其中：

• :

  为股票 i 在 t 时刻的对数市值（即自然对数化的总市值）。该值反映了股票规模的相对大小，取对数可以减小极端值的影响，使得数据更符合正态分布的假设，并减少异方差性。

• 在每个时间截面 t，对所有股票进行加权最小二乘回归 (WLS)。回归的因变量为每个股票的收益率，自变量为 $LNCAP_{i,t}$，回归的权重为各股票总市值的平方根。使用加权最小二乘回归是为了降低异方差性对回归结果的干扰，尤其是在股票市值分布不均匀的情况下，市值较大的股票往往具有较小的波动率。市值平方根作为权重，可以使得回归结果更加稳健。

• :

  回归方程在时间截面 t 的截距项。截距项本身没有明确的经济学解释，但它在回归模型中起到校正作用，使得回归线能够更好地拟合数据。

• :

  回归方程在时间截面 t 的回归系数。该系数表示对数市值 $LNCAP_{i,t}$ 与收益率的线性关系。如果该系数为正，则表示市值与收益率正相关；反之则表示负相关。需要指出的是，在传统市值因子中，我们假设收益率与对数市值是简单的线性关系，此处的$eta_t$的系数也是线性关系。

• :

  回归得到的残差项，代表了股票 i 在 t 时刻的实际收益与通过市值线性关系预测的收益之间的差异。该残差项反映了市值收益关系的非线性偏差程度。残差值越大，则说明股票 i 的实际收益偏离线性预测的程度越高。我们将对该残差项进行去极值和标准化处理，以消除异常值的影响并得到标准化的因子值。