1、比如N个股票，t期，先对每个股票的回报对factor作时间序列回归，得出一堆beita，然后不管时间维度了，用每个股票的回报对之前得到的beta做截面回归，得到risk premium。

2、第一步用时间序列算出各个Beta 第二步 在横截面上用 r对求出的Beta回归 得到Beta的Beta  把这些beta的beta求和除以时间t，看是不是显著为0 可以验证CAPM 在stata12以后的上的命令为xtfmb，可以直接得出各个参数的

按照以上解释，最后回归系数应该是得到factor的大小和显著性，而不是得到factor对股票回报rt的影响，如何理解？

引用xtfmb的help文件里的例子，

webuse grunfeld

xtfmb invest mvalue kstock, verbose

从显示的结果可以看出，xtfmb是直接在每一年将invest对 mvalue kstock做一个横截面回归，然后直接计算每年的mvalue和kstock 的系数的均值和t检验统计量，作为xtfmb的最终系数估计和t统计量。

请问这应该只是上述Fama-Macbeth回归的第二步而已吧？没有先做时间序列回归呀！

比如，我是想检验流动性liquidity对股票回报率rt的影响，加入SMB HML RMRF作为控制变量

请问是直接 xtfmb liquidity smb hml rmrf就可以了吗？还是要先对每只股票做时间序列回归？