因子投資小冊子
發(fā)布時(shí)間：2019-08-22 | 來源: 川總寫量化
作者：石川
最近一年我寫了很多關(guān)于（股票）因子投資的文章，并以此結(jié)交了很多朋友，這其中就包括 [因子動物園] 背后的兩位主創(chuàng)。今天借這個(gè)機(jī)會我想把 [川總寫量化] 和 [因子動物園] 中相關(guān)文章（以及幾篇來自徐楊總的雄文）按一定的邏輯梳理一下，方便各位感興趣的朋友在今后查閱。我把它稱作因子投資小冊子，但它其實(shí)只是一個(gè) index。不過我會在文中對每部分進(jìn)行簡要的說明，以便不同的文章能夠有機(jī)的串聯(lián)起來。希望它們能為你的因子投研助一臂之力。
1 因子投資基礎(chǔ)
說起因子投資，不得不提的三個(gè)概念是異象（anomalies）、因子（factors）以及因子模型（factor models）。在不同的人提及“因子”一詞時(shí)，其所真正指代的概念可能是不一樣的。《Anomalies, factors, and multi-factor models》介紹了這三個(gè)概念的區(qū)別和聯(lián)系。除了搞清楚三個(gè)概念之外，當(dāng)人們談?wù)撘蜃油顿Y時(shí)還可能有三個(gè)視角：學(xué)術(shù)界、管理人、投資者。不同視角下的關(guān)注點(diǎn)可能是完全不同的，比如學(xué)術(shù)界對挖出異象或者因子之間 PK 最感興趣，而管理人則致力于找到真正 fee 后仍然能帶來超額收益的因子。《學(xué)術(shù)界、管理人、投資者視角下的因子投資》一文介紹了三個(gè)視角下的因子投資。有了因子投資的基礎(chǔ)知識，相信你也摩拳擦掌、躍躍欲試要大干一番。接下來就看看因子投資的方法論。
2 因子投資方法論
因子投資方法論中最直觀的是 portfolio sort tests，有的時(shí)候會單因子自己 sort，有時(shí)又會多個(gè)因子一起 double sort 甚至 triple sort，這之中到底有什么“玄機(jī)”？[因子動物園] 的《追尋因子的足跡：分類、構(gòu)造與檢驗(yàn)》一文進(jìn)行了詳細(xì)的說明。除了 portfolio sort tests 之外，你一定也聽過 time series regression、cross-sectional regression 以及 Fama and MacBeth (1973) regression（FM regression）這些常被用于研究異象和因子的回歸方法。它們之間有怎樣的差異？是否在某些情況下是等價(jià)的？《股票多因子模型的回歸檢驗(yàn)》回答了這些問題。
除了上述方法外，研究因子的“進(jìn)階”方法論還包括 Gibbons, Ross, and Shanken (1989) test 以及大殺器 GMM（Hansen 1982）。掌握這些技巧可以更好的進(jìn)行因子模型之間的比較研究。[因子動物園] 的《檢驗(yàn)因子模型：Alpha, GRS 與 GMM》一文對它們進(jìn)行了介紹。談到因子研究的方法論，不能不提的自然還有幾乎已經(jīng)成為標(biāo)配的 Barra。Barra 的純因子模型是 FM regression 的一個(gè)應(yīng)用，另外的區(qū)別在于考慮了截面上殘差的異方差，因此用 WLS 取代了 OLS。《Barra 因子模型截面回歸求解》解讀了 Barra 模型背后的來龍去脈。
Barra 的因子模型和學(xué)術(shù)界因子研究的最大差異在于 factor loading（因子載荷）的選擇上。學(xué)術(shù)界用資產(chǎn)收益率和 factor mimicking portfolio 收益率通過時(shí)序回歸求出因子載荷，而 Barra 直接使用 firm characteristics 作為因子載荷。這之間有哪些區(qū)別？哪種方法更好？你能在《Which Beta ?》中找到答案。最后，在因子研究中經(jīng)常被人提及的一個(gè)概念是因子正交化處理。《為什么要進(jìn)行因子正交化處理？》闡述了這其中的原因。
3 主流因子解讀
有了方法論就可以研究各路因子了。事實(shí)上，雖然因子形形色色，但學(xué)術(shù)界主要認(rèn)可的還只是非常有限的幾大類，比如價(jià)值、動量、質(zhì)量、低風(fēng)險(xiǎn)這些。如果要學(xué)習(xí) empirical asset pricing，那么 Bali, Engle, and Murray (2016) 這本著作不容錯(cuò)過 —— 人家題目就叫 empirical asset pricing！多么霸氣。它不僅講了方法論，還逐一介紹了主流因子。當(dāng)然有一個(gè)問題，Bali, Engle, and Murray (2016) 的研究結(jié)果都是針對美股的。
不過不用氣餒，[因子動物園] 公眾號志在針對 A 股提供獨(dú)立、靠譜、可復(fù)制的各種因子研究，他們也按照這本書的思路逐一整理每個(gè)主流因子。對于每個(gè)因子都從其學(xué)術(shù)背景到針對 A 股的實(shí)證分析事無巨細(xì)的介紹。舉例來說，對于動量因子，[因子動物園] 就怕你看不過癮，因此提供了三篇解讀：
《強(qiáng)者恒強(qiáng)，弱者越弱：就是這么簡單靠譜》
《動量是如何煉成的？風(fēng)險(xiǎn)溢價(jià) or 行為偏差》
又比如說，對于低風(fēng)險(xiǎn)因子，也是多篇解讀把它掰開了、揉碎了介紹：
《高風(fēng)險(xiǎn)高收益，常識 or 謊言？》
《“茴”字有三種寫法，低風(fēng)險(xiǎn)異象因子呢？》
由于這部分工作量是十分繁重的，因此研究將會是持續(xù)進(jìn)行。[因子動物園] 背后的團(tuán)隊(duì)也“開足了馬力”希望為各位小伙伴提供最純粹的因子研究。如果你對因子研究感興趣，特別是關(guān)注學(xué)術(shù)界因子在 A 股上的效果，那么 [因子動物園] 不會讓你失望。另外三篇我想提及的是《量化殼價(jià)值》、《中國版的 Fama-French 三因子模型，了解一下？》和《實(shí)證研究 —— A 股上顯著的風(fēng)格因子》。它們關(guān)注了主流因子在 A 股的效果。
4 有趣的異象
在因子投資已經(jīng)比較普及的今天，由于 Barra 的那套風(fēng)險(xiǎn)因子體系非常成型且被廣泛接受，因此人們的研究重點(diǎn)是找到一些因子無法解釋的異象，以期獲得超額收益。但是，由于數(shù)據(jù)挖掘和運(yùn)氣成分，很多異象都是虛假的。面對這種情況，如何體系化的研究一個(gè)異象（使用正確的方法論）則至關(guān)重要。在這方面，《獲取 α 的新思路：科技關(guān)聯(lián)度》介紹了 Lee et al. (2019) 這篇文章，它是一篇研究異象的典范。除此之外，我和搞事情因子小組也對一些異象（包括因子）進(jìn)行了系統(tǒng)性的研究。這方面的資料包括以下幾篇（以后會有陸續(xù)創(chuàng)作更多的異象研究）。
《Book-to-Market 整容記：哪家 BM 比較強(qiáng)》
其中第一篇是從預(yù)測的角度探討 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(guān)注的重點(diǎn)則是在研究問題的方法上。關(guān)于異象研究，不得不提的一本好書是 The Handbook of Equity Market Anomalies（Zacks 2011）。它系統(tǒng)的闡述了市場中最有趣的那些異象，比如 Accrual，Analysts Recommendation 以及 PEAD 等。[因子動物園] 的《不讀這本書，請不要做投資異象研究》一文對它進(jìn)行了介紹并提供下載。
5 現(xiàn)狀與未來
從 Fama and French (1993) 提出三因子模型以來，因子研究的發(fā)展也歷經(jīng)了近 30 年。如今談到學(xué)術(shù)界的因子研究，必須要面對的一個(gè)問題是 factor zoo。在 publication bias 的驅(qū)使下，學(xué)者們?yōu)E用 multiple testing，就為了挖出樣本內(nèi)顯著的異象或因子，從而在頂級期刊上獲得立足之地。在這種不良風(fēng)氣下，大量的異象和因子都僅僅是 data mining 的產(chǎn)物。好消息是，學(xué)術(shù)界已經(jīng)意識到了問題的嚴(yán)重性。《在追逐 p-value 的道路上狂奔，卻在科學(xué)的道路上漸行漸遠(yuǎn)》介紹了這段因子研究發(fā)展的歷程。
除了 factor zoo 之外，因子研究的現(xiàn)狀又開始轉(zhuǎn)向了 factor war。以提出樣本內(nèi)更能夠解釋截面預(yù)期收益差異的因子模型為目標(biāo)，學(xué)術(shù)界開始了轟轟烈烈的因子大戰(zhàn)，試圖找到最好的模型。但在這個(gè)過程中，我們對于 empirical asset pricing 的理解似乎也并沒有加深。《從 Factor Zoo 到 Factor War，實(shí)證資產(chǎn)定價(jià)走向何方？》講述了這個(gè)新趨勢并提出了一些擔(dān)憂。因子研究的另一個(gè)新進(jìn)展是從行為角度構(gòu)建因子模型。這方面的代表是《一個(gè)加入行為因子的復(fù)合模型》介紹的一個(gè)三因子模型。隨著行為金融學(xué)被廣泛認(rèn)可，可以預(yù)期這部分的研究也會越來越多。
除上述趨勢外，在如今的因子研究中，從會計(jì)學(xué)的角度開發(fā)新因子或?qū)ΜF(xiàn)有因子進(jìn)行改造也十分普及。這背后的原因是忽略基本面分析的因子研究和因子投資略顯粗暴和不夠托底，而從基本面分析出發(fā)對因子進(jìn)行加工則能夠取得更好的效果。《基本面分析 ≠ 基本面量化投資？》一文介紹了基本面分析在因子研究中的重要性。我們會持續(xù)關(guān)注學(xué)術(shù)界在因子研究反面的最新動向，并在今后的文章中持續(xù)解讀。
6 因子投資實(shí)踐
OK！最后來說說因子投資實(shí)踐，畢竟研究了那么多是為了投資實(shí)務(wù)服務(wù)的。在這方面，首先值得推薦的一本書是 Your Complete Guide to Factor-based Investing: The Way Smart Money Invests Today（Berkin and Swedroe 2016）。《因子投資的一本好書》一文對其進(jìn)行了詳細(xì)介紹。除此之外，從事因子投資的朋友一定聽過的一句話是“細(xì)節(jié)決定成敗”。因子投資正是由一個(gè)個(gè)細(xì)節(jié)、一個(gè)個(gè)坑構(gòu)成的，對它們處理是否得當(dāng)直接影響因子投資的效果。在這方面，[新全球資產(chǎn)配置] 的老司機(jī)徐楊寫過一篇題為《細(xì)節(jié)決定成敗：構(gòu)建多因子策略的工匠精神》的雄文，非常值得一讀；此外《你用因子，他也用因子；你沒賺錢，他卻賺錢了》也提出了類似的觀點(diǎn)。
另外一篇必須推薦的文章同樣來自 [新全球資產(chǎn)配置]，題為《多因子策略的五大討論》，它記錄了來自業(yè)界大咖對因子投資的硬核討論 —— 這其中就包括很多小伙伴關(guān)心的因子擇時(shí)。此外，對于普通投資者布局因子投資來說，smart beta 無疑是一把利器。[因子動物園] 的《Smart Beta ：已經(jīng)發(fā)生的未來？》一文對它進(jìn)行了介紹。
在因子投資實(shí)務(wù)中，因子擇時(shí)是一個(gè)躲不掉的概念。雖然它非常難，但也有無數(shù)的人前赴后繼投身到擇時(shí)的研究中。為此，本小節(jié)包含的最后兩篇文章就是關(guān)于因子擇時(shí)。對于擇時(shí)，按動量和因子是否便宜來擇時(shí)是兩個(gè)主要方向，兩位大佬 Cliff Asness 和 Rob Arnott 也沒少為此大打口水戰(zhàn)。《你家因子便宜嗎？——基于 value spread 的因子擇時(shí)研究》整理了這方面的研究。另外一篇文章是之前關(guān)注度頗高的《還在對著一階矩做因子擇時(shí)？不妨試試二階》。它介紹了針對二階矩進(jìn)行因子擇時(shí)從而控制風(fēng)險(xiǎn)，以及使用因子進(jìn)行大類資產(chǎn)配置的全新思路，為因子投資實(shí)踐提供了新的啟發(fā)。
以上就是這個(gè)因子投資小冊子的全部內(nèi)容。因子投資絕對是個(gè) fascinating 的課題。希望這里涉及的文章能對各位有幫助，也希望我和 BetaPlus 小組能將因子研究一直進(jìn)行下去。
參考文獻(xiàn)
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(zé)聲明：入市有風(fēng)險(xiǎn)，投資需謹(jǐn)慎。在任何情況下，本文的內(nèi)容、信息及數(shù)據(jù)或所表述的意見并不構(gòu)成對任何人的投資建議。在任何情況下，本文作者及所屬機(jī)構(gòu)不對任何人因使用本文的任何內(nèi)容所引致的任何損失負(fù)任何責(zé)任。除特別說明外，文中圖表均直接或間接來自于相應(yīng)論文，僅為介紹之用，版權(quán)歸原作者和期刊所有。