合数的减少，代表FamaFrench三因子能够更全面解释股票收益的组合数越多。
　　作者认为，这套模型可以应用于如下场景：
　　构建投资组合、估计资金成本。投资组合对风险因素的风险敞口可以用投资组合过去的超额收益对五种解释性收益的回归来估计。回归斜率和各因素的历史平均溢价可以用来估计投资组合的预期收益，并判断其资金成本。
　　评估投资组合表现、测量事件研究中的异常收益。时间序列回归中的截距就是判断一个管理者是否能够战胜市场所需的平均异常收益，能否利用特别的信息来产生比Fama-French三因子模型解释收益更多的收益。
　　风险提示：市场风格切换风险，市场波动风险，模型失效风险