量化研究新思维（十五）：20_for_TwentyAQR_20周年经典文献摘要2-20190312-海通证券-27页.pdf

请务必阅读正文之后的信息披露和法律声明 金融工程研究金融工程研究 证券证券研究研究报告报告 金融工程专题报告金融工程专题报告 2019 年年 03 月月 12 日日 相关研究相关研究 Table_ReportInfo 近期指数增强策略回撤原因分析2019.02.28 MOM 投资框架2019.02.27 选股因子系列研究（四十五）质量因子2019.02.21 Table_AuthorInfo分析师:冯佳睿 Tel:(021)23219732 Email: 证书:S0850512080006 分析师:郑雅斌 Tel:(021)23219395 Email: 证书:S0850511040004 分析师:袁林青 Tel:(021)23212230 Email: 证书:S0850516050003 分析师:沈泽承 Tel:(021)23212067 Email: 证书:S0850516050001 量 化 研 究新思 维（十量 化 研 究新思 维（十 五五）20 for Twenty：AQR 20 周周年年经典经典文献文献摘要摘要 2 Table_Summary投资要点：投资要点：作为全球顶尖的资产管理公司，AQR 以其独特的风格在业界广受关注和推崇。严谨深入的研究、乐于分享的文化，仿佛行业里的一股清流，将科研和投资实践完美融合。自 1998 年创立以来，除了不断扩大的管理规模，AQR 还为整个金融领域的发展贡献了和学术界等量齐观的丰硕成果。在成立二十周年之际，AQR 特意挑选了 20 篇经典之作，以为纪念。它们或正本清源、影响深远，或视角新颖、别具一格。海通量化团队在仔细阅读之后，整理出这20 篇的读书笔记，分两期与各位同行分享。另一种未来（另一种未来（An Alternative Future）。对冲基金提供了一类能够独立代表基金经理管理能力的资产，并对这种能力进行合理的定价。企业债收益中的常见因子（企业债收益中的常见因子（Common Factors in Corporate Bond Returns）。利差、防御、动量和价值可以解释大部分企业债的超额收益。控制质量控制质量因素后的因素后的规模溢价（规模溢价（Size Matters if You Control Your Junk）。控制质量因素后，在 30 个行业和 24 个国家的股市中，都存在长期稳定显著的规模效应。估值因子迷思（估值因子迷思（The Devil in HMLs Details）。采用更新价格计算的 B/P 值，不仅更接近公司的真实估值，并且在多因子模型中表现更好。与风格组合构建技术相关的与风格组合构建技术相关的 alpha（Craftsmanship Alpha）。将涉及风格组合实现过程中的 alpha 称之为“Craftsmanship alpha”，它可以增加收益、降低风险。无处不在的价值和动量（无处不在的价值和动量（Value and Momentum Everywhere）。价值和动量因子在各类资产中均有显著溢价，复合因子的表现十分出色。动量投资的动量投资的 10 个误区（个误区（Fact,Fiction,and Momentum Investing）。如果投资者的行为模式和风险偏好不变，可以预期动量效应将会持续。与与 Beta 为敌（为敌（Betting Against Beta）。BAB 因子在绝大部分资产类别和市场中都呈现出较高的超额收益和 alpha。浅谈价值投资的一些事实和误区（浅谈价值投资的一些事实和误区（Fact,Fiction,and Value Investing）。价值投资不一定需要像巴菲特那样精心挑选几个便宜的价值股，并集中持有。时间序列动量（时间序列动量（Time Series Momentum）。时间序列动量对资产未来收益具有正向预测效果，且在每个资产类别中均存在。风险提示。风险提示。市场系统性风险、模型失效风险、海外与国内市场结构差异风险。1 9 8 2 4 5 8 4/3 6 1 3 9/2 0 1 9 0 3 1 3 1 6:2 6 金融工程研究 金融工程专题报告2 请务必阅读正文之后的信息披露和法律声明 目目 录录 1.另一种未来（An Alternative Future）.5 2.企业债收益中的常见因子（Common Factors in Corporate Bond Returns）.6 3.控制质量因素后的规模溢价（Size Matters if You Control Your Junk）.7 4.估值因子迷思（The Devil in HMLs Details）.8 5.与风格组合构建技术相关的 alpha（Craftsmanship Alpha）.10 6.无处不在的价值和动量（Value and Momentum Everywhere）.12 7.动量投资的 10 个误区（Fact,Fiction,and Momentum Investing）.13 8.与 Beta 为敌（Betting Against Beta）.14 9.浅谈价值投资的一些事实和误区（Fact,Fiction,and Value Investing）.17 10.时间序列动量（Time Series Momentum）.19 11.风险提示.23 1 9 8 2 4 5 8 4/3 6 1 3 9/2 0 1 9 0 3 1 3 1 6:2 6 金融工程研究 金融工程专题报告3 请务必阅读正文之后的信息披露和法律声明 图目录图目录 图 1 不同资产的时间序列动量策略相对长期持有策略的夏普比.20 1 9 8 2 4 5 8 4/3 6 1 3 9/2 0 1 9 0 3 1 3 1 6:2 6 金融工程研究 金融工程专题报告4 请务必阅读正文之后的信息披露和法律声明 表目录表目录 表 1 截面回归结果.9 表 2 不同算法下，估值因子组合的风险收益特征（1926-1993）.9 表 3 美国股票市场（1926-2012）.16 表 4 全球股票市场（1984-2012）.16 表 5 各国股票市场（1984-2012）.16 表 6 价值因子与动量、盈利因子的结合.18 表 7 Fama-French 五因子模型及其扩展.18 表 8 价值因子的比较.19 表 9 价值因子在不同市值股票中的溢价.19 表 10 时间序列动量策略在不同持有期和回看期下，alpha 的 t 统计量.20 表 11 时间序列动量策略剥离风险因子后的结果.21 表 12 时间序列动量策略和横截面动量因子的回归结果.21 表 13 时间序列动量因子对其他因子的解释能力.22 表 14 时间序列动量和横截面动量收益分解结果.22 1 9 8 2 4 5 8 4/3 6 1 3 9/2 0 1 9 0 3 1 3 1 6:2 6 金融工程研究 金融工程专题报告5 请务必阅读正文之后的信息披露和法律声明 作为全球顶尖的资产管理公司，AQR 以其独特的风格在业界广受关注和推崇。严谨深入的研究、乐于分享的文化，仿佛行业里的一股清流，将科研和投资实践完美融合。自 1998 年创立以来，除了不断扩大的管理规模，AQR 还为整个金融领域的发展贡献了和学术界等量齐观的丰硕成果。在成立二十周年之际，AQR 特意挑选了 20 篇经典之作，以为纪念。它们或正本清源、影响深远，或视角新颖、别具一格。海通量化团队在仔细阅读之后，整理出这 20篇的读书笔记，分两期与各位同行分享。1.另一种另一种未来未来（An Alternative Future）过去的 3-5 年，金融市场上最大的一道风景便是对冲基金的爆发式增长。有人说，对冲基金是未来的潮流。也有人说，对冲基金只是昙花一现。这两种论调都有根据，但不管结果如何，对冲基金的出现至少使人们认识到，一个投资组合可以被分解为，以获取 beta（市场暴露）为目标的传统指数基金和以获取 alpha 为目标的对冲基金。对冲基金可以被简单地定义为：通过交易流动性相对较好的资产（和其他另类投资，如，私募股权和房地产相区别），寻求长期的正平均回报，并且为传统股票和债券市场提供分散化的一类策略。为了说明如何构建这类资产，我们可以从一个传统的主动管理股票组合出发。它由指数成分股的一个子集构成，被认为可以战胜其余股票。记这个组合的权重为 A，指数的权重为 I，各自的和均为 100%。显然有，A=I+(A-I)上式将主动基金经理的持仓分成了两个部分：（1）指数；（2）代表他观点的多空组合。在传统的只有多头的投资中，A I 通常被认为是基金经理的 alpha，而 A I 的波动率则是他的跟踪误差。由此，我们便可以通过做空股指期货得到一个非常简单的对冲基金。这等价于在上述组合中减去一个指数相对于现金的超额收益。记这个新的组合权重为 H，于是，H=I+(A-I)(I-CASH)H=CASH+(A-I)H 和指数 I 的相关系数为 0。如果主动基金经理有高超的选股能力（alpha），H 也将有正的预期收益。在传统的主动管理中，H 和 I 是在一起的。选择组合 A，等价于同时暴露在 H 和 I之下。但当 H 作为一类新的资产出现时，我们就有了选择暴露对象和比例的权利。假如我们对基金经理的能力深信不疑，但又担心系统性风险，那么完全可以只投资资产 H。并通过加杠杆的方式，来获得对 H 更高的暴露。在实际投资中，对冲基金的形式更加多样和复杂，但它们的目标和上述案例一样，都是赚取和传统市场相关性较低的回报。在这个过程中，做空、杠杆和衍生品都是必不可少的。常见的对冲基金策略包括：市场中性、股票多空、并购套利、统计套利、固定收益套利、可转债套利、宏观和 CTA。然而，这些原先以分离并获取 alpha 为目标的策略也正逐渐系统化，由此便产生了对冲基金 beta 的概念。以并购套利为例，相应的系统化策略（beta）可被定义为：做多目标公司的同时，做空受让公司。它代表了一类已知且可实现的策略，例如，参与每一个公告的并购交易机会。因而，并不涉及在其中选择预期盈利空间最大的，或者合理运1 9 8 2 4 5 8 4/3 6 1 3 9/2 0 1 9 0 3 1 3 1 6:2 6 金融工程研究 金融工程专题报告6 请务必阅读正文之后的信息披露和法律声明 用杠杆等主动管理技能。从这个意义上说，对冲基金的 beta 本质上和传统 beta 并无二致，都对应着一种潜在的系统性风险来源。而在这两类暴露以外的，才可以说是基金经理真正的能力（alpha）。对冲基金并不能解决股票风险溢价下行或债券低利率的问题，其结构决定了它不能凭空创造出投资能力。但对冲基金的好处也是实实在在的。首先，它提供了一类能够独立代表基金经理管理能力的资产，并对这种能力进行合理的定价。其次，通过一系列合理明确的系统性策略（对冲基金 beta），对冲基金实现了流动性和风险的转移，从而使整个金融市场变得更加有效。2.企业债收益企业债收益中中的常见因子的常见因子（Common Factors in Corporate Bond Returns）研究发现，有四个众所周知的因子（利差、防御、动量和价值）可以解释大部分企业债的超额收益。它们都具有正的风险调整后收益，且结果显著。在全球范围内，企业债是公司最大且不断增长的融资渠道。截止 2016 年一季度，尚有 8.36 万亿美元的美国企业未偿还债务。自 1996 年至 2015 年，企业债的发行量由3340 亿美元增长至 1.49 万亿美元。然而出乎意料的是，很少有对企业债券收益决定性因素的研究。我们研究了企业债收益的几个代表性驱动因素，分别是利差、质量、动量和价值。这几个因子已被证明可以预测其他市场的收益特征，但对企业债的影响尚未被研究。我们的研究贡献包括：（i）将这些概念运用到信用市场；（ii）发现了这些因子的联合相关性；(iii)分别通过检验忽视交易成本的多空组合以及关注交易成本的多头组合，来评估因子的经济意义；（iv）通过分析风险和定价错误来寻找溢价的来源。通过传统的多空组合以及回归分析，我们发现，除利差外，其他因子都具有非常重要的正向风险溢价。利差、防御、价值、动量和未来信用市场超额收益之间的强相关，为广泛应用这几个因子提供了充分的证据。并且，可以把这种证据视为样本外的结论。企业债的波动和相对市场的 beta 与信用利差和久期密切相关。因此，如果只是通过对波动和 beta 分类来构建多空组合，那么各组合间的风险将大为不同，这会使得预期收益难以比较。此外，信用利差本身还是一个收益预测变量。所以，在考察其他备选变量时，必须要考虑新变量是否能真正解释收益，还是由于和信用利差有相关性，才看起来有解释能力。为了解决这些问题，我们通过久期、利差进行双变量排序。与股票市场相比，信用市场的交易成本和流动性大不相同。企业债的交易较为困难，预期交易成本相对较高。因此，在研究信用组合时，需要明确说明交易成本和其他潜在的交易限制。为了实现更真实的回报，我们研究了流动性较高的企业债多头组合，包括利差、防御性、动量和价值，这四个因子。结果发现，这些投资组合在扣除交易成本后，依然具有较高的风险调整后收益。相对于企业债的市值加权基准，多头组合费后的年化收益为2.20%，信息比率 0.86。虽然这个数字是大约 20 年样本中的一个点估计值，但是它却远远高于 0。我们进一步探讨了收益的两个来源。从风险暴露的角度，这些组合经常会使投资者暴露在一些极端风险中。从定价错误的理论解释，由于套利交易的各种限制、投资者自身的错误、中介的失误，都会使投资行为偏离理性，形成对债券的错误定价，从而产生超额收益。我们通过测试因子相对于各种变量的暴露，从风险维度解释收益。首先，测试每个因子以及多因子组合相对于宏观经济变量的暴露，并发现相关系数都显著。当增长预期较低、市场波动加剧且通胀预期上升时，多因子组合的收益较高。其次，将宏观经济的变量替换为经纪人-经销商杠杆的变化。在过去，这个杠杆常被用来解释权益和国债的超额收益。我们发现，该变量对企业债没有很好的解释能力。虽然系数为正，但并不显著。1 9 8 2 4 5 8 4/3 6 1 3 9/2 0 1 9 0 3 1 3 1 6:2 6 金融工程研究 金融工程专题报告7 请务必阅读正文之后的信息披露和法律声明 定价错误的驱动要素有两个：（1）噪声交易者在该证券交易中的影响;（2）套利交易的限制。考察噪声交易者的影响，又可分为两个因素：债券持有人中的机构占比、公司财务的透明程度（可以用分析师的覆盖度代表）。从套利限制的角度，我们考察了，（1）那些对于套利交易者或做空交易者最具吸引力的证券，是否真的难以套利或做空，但并没找到相关证据。（2）根据套利交易的受限程度（由此可以预测证券未来可能产生的错误定价）将证券分为若干组，考察不同分组中因子的多空组合的收益。最终发现，在难以套利的分组中，这几个因子的多空收益确实更高，且结果显著。其中，尤以动量因子最为突出。此外，我们还针对投资者的预测错误进行了检验。由于预测错误难以获取，我们使用分析师的预测进行替代。假定分析师的预测是理性的，那么当预测被修正时，这个信息应该没有被提前获取。所以，正向或者负向的修正，都会带来价格的变动。结果表明，分析师的修正，只对动量因子的多空收益有解释能力，无法解释其他几个因子的收益。综上所述，价值、动量、防御和利差，这四个因子皆具有超额收益，其来源可以通过风险暴露以及定价错误解释。在风险层面，因子暴露于宏观经济指标，从而获得溢价。而从定价错误的角度来看，动量因子最为敏感。主要表现在，动量策略在那些财务较为不透明的公司发行的、流动性较低的，且由不太成熟的投资者持有的债券中表现较好。分析师过去的定价错误被修正，可以解释动量策略的超额收益。然而，定价错误对其他因子收益的解释力度不足。3.控制质量因素控制质量因素后的规模溢价后的规模溢价（Size Matters if You Control Your Junk）规模溢价的有效性受到质疑。质疑者认为，规模溢价在文献发表后持续走弱；集中于微小市值股票（micro-cap stock）；时间分布不均匀（集中在 1 月）；在海外市场的显著性较弱等。然而，我们发现，在控制了质量因素后，上述质疑都将烟消云散在 30个行业、24 个国家的股票市场中，都存在长期稳定且显著的规模效应。首先，我们计算了 SMB 组合、市值多空组合（分 10 组）的历史表现（1926.7-2012.12）。SMB 组合的月均收益为 23bps，T 统计量为 2.27。市值多空组合的月均收益为 55bps，T 统计量为 2.32。这表明，规模溢价在美股市场是显著存在的。不过，市值组合的显著性要明显低于根据类似方法构建的价值与动量组合（T 统计量分别为 3.7、4.6）。但是，如果将样本按月份分为两部分，1 月份市值组合的平均收益显著大于零，而 2-12 月份则接近于零。因此，规模溢价的统计显著性可能只是源于 1 月份小盘股的优异表现。而针对不同的时间窗口，SMB 组合与市值多空组合的月均收益表现也大相径庭。例如，在 1980 至 1999 年间，就出现了长时间的负收益。如果把检验范围扩大到 23 个海外市场，SMB 组合的月均收益仅为 13bps，且在统计上并不显著。我们发现，规模效应的不稳定可能与股票的质量因素相关。如果使用 QMJ（高质量股票收益减垃圾股收益）组合收益对 SMB 组合收益进行时间序列回归，会发现 SMB 组合的 alpha 会由 14bps 上升至 49bps，并且 QMJ 组合收益前的系数显著小于零。这表明，SMB 组合的收益会受到质量因素的影响。为了控制质量因素对市值组合的影响，我们按照质量因子与市值因子将股票各自分为 5 组，并计算 25 个交叉分组内股票市值加权收益相对短期国债的超额收益。结果显示，除 Junk 组外，其他各质量分组下，小市值股票相对大市值股票都具有正超额收益，且其显著性水平都高于简单的市值多空组合。关于规模溢价仅源于微小市值股票的质疑，我们对比了加入 QMJ 组合前后（原模型包含 RMRF、HML、UMD），对分 10 组的市值组合收益进行时间序列回归的结果，发现市值组合 alpha 的显著性大幅提升，并且按照市值由小到大呈现出良好的线性单调关系。因此，在控制质量因素后，规模溢价在各市值分组间都是显著存在的，并非仅来源于微小市值股票。此外，在加入 QMJ 组合进行归因后，SMB 在 1 月的 alpha 由 2.09%降低至 1.57%，而 2-12 月的 alpha 由-0.04%上升至 0.38%（T 统计量为 3.62）。因此，可以认为，规模溢价的 1 月效应受到了垃圾股优异表现的影响。质量因素可以部分解释规模溢价的季节效应。最后，我们将上述研究拓展到海外股票市场，在控制质量因素后，1 9 8 2 4 5 8 4/3 6 1 3 9/2 0 1 9 0 3 1 3 1 6:2 6 金融工程研究 金融工程专题报告8 请务必阅读正文之后的信息披露和法律声明 SMB 组合的 alpha 由 11bps（T 统计量 0.99）上升至 28bps（T 统计量 2.38）。因此，我们认为，在考虑质量因素后，规模溢价其实在海外市场也是广泛存在的。综上所述，市值效应在历史上的不稳定性与质量因素息息相关。在考虑质量因素的影响后，市值效应的幅度与显著性大幅提高。因此，在投资决策与资产定价中，市值效应是投资者不可忽视的异象。4.估值因子迷思估值因子迷思（The Devil in HMLs Details）估值比率是最受关注的风格因子之一。无论是基本面研究还是量化投资，都需要用到股票的估值。最常用的估值指标是账面市值比（Book-to-Price Ratio，B/P），也就是市净率（PB）的倒数。B/P=每股净资产每股股价=每股净资产流通股数股价流通股数=股东权益公司市值=账面市值比 然而，众所周知，由于公司财报的公布具有滞后性，每股净资产（B）只能采用之前财报公布的数据。因此，B/P 也存在一定的滞后性。随之而来的另一个问题就是，股价（P）的时效是否应该与每股净资产（B）保持一致。一般而言，在计算 B/P 时，B 的选择是固定的，都为最新年报的数据，但价格（P）的选择却没有定论。下面介绍三种不同的估值因子算法。第一种算法来自于传统的 FF 三因子模型。Fama 在每年 6 月 30 日更新股票的 B/P值，并采用公司在上一财年（fiscal year）末的每股净资产和股价（）。因此，理论上，在下一年 6 月更新数据前，公司的 B/P 值可能已经滞后 6-18 个月了。这种算法可表示为（annual 表示更新频率，lagged 表示采用过时的股价）：,=/第二种算法是根据上一财年末到调仓日期间发生的公司分红、拆股和其他行为调整每股净资产，再采用最新的股价。这种算法可表示为（annual 表示更新频率，current表示采用最新的股价）：,=/第三种算法中，每股净资产的计算与相同，但调仓频率提高到月度，即每月末根据最新的股价计算 B/P。这种算法可表示为（monthly 表示更新频率，current表示采用最新的股价）：,=/理论上，最真实的 B/P 值应该采用最新的每股净资产和最新的股价。但由于财报公布的滞后性，实际上永远无法计算最真实的 B/P 值。以上 3 种算法的结果亦是如此。因此，要分析估值因子，首先需要评估哪一种计算方法所得的 B/P 最接近真实值。假设当前是 2018 年 12 月 31 日，且公司的财年结束于每年 12 月 31 日，并且依旧在每年 6 月 30 日更新股票的 B/P 值。理论上，公司的真实估值为：2081231,=20181231/20181231 由于当下无法获得，因而只能采用之前讨论的两种算法：1,=20171231/20171231 1,=20171231/20180630 1 9 8 2 4 5 8 4/3 6 1 3 9/2 0 1 9 0 3 1 3 1 6:2 6 金融工程研究 金融工程专题报告9 请务必阅读正文之后的信息披露和法律声明 于是，可以利用截面回归来评估和对真实估值的预测效果：,=0+11,+21,1,+下表展示了相关的回归结果，括号内为系数的 t 统计量。表表 1 截面回归结果截面回归结果 R 方 所有样本所有样本 0.91 0.86 0.05 0.73 0.94(101.3)(38.9)(3.14)大盘股大盘股 0.93 0.98-0.04 0.78 1.05(101.5)(43.1)(-2.40)小盘股小盘股 0.88 0.80 0.08 0.70 0.91(110.1)(42.4)(4.70)资料来源：AQR:20 for Twenty，海通证券研究所 其中，实际是前的系数，可以看作对预测的贡献度。在所有样本中，的估计值为 0.94，即对预测的贡献度超过 94%，而对预测的贡献度仅为 6%。另外，从 t 统计量也可看出，回归系数的显著性远高于。因此，从回归结果来看，更接近真实的 B/P 值。另一个比较不同 B/P 算法优劣的方法是，计算根据相应 B/P 值构建的 HML 因子组合的收益表现。下表统计了不同算法下，估值因子组合收益的 FF5 因子模型的回归结果。FF5 因子包括市场（MKT）、市值（SMD）、短期反转（STR）、动量（UMD）和其他算法的估值（HML）因子。表表 2 不同不同算法下，算法下，估值估值因因子子组合组合的的风险收益特征（风险收益特征（1926-1993）（1）（2）（3）（4）调仓频率调仓频率 年度 年度 年度 月度 股价股价 Lagged Current Lagged Current Alpha-0.58(-1.35)1.43(3.42)-1.61(-2.92)3.05(5.92)MKT 0.01(0.93)-0.03(-3.38)-0.02(-2.09)-0.01(-0.82)SMB-0.04(-3.32)0.02(1.78)-0.04(-2.50)0.01(0.46)STR-0.01(-1.13)0.02(1.85)-0.07(-4.19)0.08(5.58)UMD 0.17(17.24)-0.19(-21.46)0.38(26.12)-0.43(-39.28)0.92(70.41)0.85(53.14)0.95(70.41)0.94(53.14)R 方方 0.89 0.90 0.82 0.89 资料来源：AQR:20 for Twenty，海通证券研究所 上表中的（1）和（2）列是为了比较采用不同时效的股价计算所得估值因子的差异。结果显示，用包括因子的 FF5 因子模型去解释时，还剩余高达 1.43%的未解释 alpha。（3）和（4）列则比较了不同调仓频率的影响。结果与前两列类似，采用较新价格的估值因子更为合理。此外，从上表还可发现，采用不同时效股价的 HML 因子组合，动量因子系数的符号恰好相反。这是因为在一般情况下，股价的下跌会提高估值因子值（B/P），降低动量因子值。所以，这两个因子内在存在一定的负相关性。采用过时的股价计算估值因子时，1 9 8 2 4 5 8 4/3 6 1 3 9/2 0 1 9 0 3 1 3 1 6:2 6 金融工程研究 金融工程专题报告10 请务必阅读正文之后的信息披露和法律声明 并没有考虑后续股价的变化，就会削弱估值与动量因子间固有的负相关性。例如，若从上一财年末到组合调仓这段时间内，股价大跌，公司估值会变得更便宜，但采用过时价格计算的估值指标却不会发生变化。综上所述，采用更新价格计算的 B/P 值，不仅更接近公司的真实估值，并且在多因子模型中表现更好。5.与风格组合构建技术相关的与风格组合构建技术相关的 alpha（Craftsmanship Alpha）近年来，许多投资者都在寻找与传统资产低相关的收益源，风格溢价即为其中一种。在风格投资的过程中，投资者面临许多选择，不仅仅包括选择何种风格，更重要的是选择构建风格组合的方式。例如，对于价值风格，可以是多头倾斜组合，也可以是多空策略的纯风格组合；可以基于单一指标构建，也可以基于多个指标构建。我们主要研究在构建有效风格组合过程中可能涉及到的技术，也就是在确定选择何种风格后，组合构建过程中面临的各种选择：从如何将信号转换为组合权重，到风险控制、优化和交易。这些设计选择可能会增加组合的收益，或降低组合的风险，或同时增加收益、降低风险，我们将涉及风格组合实现过程中的 alpha 称之为“Craftsmanship alpha”。何种风格何种风格组合组合 通常而言，最被广泛接受和应用的风格溢价主要有价值、动量、防御（defensive）和股息率因子。此外还存在其他风格，如，规模和流动性。对于同一种风格溢价，有多种形式的风格组合。以价值风格为例，最常见的获取方式是构建多头组合（即 Smart Beta）。即，偏离市值权重，向价值风格倾斜。相比于其他方法，构建多头组合更容易实现，有更大的容量，并且不需要利用杠杆、做空或衍生品。但是，对于希望增加低相关收益源的投资者而言，构建多空组合是更为合适的方式。并且，这种方式下得到的收益是完整的风格溢价。构建多头组合和构建多空组合各有优点，选择何种风格组合需基于投资者自身情况确定。如何构建风格组合如何构建风格组合 下面，我们着重考察在构建风格组合过程中，可能面临的设计决策和选择。这些选择虽然不会像分散化一样非常明显地改善夏普比，但也会在一定程度上影响组合的风格暴露和表现。（1）更有效的风格度量指标 采用更有效的度量指标可以增强风格组合的收益表现。价值组合主要基于估值指标排序获得。其中，估值指标是公司价值除以价格。例如，净资产除以价格或盈利除以价格。这些概念看起来简单，但实际构建过程中却有很多细微的差异。例如，净资产是否包含无形资产或非营运性资产，盈利指标是否包含非经常性损益等。对于价格指标，可采用最新值也可采用滞后值。按照标准的学术方法，由于财务报告存在一定的滞后期，HML 应采用与净资产同期的价格。但是，倘若一家公司基于净资产和同期价格计算时，处于昂贵状态。而近期股价下跌，从估值角度来看公司状态变好，标准的算法就无法反映出这种变化。因此，采用最新价格计算的估值组合能更好地反映真实的“价值”因子，是度量价值风格更好的一种方式。（2）多个度量指标 使用多个度量指标可减少与任何一个度量指标相关的测量噪声，有助于将它们的共同部分分离出来，反映真实风格。例如，对于价值指标而言，投资者可以将价格与多种合理的基本面相关联，包括但不限于收益、现金流和销售收入。对于动量指标，可以将1 9 8 2 4 5 8 4/3 6 1 3 9/2 0 1 9 0 3 1 3 1 6:2 6 金融工程研究 金融工程专题报告11 请务必阅读正文之后的信息披露和法律声明 盈利动量和价格动量结合。需要注意的是，使用多个度量指标并不是因子增强、数据挖掘。而是使因子背后的逻辑思想更加强大，因为每一种风格都没有完美的定义。（3）股票选择和加权方式 学术界普遍采用的方法是设臵一个分位点来选股，并采用市值加权构建组合。例如，Fama-French 的 HML 构建方法即为，基于 B/P 对股票进行排序，选择 B/P 最高的 1/3股票，按照市值加权构建多头组合，B/P 最低的 1/3 按照市值加权构建空头组合。然而，33%分位点和市值加权都只是一种选择而已。通过选择不同的分位点和加权方式，可以改变组合的风格暴露程度，从而影响组合的收益表现。在选择股票时设定的分位点越小，组合在风格上的暴露越集中。若对比 50%分位点组合和 33%分位点组合，后者在因子上的暴露更为集中，因此收益更高，但同时风险也更大，夏普比无明显差异。另外一种增加风格暴露的方式是对得分高的股票设臵更高的权重。通常而言，相比市值加权，这种基于风格得分的加权方式收益更高，夏普比也更高。但是，这种方式倾向于对市值小、流动性低的股票赋予更高的权重，因而会对组合流动性产生不利影响。一种平衡流动性和高收益的方案是，在加权方式中同时融入市值和风格暴露。（4）计划外的风险 虽然构建风格组合的目的是获取纯风险溢价，但在这过程中的一些选择可能导致产生其他嵌入式风险。这些风险可能是计划外的，甚至只是风险，并未有相应的收益补偿。以 Fama-French 的 HML 组合为例，该组合存在行业风险和市场风险。在科技股泡沫期间，科技类股票的 B/P 较低，处于 HML 的空头部分，HML 组合相当于净卖空科技板块。同时，由于科技类股票的风险较大、beta 较高，HML 组合还相当于做空市场。由此引发了一个关键问题，即，在 HML 组合的构建过程中，并没有计划对市场和科技板块择时。所以，它们是计划外的风险，应当予以剔除。那么，怎么应对这些计划外的风险呢？一种可能的方式是对冲。对于市场风险，可构建零 beta 组合，即，多头组合的 beta 和空头组合的 beta 相同。对于行业风险，可以构建行业中性组合。但这并不意味着一定要对冲上述风险，投资者也可以选择对市场或行业风险进行暴露，关键是需要意识到这些风险的存在，并做出自己的选择。（5）目标波动率 目标波动率（或风险）是一种基于波动率变化动态调整名义头寸，以寻求不同时期风险一致的方法。这种方法下的组合在时间序列上更为稳定、风险更为分散。当然，目标波动率方法有效的前提是，投资者认为波动率可预测，且交易成本不会抵消收益。（6）多风格组合 多种风格的结合主要有两种方法：组合复合和信号整合。前者是指将单一风格的组合复合；后者是指直接在组合构建过程中将多个风格结合为一个信号，然后基于综合信号构建组合。这两种方法得到的组合，收益表现可能存在明显差异。以价值和动量这两种相关性较低的风格为例，信号整合方式的收益表现优于组合复合。此外，信号整合方式可以对冲头寸，降低交易成本。（7）战略还是战术 关于风格投资一个更大的问题是，实行战术性的择时还是维持战略配臵。战术择时是指当预期未来某种风格收益高于历史均值时，赋予这种风格更高的权重。投资者通常使用一系列的指标来确定某种风格是否更具吸引力，例如，估值差、风格动量、宏观条件等。虽然一些战术择时在学术文献中被证明是有效的，但实践起来却非常困难。在决定是否择时以及权重偏离时，需要考虑投资者的择时能力以及组合中已有的风格。例如，在众多择时指标中，估值差通常被认为效果较好。但当战略配臵组合中已有估值风格时，1 9 8 2 4 5 8 4/3 6 1 3 9/2 0 1 9 0 3 1 3 1 6:2 6 金融工程研究 金融工程专题报告12 请务必阅读正文之后的信息披露和法律声明 基于估值差的择时边际效果很弱。如何实现风格组合如何实现风格组合 尽管在组合构建过程中，可以通过信号增强或更好的加权方式来有效获取潜在的风险溢价，但确保交易和风险管理不会侵蚀收益也很重要。（1）组合实施 有效的组合实施是指扣除交易成本后仍能获得较高的收益。从交易频率来看，日度换仓组合的收益高于年度换仓，但前者的执行成本也更高。在确定换仓频率时，应对比扣费后的收益。另外一种减少交易成本的方法是允许偏离，即，投资者想要日度换仓，应当允许组合与理想状态存在一定的偏离，以此降低成本。（2）经济有效的执行 在确定换仓频率后，投资者可采用有效的交易技术，最大限度地降低交易成本。这部分成本很大比例源于价格的影响，也就是执行成本和投资者进入市场时的成本差异。减少价格影响的一种方法是耐心，如，分多个交易日完成组合构建；若是日内交易，则分多个时段完成。（3）风险管理 风险管理也是风格投资中的一个重要问题。我们之前已经探讨过计划外风险的对冲和目标波动率方法。除此之外，投资者还需注意其他风险，如杠杆、流动性、偿付能力（即足够的现金流）、左尾风险、相关性风险等。对于多空组合而言，杠杆风险非常重要，应对方式有：基于波动率调整风险暴露、限制杠杆水平、保持足够的现金等。但即便有风险管理，风格组合也有可能遭遇持续回撤的困难时期。因此，提前有一个系统性的风险应对方案非常重要。例如，当组合的回撤到达某个程度或是短期尾部风险上升时，快速减少组合的风险暴露，直到收益改善或左尾风险消退时，再把风险暴露调整至原来的水平。这种计划在恐慌时期尤为重要，它可以使投资者保持分散化，并在困难时期生存下来。6.无处不在的价值和动量无处不在的价值和动量（Value and Momentum Everywhere）价值效应和动量效应是资本市场中关注度最高的两个现象，也是市场有效性争论和资产定价研究的焦点。前者是指资产收益与其“长期价值与市值之比”之间的关系，后者是指资产收益与其历史表现之间的关系。我们通过检验八种不同市场和资产类别间的价值和动量的联合效应，为上述两种市场异象提供一种新的视角。我们发现，价值和动量因子在各类资产中均有显著溢价，复合因子的表现十分出色。我们使用的标的如下所示：四类股票资产：美国、英国、欧盟（不包括英国）和日本（1972-2011）。四类非股票资产：美国、英国、日本等 18 个发达国家主要市场的股指期货（1978-2011）；美国、英国、日本等 10 个国家的外汇期货（1979-2011）；美国、英国、日本等 10 个国家的国债期货（1982-2011）；原油、铜、黄金、玉米等 27 种商品期货（1972-2011）。我们使用资产过去 12 个月的收益率（剔除最近一个月）作为动量指标。对于股票和股指，使用账面市值比作为价值指标；对于其他资产，使用该资产过去五年累计收益率的相反数作为价值指标。分别将八类资产的动量和价值指标按大小分为高、中、低三组，构建了 48 个投资组合。在每类资产中，按指标相对排序加权构建了零成本的多空组合作为动量和价值因子，并将两因子等权合成得到复合因子。1 9 8 2 4 5 8 4/3 6 1 3 9/2 0 1 9 0 3 1 3 1 6:2 6 金融工程研究 金融工程专题报告13 请务必阅读正文之后的信息披露和法律声明 回测结果显示，在绝大多数资产内部，动量与价值因子的收益都是显著的，且因子间负相关。虽然债券市场的价值因子收益在统计上不显著，但如果改变价值指