This paper introduces the functional principal component analysis approach for decomposing the panel returns of the anomaly-sorted portfolios. Using the US stock market data covering July 1963–July 2020, our findings indicate that the Fama–French (F–F) market factor can be captured by the first empirical functional principal component in the time-series. For the other F–F anomalies, market capitalization (Size), book-to-market ratio (B/M), profitability (OP), investment (Inv), and price momentum (Mom), the cross-sectional features remain in the monotonicity of the second principal component and in the curvature of the third principal component. Furthermore, a time-varying framework shows two neglected reversals of the F–F anomalies Inv and Size in the 1970s and the 1980s.

本文介绍了功能主成分分析方法，用于分解异常分类的投资组合的面板收益。使用涵盖1963年7月至2020年7月的美国股市数据，我们的发现表明，时间序列中的第一个经验函数主成分可以捕获Fama-French（F-F）市场因素。对于其他F–F异常，市值（大小），账面市值比（B / M），获利能力（OP），投资（Inv）和价格动量（妈妈），横截面特征保留在第二主要成分的单调性和第三主要成分的曲率中。此外，随时间变化的框架显示了1970年代和1980年代F-F异常Inv和Size的两个被忽略的逆转。