作者：石川

摘要：放眼未來，量化和基本面分析的緊密結合將是大勢所趨；而就目前來看，基于因子的基本面量化投資并非基本面分析的完美替代。

1 偉大的會面

1968 年夏天，兩個后來均被視為投資界傳奇的人 —— Warren Buffett 和 Edward Thorp —— 進行了一次偉大的會面。Buffett，無需多言，他深諳基本面分析、是價值投資的終極代言詞；Thorp，也無需多言，他是加州大學 Irvine 分校（UCI）數(shù)學系教授，一個戰(zhàn)勝了賭場和華爾街的男人（Thorp 2017）。Thorp 早先最出名的是發(fā)明了 21 點的記牌法，并利用凱利公式下注，征服了拉斯維加斯。之后，他又將其數(shù)學和概率天賦應用于華爾街，以系統(tǒng)性的量化手段戰(zhàn)勝了市場，他的基金在近 30 年里取得了年化 20% 以上的收益率。Thorp 可以算作是最早將量化技術引入投資的先驅（Thorp and Kassouf 1967）。將這兩人湊到一起的是 Ralph Waldo Gerard，時任 UCI 研究生院的院長。他之前一直將自己的錢交給 Buffett 管理并獲得了很高的收益。然而在 1968 年，Buffett 發(fā)現(xiàn)使用他的老師 Graham 那一套已經(jīng)無法找到足夠多的便宜的股票了，因此決定將資金退回給投資人。這就是 Gerard 需要換一個人幫他理財?shù)钠鯔C，而他很自然的想到了他在 UCI 的朋友 Thorp，另一個驚世天才。

于是便有了上面所說的會面。

見面后，Buffett 和 Thorp 都給予對方很高的評價。Thorp 回家后和他妻子說，Buffett 將在未來成為這個世界上最富有的人。而 Buffett 對 Thorp 的直接評價我們不得而知，但從側面可以猜想到應該也不低，因為在這次碰面后，Gerard 將自己的錢交給 Thorp 管理。這大概是基本面分析（fundamental analysis）和量化投資（quantitative investment）的第一次握手。而講這個故事也是為了引出今天的主題 —— 基本面量化投資。

2 從基本面分析到基本面量化投資

近年來，因子投資（factor investing）被廣泛接受。其中很多因子是通過財務報表中的會計學指標構造的，比如 Book-to-Market Value、Return on Equity 等，它們被稱為基本面因子。定量使用這類因子進行的基本面投資則被稱為基本面量化投資（Quantamental），這個概念也已深入人心，Quantamental 在華爾街大行其道。基于某些 financial ratios 并利用 portfolio optimization techniques，大量的 rule-based 選股策略被發(fā)明出來；它們被視為繼承了基本面分析（fundamental analysis）的衣缽。另一方面，因子投資的普及造就了數(shù)不勝數(shù)的 smart beta ETFs 產(chǎn)品；其中不乏對標基本面分析的 Value 和 Quality 因子類產(chǎn)品。這些低成本 ETFs 讓普通投資者享受因子投資的同時，也推波助瀾了基本面分析的“因子化”。面對如此影響深遠的變化，Wall Street Journal 不禁高呼“The Quants Run Wall Street Now”。

隨著使用因子來執(zhí)行的基本面量化投資的影響日益深遠，也有學者表達了擔憂。代表性的觀點是，雖然量化較主觀投資有著毫無爭議的優(yōu)勢（比如可以摒棄人的認知偏差、可以回測）；但僅僅使用財報中的 financial ratios 這種相對“簡單粗暴”的方式遠非基本面分析的合格代替品；使用財務數(shù)據(jù)排序來構建因子的量化手段僅僅是對證券內(nèi)在價值（intrinsic value）進行 na?ve estimate。上述觀點背后的代表人物正是以研究盈余操縱而聞名的 Richard Sloan。對于 Sloan 教授，我想不用多做介紹。小伙伴們對他關于 earnings management 以及 accruals 的著名論文 Dechow, Sloan, and Sweeney (1995) 以及 Sloan (1996) 都諳熟于心。

2017 年，Sloan 應美國會計協(xié)會（AAA）主席邀請作為當年 AAA 年會 Presidential Scholar 的演講嘉賓之一，做了一篇題為 Fundamental Analysis Redux（基本面分析的重生）的報告。在報告中，Sloan 表達了基本面投資“因子化”的擔憂：學術界越來越忽視 fundamental analysis 的重要性，而是傾向于用有限個簡單的財務指標構建因子模型來代替前者；基于因子的基本面量化投資很容易忽視掉財報中的重要信息，且這些指標的數(shù)值反映的很可能是失真的會計數(shù)據(jù)（上市公司充分利用會計準則來產(chǎn)生會計報表）而非某種能夠實現(xiàn)盈利的錯誤定價機會。Sloan 在 AAA 年會做的這篇報告于 2019 年發(fā)表于 The Accounting Review（Sloan 2019）。作為基本面量化投資的擁護者，我看后感受頗深，也非常同意量化投資和基本面分析的相結合不應僅僅止步于挑選幾個財務指標構建因子這個層面。本文接下來幾節(jié)就來梳理一下 Sloan (2019) 這篇文章的主要內(nèi)容。行文中也會加入一些其它相關文獻作為支持。希望它能帶給各位小伙伴一些思考。感謝汪榮飛博士發(fā)給我 Sloan (2019) 這篇文章。

3 基本面分析：A Brief History

基本面分析源自 Graham and Dodd (1934) 這本著名的 Security Analysis；基本面分析旨在通過定量和定性分析與上市公司相關的經(jīng)濟和金融數(shù)據(jù)來衡量證券的內(nèi)在價值。而 Security Analysis 所提倡的基本面分析技術直接催生了金融分析師（financial analysts）這個職業(yè)。1937 年，紐約證券分析師協(xié)會成立并于 8 年后推出了 The Analysts Journal。1947 年，美國一些地方的證券分析師協(xié)會合并，成立了第一個全國性的金融分析師協(xié)會（National Federation of Financial Analysts Societies）。隨后，該協(xié)會更名為 Financial Analysts Federation（FAF）；The Analysts Journal 也更名為 Financial Analysts Journal。1959 年，Institute of Chartered Financial Analysts（ICFA）成立并開始舉辦 Chartered Financial Analysts（CFA）考試。最終，F(xiàn)AF 和 ICFA 合并組成了如今家喻戶曉的 CFA Institute。

隨著金融分析師行業(yè)的發(fā)展，在上世紀 70 年代前后，基本面分析主宰了華爾街。在機構方面，有像 Fidelity 這樣的巨頭使用嚴格的基本面分析來推行它們的業(yè)務；而在投資者方面，有像 Warren Buffet 和 John Neff 這樣的明星作為基本面分析的擁躉。此外，CFA Institute 在其課程設置上也把基本面分析作為在重中之重。然而就在同期，隨著學術界在金融領域的迅速發(fā)展，一些變化悄然發(fā)生了。自上世紀 50 年代開始，現(xiàn)代投資組合理論、CAPM、有效市場假說（EMH）以及期權定價相繼被提出，奠定了金融學的基礎。而它們之中，對基本面分析造成最大沖擊的當屬有效市場假說。Fama (1965) 寫到：

If the random walk theory is valid and if security exchanges are 'efficient' markets, then stock prices at any point in time will represent good estimates of intrinsic or fundamental values.?Thus, additional fundamental analysis is only of value when the analyst has new information which was not considered in forming current market prices or has new insights concerning the effects of generally available information which are not already implicit in current prices.

如果市場是有效的，那么價格已經(jīng)很好的反映了證券的內(nèi)在價值。因此，除非分析師有新的消息（或者對已有消息有新的解讀），否則是無法通過已有財報找到定價錯誤的。雖然 EMH 從推出以來就一直伴隨著爭議（往回翻仔細看本文第一張圖左上角 Buffett 的那句話），但它依然作為市場第一范式牢牢統(tǒng)治了學術界的課堂。以 Bodie, Kane, and Marcus (2017) 這本投資學圣經(jīng)（可以算是美國各大商學院投資學課程的指定教材；2017 年為第 11 版）為例，其寫作理念就從一定程度上支持了 EMH 作為教學的第一范式，因此僅使用了很少的篇幅介紹基本面分析，而將更多的章節(jié)留給投資學中的其他內(nèi)容：

The integrated solutions for Bodie, Kane, and Marcus' Investments?set the standard for graduate/MBA investments textbooks.?The unifying theme is that security markets are nearly efficient, meaning that most securities are priced appropriately given their risk and return attributes.?The content places greater emphasis on asset allocation and offers a much broader and deeper treatment of futures, options, and other derivative security markets than most investment text.

80 年前，Graham and Dodd (1934) 這本 Security Analysis 用了 15 章用來介紹基本面分析；而如今在 Bodie, Kane, and Marcus (2017) 這本幾乎商學院學生人手一冊的經(jīng)典著作中，僅用了 1 章介紹基本面分析。與之形成巨大反差的是，該書中有 9 章介紹投資組合管理、3 章介紹資產(chǎn)定價、2 章介紹有效市場假說，以及 4 章介紹衍生品定價。這種學術界和教學中對于基本面分析的逐漸忽視潛移默化的影響了一代代新人，讓嚴謹且科學的基本面分析走出了大眾的視野。

4 基本面量化投資：A Brief History

本小節(jié)來回顧一下使用因子進行基本面量化投資的發(fā)展史。我在之前寫過一篇關于因子投資的綜述性文章《學術界、管理人、投資者視角下的因子投資》，從三個維度闡述了因子投資的發(fā)展。該文的很多觀點和 Sloan (2019) 不謀而合。感興趣的小伙伴不妨一讀。下面主要介紹下 Sloan (2019) 中的觀點。

對于股票市場的定量分析很大程度上得益于上世紀 60 年代 CRSP 推出了股票價格數(shù)據(jù)，因為它讓回測成為可能。有了數(shù)據(jù)的支持，學術界各顯神通，先是對 CAPM 進行了檢驗并拒絕了它，而后又接二連三的發(fā)現(xiàn)了一個又一個的異象（anomalies）或因子（factor）。比如著名的 Fama and French (1993) 三因子中的 Book-to-Market Ratio（B/M）就是一個 value 因子。隨著學術界在挖掘異象的道路上越走越遠，業(yè)界自然也沒閑著。業(yè)界把學術界的研究成果很好的落地化，變成了許多 style indices（風格指數(shù)）。舉例來說，1987 年 Russell Investments 推出了最早的兩個風格指數(shù)，分別對標價值股和成長股，而構造方法恰恰是 B/M：B/M 前一半的股票被放在了 Value Index、B/M 后一半的股票被放在了 Growth Index。在這之后，S&P、MSCI 以及 CRSP 也推出了它們各自的風格指數(shù)。

最初，推出這些指數(shù)的目的是用來評估主動基金經(jīng)理人的業(yè)績。然而不久之后，復制這些指數(shù)的基金便應運而生，而這其中的代表則是大名鼎鼎的 Vanguard。1992 年，Vanguard 推出了第一支 value index fund（和第一支 growth index fund）：

The Value Portfolio seeks to replicated the aggregate price and yield performance of the S&P/Barra Value Index, an index which includes stocks in the S&P 500 Index with lower than average ratios of market prices to book value. These types of stocks are often referred to as 'value' stocks.

Index-based Value Funds 一經(jīng)推出便受到了追捧。人們把它們視作主動型價值投資的低成本替代品。鑒于 Value 因子取得的巨大成功，業(yè)界也開始把關注的重點進而轉移到學術界發(fā)現(xiàn)的其他顯著異象，并構造出了一系列 smart beta 產(chǎn)品。在這之中，除了 value 之外另一個高度依賴財務數(shù)據(jù)的則是 quality 因子。下圖展示了 MSCI、Russell 以及 Fidelity 三家提供的 quality index 的選股標準。雖然每一家都用了不止一個財務指標來描述高質(zhì)量公司，但我們也不得不承認，這些標準依然非常粗糙。頗有意思的是這三個構造方法都是用了某種投資回報率指標（如 ROE 或 ROA）。這很大程度上得益于學術界在 profitability 上的研究成果（比如 Novy-Marx 2013）；同時也反映出業(yè)界對于學術界的最新發(fā)現(xiàn)追蹤的非常及時。截止 2018 年 4 月，規(guī)模最大的 quality 因子 ETF —— the iShares Edge MSCI USA Quality Factor ETF —— 的資金量高達 45 億美元。

除了單一因子的指數(shù)外，業(yè)界的另一創(chuàng)新是將多個因子融合到一個 index-based 產(chǎn)品之中（multiple factor investing）。這樣，投資者只需要購買一個對應的 ETF 就可以分散化的暴露于幾個相關性較低的風格因子（盡管它們的尾部風險相關性并不低……）。這其中最著名的要數(shù) MSCI Diversified Multiple-Factor 系列產(chǎn)品，它的目標是最大化的暴露在 Value、Momentum、Quality 以及 Low Size 四個因子上。在該產(chǎn)品線上，規(guī)模最大（10 億美元）的 ETF 是 iShares Edge MSCI Multifactor USA ETF。除了這些 index-based 產(chǎn)品之外，華爾街上還有數(shù)不勝數(shù)的管理人采用基于因子的方法實踐著基本面量化投資；這其中不乏 Dimensional Fund Advisors、AQR Capital Management、Arrowstreet Capital 等耳熟能詳?shù)拿?。這些基金都有基于因子的基本面量化投資產(chǎn)品。

上述這些推動了基本面投資“因子化”的盛行；卻也使得這種投資手段變得異常擁擠。

5 基本面投資因子化的不足

面對大量相似的、幾乎沒有秘密可言的基本面因子產(chǎn)品，一個自然而然的問題就是它們能賺到錢嘛？事實上，以因子投資的先驅和倡導者 AQR 為例，它這幾年的因子產(chǎn)品表現(xiàn)可謂慘不忍睹（見《艱難時刻需要堅韌信仰》）。對于上面這個問題，客觀的答案是：像 Value、Quality 等風格因子從長期來看是有風險溢價的。對很多 super investors 業(yè)績的歸因也可以佐證這一點 —— 這些大佬的收益在很大程度上可以被上述風格因子解釋。但是，對于短期內(nèi)某個乃至全部主流風格因子的表現(xiàn)，投資者必須要有非常理性的預期。

近日，Rob Arnott、Campbell Harvey 等人發(fā)文闡述了因子投資中的三大問題（Arnott et al. 2019）。其中第一條就是投資者錯誤的預期，包括低估了樣本內(nèi)過擬合的風險（一些因子本來就是假的）、沒有考慮競爭帶來的因子擁擠、以及對實際交易成本估計嚴重不足等問題。這三點在 Sloan (2019) 中也有介紹。下面分別來看。

Data Mining（p-Hacking）

通常來說，我們認為一個因子有效是因為它在回測中取得了非凡的風險收益特征。然而，由于 multiple testing 的問題，很多所謂顯著的因子或異象僅僅是數(shù)據(jù)挖掘的產(chǎn)物。Harvey, Liu, and Zhu (2016)、Green, Hand, and Zhang (2017) 以及 Hou, Xue, and Zhang (2018) 的研究結果均支持上述觀點。關于 multiple testing 造成的危害，公眾號之前已經(jīng)反復強調(diào)過了，感興趣的小伙伴請看《出色不如走運 (II)?》、《出色不如走運 (III)?》以及《美麗的回測 —— 教你定量計算過擬合概率》。

因子擁擠

一個新因子被提出后，隨著越來越多人使用，它在樣本外的效果則會打折扣。McLean and Pontiff (2016) 研究了 97 個因子在被發(fā)表之后的表現(xiàn)，發(fā)現(xiàn)因子的收益率比樣本內(nèi)降低 50% 以上。Rule-based 的因子投資更是加劇了這種負面影響。任何一個投資策略想要持續(xù)賺錢都是利用了市場在某方面的非有效性。當使用的人越來越多，市場在這方面就會變得更有效，從而降低了該因子獲取收益的能力。因子擁擠也會造成流動性沖擊。一旦市場中發(fā)生沖擊風格因子的事件后，持有相似頭寸的管理人會競相賣出手中的股票，由此產(chǎn)生的流動性危機會造成很大的虧損。2007 年 8 月，美股市場上一些非常優(yōu)秀的量化對沖基金在短時間內(nèi)錄得了巨大的虧損。Khandani and Lo (2011) 對此進行了研究并發(fā)現(xiàn)，很多量化基金經(jīng)理在短時間內(nèi)清理了相似的頭寸，巨大的拋壓對流動性造成了巨大的打擊、使得這些股票的價格在短時間內(nèi)大幅下降。

實施成本

大多數(shù)研究因子的學術論文中并沒有對交易費用給予充分的考慮，造成對因子收益率的高估。此外，由于因子投資組合一般都是多、空對沖的組合，因此如果不合理考慮做空限制，也會高估因子的收益。以 value 因子為例，Kok, Ribando, and Sloan (2017) 指出并沒有證據(jù)表明基于 B/M ratio 的策略可以持續(xù)的戰(zhàn)勝基準。B/M 在回測中的良好表現(xiàn)主要來自于做空一小撮微小市值的成長股。因此，盡管該因子的 on paper 收益率很高，但在實際中考慮了各種成本和費用之后，卻難以盈利。毫無疑問，以因子為工具的基本面量化投資帶給人們?nèi)碌耐顿Y途徑。然而，上述諸多問題也隨著它的發(fā)展變得日益嚴重，蠶食了因子投資的收益。究其原因，還是因為僅僅基于幾個財務指標來構建因子這種做法相對粗糙，它們在很多時候難以反映財務報表中所傳遞出來的最具價值的信息。從這個意義上說，基本面投資的“因子化”還遠遠不能取代基本面分析。

下面通過 Sloan (2019) 中的一個例子說明基本面分析的價值以及因子投資對此的無能為力。

6 A Case Study

Big Five Sporting Goods（下稱 BIG5）是一家總部位于加州的體育用品零售商，主要針對美國西部市場。下圖展示了該公司于 2017 年 3 月 31 日最新的財務指標（針對 2016 財年）。圖中八大指標分別屬于 Value、Momentum、Quality 以及 Low Size 四大主流因子。對比 BIG5 和全部股票可知，該公司集 high value、high momentum、high quality 以及 low size 四大優(yōu)點于一身。

如此“優(yōu)異”的股票怎能不令人心動？該公司也毫無懸念的從基本面多因子選股體系中脫穎而出，成為了各路策略追逐的明星。下表展示了 2017 年 3 月 31 日持有該股票的前十大機構（BlackRock、Dimensional Fund Advisors、Vanguard 等赫然在列）。

當上述這些機構靠著多因子信號競相購買 BIG5 之時，它的前最大股東 Stadium Capital 卻悄悄的在 2016 年 6 月到 2017 年 3 月之間把它所擁有的全部 13% 股份先后賣出。與上述這些機構不同的是，Stadium Capital 是一家專注于基本面分析的對沖基金。究竟是誰比誰更聰明？是使用多因子投資的這些機構，還是站在它們對立面的、深諳基本面分析的 Stadium Capital？科學的基本面分析將會告訴我們答案。

隨著以 Amazon 為代表的 online 電商的迅速發(fā)展，傳統(tǒng)零售商受到了巨大的沖擊，BIG5 自然也不例外。而其在 2016 財年的優(yōu)異表現(xiàn)得益于它比它的競爭對手活的更長一些。BIG5 的兩大競爭對手分別為 The Sports Authority 和 Sports Chalet。由于整個傳統(tǒng)零售行業(yè)下行，這兩位紛紛于 2016 年申請破產(chǎn)，這立竿見影的減少了 BIG5 在線下面臨的競爭。競爭對手的破產(chǎn)使得 BIG5 稱為線下消費者的唯一選擇，很大程度上提振了 BIG5 在 2016 年的業(yè)績。但考慮到行業(yè)受到電商的沖擊，這也僅僅是回光返照而已。在 2016 年 Q3 的財報中，BIG5 也坦承了這一點：

Results were driven by strong sales growth, including increases in both customer transactions and average sales, as well as improved merchandise margins, and clearly reflected?the benefit from the closure of over 200 Sport Authority and Sport Chalet store locations in our markets.

然而上述 8 大指標的優(yōu)異數(shù)值并不能反映出上述問題。除了競爭對手的紛紛垮臺之外，另一大提升 BIG5 業(yè)績的事件是 2016 年美國總統(tǒng)選舉。當時，民主黨候選人希拉里呼聲頗高，而希拉里的主張之一是限制槍支。大量的槍支擁護者擔心希拉里如果當選將會頒布更嚴厲的控槍措施，因此在當年 11 月份大選之前紛紛購置了更多的槍支。作為槍支的銷售商，BIG5 受此事件影響而大大提升了銷售額。后面的事情大家都知道了，特朗普當選，輿論嘩然；而槍支銷售給 BIG5 帶來的高收益也僅僅成為曇花一現(xiàn)。再一次的，上述 8 大指標的優(yōu)異數(shù)值全然無法反映上述問題。

從因子角度來看，2016 年銷售額和盈利的激增讓 BIG5 非常誘人。但當我們通過基本面分析得知這背后的原因就會明白，這么高的財務數(shù)據(jù)是難以持續(xù)的。如果以它們來外推，根本無法對該公司基本面的變化做出正確判斷。下圖顯示了該公司 2016 到 2017 年股價和 EPS 的走勢。

再讓我們看看 quality 維度的 ROE 指標。財報顯示，BIG5 的 ROE 高達 0.084。但基本面分析發(fā)現(xiàn)其財報中存在斯通見慣的“old plant trap”，這極大降低了 ROE 中作為分母的 the book value of equity，從而虛高了 ROE。由于 BIG5 處在一個衰落的行業(yè)之中，其 PP&E 的攤銷成本大大低估了其原始成本。具體來說，PP&E 的原始成本為 3.2 億美元，而 2016 年財報中它的 net PP&E 僅為 7 千 8 百萬。為了對此進行修正，Sloan (2019) 將 PP&E 的累積貶值加回到 book value of equity 之中，從而增大了 ROE 的分母。重新計算后，ROE 較前值 0.084 降低了 50% 以上，僅為 0.039。以這個水平來說，BIG5 并沒有創(chuàng)造很好的回報。除 ROE 之外，quality 的另外兩個指標 debt to equity 以及 accruals to assets 也出現(xiàn)了不同程度的失真。對于前者的計算，沒有考慮 operating leases。一旦把它加入，BIG5 的 debt to equity ratio 便從 0.065 一下跳升至 1.500（直接落入高杠桿 quantile）。對于后者，BIG5 在 2016 年末有一大筆 accounts payable。因此，僅看其財報上的 high cash flow 實際上并不能正確判斷其真實的運營情況，該 high cash flow 在未來難以持續(xù)。

當我們使用基本面分析搞清楚了 BIG5 所處的行業(yè)背景以及其財報后面的來龍去脈，變會恍然大悟。原來在和因子投資機構的比拼中，Stadium Capital 笑到了最后。這個例子說明僅用簡單的因子是難以捕捉財報中其他有價值的信息。即便是在因子投資為主宰的今天，科學、嚴謹?shù)幕久娣治鋈杂泻芨叩膬r值。

7 結語

最后聊聊我看完 Sloan (2019) 的感受。我猜有些小伙伴會認為 Sloan (2019) 僅使用了很少的例子（原文中用了兩個 case studies；本文介紹了 BIG5 這一個）說明基本面分析的價值并“否定”因子投資不足以令人信服。畢竟，基本面投資的“因子化”和基本面分析的使用者所具備的 skill sets 不同。對于普通投資者，正因為不具備專業(yè)金融分析師的基本面分析能力，才使用因子投資；而使用 value、quality 這些風格因子的目標是以概率取勝。換句話說，也許使用有限個因子挑出來的個別股票并不靠譜（比如上面的 BIG5），但只要控制好倉位，讓選出的標的足夠分散，那么還是能夠依靠概率優(yōu)勢和大數(shù)定律獲得長期的風險溢價。

長久以來，學術界的一種主流觀點是：由于有限套利，市場并非完美有效；而定價錯誤的大小應剛好等于通過基本面分析（以發(fā)現(xiàn)該定價錯誤）的套利成本。而顯然，使用一些廣為人知的因子來實現(xiàn)基本面量化投資并沒有套利成本，所以因子投資者應該對它能夠取得的效果有正確的認知。就因子投資的效果來說，樣本內(nèi)的過度挖掘以及樣本外的過度擁擠都會對其產(chǎn)生很大的負面影響；基本面投資的“因子化”并不等同于基本面分析。我想，這才是 Sloan (2019) 呼吁重新重視基本面分析的初衷。在 Security Analysis 中，Graham 和 Dodd 就曾明確的指出投資者不應僅僅依靠幾個量化的指標來制定其投資決策，而是應該進行全面系統(tǒng)的基本面分析。

當然，這不意味著量化和基本面分析不能結合。隨著近幾十年投資學作為一門獨立學科高速發(fā)展，數(shù)量化的觸角已經(jīng)滲透到投資流程的方方面面，如今可以說是無量化不投資。時至今日，廣義的量化投資已經(jīng)發(fā)展成為基于現(xiàn)代科學方法的理論體系、研究方式以及工程系統(tǒng)的總和。因此，基本面分析和量化投資的合二為一注定會發(fā)生。當前基于因子的基本面量化投資只是一個過渡，而這二者的最佳結合應是使用量化的手段來高質(zhì)量、低成本的復制優(yōu)秀基本面分析師對于財務報表勾稽關系的解讀。當然，這絕不容易。

在現(xiàn)階段，如何有效的利用基本面分析來提升因子投資的效果呢？主要有以下兩個途徑。首先，利用會計學知識可以加工因子。舉一個最簡單的例子。Return on Total Assets（ROTA）是一個常用的指標。根據(jù)定義，它可以分解為：

上式左側正是 ROTA。在上式右側，它被分解為兩部分的乘積。其中右側第一項是 net profit margin，代表了公司的效益（effectiveness）；第二項是 total asset turnover，代表了公司的效率（efficiency）。ROTA 的高低由 effectiveness 和 efficiency 兩要素決定。比起單一要素帶來的高 ROTA 而言，當兩個要素都很高時，這個公司更有可能是優(yōu)秀的公司。從這個猜想出發(fā)可以把 ROTA 因子改進分解成這兩部分的組合，并以這兩部分的綜合評分來選股，以此和單純使用 ROTA 選股進行對比。下表給出了在中證 500 指數(shù)上的效果。

結果顯示，ROTA 分解后，純多頭組合的夏普率較單純使用 ROTA 而言從 0.62 上升至 0.67。利用簡單的會計學知識就有可能改進一個常見的因子并取得更好的風險收益特征。再次強調(diào)的是，這僅僅是一個 toy example；基本面分析在因子的改造中能夠發(fā)揮更大的作用。

利用會計學知識和基本面分析的第二個重要作用是識別財務造假。無論是 Enron 的偽造收入，還是 WorldCom 的偽造利潤和現(xiàn)金流，都可以從它們財務報表中尋覓出蛛絲馬跡。會計學領域有很多經(jīng)典著作揭示了財務欺詐的常見方法，非常值得學習。具備專業(yè)的基本面分析知識對于因子投資中的排雷至關重要。對于這方面的例子，可以參考申萬宏源曹春曉分析師的報告《財務造假啟示錄：財務質(zhì)量因子研究》；RiceQuant 對該研究也進行過復現(xiàn)（鏈接在此）。

基本面分析關心的本質(zhì)是對公司未來現(xiàn)金流的預測。基于因子的基本面量化投資有其無可替代的優(yōu)勢，但僅依賴有限的財務指標所關注的仍然只是已經(jīng)發(fā)生的過去。唯有以量化的手段進行基本面分析才有可能更好的預測未來。對于因子投資來說，科學、嚴謹?shù)幕久娣治鰧掷m(xù)創(chuàng)造價值。放眼未來，量化和基本面分析的緊密結合將是大勢所趨；而就目前來看，基于因子的基本面量化投資并非基本面分析的完美替代，一如 Sloan 教授在 Fundamental Analysis Redux 一文最后所說的那樣：

I?acknowledge the benefits of quantitative investing, but argue that the simple and well-known rules-based strategies that increasingly dominate today's investing landscape are not good substitutes for fundamental analysis.

參考文獻

Arnott, R., C. R. Harvey, V. Kalesnik, and J. Linnainmaa (2019). Alice's adventures in factorland: Three blunders that plague factor investing.?The Journal of Portfolio Management 45(4), 18 – 36.

Bodie, Z., A. Kane, and A. J. Marcus (2017). Investment (11th edition). McGraw-Hill.

Dechow, P. M., R. G. Sloan, and A. P. Sweeney (1995). Detecting earnings management. The Accounting Review 70(2), 193 – 225.

Fama, E. F. (1965). Random walks in stock market prices. Financial Analysts Journal 51(1), 75 – 80.

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.

Graham, B. and D. L. Dodd (1934). Security Analysis. McGraw-Hill.

Green, J., J. R. M. Hand, and X. F. Zhang (2017). The characteristics that provide independent information about average U.S. monthly stock returns.?Review of Financial Studies 30(12), 4389 – 4436.

Harvey, C. R., Y. Liu, and H. Zhu (2016). … and the cross-section of expected returns.?Review of Financial Studies 29(1), 5 – 68.

Hou, K., C. Xue, and L. Zhang (2018). Replicating anomalies. Review of Financial Studies forthcoming.

Khandani, A. E. and A.W. Lo (2011). What happened to the quants in August 2007? Evidence from factors and transactions data.?Journal of Financial Markets 14(1), 1 – 46.

Kok, U. W., J. Ribando, and R. G. Sloan (2017). Facts about formulaic value investing. Financial Analysts Journal 73(2), 81 – 99.

McLean, R. D. and J. Pontiff (2016). Does academic research destroy stock return predictability??Journal of Finance 71(1), 5 – 32.

Novy-Marx, R. (2013). The other side of value: The gross profitability premium. Journal of Financial Economics 108(1), 1 – 28.

Sloan, R. G. (1996). Do stock prices fully reflect information in accruals and cash flows about future earnings? The Accounting Review 71(3), 289 – 315.

Sloan, R. G. (2019). Fundamental analysis redux. The Accounting Review 94(2), 363 – 377.

Thorp, E. O. (2017). A man for all markets: From Las Vegas to wall street, how I beat the dealer and the market. England, London: Oneworld Publications.

Thorp, E. O. and S. T. Kassouf (1967). Beat the market: A scientific stock market system. New York: Random House.

免責聲明：入市有風險，投資需謹慎。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成對任何人的投資建議。在任何情況下，本文作者及所屬機構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任何責任。除特別說明外，文中圖表均直接或間接來自于相應論文，僅為介紹之用，版權歸原作者和期刊所有。