風(fēng)格定義、觀點(diǎn)獲取與組合構(gòu)建

1、報(bào)告正文1、引言風(fēng)格配置是現(xiàn)代證券市場(chǎng)的一個(gè)重要概念。狹義上看，風(fēng)格配置是投資于某一類具體共同特征或共同價(jià)格行為的股票（Christopherson，1995），例如投資于小市值或低市盈率的股票。從廣義上來(lái)看，組合管理人在資產(chǎn)管理過(guò)程中，采用了某一特定投資目標(biāo)都可以稱為風(fēng)格配置（Sharpe，1999）。、風(fēng)格配置起源風(fēng)格配置的歷史可以追溯至 20 世紀(jì) 30 年代。1934 年，Benjamin Graham和 David Dodd 在證券分析一書(shū)中提出安全邊際的概念，這也是價(jià)值投資理念的源頭。John Burr Williams 進(jìn)一步發(fā)展了基本面分析的概念，于 1938 年發(fā)表的投資價(jià)值

2、理論中引入了基于股利對(duì)公司估值的方法。Thomas Rowe Price, Jr.于 1939 年出版的挑選成長(zhǎng)股一書(shū)中提出購(gòu)買成長(zhǎng)股有利于對(duì)沖通脹風(fēng)險(xiǎn)，并率先為成長(zhǎng)型股票定義，稱成長(zhǎng)股是“盈利及股息成長(zhǎng)較經(jīng)濟(jì)和通脹更快的公司”，需要多年時(shí)間以證明其價(jià)值，因而不受眼光短淺的投資者關(guān)注。關(guān)于價(jià)值股和成長(zhǎng)股的研究為風(fēng)格配置的興起奠定了基礎(chǔ)。而風(fēng)格配置真正興起始于 20 世紀(jì) 70 年代，其發(fā)展的內(nèi)在動(dòng)因是對(duì)資產(chǎn)風(fēng)險(xiǎn)和收益來(lái)源的探索。自 Sharpe(1964)、Linter(1965)和 Black(1972)提出資本資產(chǎn)定價(jià)模型 (CAPM)以來(lái)，CAPM 模型已然成為人們考慮平均收益和風(fēng)險(xiǎn)的主

3、要方式。然而大量的實(shí)證研究表明， 市場(chǎng)因素并不能充分解釋資產(chǎn)的收益。 Bosenberg(1975)提出，市場(chǎng)因子并非影響資產(chǎn)收益的唯一要素，這項(xiàng)研究也引發(fā)了學(xué)界對(duì)于尋找市場(chǎng)異象（CAPM 以外解釋因子）的熱潮。相關(guān)研究包括：1）規(guī)模因子。Banz(1981)、Reinganum(1981)提出小市值的股票存一定的風(fēng)險(xiǎn)溢價(jià)。2）估值因子。Basu(1977)、Rosenberg(1985)等提出低估值指標(biāo)（如市盈率、市凈率）的股票存在風(fēng)險(xiǎn)溢價(jià)。3）動(dòng)量因子。Jegadeesh(1993)、Rowenhorst(1998)等提出股票市場(chǎng)存在趨勢(shì)交易的溢價(jià)。4）低波動(dòng)因子。Haugen(1991)

4、、Chan(1999)等提出低波動(dòng)資產(chǎn)的溢價(jià)。5）質(zhì)量因子。Sloan(1996)、Dechow(2010)等提出高盈利質(zhì)量公司的股票溢價(jià)。上述研究不僅是對(duì) CAPM 中未能反映的風(fēng)險(xiǎn)因素的補(bǔ)充，同時(shí)也奠定了風(fēng)格配置的理論基礎(chǔ)。與此同時(shí)，許多學(xué)者發(fā)現(xiàn)股票可以分成一些不同的種類，同一種類的股票之間有很高的收益相關(guān)性，而不同種類股票的收益相關(guān)性較低。Farrell(1975)采用聚類分析發(fā)現(xiàn)一些具有相似特征的股票群體展現(xiàn)出了相似的收益模式。他們將這些股票特征稱為“簇”，并指出對(duì)于全體股票至少包含了三種這樣的簇成長(zhǎng)、周期和穩(wěn)定。簇的不同表現(xiàn)確定了按簇進(jìn)行投資存在理論上的可行性，而不同簇的分類，也成為

5、人們對(duì)于風(fēng)格劃分的一種方式。、風(fēng)格配置的重要性風(fēng)格配置的重點(diǎn)性主要體現(xiàn)在以下兩個(gè)方面：幫助投資者獲取超額收益Hansen(1992)認(rèn)為風(fēng)格配置差異帶來(lái)的收益差異約占中短期的 60%。Sharpe (1992)通過(guò)對(duì) Fidelity Magellan 基金公司 1985 年至 1989 年間的數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)該公司約 90%的收益不是來(lái)源于個(gè)股的選擇而是來(lái)源于對(duì)風(fēng)格配置的準(zhǔn)確把 握。在研究中，Sharpe 將股票分為了四種風(fēng)格：小盤(pán)價(jià)值、小盤(pán)成長(zhǎng)、大盤(pán)價(jià)值、 大盤(pán)成長(zhǎng)，發(fā)現(xiàn)盡管共同基金持有的個(gè)股不同，但具有類似風(fēng)格的基金在一段時(shí) 間內(nèi)的收益趨同。Sharpe 的研究揭示了風(fēng)格配置對(duì)基金收益

6、的重要作用。在此基 礎(chǔ)上，Bauman and Miller(1997)提出風(fēng)格選擇為投資中必不可少的一個(gè)環(huán)節(jié)。那么，風(fēng)格配置的收益來(lái)源是什么呢? Lakonishok(1994)指出，風(fēng)格配置的超額收益是由于投資者對(duì)于某種風(fēng)格的股票歷史業(yè)績(jī)的過(guò)度反應(yīng)所致。Jesen, Johnson(1997)認(rèn)為風(fēng)格配置的超額收益是對(duì)風(fēng)險(xiǎn)的補(bǔ)償，而這些風(fēng)險(xiǎn)被 CAPM 模型所遺漏。Sorensen 和 Lazzara(1995)、Anderson(1997)、Fochtman(1995 )研究影響風(fēng)格配置業(yè)績(jī)的因素，他們將這些因素分為三類：基本面因素（包括市盈率、紅利、每股收益等）、宏觀經(jīng)濟(jì)因素（包括 G

7、DP 增長(zhǎng)、利率、行業(yè)產(chǎn)值等）、價(jià)格趨勢(shì)因素等并根據(jù)這些影響因素建立了多因素預(yù)測(cè)模型。確定組合投資風(fēng)格不同的投資風(fēng)格往往會(huì)有不同的風(fēng)險(xiǎn)和收益水平，因此對(duì)投資人而言，了解和考察其資產(chǎn)的投資風(fēng)格十分重要。晨星所提出的投資風(fēng)格箱便提供了一個(gè)直觀簡(jiǎn)便的分析工具，協(xié)助投資人優(yōu)化投資組合并對(duì)組合進(jìn)行監(jiān)控。晨星投資風(fēng)格箱(Morningstar Style Box)創(chuàng)立于 1992 年，旨在幫助投資人分析基金的投資風(fēng)格，其基于市值規(guī)模、成長(zhǎng)價(jià)值兩個(gè)維度將基金產(chǎn)品劃分為 9 種風(fēng)格，迅速得到機(jī)構(gòu)投資者和個(gè)人投資者的廣泛認(rèn)同。具體如圖表 1 所示，縱軸表示投資股票市值規(guī)模的大小，分為大盤(pán)、中盤(pán)、小盤(pán)。橫軸表示所

8、投資股票的價(jià)值-成長(zhǎng)定位，分為價(jià)值型、平衡型、成長(zhǎng)型。圖表 1、晨星投資風(fēng)格箱示意圖資料來(lái)源：Morningstar，整理晨星最初采用基礎(chǔ)股票的市值中位數(shù)來(lái)分析基金持股的規(guī)模；對(duì)價(jià)值-成長(zhǎng)坐標(biāo)的定位則是建立在收益價(jià)格比和凈資產(chǎn)價(jià)格比兩項(xiàng)比率的基礎(chǔ)上。2002 年 3 月，晨星對(duì)原有的投資風(fēng)格箱方法進(jìn)行改進(jìn)， 推出新的晨星投資風(fēng)格箱(New Morningstar Style Box)。在新方法中，采用了“10 因子分析”方法衡量股票的價(jià)值-成長(zhǎng)定位，其中 5 個(gè)因子用于計(jì)算價(jià)值得分、5 個(gè)因子用于計(jì)算成長(zhǎng)得分。在衡量股票市值規(guī)模時(shí)，則采取更具有彈性的劃分方法取代市值中位數(shù)來(lái)界定大、中、小盤(pán)。其

9、中，股票的價(jià)值得分反映投資人綜合對(duì)上市公司的預(yù)期收益、凈資產(chǎn)、收入、現(xiàn)金流和分紅的考慮，愿意為每股股票支付的價(jià)格狀況。成長(zhǎng)得分反映上市公司的成長(zhǎng)性，包括收益、凈資產(chǎn)、收入和現(xiàn)金流四項(xiàng)因素。圖表 2、新晨星投資風(fēng)格成長(zhǎng)價(jià)值維度細(xì)分因子價(jià)值得分因子及其權(quán)重成長(zhǎng)得分因子及其權(quán)重預(yù)期每股收益價(jià)格比50.00%預(yù)期每股收益增長(zhǎng)率50.00%預(yù)期每股凈資產(chǎn)價(jià)格比12.50%每股收益歷史增長(zhǎng)率12.50%預(yù)期每股收入價(jià)格比12.50%每股收入歷史增長(zhǎng)率12.50%預(yù)期每股現(xiàn)金流價(jià)格比12.50%每股現(xiàn)金流歷史增長(zhǎng)率12.50%預(yù)期每股紅利價(jià)格比12.50%每股凈資產(chǎn)歷史增長(zhǎng)率12.50%資料來(lái)源：Morni

10、ngstar，整理、風(fēng)格動(dòng)態(tài)配置然而，維持風(fēng)格固定并非最佳策略，關(guān)于風(fēng)格配置的理論研究表明掌握好風(fēng)格輪動(dòng)的節(jié)點(diǎn)及規(guī)律，進(jìn)行有效的風(fēng)格配置，可以幫助投資者獲得超額收益。目前研究大體上可以分為以下幾類：1、風(fēng)格是否存在輪動(dòng)Kahn (1996)發(fā)現(xiàn)大多數(shù)基金并未系統(tǒng)地遵循價(jià)值或成長(zhǎng)型的選股風(fēng)格，而是傾向于在兩者之間切換或混合。此外，一部分基金在實(shí)際操作上會(huì)進(jìn)行大小盤(pán)輪動(dòng)來(lái)追求超額收益。Levis 和 Liodakis(1999)提出風(fēng)格固定不是最優(yōu)策略，風(fēng)格之間具有周期性。Quigley 和 Sinquefield(2000)、James(2001)通過(guò)研究發(fā)現(xiàn)運(yùn)用固定的投資風(fēng)格戰(zhàn)略可以帶來(lái)超額收

11、益，然而收益不能一直持續(xù)。Chan，Karceski(2002)研究表明小市值、大市值股票會(huì)輪番占優(yōu)，成長(zhǎng)型、價(jià)值型股票也會(huì)隨著時(shí)間的推移交替領(lǐng)先，這種風(fēng)格輪動(dòng)的現(xiàn)象為投資者提供獲得超額收益的機(jī)會(huì)。Teo 和 Woo (2003)，Chen H 和 De Bondt(2004)指出，風(fēng)格動(dòng)量具有周期性，通常周期在 1 個(gè)季度左右。2、風(fēng)格動(dòng)態(tài)配置有效性盡管風(fēng)格動(dòng)態(tài)配置所受關(guān)注眾多，然而，業(yè)界和學(xué)術(shù)界對(duì)于輪動(dòng)模型是否真正能夠提高組合的表現(xiàn)是存在一些質(zhì)疑的聲音的。眾多學(xué)者對(duì)風(fēng)格動(dòng)態(tài)配置的穩(wěn)健性進(jìn)行測(cè)試。例如 Ilmanen(2019)利用跨世紀(jì)的豐富樣本對(duì)動(dòng)態(tài)配置策略的兩個(gè)問(wèn)題進(jìn)行討論，如：1）風(fēng)

12、格動(dòng)態(tài)配置是否存在數(shù)據(jù)挖掘風(fēng)險(xiǎn)？2）風(fēng)格動(dòng)態(tài)配置是否有經(jīng)濟(jì)意義？3、風(fēng)格動(dòng)態(tài)配置方法風(fēng)格動(dòng)態(tài)配置方法的研究主要包括兩大類，一類是基于外生變量進(jìn)行風(fēng)格動(dòng)態(tài)配置，另外一類是基于因子自身特性進(jìn)行風(fēng)格動(dòng)態(tài)配置?；谕馍兞康囊蜃訐駮r(shí)方法的主要思想為：宏觀經(jīng)濟(jì)情況、市場(chǎng)情況等外部條件會(huì)對(duì)因子收益率有潛在影響，當(dāng)給定這些外在條件的取值時(shí)，可以通過(guò)不同模型來(lái)預(yù)測(cè)因子未來(lái)的收益情況?；谝蜃幼陨硖卣鞯膿駮r(shí)方法：基于因子自身特征方法也被稱為“因子的因子”，最為知名而常用的一類便是估值價(jià)差。、本文研究框架風(fēng)格配置為投資組合管理提供了新的工具，其重要性逐漸被認(rèn)可。風(fēng)格配置包括下述三個(gè)流程，本文對(duì)每一流程進(jìn)行深入研究

13、與討論。第一步：定義風(fēng)格。目前關(guān)于風(fēng)格維度和定義方式無(wú)統(tǒng)一的方法論。本文對(duì)目前研究中使用的風(fēng)格定義體系進(jìn)行梳理，主要可以歸類為以下兩大類：行業(yè)風(fēng)格體系、多因子風(fēng)格體系。本文從多因子風(fēng)格體系出發(fā)，結(jié)合實(shí)踐經(jīng)驗(yàn)，構(gòu)建興證風(fēng)格體系，并在之后的研究中我們將遵循這一體系。第二步：獲取配置觀點(diǎn)。若要進(jìn)行風(fēng)格動(dòng)態(tài)配置，基金經(jīng)理不僅需要確定決定風(fēng)格表現(xiàn)的潛在驅(qū)動(dòng)力，還需要捕捉潛在驅(qū)動(dòng)力起作用的機(jī)制。這也是目前學(xué)者和業(yè)界進(jìn)行廣泛研究的一個(gè)方向，并提出了不同的技術(shù)方法。本文主要是對(duì)相關(guān)研究進(jìn)行綜述，在之后的研究中這也將是我們重點(diǎn)探索的一個(gè)方向。第三步：配置觀點(diǎn)應(yīng)用。對(duì)風(fēng)格配置觀點(diǎn)進(jìn)行實(shí)踐應(yīng)用的系統(tǒng)化匯總較少,因此

14、本文我們對(duì)風(fēng)格動(dòng)態(tài)配置的應(yīng)用方式進(jìn)行全面的匯總。圖表 3、風(fēng)格配置流程行業(yè)板塊體系多因子投資體系如何定義風(fēng)格獲取配置觀點(diǎn)基于外生變量基于因子自身特征基于績(jī)效歸因角度基于組合構(gòu)建角度配置觀點(diǎn)應(yīng)用資料來(lái)源：2、如何定義風(fēng)格？風(fēng)格動(dòng)態(tài)配置研究首先需要解決的問(wèn)題便是風(fēng)格的定義。Christopherson 與 Williams (1997)將風(fēng)格定義為投資經(jīng)理堅(jiān)信能夠帶來(lái)超額收益的股票特征。他們進(jìn)一步指出，有效的風(fēng)格應(yīng)當(dāng)擁有較多的追隨者。如果僅是某家公司單獨(dú)的投資哲學(xué)，將其作為這家公司獨(dú)有的“投資洞察力”可能更加適合。Kevin Q. Wang（2003）指出股票風(fēng)格本質(zhì)上是一組擁有共同特征的股票組合

15、。下面我們對(duì)目前常用的風(fēng)格體系進(jìn)行梳理，并給出我們的風(fēng)格定義方法。、行業(yè)板塊體系行業(yè)是投資者較為重視的特征之一，因此一部分研究從行業(yè)層面出發(fā)定義風(fēng)格。例如中信證券風(fēng)格系列指數(shù)以中信證券三級(jí)行業(yè)分類標(biāo)準(zhǔn)為基礎(chǔ)，根據(jù)中信為每個(gè)三級(jí)行業(yè)設(shè)置的風(fēng)格標(biāo)簽將股票分為金融、周期、消費(fèi)、成長(zhǎng)以及穩(wěn)定五個(gè)大類，每一個(gè)大類指數(shù)按照股票流通市值加權(quán)得到。圖表 4、中信風(fēng)格股價(jià)指數(shù)資料來(lái)源：Wind，整理圖表 5、中信風(fēng)格股價(jià)指數(shù)歷史表現(xiàn)（2005-01-01 至 2021-06-30）171513 金融周期消費(fèi)成長(zhǎng)穩(wěn)定11975312-1005/01/042008/01/042011/01/042014/01/04

16、2017/01/042020/01/04資料來(lái)源：Wind，整理采用行業(yè)板塊的體系的優(yōu)點(diǎn)是較為直觀，便于投資經(jīng)理對(duì)風(fēng)格進(jìn)行理解，主動(dòng)投資經(jīng)理相對(duì)使用較多。、多因子投資體系隨著多因子投資理論的逐漸豐富與完善，學(xué)術(shù)界和業(yè)界也逐漸開(kāi)始從因子視角來(lái)進(jìn)行風(fēng)格的定義。Ross(1976)年在經(jīng)濟(jì)理論雜志發(fā)表文章The arbitrage theory of capital asset pricing，提出了一套系統(tǒng)化的資產(chǎn)定價(jià)體系，即套利定價(jià)理論（APT 模型）。套利定價(jià)模型可以視為 CAPM 的一個(gè)拓展形式，其中將資產(chǎn)收益率從由市場(chǎng)因子這單個(gè)因子驅(qū)動(dòng)拓展至可能由多個(gè)共同因子驅(qū)動(dòng)，很好的避免了 CAPM

17、無(wú)法充分解釋股票收益的缺點(diǎn)。然而 APT 模型雖然在形式上趨于完美，ROSS 并沒(méi)有給出模型中因子的具體形式，而將這部分工作留給投資者們?cè)趯?shí)踐中自行摸索。其后，F(xiàn)ama 和 French 于 1993 年提出了著名的三因子模型，這可以被視為第一個(gè)真正意義上的多因子模型。三因子模型的主要思想是證券（個(gè)股或股票組合）的平均超額收益可以由市場(chǎng)因子（MKT）、市值因子（SMB）以及價(jià)值因子（HML）解釋。在三因子模型的基礎(chǔ)上，Carhart(1997)增加了動(dòng)量因子構(gòu)建四因子模型。其后三因子模型的構(gòu)建者 Fama 和 French(2015，2017)又推出了新的五因子模型，在原有的三個(gè)因子的基礎(chǔ)上，

18、增加了衡量企業(yè)盈利能力和投資水平因子，并證明這種模式對(duì)美國(guó)股市有更好的解釋能力。我們依據(jù)風(fēng)格代理變量構(gòu)建方式將多因子體系下的風(fēng)格定義分為以下幾類：圖表 6、風(fēng)格表現(xiàn)代理方法匯總資料來(lái)源：、因子多空投資組合Fama 和 French 在三因子模型中使用了因子多空組合來(lái)構(gòu)建因子模擬收益率。三因子模型認(rèn)為一個(gè)投資組合（包括單個(gè)股票）的超額收益率可由它對(duì)三個(gè)因子的暴露來(lái)解釋，這三個(gè)因子分別為：市場(chǎng)資產(chǎn)組合（ ）、市值因子（SMB），賬面市值比因子（HML），模型具體如下：() = () + + (2-1)其中表示時(shí)間 t 的無(wú)風(fēng)險(xiǎn)收益率；表示時(shí)間 t 的市場(chǎng)收益率；表示投資組合 i 在時(shí)間 t 的收益

19、率；() 是市場(chǎng)風(fēng)險(xiǎn)溢價(jià)。SMB 是小市值相對(duì)大市值股票的期望超額收益率，HML 則是高 B/M 公司股票比低 B/M 公司股票的超額收益率。以 SMB 為例，因子模擬組合的具體計(jì)算步驟如下：1、在橫截面上按照市值進(jìn)行排序，從小到大分為五組；2、通過(guò)做多第一組，做空第五組的方式得到SMB 的模擬投資收益。之后學(xué)者和投資者也?；谶@一方式來(lái)構(gòu)建風(fēng)格表現(xiàn)的代理變量。此方法優(yōu)點(diǎn)在于構(gòu)建方法簡(jiǎn)單，且構(gòu)建組合能夠較好的表征風(fēng)格。然而由于受到實(shí)際交易約束的限制，賣空操作難度較大，此方法的可投資性存在一定問(wèn)題。同時(shí)，從因子暴露來(lái)看，因子多空投資組合存在缺陷：1、無(wú)法保證該投資組合對(duì)該因子的暴露為 1；2、無(wú)

20、法保證該投資組合對(duì)其他因子的因子暴露為 0。第一個(gè)問(wèn)題造成在時(shí)間序列上評(píng)價(jià)一個(gè)因子的作用時(shí)，每期的投資組合對(duì)該因子的暴露程度都不一樣。第二個(gè)問(wèn)題主要是由于很多因子之間存在一定的線性相關(guān)性。針對(duì)某因子構(gòu)建的投資組合理論上應(yīng)該避免在其他因子上有任何暴露。而多空投資組合并無(wú)法保證剔除其他的因子的影響。因此 Jose Menchero(2011)提出了 Barra 模型，即通過(guò)橫截面的回歸形式來(lái)剝離個(gè)股中隱含的系統(tǒng)性風(fēng)險(xiǎn)，從而得到一個(gè)純因子模型，目前已被很好的運(yùn)用于量化投資中。、純因子投資組合若一個(gè)投資組合對(duì)某因子的暴露度為 1，其他因子的暴露度為 0，則此組合可稱為該因子的純因子組合。下面我們介紹純

21、因子投資組合的構(gòu)建方式。首先從多因子模型說(shuō)起，多因子模型可簡(jiǎn)寫(xiě)為下述形式： = + (2-2)其 中 ， = (1, 2, , ) , = (, , , ) ， = (1, 2, , ) , = (1, 2, , )。其中 X 為因子暴露度矩陣，為因子收益向量，為誤差向量， N 為個(gè)股數(shù)量，K 為風(fēng)格數(shù)量。線性模型(2-2)的解析解為： = ()（2-3）將()每一行作為一個(gè)整體，記為，其中 i=1,K 為風(fēng)格進(jìn)而有： = ( . )（2-4）即1= ，2=，=。對(duì)于因子 j，= = (1 + 2 + + + )= 1 + 2 + + = 1 + 2 + + 1（2-5）要使得式（2-5）對(duì)于

22、任意j 都成立，則需要有：對(duì)于任意 j， = = = + = = = = 則為純因子投資組合的權(quán)重得證。同時(shí)，在實(shí)證中也常使用加權(quán)最小二乘法的解析解，即 = ()（2-6）其中W 為回歸權(quán)重。加權(quán)最小二乘回歸中使用的標(biāo)準(zhǔn)權(quán)重值是殘差收益率的方差倒數(shù)，從而減小回歸因子收益 f 的估計(jì)誤差。但由于殘差收益率未知，在實(shí)際中可以使用市值的平方根作為替代。這種做法的前提假設(shè)是殘差收益率率的方差與總市值的平方根成反比，該假設(shè)來(lái)自于對(duì)市場(chǎng)的經(jīng)驗(yàn)性觀察與學(xué)術(shù)研究。純因子投資組合是為了正確量化因子的收益和風(fēng)險(xiǎn)而從純數(shù)學(xué)的角度構(gòu)建 的；建立時(shí)沒(méi)有考慮任何可投資性的要求，純因子投資組合在實(shí)踐中往往難以復(fù)現(xiàn)，可投資性

23、較差。但它滿足對(duì)目標(biāo)因子有 1 個(gè)單位的暴露，對(duì)其他因子沒(méi)有暴露，因此可以正確的衡量因子的有效性，在風(fēng)險(xiǎn)管理和業(yè)績(jī)歸因中有著非常重要的作用。、Smart Beta 指數(shù)根據(jù)晨星的定義，Smart Beta 投資策略是一種介于主動(dòng)投資與被動(dòng)指數(shù)投資之間的方式。通常情況下，我們認(rèn)為“Beta”代表股票組合收益相對(duì)于市場(chǎng)組合收益或其他風(fēng)險(xiǎn)因子的敏感程度，而“Alpha”反映的是基金經(jīng)理的主動(dòng)選股與擇時(shí)能力。從投資方式上看，Smart Beta 指數(shù)屬于一類 Rule-based 的投資工具，但又不同于傳統(tǒng)被動(dòng)指數(shù)，“Smart Beta”反映的是此類指數(shù)主動(dòng)在某些風(fēng)險(xiǎn)因子上暴露，從而獲取超額收益的特

24、征。圖表 7、Smart beta：介于主動(dòng)與被動(dòng)資料來(lái)源：Morningstar，整理一些指數(shù)提供商公司都發(fā)行了自己的風(fēng)格指數(shù)體系，幫助投資者進(jìn)行風(fēng)格配置。例如Russell 1000 風(fēng)格指數(shù)在學(xué)術(shù)研究中便經(jīng)常被使用。圖表 8、Russell 1000 風(fēng)格指數(shù)因子因子定義FTSE Russell 因子指數(shù)價(jià)值市現(xiàn)率、股息率、市銷率Russell 1000 價(jià)值因子指數(shù)質(zhì)量ROA、資產(chǎn)換手率變動(dòng)、應(yīng)計(jì)負(fù)債Russell 1000 質(zhì)量因子指數(shù)規(guī)模全市場(chǎng)市值指數(shù)權(quán)重的倒數(shù)Russell 1000 規(guī)模因子指數(shù)低波動(dòng)過(guò)去五年周度收益率波動(dòng)Russell 1000 低波因子指數(shù)動(dòng)量過(guò)去 12 個(gè)

25、月收益率（剔除最近一個(gè)月收益率）Russell 1000 動(dòng)量因子指數(shù)資料來(lái)源：Russell，整理MSCI 從六個(gè)維度構(gòu)建了其風(fēng)格體系，具體包括：低波動(dòng)、估值、規(guī)模、高風(fēng)格、質(zhì)量、動(dòng)量，同時(shí)其基于多頭因子指數(shù)來(lái)作為表現(xiàn)代理變量，具體如圖表 9 所示。MSCI 使用風(fēng)格指數(shù)進(jìn)行實(shí)證研究，例如在ADAPTIVE MULTIFACTOR ALLOCATION 中從宏觀周期、動(dòng)量、估值、市場(chǎng)情緒四個(gè)角度入手，構(gòu)建了四大類輪動(dòng)策略，并通過(guò)整合每個(gè)大類中表現(xiàn)最優(yōu)的策略，得到一個(gè)混合策略。圖表 9、MSCI 風(fēng)格指數(shù)風(fēng)格維度所選指數(shù)規(guī)模MSCI 全球等權(quán)重指數(shù)(MSCI World Equal-weigh

26、t Index)分紅MSCI 全球高股息指數(shù)(MSCI World High Dividend Yield Index)波動(dòng)MSCI 全球低波指數(shù)(MSCI World Minimum Volatility Index ) 動(dòng)量MSCI 全球動(dòng)量指數(shù)(MSCI World Momentum Index )質(zhì)量MSCI 全球質(zhì)量指數(shù)(MSCI World Quality Index )價(jià)值MSCI 全球價(jià)值指數(shù)(MSCI World Enhanced Value Index )資料來(lái)源：MSCI，整理國(guó)內(nèi)也有一些常用的風(fēng)格指數(shù)，例如國(guó)證價(jià)值和國(guó)證成長(zhǎng)指數(shù)常被用于度量?jī)r(jià)值與成長(zhǎng)風(fēng)格表現(xiàn)。國(guó)證價(jià)值國(guó)

27、證成長(zhǎng)圖表 10、國(guó)證成長(zhǎng) vs 國(guó)證價(jià)值指數(shù)歷史表現(xiàn)90008000700060005000400030002000100002005/1/42008/1/42011/1/42014/1/42017/1/42020/1/4資料來(lái)源：Wind，整理、不同風(fēng)格體系對(duì)比風(fēng)格體系優(yōu)點(diǎn)缺點(diǎn)下面我們對(duì)不同風(fēng)格體系的優(yōu)缺點(diǎn)進(jìn)行簡(jiǎn)單匯總：圖表 11、風(fēng)格表現(xiàn)代理變量?jī)?yōu)缺點(diǎn)對(duì)比行業(yè)板塊體系直觀，便于投資經(jīng)理進(jìn)行理解可投資性較好主觀程度較大，板塊劃分方式有較大提升空間因子多空投資組合較為直觀，計(jì)算方法風(fēng)格暴露不純粹可投資性一般多因子體系純因子投資組合對(duì)目標(biāo)因子為單位暴露，較好的表征了風(fēng)格可投資性差Smart b

28、eta 指數(shù)可投資性較好風(fēng)格表征較差資料來(lái)源：圖表 12、多因子體系下三種風(fēng)格代理變量資料來(lái)源：、興證風(fēng)格體系在上述研究基礎(chǔ)上，我們構(gòu)建興證風(fēng)格體系，之后的研究中我們將遵循本文的研究成果。下面為興證風(fēng)格定義步驟，主要包括：1、風(fēng)格因子確定：我們基于研究經(jīng)驗(yàn)，構(gòu)建大類風(fēng)格類別與細(xì)分風(fēng)格因子；2、因子處理與風(fēng)格定義：對(duì)細(xì)分因子進(jìn)行標(biāo)準(zhǔn)化等處理后我們獲取我們的風(fēng)格因子定義。3、風(fēng)格表現(xiàn)代理變量構(gòu)建：我們基于因子多空投資組合、純因子投資組合、 Smart beta 指數(shù)三種方式構(gòu)建了風(fēng)格表現(xiàn)代理變量。同時(shí)在第四章中我們也將說(shuō)明在不同的投資目的下如何選取風(fēng)格表現(xiàn)代理變量。圖表 13、興證風(fēng)格定義步驟資料

29、來(lái)源：、風(fēng)格因子確定BARRA 風(fēng)險(xiǎn)模型作為量化多因子的范例，其十個(gè)風(fēng)格因子作為最常見(jiàn)的，解釋程度很高的十個(gè)因子，經(jīng)常被用作風(fēng)險(xiǎn)因子，甚至是作為阿爾法因子。圖表 14、Barra 風(fēng)格因子列表因子名稱因子代碼具體含義貝塔BETA表征股票相對(duì)于市場(chǎng)的波動(dòng)敏感程度賬面市值比BOOK-TO-PRICE股票估值、PB 的倒數(shù)盈利EARNINGS YIELD表征公司的盈利狀況成長(zhǎng)GROWTH公司應(yīng)收或者盈利的成長(zhǎng)性杠桿LEVERAGE公司財(cái)務(wù)杠桿大小流動(dòng)性LIQUIDITY換手率動(dòng)量MOMENTUM過(guò)去一段時(shí)間漲跌幅殘差波動(dòng)率RESIDUAL VOLATILITY不能被beta 所解釋的波動(dòng)率市值SIZ

30、E大小盤(pán)非線性市值NON-LINEAR SIZE中盤(pán)資料來(lái)源：Wind，BARRA，整理國(guó)內(nèi)的多因子研究框架大多建立在 Barra 風(fēng)格因子基礎(chǔ)上，然而 Barra 因子構(gòu)建的出發(fā)點(diǎn)對(duì)提升股票的收益解釋能力。而本文構(gòu)建風(fēng)格因子目的在于更好的捕捉投資者重點(diǎn)關(guān)注的股票特征所能夠帶來(lái)的收益。因此我們基于以下兩個(gè)原則構(gòu)建我們的風(fēng)格種類：廣泛性：囊括 A 股關(guān)注度較高的風(fēng)格，在相關(guān)學(xué)術(shù)文獻(xiàn)中較為廣泛的研究；代表性：能夠較好的代表A 股主流風(fēng)格。下圖為我們最終構(gòu)建的大類風(fēng)格種類：圖表 15、大類風(fēng)格種類資料來(lái)源：圖表 16、主流風(fēng)格細(xì)分因子風(fēng)格方向細(xì)分因子細(xì)分因子定義規(guī)模小盤(pán)股vs 大盤(pán)股流通市值流通市值

31、估值低估值vs 高估值EP每股收益_未來(lái) 12 個(gè)月預(yù)測(cè)值 / 收盤(pán)價(jià)股東權(quán)益合計(jì)(不含少數(shù)股東權(quán)益)_最BP_LR新財(cái)報(bào) / 總市值NetProfit_SQ_YoY單季度凈利潤(rùn)同比波動(dòng)低波動(dòng)vs 高波動(dòng)RealizedVolatility_240D過(guò)去 240 天日收益率數(shù)據(jù)計(jì)算的標(biāo)準(zhǔn)差紅利高紅利 vs 低紅利DP_TTM過(guò)去一年分紅/總市值盈利高盈利 vs 低盈利ROE_TTM2*凈利潤(rùn) TTM/（股東權(quán)益合計(jì)_最新財(cái)報(bào)+股東權(quán)益合計(jì)_去年同期）反轉(zhuǎn)低 Ret_1M vs 高Ret_1MRet_1M過(guò)去一個(gè)月收益率成長(zhǎng)高成長(zhǎng)vs 低成長(zhǎng) Revenue_SQ_YoY單季度營(yíng)業(yè)收入同比資料來(lái)

32、源：Wind，整理、因子處理與風(fēng)格因子合成我們對(duì)因子做以下處理：選股池確定全A 股，剔除上市天數(shù)小于 180 天與特殊處理的個(gè)股標(biāo)準(zhǔn)化處理本文采用分位數(shù)標(biāo)準(zhǔn)化，對(duì)因子值進(jìn)行標(biāo)準(zhǔn)化處理。最常用的標(biāo)準(zhǔn)化方法為 Z-Score 標(biāo)準(zhǔn)化。然而，Z-Score 方法的缺陷也顯而易見(jiàn)，例如對(duì)于分布偏斜較大，并且受極端值的影響很大。由于不同股票間因子值的絕對(duì)距離重要性較弱。因此，本文我們采用分位數(shù)變化標(biāo)準(zhǔn)化方法，只保留因子排名信息，把所有因子的分布均變換為標(biāo)準(zhǔn)正態(tài)分布。風(fēng)格因子合成本文基于剩余合成方式對(duì)將細(xì)分因子等權(quán)合成為大類因子。通過(guò)上述步驟，我們最終得到風(fēng)格因子。下圖為各大類因子橫截面相關(guān)性均值，可以看

33、出除了估值與紅利、波動(dòng)相關(guān)性較大，其余因子的相關(guān)性均處于較低水平。圖表 17、大類風(fēng)格因子相關(guān)性資料來(lái)源：Wind，聚源，整理2.4.2、風(fēng)格代理變量構(gòu)建下面我們依據(jù)上述方法構(gòu)建風(fēng)格代理變量。1）因子多空投資組合借鑒 Fama 和 French 的方法，我們構(gòu)建因子多空投資組合，具體步驟如下：1、 選股池：全A 股、剔除特殊處理、上市不滿 180 天個(gè)股。2、 調(diào)倉(cāng)頻率：月度3、調(diào)倉(cāng)方式：按各風(fēng)格因子橫截面排序值，做多前 20%，做空后 20%的個(gè)股圖表 18、因子多空投資組合（估值 成長(zhǎng) 規(guī)模 反轉(zhuǎn)）規(guī)模估值成長(zhǎng)反轉(zhuǎn)18.0016.0014.0012.0010.008.006.004.002

34、.000.002005/1/312008/1/312011/1/312014/1/312017/1/312020/1/31資料來(lái)源：Wind，聚源，整理圖表 19、因子多空投資組合（波動(dòng) 盈利 紅利）波動(dòng)盈利紅利4.003.002.001.000.002005/1/312008/1/312011/1/312014/1/312017/1/312020/1/31資料來(lái)源：Wind，聚源，整理2) 純因子投資組合我們?cè)谌獳 股、剔除特殊處理、上市不滿 180 天個(gè)股構(gòu)建了純因子投資組合，這里使用最小二乘回歸的解析解。圖表 20、純因子投資組合（估值 成長(zhǎng) 規(guī)模 反轉(zhuǎn)） 規(guī)模成長(zhǎng)估值反轉(zhuǎn)4.003.5

35、03.002.502.001.501.000.502005/2/282008/2/292011/2/282014/2/282017/2/282020/2/29資料來(lái)源：Wind，聚源，整理圖表 21、純因子投資組合（波動(dòng) 盈利 紅利） 盈利紅利波動(dòng)2.001.801.601.401.201.000.800.602005/2/282008/2/292011/2/282014/2/282017/2/282020/2/29資料來(lái)源：Wind，聚源，整理Smart Beta 指數(shù)Smart beta 指數(shù)的構(gòu)建方式類似于構(gòu)建采用此因子的選股策略，下面為我們構(gòu)建的編制方案：1、樣本空間：滿足以下條件的A

36、 股股票構(gòu)成風(fēng)格指數(shù)的樣本空間：過(guò)去一年日均流通市值在全部A 股的前 80%過(guò)去一年日均成交額在全部A 股的前 80%非 ST、上市滿 180 天2、選樣方法：對(duì)樣本空間內(nèi)的股票按風(fēng)格因子從高到低排序，選擇前 50 只個(gè)股3、加權(quán)方式： 以流通市值加權(quán)4、定期調(diào)整半年度圖表 22、Smart Beta 指數(shù)（估值 成長(zhǎng) 規(guī)模 反轉(zhuǎn)）規(guī)模估值成長(zhǎng)反轉(zhuǎn)504540353025201510502005/12/302008/12/302011/12/302014/12/302017/12/302020/12/30資料來(lái)源：Wind，聚源，整理圖表 23、Smart Beta 指數(shù)（波動(dòng) 盈利 紅利）

37、波動(dòng)盈利紅利16141210864202005/12/302008/12/302011/12/302014/12/302017/12/302020/12/30資料來(lái)源：Wind，聚源，整理3、如何獲取風(fēng)格動(dòng)態(tài)配置觀點(diǎn)？在定義風(fēng)格之后，需要解決如何得到風(fēng)格配置觀點(diǎn)，這也是目前被重點(diǎn)研究的一個(gè)方向。眾多學(xué)者專注于構(gòu)建預(yù)測(cè)模型或?qū)︼L(fēng)格背后溢價(jià)來(lái)源進(jìn)行挖掘，以便得到對(duì)于未來(lái)的風(fēng)格的觀點(diǎn)。我們依據(jù)風(fēng)格觀點(diǎn)所得到的方法劃分為基于外生變量與基于因子自身特征兩大類，其中基于外生變量方法又可細(xì)分為樣本統(tǒng)計(jì)法、模型預(yù)測(cè)法。圖表 24、風(fēng)格動(dòng)態(tài)配置觀點(diǎn)方法資料來(lái)源：、基于外生變量、樣本統(tǒng)計(jì)法此方法主要是使用歷史宏觀

38、狀態(tài)與風(fēng)格表現(xiàn)數(shù)據(jù)，總結(jié)出相關(guān)規(guī)律，并基于歷史規(guī)律得到未來(lái)的風(fēng)格配置觀點(diǎn)，其中較為常見(jiàn)的是“因子投資時(shí)鐘”方法。投資時(shí)鐘思想起源于著名的美林投資時(shí)鐘。2004 年，美林全球戰(zhàn)略資產(chǎn)配置 團(tuán)隊(duì)在對(duì)超過(guò) 30 年歷史數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析和模型驗(yàn)證后，提出了美林投資時(shí)鐘理 論，將資產(chǎn)輪動(dòng)及行業(yè)策略與經(jīng)濟(jì)周期聯(lián)系起來(lái)。具體的，美林用經(jīng)濟(jì)增長(zhǎng)率（GDP）和通貨膨脹率（CPI）這兩個(gè)宏觀指標(biāo)的高和低，將經(jīng)濟(jì)周期分成了衰退期（低 GDP+低CPI）；復(fù)蘇期（高 GDP+低 CPI）；過(guò)熱期（高 GDP+高CPI）；滯脹期（低 GDP+高CPI）四個(gè)階段，并在確定了不同經(jīng)濟(jì)環(huán)境下適合投資的大類資產(chǎn)。圖表 25、美

39、林投資時(shí)鐘資料來(lái)源：美林，整理借鑒美林投資思想，眾多學(xué)者將風(fēng)格指數(shù)作為配置標(biāo)的，構(gòu)建了因子投資時(shí)鐘。樣本統(tǒng)計(jì)方法的優(yōu)點(diǎn)在于將市場(chǎng)環(huán)境與因子表現(xiàn)直接聯(lián)系起來(lái)，方便理解，可解釋性較好。但同樣的在實(shí)踐中也存在一定問(wèn)題：1、宏觀經(jīng)濟(jì)數(shù)據(jù)較為低頻，統(tǒng)計(jì)結(jié)論穩(wěn)健性較差。2、真實(shí)世界的宏觀狀態(tài)往往極其復(fù)雜的，采用少數(shù)變量進(jìn)行切分的解釋力和準(zhǔn)確率較低。針對(duì)問(wèn)題一，在前期報(bào)告PMI 如何影響主流風(fēng)格表現(xiàn)？中，我們?cè)趯?duì)歷史數(shù)據(jù)詳盡分析的基礎(chǔ)上，增加宏觀經(jīng)濟(jì)、行為金融等經(jīng)濟(jì)金融理論的輔助，將歸納法下的統(tǒng)計(jì)規(guī)律與演繹法下的邏輯推演相結(jié)合，從而得到對(duì)未來(lái)風(fēng)格表現(xiàn)更為可靠的預(yù)測(cè)。具體的，報(bào)告首先結(jié)合 PMI 的趨勢(shì)、榮枯

40、線狀態(tài)，將 PMI 的變化和經(jīng)濟(jì)周期大致對(duì)應(yīng)起來(lái)：復(fù)蘇：PMI 小于 50 且處于上升狀態(tài)時(shí)，我們認(rèn)為雖然經(jīng)濟(jì)總體仍在收縮，但是情況在逐步好轉(zhuǎn)，經(jīng)濟(jì)處于復(fù)蘇期；過(guò)熱：PMI 大于 50 且處于上升狀態(tài)時(shí)，我們認(rèn)為經(jīng)濟(jì)總體在擴(kuò)張，且擴(kuò)張的速度在加快，經(jīng)濟(jì)處于過(guò)熱期；衰退：PMI 大于 50 且處于下降狀態(tài)時(shí)，我們認(rèn)為雖然經(jīng)濟(jì)總體仍在擴(kuò)張，但是擴(kuò)張的節(jié)奏放緩了，經(jīng)濟(jì)處于衰退期；蕭條：PMI 小于 50 且處于下降狀態(tài)時(shí)，我們認(rèn)為經(jīng)濟(jì)總體處于收縮階段，且有進(jìn)一步惡化的趨勢(shì)，經(jīng)濟(jì)處于蕭條期。圖表 26、PMI 狀態(tài)與經(jīng)濟(jì)周期資料來(lái)源：Wind，聚源，整理通過(guò)統(tǒng)計(jì)不同狀態(tài)下的各風(fēng)格表現(xiàn)得到以下PMI 風(fēng)

41、格配置時(shí)鐘，并對(duì)統(tǒng)計(jì)所得規(guī)律進(jìn)行了一定的解釋。圖表 27、PMI 風(fēng)格配置時(shí)鐘資料來(lái)源：針對(duì)問(wèn)題二，我們?cè)趫?bào)告基于宏觀趨勢(shì)狀態(tài)的 ROE 因子擇時(shí)研究中提出了一套新的宏觀趨勢(shì)劃分體系，使用多變量對(duì)宏觀經(jīng)濟(jì)狀態(tài)進(jìn)行刻畫(huà)，在保證可解釋力的同時(shí)提升模型準(zhǔn)確率。報(bào)告中主要解決了以下問(wèn)題：、宏觀指標(biāo)序列趨勢(shì)狀態(tài)劃分；、不同趨勢(shì)狀態(tài)下 ROE 因子的表現(xiàn)；、如何預(yù)測(cè)宏觀指標(biāo)趨勢(shì)狀態(tài)并進(jìn)行 ROE 因子動(dòng)態(tài)配置。目前此領(lǐng)域的主要研究都集中于如何對(duì)宏觀經(jīng)濟(jì)狀態(tài)的進(jìn)行合理劃分，使得不同狀態(tài)對(duì)下風(fēng)格表現(xiàn)能夠體現(xiàn)出符合經(jīng)濟(jì)邏輯的明顯差異。之后我們也將繼續(xù)在此方向上進(jìn)行研究。、模型預(yù)測(cè)法此方法主要是采用數(shù)學(xué)模型（線性

42、回歸、機(jī)器學(xué)習(xí)等）擬合外生變量和因子表現(xiàn)之間的關(guān)系，并基于此作出后續(xù)預(yù)測(cè)。目前文獻(xiàn)中關(guān)于風(fēng)格動(dòng)態(tài)策略的研究從技術(shù)工具有以下幾種：基于多元線性回歸的風(fēng)格動(dòng)態(tài)策略研究：部分學(xué)者從經(jīng)濟(jì)基本面、商業(yè)周期、股票市場(chǎng)狀態(tài)等維度搜集外生變量，建立多元線性回歸預(yù)測(cè)模型，從而構(gòu)建風(fēng)格表現(xiàn)預(yù)測(cè)模型。例如 Copeland and Copeland (1999); Lucas, van Dijk, and Kloek (2002) 等人都是借助此方法展開(kāi)了相關(guān)研究?；谶壿嬎固鼗貧w的風(fēng)格動(dòng)態(tài)策略研究：此方法與方法二在思想上類似，然而從分類的角度選擇了邏輯斯特回歸建立模型。例如 Levis and Liodakis

43、(1999)利用邏輯斯特回歸構(gòu)建了 1968 年-1997 年英國(guó)市場(chǎng)市值輪動(dòng)策略，獲得了極好的回測(cè)結(jié)果?；诜菂?shù)模型（例如決策樹(shù)等模型）的風(fēng)格動(dòng)態(tài)策略研究：參數(shù)方法的優(yōu)點(diǎn)顯而易見(jiàn)，例如可以從模型出發(fā)直接探尋每個(gè)變量的邊際貢獻(xiàn)。然而對(duì)模型的高度假設(shè)、數(shù)據(jù)的高度敏感也是其一直受到詬病的地方。因此，一些學(xué)者將非參數(shù)模型用于風(fēng)格動(dòng)態(tài)策略建立中，例如 Mouakhar, and Roberge (2007)利用決策樹(shù)模型建立市值風(fēng)格預(yù)測(cè)模型，并基于預(yù)測(cè)結(jié)果構(gòu)建輪動(dòng)策略。模型預(yù)測(cè)法一般來(lái)說(shuō)可以通過(guò)調(diào)整模型達(dá)到較好的預(yù)測(cè)結(jié)果，增加樣本內(nèi)的策略表現(xiàn)。但同樣的，針對(duì)模型的合理性與可解釋性的爭(zhēng)議也層出不窮。在

44、我們前期報(bào)告基于機(jī)器學(xué)習(xí)方法的A 股市值風(fēng)格輪動(dòng)研究中我們以市值因子（流通市值）的信息系數(shù)為預(yù)測(cè)對(duì)象，充分利用宏觀、市場(chǎng)和因子自身特征三方面的數(shù)據(jù)，在機(jī)器學(xué)習(xí)模型（Adaboost、邏輯斯特回歸）的框架下，對(duì)未來(lái)一個(gè)月的市值風(fēng)格表現(xiàn)進(jìn)行預(yù)測(cè)。、基于因子自身特征基于因子自身特征的方法也稱為“因子的因子”，最為知名的為估值價(jià)差和因子動(dòng)量?jī)深?。、估值價(jià)差在個(gè)股中，估值指標(biāo)常被用于預(yù)測(cè)收益。這方面的研究最早可以追溯到Fama,French(1988)和 Campbell,Shiller(1988)的研究。我們通常使用估值指標(biāo)來(lái)評(píng)價(jià)一類資產(chǎn)是“昂貴”還是“便宜”，常用的指標(biāo)包括“book-to-pric

45、e”或“CAPE”。還可以通過(guò)市場(chǎng)中所有股票的估值指標(biāo)得到全市場(chǎng)的估值，從而預(yù)測(cè)未來(lái)收益率高低來(lái)判斷應(yīng)該買多還是賣空。當(dāng)然預(yù)期收益的變化可能也受到時(shí)變風(fēng)險(xiǎn)溢價(jià)或市場(chǎng)情緒錯(cuò)誤定價(jià)的驅(qū)動(dòng)。估值價(jià)差便是將估值概念引入因子領(lǐng)域。Asness(2000) 在論文Style Timing: Value versus Growth：Is value dead?指出用外部宏觀變量對(duì)價(jià)值和成長(zhǎng)因子表現(xiàn)進(jìn)行輪動(dòng)有“偽關(guān)系” 的可能性，即事后可能觀測(cè)到宏觀經(jīng)濟(jì)等外生變量可以對(duì)風(fēng)格輪動(dòng)有預(yù)測(cè)效果，但很難判斷現(xiàn)實(shí)世界中這些變量是否真正影響了風(fēng)格的走勢(shì)。Asness 選擇從經(jīng)典的 Gordon(1962)模型出發(fā)，將股票

46、的收益率分為兩部分：估值和股票長(zhǎng)期盈利增長(zhǎng)率，并基于此提出估值價(jià)差和成長(zhǎng)價(jià)差兩個(gè)指標(biāo)。從實(shí)證結(jié)果來(lái)看，兩指標(biāo)對(duì)于價(jià)值相對(duì)于成長(zhǎng)的收益表現(xiàn)有著較好的預(yù)測(cè)能力。Cohen and Vuolteenaho(2003)在此基礎(chǔ)上進(jìn)一步研究發(fā)現(xiàn)，美國(guó)市場(chǎng)中盈利價(jià)差、違約價(jià)差等指標(biāo)并不能解釋價(jià)值相對(duì)于成長(zhǎng)收益率的變化，而估值價(jià)差卻是預(yù)測(cè)的有效指標(biāo)。、因子動(dòng)量除估值價(jià)差外，一部分學(xué)者提出了因子動(dòng)量這一概念進(jìn)行動(dòng)態(tài)配置。動(dòng)量效應(yīng)是近期相對(duì)其他資產(chǎn)具有高收益的資產(chǎn)在未來(lái)更可能得到高收益的一種現(xiàn)象，其被廣泛的應(yīng)用于個(gè)股橫截面交易策略（Jegadeesh 與 Titman 1993;Asness1994）或股票多頭

47、組合構(gòu)建中(Moskowitz 與Grinblatt1999;Lewellen 2002)，且往往具有驚人且穩(wěn)健的風(fēng)險(xiǎn)調(diào)整后收益（Asness 等人 2014; Geczy, Samonov, 2016）。Moskowitz, Ooi, Pedersen, 2012 提出單個(gè)因子具有穩(wěn)健的時(shí)間序列動(dòng)量，即因子收益具有持續(xù)性，一個(gè)因子最近的收益(絕對(duì)意義上而非相對(duì)其他因子)能夠預(yù)測(cè)其未來(lái)收益。Ehsani 和 Linnainmaa(2017)在Factor Momentum and the Momentum Factor中測(cè)試了因子動(dòng)量策略的表現(xiàn)，并對(duì)其收益來(lái)源進(jìn)行了深入的探究。Gupta T,

48、Kelly B(2019)在Avramov 等人(2016)和 Arnott 等人(2018)聚焦于美國(guó)市場(chǎng)和橫截面因子動(dòng)量的基礎(chǔ)上，對(duì)因子動(dòng)量效應(yīng)進(jìn)行廣泛的測(cè)試，提出因子動(dòng)量是全球性的現(xiàn)象。不論在歐洲市場(chǎng)、太平洋市場(chǎng)、全球市場(chǎng)(除美股市場(chǎng)外)，因子動(dòng)量現(xiàn)象的表現(xiàn)強(qiáng)度都相近。4、如何基于風(fēng)格配置觀點(diǎn)構(gòu)建投資組合?在我們之前的研究中，往往將研究重點(diǎn)放在獲取風(fēng)格動(dòng)態(tài)配置觀點(diǎn)上，而應(yīng) 用層面的拓展較少。這也導(dǎo)致理論和實(shí)踐的脫節(jié)，即給定風(fēng)格動(dòng)態(tài)配置觀點(diǎn)后， 無(wú)法解決基金經(jīng)理如何根據(jù)觀點(diǎn)進(jìn)行組合的調(diào)整或者如何構(gòu)建資金的組合的問(wèn)題。本文我們按照金經(jīng)理是否有目標(biāo)股票池對(duì)基于風(fēng)格配置觀點(diǎn)的應(yīng)用進(jìn)行梳理：1、基

49、于績(jī)效歸因角度的應(yīng)用：主要希望解決當(dāng)基金經(jīng)理已有目標(biāo)持倉(cāng)時(shí)候，如何根據(jù)風(fēng)格動(dòng)態(tài)配置觀點(diǎn)進(jìn)行組合調(diào)整。2、基于組合構(gòu)建角度的應(yīng)用：主要希望根據(jù)風(fēng)格動(dòng)態(tài)配置觀點(diǎn)為基金經(jīng)理構(gòu)建目標(biāo)持倉(cāng)提供意見(jiàn)。、基于風(fēng)格歸因角度的應(yīng)用常見(jiàn)的風(fēng)格歸因方式有兩種：1、基于收益率的業(yè)績(jī)分析。基于收益率的業(yè)績(jī)分析是一種自上而下的，將收益率后驗(yàn)地歸因于數(shù)個(gè)因子的方法。本質(zhì)上是時(shí)間序列的多元線性回歸。2、基于組合的業(yè)績(jī)分析?；诮M合的業(yè)績(jī)分析是一種自下而上的方法，根據(jù)組合的先驗(yàn)頭寸，把收益率歸因到多個(gè)因子之上。圖表 28、基于收益率的業(yè)績(jī)分析 vs 基于組合的業(yè)績(jī)分析基于收益率的業(yè)績(jī)分析基于組合的業(yè)績(jī)分析原理計(jì)算投資組合收益率

50、序列相對(duì)于風(fēng)格配置組合的表現(xiàn)持倉(cāng)相對(duì)于特定風(fēng)格因子組合的暴露程度優(yōu)點(diǎn)數(shù)據(jù)易于獲得透明度高，易于理解缺點(diǎn)容易受到多重共線性影響數(shù)據(jù)獲取難度大資料來(lái)源：基于收益率的業(yè)績(jī)分析Sharpe 在“資產(chǎn)配置：風(fēng)格管理和績(jī)效評(píng)價(jià)“一文中結(jié)合資產(chǎn)因子模型（Asset class factor model），提出收益率分析法，并使用該方法對(duì) 1985-1989 年基金月度數(shù)據(jù)，分析美國(guó)開(kāi)放式基金的風(fēng)格，開(kāi)創(chuàng)了風(fēng)格分析的先河。該模型的一般形式為：arg min( )21,2,=1=1 =1s.t. = 1 0，i=1,2,.,n其中為證券投資基金在時(shí)間t 的收益，1、2、為各風(fēng)格資產(chǎn)在時(shí)間 t的收益率，1、2、為

51、基金資產(chǎn)組合對(duì)各類風(fēng)格資產(chǎn)的敏感度也即基金投資組合在不同風(fēng)格資產(chǎn)上的配置比例。一般會(huì)將，1、2、中數(shù)值最大的那項(xiàng)對(duì)應(yīng)的風(fēng)格資產(chǎn)便是基金風(fēng)格。這種方法與回歸有兩個(gè)主要的區(qū)別：1、頭寸必須為非負(fù)的，且求和為 1；2、該過(guò)程最小化資產(chǎn)選擇收益率的方差?；诮M合的業(yè)績(jī)分析假設(shè)投資組合P 的權(quán)重為： = (1, 2, , )則此投資組合的收益 為： = = ( + )= + =11 + 22 + + + 其中 = = 為投資組合對(duì)因子 m 的暴露度。11為因子 i 對(duì)投資組合的貢獻(xiàn)度。這里的因子暴露值通過(guò)標(biāo)準(zhǔn)化因子的方式得到，而因子收益為純因子投資組合收益。我們假設(shè)基金經(jīng)理已經(jīng)確定自己的選股池，以求根據(jù)

52、風(fēng)格配置情況對(duì)組合進(jìn)行權(quán)重的調(diào)整。因此，以純因子投資組合作為風(fēng)格代理變量，以基于組合的業(yè)績(jī)分析方法為基礎(chǔ)進(jìn)行拆解更為合理，應(yīng)用具體步驟如下：1、確定組合的風(fēng)格暴露。投資風(fēng)格可能決定了組合不同的收益和風(fēng)險(xiǎn)水平。了解和考察組合風(fēng)格暴露可以保證投資者更好的依據(jù)動(dòng)態(tài)觀點(diǎn)對(duì)組合進(jìn)行調(diào)整。2、獲取因子配置觀點(diǎn)：對(duì)純因子收益進(jìn)行預(yù)測(cè)。3、調(diào)整組合風(fēng)格暴露：根據(jù)觀點(diǎn)調(diào)整組合權(quán)重以便能夠調(diào)整組合的風(fēng)格暴露。圖表 29、基于風(fēng)格歸因角度的應(yīng)用步驟資料來(lái)源：、確定組合的風(fēng)格暴露以上證 50 指數(shù)為例，我們可以計(jì)算得到 2021 年 5 月 31 日指數(shù)在各個(gè)風(fēng)格上的暴露程度。總體來(lái)看，上證 50 指數(shù)在規(guī)模、盈利、

53、波動(dòng)三個(gè)維度上暴露較大，更為偏好大市值、高盈利、低波動(dòng)的個(gè)股。圖表 30、上證 50 指數(shù)的風(fēng)格暴露（2021-05-30）2.001.000.00-1.00-2.00-3.00盈利波動(dòng)紅利估值反轉(zhuǎn)成長(zhǎng)規(guī)模資料來(lái)源：Wind，聚源，整理、獲取因子配置觀點(diǎn)上文我們確定了上證 50 指數(shù)投資組合對(duì)于每個(gè)風(fēng)格的暴露情況，同時(shí)若我們可以預(yù)測(cè)下月純因子收益情況，則能對(duì)組合的收益進(jìn)行一定的預(yù)測(cè)。下面我們首先計(jì)算完美預(yù)測(cè)的情況，即假設(shè) 2021 年 5 月底能夠完美預(yù)測(cè) 2021年 6 月純因子投資組合的收益情況。具體如下所示，2021 年 6 月成長(zhǎng)、規(guī)模風(fēng)格呈現(xiàn)明顯的正收益。圖表 31、2021 年 6

54、 月純因子收益率2.00%1.50%1.00%0.50%0.00%-0.50%-1.00%-1.50%成長(zhǎng)規(guī)模反轉(zhuǎn)盈利估值紅利波動(dòng)資料來(lái)源：Wind，聚源，整理結(jié)合 2021 年 5 月的因子暴露，我們可以預(yù)估各風(fēng)格因子貢獻(xiàn)如下,可以看出估值風(fēng)格帶來(lái)的正向收益最高，規(guī)模風(fēng)格帶來(lái)的負(fù)向收益最高。圖表 32、2021 年 6 月各風(fēng)格因子收益貢獻(xiàn)1%0%-1%-1%-2%-2%估值反轉(zhuǎn)盈利紅利成長(zhǎng)波動(dòng)規(guī)模資料來(lái)源：Wind，聚源，整理、調(diào)整組合風(fēng)格暴露最后我們可以通過(guò)對(duì)組合權(quán)重進(jìn)行調(diào)整來(lái)實(shí)現(xiàn)對(duì)組合暴露進(jìn)行調(diào)整，從而增強(qiáng)組合收益，例如我們可以假設(shè)個(gè)股權(quán)重低于 0.1，且最大化預(yù)測(cè)收益來(lái)獲得調(diào)整后權(quán)重

55、。( )s. . = 1 0 0.1我們通過(guò)解上述方程得到一組新的權(quán)重，并基于新的權(quán)重計(jì)算調(diào)整后因子收益和因子收益貢獻(xiàn)?？梢钥闯稣{(diào)整后的組合明顯增加了在成長(zhǎng)風(fēng)格上的因子暴露。圖表 33、調(diào)整前后增倉(cāng)前五個(gè)股因子暴露證券代碼證券名稱規(guī)模盈利成長(zhǎng)估值反轉(zhuǎn)紅利波動(dòng)601138.SH工業(yè)富聯(lián)-1.411.21-0.220.47-0.150.001.24600745.SH聞泰科技-1.800.16-0.91-0.60-1.06-1.71-0.42601857.SH中國(guó)石油-2.92-0.430.011.12-1.161.192.24603986.SH兆易創(chuàng)新-1.990.530.55-1.71-2.11

56、-1.34-0.32600196.SH復(fù)星醫(yī)藥-2.110.40-0.13-0.79-0.71-0.54-1.15資料來(lái)源：Wind，聚源，整理圖表 34、調(diào)整前后減倉(cāng)前五個(gè)股因子暴露證券代碼證券名稱規(guī)模盈利成長(zhǎng)估值反轉(zhuǎn)紅利波動(dòng)601888.SH中國(guó)中免-2.772.282.05-1.621.06-0.49-0.96601166.SH興業(yè)銀行-2.560.45-0.751.810.962.220.88600519.SH貴州茅臺(tái)-3.641.88-0.80-1.520.89-0.070.93600036.SH-3.110.79-0.740.610.560.771.15601318.SH中國(guó)平安-

57、2.841.28-0.951.281.011.231.57資料來(lái)源：Wind，聚源，整理圖表 35、調(diào)整權(quán)重后上證 50 指數(shù)的風(fēng)格暴露（2021-05-30）盈利成長(zhǎng)估值反轉(zhuǎn)紅利波規(guī)模動(dòng)210-1-2-3調(diào)整前因子暴露調(diào)整后因子暴露資料來(lái)源：Wind，聚源，整理圖表 36、調(diào)整權(quán)重后上證 50 指數(shù)的各風(fēng)格因子收益貢獻(xiàn)盈利估值反轉(zhuǎn)規(guī)模波動(dòng)紅利成長(zhǎng)1.00%0.50%0.00%-0.50%-1.00%-1.50%-2.00%調(diào)整前因子收益貢獻(xiàn)調(diào)整后因子收益貢獻(xiàn)資料來(lái)源：Wind，聚源，整理調(diào)整后組合的收益率有所明顯上升。圖表 37、調(diào)整權(quán)重后上證 50 指數(shù)表現(xiàn)原始收益率調(diào)整后收益率9.52%

58、-4.15%12.00%10.00%8.00%6.00%4.00%2.00%0.00%-2.00%-4.00%-6.00%資料來(lái)源：Wind，聚源，整理上述我們通過(guò)一個(gè)簡(jiǎn)單的例子說(shuō)明了基于風(fēng)格歸因角度進(jìn)行應(yīng)用對(duì)組合的提升，但需要注意的是，我們需要解決的問(wèn)題為：1、本應(yīng)用假設(shè)了風(fēng)格能夠較好的解釋組合收益，并未考慮行業(yè)因素。2、本收益的提升是在假設(shè)能夠完美預(yù)測(cè)純因子收益的角度下獲得的，這也需要我們對(duì)因子有一定預(yù)測(cè)觀點(diǎn)。同時(shí)上述僅為應(yīng)用的一種樣式，如何基于績(jī)效歸因角度進(jìn)行研究仍是研究的方向之一。、基于組合構(gòu)建角度進(jìn)行的應(yīng)用上文，我們主要說(shuō)明了風(fēng)格歸因角度的應(yīng)用步驟，并指出在此體系下將純因子投資組合的

59、收益作為預(yù)測(cè)目標(biāo)更為合理。而下文我們主要是投資組合構(gòu)建的角度進(jìn)行分析，在此應(yīng)用場(chǎng)景下，我們更希望能夠從風(fēng)格配置觀點(diǎn)獲取推薦的股票池范圍。主要步驟如下，我們通過(guò)對(duì)風(fēng)格指數(shù)的表現(xiàn)來(lái)預(yù)測(cè)來(lái)獲取風(fēng)格配置觀點(diǎn)，最終構(gòu)建相應(yīng)的風(fēng)格投資組合。圖表 38、基于組合構(gòu)建角度的應(yīng)用步驟資料來(lái)源：在我們之后的研究中，我們將以前文構(gòu)建的 smart beta 指數(shù)表現(xiàn)為預(yù)測(cè)目標(biāo)，這也是更為直覺(jué)的方式，在獲取風(fēng)格配置觀點(diǎn)后，可確定相應(yīng)的選股池進(jìn)行配置。5、未來(lái)研究展望上文我們從風(fēng)格動(dòng)態(tài)配置的三個(gè)步驟出發(fā)進(jìn)行了全面的方法論的闡述，而在之后的研究中，我們將主要集中于以下問(wèn)題：1、如何更準(zhǔn)確的獲取風(fēng)格動(dòng)態(tài)配置觀點(diǎn)？2、如何更

60、好的基于風(fēng)格動(dòng)態(tài)配置觀點(diǎn)提升組合表現(xiàn)？6、附錄考慮到目前投資者主要投資標(biāo)的都集中在大中盤(pán)股票中，因此我們也在中證800 股票池內(nèi)構(gòu)建風(fēng)格代理變量1）因子多空投資組合借鑒 Fama 和 French 的方法，我們構(gòu)建因子多空投資組合，具體步驟如下：1、 選股池：中證 800 指數(shù)成分股2、 調(diào)倉(cāng)頻率：月度3、調(diào)倉(cāng)方式：按各風(fēng)格因子橫截面排序值，選擇做多前 20%，做空后 20%的個(gè)股圖表 39、中證 800 因子多空投資組合（估值 成長(zhǎng) 規(guī)模 反轉(zhuǎn)）規(guī)模估值成長(zhǎng)反轉(zhuǎn)98765432102007/1/312010/1/312013/1/312016/1/312019/1/31資料來(lái)源：Wind，聚