因子投資小冊子
發布時(shí)間：2019-08-22 | 來(lái)源: 川總寫量化(huà)
作者：石川
最近一年我寫了(le)很多(duō)關于（股票(piào)）因子投資的(de)文章(zhāng)，并以此結交了(le)很多(duō)朋友，這(zhè)其中就包括 [因子動物(wù)園] 背後的(de)兩位主創。今天借這(zhè)個(gè)機會我想把 [川總寫量化(huà)] 和(hé) [因子動物(wù)園] 中相關文章(zhāng)（以及幾篇來(lái)自徐楊總的(de)雄文）按一定的(de)邏輯梳理(lǐ)一下(xià)，方便各位感興趣的(de)朋友在今後查閱。我把它稱作因子投資小冊子，但它其實隻是一個(gè) index。不過我會在文中對(duì)每部分(fēn)進行簡要的(de)說明(míng)，以便不同的(de)文章(zhāng)能夠有機的(de)串聯起來(lái)。希望它們能爲你的(de)因子投研助一臂之力。
1 因子投資基礎
說起因子投資，不得(de)不提的(de)三個(gè)概念是異象（anomalies）、因子（factors）以及因子模型（factor models）。在不同的(de)人(rén)提及“因子”一詞時(shí)，其所真正指代的(de)概念可(kě)能是不一樣的(de)。《Anomalies, factors, and multi-factor models》介紹了(le)這(zhè)三個(gè)概念的(de)區(qū)别和(hé)聯系。除了(le)搞清楚三個(gè)概念之外，當人(rén)們談論因子投資時(shí)還(hái)可(kě)能有三個(gè)視角：學術界、管理(lǐ)人(rén)、投資者。不同視角下(xià)的(de)關注點可(kě)能是完全不同的(de)，比如學術界對(duì)挖出異象或者因子之間 PK 最感興趣，而管理(lǐ)人(rén)則緻力于找到真正 fee 後仍然能帶來(lái)超額收益的(de)因子。《學術界、管理(lǐ)人(rén)、投資者視角下(xià)的(de)因子投資》一文介紹了(le)三個(gè)視角下(xià)的(de)因子投資。有了(le)因子投資的(de)基礎知識，相信你也(yě)摩拳擦掌、躍躍欲試要大(dà)幹一番。接下(xià)來(lái)就看看因子投資的(de)方法論。
2 因子投資方法論
因子投資方法論中最直觀的(de)是 portfolio sort tests，有的(de)時(shí)候會單因子自己 sort，有時(shí)又會多(duō)個(gè)因子一起 double sort 甚至 triple sort，這(zhè)之中到底有什(shén)麽“玄機”？[因子動物(wù)園] 的(de)《追尋因子的(de)足迹：分(fēn)類、構造與檢驗》一文進行了(le)詳細的(de)說明(míng)。除了(le) portfolio sort tests 之外，你一定也(yě)聽(tīng)過 time series regression、cross-sectional regression 以及 Fama and MacBeth (1973) regression（FM regression）這(zhè)些常被用(yòng)于研究異象和(hé)因子的(de)回歸方法。它們之間有怎樣的(de)差異？是否在某些情況下(xià)是等價的(de)？《股票(piào)多(duō)因子模型的(de)回歸檢驗》回答(dá)了(le)這(zhè)些問題。
除了(le)上述方法外，研究因子的(de)“進階”方法論還(hái)包括 Gibbons, Ross, and Shanken (1989) test 以及大(dà)殺器 GMM（Hansen 1982）。掌握這(zhè)些技巧可(kě)以更好的(de)進行因子模型之間的(de)比較研究。[因子動物(wù)園] 的(de)《檢驗因子模型：Alpha, GRS 與 GMM》一文對(duì)它們進行了(le)介紹。談到因子研究的(de)方法論，不能不提的(de)自然還(hái)有幾乎已經成爲标配的(de) Barra。Barra 的(de)純因子模型是 FM regression 的(de)一個(gè)應用(yòng)，另外的(de)區(qū)别在于考慮了(le)截面上殘差的(de)異方差，因此用(yòng) WLS 取代了(le) OLS。《Barra 因子模型截面回歸求解》解讀了(le) Barra 模型背後的(de)來(lái)龍去脈。
Barra 的(de)因子模型和(hé)學術界因子研究的(de)最大(dà)差異在于 factor loading（因子載荷）的(de)選擇上。學術界用(yòng)資産收益率和(hé) factor mimicking portfolio 收益率通(tōng)過時(shí)序回歸求出因子載荷，而 Barra 直接使用(yòng) firm characteristics 作爲因子載荷。這(zhè)之間有哪些區(qū)别？哪種方法更好？你能在《Which Beta ?》中找到答(dá)案。最後，在因子研究中經常被人(rén)提及的(de)一個(gè)概念是因子正交化(huà)處理(lǐ)。《爲什(shén)麽要進行因子正交化(huà)處理(lǐ)？》闡述了(le)這(zhè)其中的(de)原因。
3 主流因子解讀
有了(le)方法論就可(kě)以研究各路因子了(le)。事實上，雖然因子形形色色，但學術界主要認可(kě)的(de)還(hái)隻是非常有限的(de)幾大(dà)類，比如價值、動量、質量、低風險這(zhè)些。如果要學習(xí) empirical asset pricing，那麽 Bali, Engle, and Murray (2016) 這(zhè)本著作不容錯過 —— 人(rén)家題目就叫 empirical asset pricing！多(duō)麽霸氣。它不僅講了(le)方法論，還(hái)逐一介紹了(le)主流因子。當然有一個(gè)問題，Bali, Engle, and Murray (2016) 的(de)研究結果都是針對(duì)美(měi)股的(de)。
不過不用(yòng)氣餒，[因子動物(wù)園] 公衆号志在針對(duì) A 股提供獨立、靠譜、可(kě)複制的(de)各種因子研究，他(tā)們也(yě)按照(zhào)這(zhè)本書(shū)的(de)思路逐一整理(lǐ)每個(gè)主流因子。對(duì)于每個(gè)因子都從其學術背景到針對(duì) A 股的(de)實證分(fēn)析事無巨細的(de)介紹。舉例來(lái)說，對(duì)于動量因子，[因子動物(wù)園] 就怕你看不過瘾，因此提供了(le)三篇解讀：
又比如說，對(duì)于低風險因子，也(yě)是多(duō)篇解讀把它掰開了(le)、揉碎了(le)介紹：
由于這(zhè)部分(fēn)工作量是十分(fēn)繁重的(de)，因此研究将會是持續進行。[因子動物(wù)園] 背後的(de)團隊也(yě)“開足了(le)馬力”希望爲各位小夥伴提供最純粹的(de)因子研究。如果你對(duì)因子研究感興趣，特别是關注學術界因子在 A 股上的(de)效果，那麽 [因子動物(wù)園] 不會讓你失望。另外三篇我想提及的(de)是《量化(huà)殼價值》、《中國版的(de) Fama-French 三因子模型，了(le)解一下(xià)？》和(hé)《實證研究 —— A 股上顯著的(de)風格因子》。它們關注了(le)主流因子在 A 股的(de)效果。
4 有趣的(de)異象
在因子投資已經比較普及的(de)今天，由于 Barra 的(de)那套風險因子體系非常成型且被廣泛接受，因此人(rén)們的(de)研究重點是找到一些因子無法解釋的(de)異象，以期獲得(de)超額收益。但是，由于數據挖掘和(hé)運氣成分(fēn)，很多(duō)異象都是虛假的(de)。面對(duì)這(zhè)種情況，如何體系化(huà)的(de)研究一個(gè)異象（使用(yòng)正确的(de)方法論）則至關重要。在這(zhè)方面，《獲取 α 的(de)新思路：科技關聯度》介紹了(le) Lee et al. (2019) 這(zhè)篇文章(zhāng)，它是一篇研究異象的(de)典範。除此之外，我和(hé)搞事情因子小組也(yě)對(duì)一些異象（包括因子）進行了(le)系統性的(de)研究。這(zhè)方面的(de)資料包括以下(xià)幾篇（以後會有陸續創作更多(duō)的(de)異象研究）。
《Book-to-Market 整容記：哪家 BM 比較強》
其中第一篇是從預測的(de)角度探討(tǎo) earnings 異象；而在另外三篇中，比起某個(gè)異象是否顯著本身，它們關注的(de)重點則是在研究問題的(de)方法上。關于異象研究，不得(de)不提的(de)一本好書(shū)是 The Handbook of Equity Market Anomalies（Zacks 2011）。它系統的(de)闡述了(le)市場(chǎng)中最有趣的(de)那些異象，比如 Accrual，Analysts Recommendation 以及 PEAD 等。[因子動物(wù)園] 的(de)《不讀這(zhè)本書(shū)，請不要做(zuò)投資異象研究》一文對(duì)它進行了(le)介紹并提供下(xià)載。
5 現狀與未來(lái)
從 Fama and French (1993) 提出三因子模型以來(lái)，因子研究的(de)發展也(yě)曆經了(le)近 30 年。如今談到學術界的(de)因子研究，必須要面對(duì)的(de)一個(gè)問題是 factor zoo。在 publication bias 的(de)驅使下(xià)，學者們濫用(yòng) multiple testing，就爲了(le)挖出樣本内顯著的(de)異象或因子，從而在頂級期刊上獲得(de)立足之地。在這(zhè)種不良風氣下(xià)，大(dà)量的(de)異象和(hé)因子都僅僅是 data mining 的(de)産物(wù)。好消息是，學術界已經意識到了(le)問題的(de)嚴重性。《在追逐 p-value 的(de)道路上狂奔，卻在科學的(de)道路上漸行漸遠(yuǎn)》介紹了(le)這(zhè)段因子研究發展的(de)曆程。
除了(le) factor zoo 之外，因子研究的(de)現狀又開始轉向了(le) factor war。以提出樣本内更能夠解釋截面預期收益差異的(de)因子模型爲目标，學術界開始了(le)轟轟烈烈的(de)因子大(dà)戰，試圖找到最好的(de)模型。但在這(zhè)個(gè)過程中，我們對(duì)于 empirical asset pricing 的(de)理(lǐ)解似乎也(yě)并沒有加深。《從 Factor Zoo 到 Factor War，實證資産定價走向何方？》講述了(le)這(zhè)個(gè)新趨勢并提出了(le)一些擔憂。因子研究的(de)另一個(gè)新進展是從行爲角度構建因子模型。這(zhè)方面的(de)代表是《一個(gè)加入行爲因子的(de)複合模型》介紹的(de)一個(gè)三因子模型。随著(zhe)行爲金融學被廣泛認可(kě)，可(kě)以預期這(zhè)部分(fēn)的(de)研究也(yě)會越來(lái)越多(duō)。
除上述趨勢外，在如今的(de)因子研究中，從會計學的(de)角度開發新因子或對(duì)現有因子進行改造也(yě)十分(fēn)普及。這(zhè)背後的(de)原因是忽略基本面分(fēn)析的(de)因子研究和(hé)因子投資略顯粗暴和(hé)不夠托底，而從基本面分(fēn)析出發對(duì)因子進行加工則能夠取得(de)更好的(de)效果。《基本面分(fēn)析 ≠ 基本面量化(huà)投資？》一文介紹了(le)基本面分(fēn)析在因子研究中的(de)重要性。我們會持續關注學術界在因子研究反面的(de)最新動向，并在今後的(de)文章(zhāng)中持續解讀。
6 因子投資實踐
OK！最後來(lái)說說因子投資實踐，畢竟研究了(le)那麽多(duō)是爲了(le)投資實務服務的(de)。在這(zhè)方面，首先值得(de)推薦的(de)一本書(shū)是 Your Complete Guide to Factor-based Investing: The Way Smart Money Invests Today（Berkin and Swedroe 2016）。《因子投資的(de)一本好書(shū)》一文對(duì)其進行了(le)詳細介紹。除此之外，從事因子投資的(de)朋友一定聽(tīng)過的(de)一句話(huà)是“細節決定成敗”。因子投資正是由一個(gè)個(gè)細節、一個(gè)個(gè)坑構成的(de)，對(duì)它們處理(lǐ)是否得(de)當直接影(yǐng)響因子投資的(de)效果。在這(zhè)方面，[新全球資産配置] 的(de)老司機徐楊寫過一篇題爲《細節決定成敗：構建多(duō)因子策略的(de)工匠(jiàng)精神》的(de)雄文，非常值得(de)一讀；此外《你用(yòng)因子，他(tā)也(yě)用(yòng)因子；你沒賺錢，他(tā)卻賺錢了(le)》也(yě)提出了(le)類似的(de)觀點。
另外一篇必須推薦的(de)文章(zhāng)同樣來(lái)自 [新全球資産配置]，題爲《多(duō)因子策略的(de)五大(dà)討(tǎo)論》，它記錄了(le)來(lái)自業界大(dà)咖對(duì)因子投資的(de)硬核討(tǎo)論 —— 這(zhè)其中就包括很多(duō)小夥伴關心的(de)因子擇時(shí)。此外，對(duì)于普通(tōng)投資者布局因子投資來(lái)說，smart beta 無疑是一把利器。[因子動物(wù)園] 的(de)《Smart Beta ：已經發生的(de)未來(lái)？》一文對(duì)它進行了(le)介紹。
在因子投資實務中，因子擇時(shí)是一個(gè)躲不掉的(de)概念。雖然它非常難，但也(yě)有無數的(de)人(rén)前赴後繼投身到擇時(shí)的(de)研究中。爲此，本小節包含的(de)最後兩篇文章(zhāng)就是關于因子擇時(shí)。對(duì)于擇時(shí)，按動量和(hé)因子是否便宜來(lái)擇時(shí)是兩個(gè)主要方向，兩位大(dà)佬 Cliff Asness 和(hé) Rob Arnott 也(yě)沒少爲此大(dà)打口水(shuǐ)戰。《你家因子便宜嗎？——基于 value spread 的(de)因子擇時(shí)研究》整理(lǐ)了(le)這(zhè)方面的(de)研究。另外一篇文章(zhāng)是之前關注度頗高(gāo)的(de)《還(hái)在對(duì)著(zhe)一階矩做(zuò)因子擇時(shí)？不妨試試二階》。它介紹了(le)針對(duì)二階矩進行因子擇時(shí)從而控制風險，以及使用(yòng)因子進行大(dà)類資産配置的(de)全新思路，爲因子投資實踐提供了(le)新的(de)啓發。
以上就是這(zhè)個(gè)因子投資小冊子的(de)全部内容。因子投資絕對(duì)是個(gè) fascinating 的(de)課題。希望這(zhè)裏涉及的(de)文章(zhāng)能對(duì)各位有幫助，也(yě)希望我和(hé) BetaPlus 小組能将因子研究一直進行下(xià)去。
參考文獻
Bali, T. G., R. F. Engle, and S. Murray (2016). Empirical Asset Pricing, the Cross Section of Stock Returns. Hoboken, New Jersey: John Wiley & Sons, Inc.
Berkin, A. L. and L. E. Swedroe (2016). Your Complete Guide to Factor-Based Investing: The Way Smart Money Invests Today. Buckingham.
Fama, E. F. and K. R. French (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics 33(1), 3 – 56.
Fama, E. F. and J. D. MacBeth (1973). Risk, return, and equilibrium: Empirical Tests. Journal of Political Economy 81(3), 607 – 636.
Gibbons, M. R., S. A. Ross, and J. Shanken (1989). A test of the efficiency of a given portfolio. Econometrica 57(5), 1121 – 1152.
Hansen, L. P. (1982). Large sample properties of generalized method of moments estimators. Econometrica 50(4), 1029 – 1054.
Lee, C. M. C., S. Teng, R. Wang, and R. Zhang (2019). Technological links and predictable returns. Journal of Financial Economics 132(3), 76 – 96.
Zacks, L. (Ed) (2011). The Handbook of Equity Market Anomalies: Translating Market Inefficiencies into Effective Investment Strategies. John Wiley & Sons.
免責聲明(míng)：入市有風險，投資需謹慎。在任何情況下(xià)，本文的(de)内容、信息及數據或所表述的(de)意見并不構成對(duì)任何人(rén)的(de)投資建議(yì)。在任何情況下(xià)，本文作者及所屬機構不對(duì)任何人(rén)因使用(yòng)本文的(de)任何内容所引緻的(de)任何損失負任何責任。除特别說明(míng)外，文中圖表均直接或間接來(lái)自于相應論文，僅爲介紹之用(yòng)，版權歸原作者和(hé)期刊所有。