量化研究新思維（十五）：20-for-TwentyAQR-20周年經(jīng)典文獻摘要2

1、目錄 HYPERLINK l _bookmark0 另一種未來（AnAlternative Future）5 HYPERLINK l _bookmark1 企業(yè)債收益中的常見因子（CommonFactors inCorporate BondReturns）6 HYPERLINK l _bookmark2 控制質(zhì)量因素后的規(guī)模溢價（Size Matters if YouControl YourJunk）7 HYPERLINK l _bookmark3 估值因子迷思（TheDevil in HMLs Details）8 HYPERLINK l _bookmark6 與風格組合構(gòu)建技術(shù)相關(guān)的alph

2、a（CraftsmanshipAlpha）10 HYPERLINK l _bookmark7 無處不在的價值和動量（Value and Momentum Everywhere）12 HYPERLINK l _bookmark8 動量投資的10個誤區(qū)（Fact,Fiction, and Momentum Investing）13 HYPERLINK l _bookmark9 與Beta為敵（Betting AgainstBeta）14 HYPERLINK l _bookmark13 淺談價值投資的一些事實和誤區(qū)（Fact,Fiction, and Value Investing）17 HYPER

3、LINK l _bookmark18 時間序列動量（TimeSeries Momentum）19 HYPERLINK l _bookmark25 風險提示23圖目錄 HYPERLINK l _bookmark19 圖1不同資產(chǎn)的時間序列動量策略相對長期持有策略的夏普比20表目錄 HYPERLINK l _bookmark4 表 1截面回歸結(jié)果9 HYPERLINK l _bookmark5 表 2不同算法下，估值因子組合的風險收益特征（1926-1993）9 HYPERLINK l _bookmark10 表 3美國股票市場（1926-2012）16 HYPERLINK l _bookmark

4、11 表 4全球股票市場（1984-2012）16 HYPERLINK l _bookmark12 表 5各國股票市場（1984-2012）16 HYPERLINK l _bookmark14 表 6價值因子與動量、盈利因子的結(jié)合18 HYPERLINK l _bookmark15 表 7Fama-French五因子模型及其擴展18 HYPERLINK l _bookmark16 表 8價值因子的比較19 HYPERLINK l _bookmark17 表 9價值因子在不同市值股票中的溢價19 HYPERLINK l _bookmark20 表 10時間序列動量策略在不同持有期和回看期下，al

5、pha的t統(tǒng)計量20 HYPERLINK l _bookmark21 表 時間序列動量策略剝離風險因子后的結(jié)果21 HYPERLINK l _bookmark22 表 12時間序列動量策略和橫截面動量因子的回歸結(jié)果21 HYPERLINK l _bookmark23 表 13時間序列動量因子對其他因子的解釋能力22 HYPERLINK l _bookmark24 表 14時間序列動量和橫截面動量收益分解結(jié)果22深入的研究、樂于分享的文化，仿佛行業(yè)里的一股清流，將科研和投資實踐完美融合。1998 還為整個金融領(lǐng)域的發(fā)展貢獻了和學術(shù)界等量齊觀的豐碩成果。在成立二十周年之際，AQR 20 20 篇的

6、讀書筆記，分兩期與各位同行分享。另一種未來（An Alternative Future）3-5 年，金融市場上最大的一道風景便是對沖基金的爆發(fā)式增長。有人說， beta（市場暴露）alpha 為目標的對沖基金。（A，指數(shù)I100%。顯然有，A = I + (A - I)（代表他觀點的多空組I AI 的波動率則是他的跟蹤誤差。由此，我們便可以通過做空股指期貨得到一個非常簡單的對沖基金。這等價于在上述組合中減去一個指數(shù)相對于現(xiàn)金的超額收益。記這個新的組合權(quán)重為 H，于是，H = I + (A - I) (I - CASH) H = CASH + (A - I)H和指數(shù)I的相關(guān)系數(shù)為（aH也將有正的

7、預期收益。在傳統(tǒng)的主動管理中，H I AH I H H。H 更高的暴露。在實際投資中，對沖基金的形式更加多樣和復雜，但它們的目標和上述案例一樣， 都是賺取和傳統(tǒng)市場相關(guān)性較低的回報。在這個過程中，做空、杠桿和衍生品都是必不可少的。常見的對沖基金策略包括：市場中性、股票多空、并購套利、統(tǒng)計套利、固定收益套利、可轉(zhuǎn)債套利、宏觀和 CTA。alpha 為目標的策略也正逐漸系統(tǒng)化，由此便產(chǎn)生了beta beta beta 并無二理真正的能力（a。理明確的系統(tǒng)性策略（對沖基金 ba，對沖基金實現(xiàn)了流動性和風險的轉(zhuǎn)移，從而使整個金融市場變得更加有效。企業(yè)債收益中的常見因子（Common Factors C

8、orporate BondReturns）研究發(fā)現(xiàn)，有四個眾所周知的因子（利差、防御、動量和價值）可以解釋大部分企業(yè)債的超額收益。它們都具有正的風險調(diào)整后收益，且結(jié)果顯著。2016年一季度，8.3619962015年，企業(yè)債的發(fā)行量由3340 1.49 萬億美元。然而出乎意料的是，很少有對企業(yè)債券收益決定性因素的研究。我們研究了企業(yè)債收益的幾個代表性驅(qū)動因素，分別是利差、質(zhì)量、動量和價值。（）（）發(fā)現(xiàn)了這些因子的聯(lián)合相關(guān)性；(iii) 分別通過檢驗忽視交易成本的多空組合以及關(guān)注交易成本的多頭組合，來評估（）通過分析風險和定價錯誤來尋找溢價的來源。通過傳統(tǒng)的多空組合以及回歸分析，我們發(fā)現(xiàn)，除利差

9、外，其他因子都具有非常重要的正向風險溢價。利差、防御、價值、動量和未來信用市場超額收益之間的強相關(guān)， 為廣泛應用這幾個因子提供了充分的證據(jù)。并且，可以把這種證據(jù)視為樣本外的結(jié)論。beta beta 預期交易成本相對較高。因此，在研究信用組合時，需要明確說明交易成本和其他潛在的交易限制。為了實現(xiàn)更真實的回報，我們研究了流動性較高的企業(yè)債多頭組合，包括利差、防御性、動量和價值，這四個因子。結(jié)果發(fā)現(xiàn)，這些投資組合在扣除交易成本后，依然具有較高的風險調(diào)整后收益。相對于企業(yè)債的市值加權(quán)基準，多頭組合費后的年化收益為2.20%0.8620 年樣本中的一個點估計值，但是它卻0。我們進一步探討了收益的兩個來源

10、。從風險暴露的角度，這些組合經(jīng)常會使投資者暴露在一些極端風險中。從定價錯誤的理論解釋，由于套利交易的各種限制、投資者自身的錯誤、中介的失誤，都會使投資行為偏離理性，形成對債券的錯誤定價，從而產(chǎn)生超額收益。我們通過測試因子相對于各種變量的暴露，從風險維度解釋收益。首先，測試每個因子以及多因子組合相對于宏觀經(jīng)濟變量的暴露，并發(fā)現(xiàn)相關(guān)系數(shù)都顯著。當增長預期較低、市場波動加劇且通脹預期上升時，多因子組合的收益較高。其次，將宏觀經(jīng)濟的變量替換為經(jīng)紀人-定價錯誤的驅(qū)動要素有兩個（噪聲交易者在該證券交易中的影響; （套利交易的限制?？疾煸肼暯灰渍叩挠绊懀挚煞譃閮蓚€因素：債券持有人中的機構(gòu)占比、公司財務的透

11、明程度（可以用分析師的覆蓋度代表。（）那些對于套利交易者或做空交易者最具吸引（2）程度（由此可以預測證券未來可能產(chǎn)生的錯誤定價）將證券分為若干組，考察不同分組中因子的多空組合的收益。最終發(fā)現(xiàn)，在難以套利的分組中，這幾個因子的多空收益確實更高，且結(jié)果顯著。其中，尤以動量因子最為突出。此外，我們還針對投資者的預測錯誤進行了檢驗。由于預測錯誤難以獲取，我們使用分析師的預測進行替代。假定分析師的預測是理性的，那么當預測被修正時，這個信分析師的修正，只對動量因子的多空收益有解釋能力，無法解釋其他幾個因子的收益。綜上所述，價值、動量、防御和利差，這四個因子皆具有超額收益，其來源可以通控制質(zhì)量因素后的規(guī)模溢

12、價（Size Matters if You Control Your Junk）規(guī)模溢價的有效性受到質(zhì)疑。質(zhì)疑者認為，規(guī)模溢價在文獻發(fā)表后持續(xù)走弱；集中于微小市值股票（mcro-cpstock；時間分布不均勻（集中在1月；在海外市場的顯30 個行業(yè)、24個國家的股票市場中，都存在長期穩(wěn)定且顯著的規(guī)模效應。首先，我們計算了 SMB 組合、市值多空組合（分 10 組）的歷史表現(xiàn)（7-202.1。MB組合的月均收益為2bs，T統(tǒng)計量為。市值多空組合55bps，T2.32。這表明，規(guī)模溢價在美股市場是顯著存在的。不過，市值組合的顯著性要明顯低于根據(jù)類似方法構(gòu)建的價值與動量組合（T統(tǒng)計量分別為1月份市值

13、組合的平均收益顯著2-121月份1980199923個海外市場，SMB13bps，且在統(tǒng)計上并不顯著。高質(zhì)量股票收益減垃圾股收益SMBSMB組alpha14bps49bpsQMJ組合收益前的系數(shù)顯著小于零。這表525個交叉分組內(nèi)股票市值加Junk組外，其他各質(zhì)量分組下，小市QMJ組合前后（原模型包含RMRF、HM、UMD，對分0組的市值組合收益進行時間序列回歸的結(jié)果，alpha的顯著性大幅提升，并且按照市值由小到大呈現(xiàn)出良好的線性單調(diào)關(guān)系。因此，在控制質(zhì)量因素后，規(guī)模溢價在各市值分組間都是顯著存在的，并非僅來QMJ1alpha2.09% 降低至%，而-2月的apa由-%上升至%（T統(tǒng)計量為。因

14、此，1月效應受到了垃圾股優(yōu)異表現(xiàn)的影響。質(zhì)量因素可以部分解釋MB組合的apa由1s（T統(tǒng)計量）上升至2bs（T統(tǒng)計量。因此，我們認為，在考慮質(zhì)量因素后，規(guī)模溢價其實在海外市場也是廣泛存在的。綜上所述，市值效應在歷史上的不穩(wěn)定性與質(zhì)量因素息息相關(guān)。在考慮質(zhì)量因素的影響后，市值效應的幅度與顯著性大幅提高。因此，在投資決策與資產(chǎn)定價中，市值效應是投資者不可忽視的異象。估值因子迷思（TheDevil inHMLs Details）到股票的估值。最常用的估值指標是賬面市值比（k-rce Rati，也就是市凈率（PB）的倒數(shù)。B/P = 每股凈資產(chǎn) = 每股凈資產(chǎn)流通股數(shù)= 股東權(quán)益= 賬面市值比每股股價

15、股價流通股數(shù)公司市值然而，眾所周知，由于公司財報的公布具有滯后性，每股凈資產(chǎn)（B）只能采用之前財報公布的數(shù)據(jù)。因此，B/P 也存在一定的滯后性。隨之而來的另一個問題就是，股B/P 的選擇是固定的，都為最新年報的數(shù)據(jù)，但價格（P）的選擇卻沒有定論。下面介紹三種不同的估值因子算法。第一種算法來自于傳統(tǒng)的FF三因子模型Fama在每年6月30日更新股票的B/P 值，并采用公司在上一財年（fiscalyear）末的每股凈資產(chǎn)和股價（。因此，理論上，在下一年6月更新數(shù)據(jù)前，公司的B/P值可能已經(jīng)滯后6-18個月了。這種算法可表示為（l表示更新頻率，d表示采用過時的股價： , , = (/ 每股凈資產(chǎn)，再采

16、用最新的股價。這種算法可表示為（annual 表示更新頻率，current 表示采用最新的股價： , , = (/ 第三種算法中每股凈資產(chǎn)的計算與相同但調(diào)倉頻率提高到月度即每月末根據(jù)最新的股價計算B/P這種算法可表示（monthly表示更新頻率表示采用最新的股價 , , = (/ B/P B/P 3 B/P 最接近真實值。2018 12 31 12 31 6 30 B/P 值。理論上，公司的真實估值為：2081231 , = 20181231 /20181231由于當下無法獲得，因而只能采用之前討論的兩種算法：1, =20171231/2017123111, =20171231/2018063

17、01于是，可以利用截面回歸來評估于是，可以利用截面回歸來評估和對真實估值的預測效果：, = 0 + 1, + 2(, , + 111R 方0.730.94R 方0.730.940.781.050.700.91表 1 截面回歸結(jié)果所有樣本所有樣本0.91(101.3)0.91(101.3)0.86(38.9)0.05(3.14)0.93(101.5)0.98(43.1)-0.04(-2.40)0.88(110.1)0.80(42.4)0.08(4.70)小盤股小盤股資料來源：AQR: 20 for Twenty，其中，實際是前的系數(shù)，可以看作對預測的貢獻度。在所有樣本中，的估計值為0.94，即對

18、預測的貢獻度超過94%，對預測的貢獻度僅為6%另外從t統(tǒng)計量也可看出，回歸系數(shù)的顯著性高于。因此，從回歸結(jié)果來看， 更接近真實的B/P值。B/P B/P HML 因子組FF5 因子模型的回歸結(jié)果。FF5 （T（D（TR（UD和其他算法的估值（HML）因子。表 2 不同算法下，估值因子組合的風險收益特征（1926-1993）（1）（2）（3）（4）調(diào)倉頻率年度年度年度月度股價LaggedCurrentLaggedCurrentAlpha-0.58(-1.35)1.43(3.42)-1.61(-2.92)3.05(5.92)MKT0.01(0.93)-0.03(-3.38)-0.02(-2.09)

19、-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)UMD0.17(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0.890.900.820.89資料來源：AQR: 20 for Twenty，結(jié)果顯示，用包括因子的FF5因子模型去解釋時，還1.43%alphaHML 因子組合，動量因子系數(shù)的符（并沒有考

20、慮后續(xù)股價的變化，就會削弱估值與動量因子間固有的負相關(guān)性。例如，若從上一財年末到組合調(diào)倉這段時間內(nèi)，股價大跌，公司估值會變得更便宜，但采用過時價格計算的估值指標卻不會發(fā)生變化。綜上所述，采用更新價格計算的 B/P 值，不僅更接近公司的真實估值，并且在多因子模型中表現(xiàn)更好。alpha（Craftsmanship Alpha）alpha 稱之為“Craftsmanship apha何種風格組合通常而言，最被廣泛接受和應用的風格溢價主要有價值、動量、防御（defensive） 和股息率因子。此外還存在其他風格，如，規(guī)模和流動性。對于同一種風格溢價，有多種形式的風格組合。以價值風格為例，最常見的獲取方

21、式是構(gòu)建多頭組合（即 mart a。即，偏離市值權(quán)重，向價值風格傾斜。相比于其他方法，構(gòu)建多頭組合更容易實現(xiàn)，有更大的容量，并且不需要利用杠桿、做空或衍生如何構(gòu)建風格組合下面，我們著重考察在構(gòu)建風格組合過程中，可能面臨的設計決策和選擇。這些選擇雖然不會像分散化一樣非常明顯地改善夏普比，但也會在一定程度上影響組合的風格暴露和表現(xiàn)。更有效的風格度量指標采用更有效的度量指標可以增強風格組合的收益表現(xiàn)。價值組合主要基于估值指標排序獲得。其中，估值指標是公司價值除以價格。例如，凈資產(chǎn)除以價格或盈利除以價格。這些概念看起來簡單，但實際構(gòu)建過程中卻有很多細微的差異。例如，凈資產(chǎn)是否包含無形資產(chǎn)或非營運性資產(chǎn)

22、，盈利指標是否包含非經(jīng)常性損益等。對于價格指標，可采用最新值也可采用滯后值。按照標準的學術(shù)方法，由于財務報標準的算法就無法反映出這種變化。因此，采用最新價格計算的估值組合能更好地反映真實的“價值”因子，是度量價值風格更好的一種方式。多個度量指標使用多個度量指標可減少與任何一個度量指標相關(guān)的測量噪聲，有助于將它們的共同部分分離出來，反映真實風格。例如，對于價值指標而言，投資者可以將價格與多種合理的基本面相關(guān)聯(lián)，包括但不限于收益、現(xiàn)金流和銷售收入。對于動量指標，可以將盈利動量和價格動量結(jié)合。需要注意的是，使用多個度量指標并不是因子增強、數(shù)據(jù)挖掘。而是使因子背后的邏輯思想更加強大，因為每一種風格都沒

23、有完美的定義。股票選擇和加權(quán)方式Fama-French HML B/P B/P 1/3 1/3 33%分位點和市值加權(quán)都只是一種選擇而已。通過選擇不同的分位點和加權(quán)方式，可以改變組合的風格暴露程度，從而影響組合的收益表現(xiàn)。50%33%更大，夏普比無明顯差異。另外一種增加風格暴露的方式是對得分高的股票設臵更高的權(quán)重。通常而言，相比市值加權(quán)，這種基于風格得分的加權(quán)方式收益更高，夏普比也更高。但是，這種方式傾向于對市值小、流動性低的股票賦予更高的權(quán)重，因而會對組合流動性產(chǎn)生不利影響。一種平衡流動性和高收益的方案是，在加權(quán)方式中同時融入市值和風格暴露。計劃外的風險雖然構(gòu)建風格組合的目的是獲取純風險溢價

24、，但在這過程中的一些選擇可能導致產(chǎn)Fama-French HML B/P HML 組合相當于凈賣空科技板塊。同時，由于科技類股票的風險較大、beta 較高，HML 組合還相當于做空市場。由此引HML 組合的構(gòu)建過程中，并沒有計劃對市場和科技板塊擇時。所以，它們是計劃外的風險，應當予以剔除。那么，怎么應對這些計劃外的風險呢？一種可能的方式是對沖。對于市場風險，可beta beta beta 目標波動率目標波動率（或風險）是一種基于波動率變化動態(tài)調(diào)整名義頭寸，以尋求不同時期風險一致的方法。這種方法下的組合在時間序列上更為穩(wěn)定、風險更為分散。當然，目標波動率方法有效的前提是，投資者認為波動率可預測，

25、且交易成本不會抵消收益。多風格組合多種風格的結(jié)合主要有兩種方法：組合復合和信號整合。前者是指將單一風格的組合復合；后者是指直接在組合構(gòu)建過程中將多個風格結(jié)合為一個信號，然后基于綜合信號構(gòu)建組合。這兩種方法得到的組合，收益表現(xiàn)可能存在明顯差異。以價值和動量這兩種相關(guān)性較低的風格為例，信號整合方式的收益表現(xiàn)優(yōu)于組合復合。此外，信號整合方式可以對沖頭寸，降低交易成本。戰(zhàn)略還是戰(zhàn)術(shù)關(guān)于風格投資一個更大的問題是，實行戰(zhàn)術(shù)性的擇時還是維持戰(zhàn)略配臵。戰(zhàn)術(shù)擇時是指當預期未來某種風格收益高于歷史均值時，賦予這種風格更高的權(quán)重。投資者通常使用一系列的指標來確定某種風格是否更具吸引力，例如，估值差、風格動量、宏觀條

26、件等。雖然一些戰(zhàn)術(shù)擇時在學術(shù)文獻中被證明是有效的，但實踐起來卻非常困難。在決基于估值差的擇時邊際效果很弱。如何實現(xiàn)風格組合盡管在組合構(gòu)建過程中，可以通過信號增強或更好的加權(quán)方式來有效獲取潛在的風險溢價，但確保交易和風險管理不會侵蝕收益也很重要。組合實施有效的組合實施是指扣除交易成本后仍能獲得較高的收益。從交易頻率來看，日度換倉組合的收益高于年度換倉，但前者的執(zhí)行成本也更高。在確定換倉頻率時，應對比扣費后的收益。另外一種減少交易成本的方法是允許偏離，即，投資者想要日度換倉， 應當允許組合與理想狀態(tài)存在一定的偏離，以此降低成本。經(jīng)濟有效的執(zhí)行風險管理風險管理也是風格投資中的一個重要問題。我們之前已

27、經(jīng)探討過計劃外風險的對沖和目標波動率方法。除此之外，投資者還需注意其他風險，如杠桿、流動性、償付能力（即足夠的現(xiàn)金流要，應對方式有：基于波動率調(diào)整風險暴露、限制杠桿水平、保持足夠的現(xiàn)金等。但即便有風險管理，風格組合也有可能遭遇持續(xù)回撤的困難時期。因此，提前有一個系統(tǒng)性的風險應對方案非常重要。例如，當組合的回撤到達某個程度或是短期尾部風險上升時，快速減少組合的風險暴露，直到收益改善或左尾風險消退時，再把風險暴露調(diào)整至原來的水平。這種計劃在恐慌時期尤為重要，它可以使投資者保持分散化，并在困難時期生存下來。無處不在的價值和動量（Value and Momentum Everywhere）價值效應和動

28、量效應是資本市場中關(guān)注度最高的兩個現(xiàn)象，也是市場有效性爭論和資產(chǎn)定價研究的焦點。前者是指資產(chǎn)收益與其“長期價值與市值之比”之間的關(guān)系，后者是指資產(chǎn)收益與其歷史表現(xiàn)之間的關(guān)系。我們通過檢驗八種不同市場和資產(chǎn)類別間的價值和動量的聯(lián)合效應，為上述兩種市場異象提供一種新的視角。我們發(fā)現(xiàn)，價值和動量因子在各類資產(chǎn)中均有顯著溢價，復合因子的表現(xiàn)十分出色。我們使用的標的如下所示：四類股票資產(chǎn)：美國、英國、歐盟（不包括英國）和日本（2-2 18（8-00（9-日本等0個國家的國債期貨（2-；原油、銅、黃金、玉米等7種商品期貨（2-2我們使用資產(chǎn)過去 12 個月的收益率（剔除最近一個月）作為動量指標。對于股票和

29、股指，使用賬面市值比作為價值指標；對于其他資產(chǎn)，使用該資產(chǎn)過去五年累計收益率的相反數(shù)作為價值指標。分別將八類資產(chǎn)的動量和價值指標按大小分為高、中、低三組，構(gòu)建了 48 個投資組合。在每類資產(chǎn)中，按指標相對排序加權(quán)構(gòu)建了零成本的多空組合作為動量和價值因子，并將兩因子等權(quán)合成得到復合因子?；販y結(jié)果顯示，在絕大多數(shù)資產(chǎn)內(nèi)部，動量與價值因子的收益都是顯著的，且因子間負相關(guān)。雖然債券市場的價值因子收益在統(tǒng)計上不顯著，但如果改變價值指標的計算方法，例如，采用實際債券收益率（10 年期國債利率-5 年通脹預期）或期限利差（10 年期國債利率-短期利率子多空組合與動量因子多空組合等權(quán)重合并，再把不同資產(chǎn)按照波

30、動率倒數(shù)加權(quán)構(gòu)建組1.45。通過研究全球性動量和價值因子的驅(qū)動因素發(fā)現(xiàn)，經(jīng)濟增長、消費、期限結(jié)構(gòu)、違和動量效應正相關(guān)，和價值效應負相關(guān)。為什么融資流動性對動量和價值因子的影響截然不同？一個直觀的解釋是，動量策略做多過去漲幅較大的資產(chǎn)，代表熱門的交易；而價值策略則相反，代表冷門的交易。當融資流動性出現(xiàn)負向沖擊時，投資者在同一時間變現(xiàn)，給擁擠的高動量資產(chǎn)帶來更大的壓力，而冷門的高價值資產(chǎn)受到的影響則相對較小。價值和動量等權(quán)重組合在對融資流動性風險免疫的同時，可以獲得較高的收益。因此，融資流動性僅能為動量溢價提供部分解釋，但不能解釋價值溢價或價值動量復合因子的溢價。任意資產(chǎn)的動量因子和其他資產(chǎn)的動量

31、因子都是正相關(guān)的，和其他資產(chǎn)的價值因子都是負相關(guān)的，價值因子同樣如此。我們使用其他資產(chǎn)的動量和價值因子來解釋 48 個組合的收益，發(fā)現(xiàn)實際收益與預測收益的截面回歸 R 方達到 55%。更一般地，若使用MSCI全球市場指數(shù)、多資產(chǎn)動量因子和價值因子構(gòu)建全球市場三因子模型，截面回歸R71%CAPM、Fama-French三因子和六因子（在三因子基礎上加入動量、債券期限結(jié)構(gòu)和違約因子）13只對沖基1972-1991 1992-2011 這兩個時段的表現(xiàn)， 發(fā)現(xiàn)隨著時間的推移，因子的夏普比率出現(xiàn)小幅下降。與此同時，不同市場中的因子相0.46 0.77，價值因子的平均相關(guān)0.31 0.71-0.44 下

32、降至-0.6310（Fact,FictionandMomentum Investing）“動量效應”（MomentumJegadeesh Titman（1993）在過去的 2 （-2，動量效應已在 0 多個國家的各大類資產(chǎn)中被廣為證實。然而，日益興起的關(guān)于動量效應的研究也將投資者引入了諸多誤區(qū)。例如，動量效應極其微弱且非常短暫、動量效應主要在空頭存在、動量效應僅在小盤股中存在、10 個有關(guān)動量投資的經(jīng)典誤區(qū)，為投資者逐一進行解釋。誤區(qū)一：動量效應的收益極其微小且非常短暫。實證研究證明，動量投資策略的收益顯著且穩(wěn)健，比市值效應和估值效應有更加顯著的超額收益。誤區(qū)二：持有空頭的投資者能從動量效應中

33、獲益，多頭投資者則不能。部分投資者認為，動量效應僅能給空頭投資者帶來收益，其實不然。我們分別測算了動量效應的多頭和空頭經(jīng)風險調(diào)整后的 alpha 及超額收益，證實了動量效應在多頭與空頭均適用。誤區(qū)三：小盤股的動量效應比大盤股更為顯著。實證檢驗無法證實小盤股比大盤股有更強的動量效應收益。誤區(qū)四：動量投資策略的收益難以覆蓋交易成本。我們通過大量實際交易數(shù)據(jù)的檢驗證明，在考慮交易成本的情況下，動量策略仍能獲得顯著的超額收益。誤區(qū)五：動量投資策略對應稅投資者無效。雖然動量策略的換手率很高，可能會帶兌現(xiàn)，這反而對應稅投資者有利。誤區(qū)六：動量效應更適合作為股票樣本池的篩選指標而非直接選股指標。動量效應的收

34、益顯著且持久，在實際交易中可以覆蓋交易與稅收成本，同時也適用于只能持有多頭頭寸的投資者。因此，將動量策略僅用于股票樣本池的篩選是低效的，我們更推薦將其作為一個直接的選股因子。誤區(qū)七：投資者應對動量效應的消失保持高度警惕。部分投資者認為，動量效應是投資者信息反應不充分的結(jié)果。隨著市場有效性的提高和套利資金的進入，動量效應會逐漸消失。但研究發(fā)現(xiàn)，雖然過去 20 年，交易成本不斷下降，對沖基金以及主動共同基金的規(guī)模不斷擴大，但是沒有證據(jù)能夠表明動量效應正在逐漸消失。誤區(qū)八：動量投資策略的波動大，因此可信度低、并不穩(wěn)健。具有良好的風險分散功能，對提高組合的穩(wěn)定性具有顯著的作用。誤區(qū)九：動量投資策略對時

35、間窗口的選取敏感性非常高。法得到的動量因子，在各個時間窗口下均產(chǎn)生了非常相似的結(jié)果。誤區(qū)十：動量投資策略的背后沒有相應的經(jīng)濟學理論作為支撐。嚴謹?shù)膶W術(shù)研究證明，動量效應的背后是有行為經(jīng)濟學與風險溢價理論基礎的。如果投資者的行為模式和風險偏好不變，可以預期動量效應將會持續(xù)。Beta為敵（Betting Against Beta）CAPM （養(yǎng)老年金、公募基金）在使用杠桿時，都會或多或少地受到限制。beta beta alpha beta 資產(chǎn)提供了杠桿，故投20 個國家的股票市場都得到了印證，甚至還可進一步延伸至債券以及期貨市場。我們首先在理論上提出了以下 5 個命題。命題 1：高 beta，低

36、 alpha。投資者對任意股票所要求的均衡收益為： ( = + + +1其中風險溢價為是平均Lagrange系數(shù)用于體現(xiàn)不同投資者資金的充裕程度。股票相對市場的alpha是，alpha隨著beta的升高而降低。1beta的降低而升高；在較低時，隨beta的升高而升高。命題 2：BAB 因子的正向預期收益。BAB 因子組合（Beting Against Beta 多空組合）的預期超額收益為正： +1 ( =+1 0 其中，為BAB因子組合的預期收益，為高beta組合的beta，為低beta組合的 beta。命題 3：融資沖擊與 BAB 因子收益。隨著組合限制的上B因子組合會出現(xiàn)暫時性的失效但是這

37、也會增大因子組合未來的收益空間。即，+1 0,( )+1 0+1命題 4：beta 壓縮。beta 1BAB 因子組合在構(gòu)建時相對于所使用的信息集市場中性，BAB beta 也會趨向于正（或者負。命題 5：受限制的投資者偏好高 beta。杠桿使用未受限的投資者會持有無風險資產(chǎn)以及由beta 低于1 的風險資產(chǎn)構(gòu)成的組合，而杠桿使用受限的投資者會持有那些 beta 更高的股票。基于上述理論，我們構(gòu)建了 BAB 因子組合，并對組合收益表現(xiàn)進行了回測分析。BAB 因子組合的構(gòu)建主要分為以下 3 個步驟：beta股票 i 先驗 beta 的計算公式如下： = +(1 )實際計算時為為為時間序列e，計算

38、公式如下： = 其中，為股票收益波動率，為市場收益波動率，為兩者之間的相關(guān)性。多空組合構(gòu)建beta beta beta beta 的大小。組合進行月度的權(quán)重再平衡調(diào)整。組合收益計算BAB 因子組合為做多低 beta，做空高 beta 的 beta 中性組合。組合收益可表達為： = 1 ( 1 ( )+1+1其中，為低beta組合的beta，為低beta組合在t至t+1之間的收益；為高beta組合的beta，為高beta組合在t至t+1之間的收益。BAB 發(fā)現(xiàn)，BAB alpha。表 3 美國股票市場（1926-2012）P2P3P4P5P6P7P8P9P10（高 beta）BAB超額收益0.9

39、1(6.37)0.98(5.37)1.00(5.16)1.03(4.88)1.05(4.49)1.10(4.37)1.05(3.84)1.08(3.74)1.06(3.27)0.97(2.55)0.70(7.12)CAPM alpha0.52(6.30)0.48(5.99)0.42(4.91)0.39(4.43)0.34(3.51)0.34(3.20)0.22(1.94)0.21(1.72)0.10(0.67)-0.10(-0.48)0.73(7.44)三因子 alpha0.40(6.25)0.35(5.95)0.26(4.76)0.21(4.13)0.13(2.49)0.11(1.94)-0

40、.03(-0.59)-0.06(-1.02)-0.22(-2.81)-0.49(-3.68)0.73(7.39)四因子 alpha0.40(6.05)0.37(6.13)0.30(5.36）0.25(4.92)0.18(3.27)0.20(3.63)0.09(1.63)0.11(1.94)0.01(0.12)-0.13(-1.01)0.55(5.59)五因子 alpha0.37(4.54)0.37(4.66)0.33(4.50）0.30(4.40)0.17(2.44)0.20(2.71)0.11(1.40)0.14(1.65)0.02(0.21)0.00(-0.01)0.55(4.09)bet

41、a（預期）0.640.790.880.971.051.121.211.311.441.700.00beta（實現(xiàn)）0.670.871.001.101.221.321.421.511.661.85-0.06波動率15.7018.7021.1123.1025.5627.5829.8131.5835.5241.6810.75夏普比率0.700.630.570.540.490.480.420.410.360.280.78資料來源：AQR: 20 for Twenty，表 4 全球股票市場（1984-2012）P2P3P4P5P6P7P8P9P10（高 beta）BAB超額收益0.63(2.48)0.6

42、7(2.44)0.69(2.39)0.58(1.96)0.67(2.19)0.63(1.93)0.54(1.57)0.59(1.58)0.44(1.10)0.30(0.66)0.64(4.66)CAPM Alpha0.45(2.91)0.47(3.03)0.48(2.96)0.36(2.38)0.44(2.86)0.39(2.26)0.28(1.60)0.32(1.55)0.15(0.67)0.00(-0.01)0.64(4.68)三因子 Alpha0.28(2.19)0.30(2.22)0.29(2.15)0.16(1.29)0.22(1.71)0.11(0.78)0.01(0.06)-0.

43、03(-0.17)-0.23(-1.20)-0.50(-1.94)0.65(4.81)四因子 Alpha0.20(1.42)0.24(1.64)0.20(1.39）0.10(0.74)0.19(1.36)0.08(0.53)0.04(0.27)0.06(0.35)-0.16(-0.79)-0.16(-0.59)0.30(2.20)五因子 Alpha0.19(1.38)0.23(1.59)0.19(1.30）0.09(0.65)0.20(1.40)0.07(0.42)0.05(0.33)0.05(0.30)-0.19(-0.92)-0.18(-0.65)0.28(2.09)Beta（預期）0.6

44、10.700.770.830.880.930.991.061.151.350.00Beta（實現(xiàn)）0.660.750.780.850.870.920.981.031.091.16-0.02波動率14.9716.2717.0417.5718.0819.4220.4222.0523.9127.128.07夏普比率0.500.500.480.400.440.390.320.320.220.130.95資料來源：AQR: 20 for Twenty，表 5 各國股票市場（1984-2012）國家超額收益超額收益 t 值四因子 AlphaAlpha t 值空頭頭寸市值多頭頭寸市值波動率夏普比率澳大利亞0

45、.110.360.030.100.801.2616.70.08奧地利-0.03-0.09-0.28-0.720.901.4419.9-0.02比利時0.712.390.722.280.941.4616.90.51加拿大1.235.170.672.710.851.4514.11.05瑞士0.752.910.542.070.931.4714.60.61德國0.401.30-0.07-0.220.941.5817.30.27丹麥0.411.47-0.02-0.070.911.4015.70.31西班牙0.592.120.230.800.921.4415.60.45芬蘭0.651.51-0.10-0.

46、221.081.6424.00.33法國0.260.63-0.37-0.820.921.5723.70.13英國0.491.99-0.01-0.050.911.5313.90.42香港0.852.501.012.790.831.3819.10.54意大利0.291.410.040.170.911.3511.80.30日本0.210.900.010.060.871.3913.30.19荷蘭0.983.620.792.750.911.4515.40.77挪威0.441.150.340.810.851.3321.30.25新西蘭0.742.280.621.720.941.3618.10.49新加坡0

47、.663.370.522.360.791.3411.00.72芬蘭0.772.290.220.640.891.3419.00.48資料來源：AQR: 20 for Twenty，BAB 表明，BAB 因子在這些資產(chǎn)中同樣具有較好的收益表現(xiàn)。淺談價值投資的一些事實和誤區(qū)（Fact, Fiction, and Value Investing）“價值”是一種市場異象，即，便宜的資產(chǎn)往往比昂貴的資產(chǎn)有更好的收益。價值溢價可以通過做多前者，同時做空后者得到。價值溢價廣泛存在于全球 40 多個市場和大部分資產(chǎn)類別之中。價值溢價從最初被學術(shù)界研究，至今已經(jīng)有超過 30 年的樣本外驗證。若是放松其定義，價值投

48、資甚至可以追溯到英國的維多利亞時期。我們對學術(shù)界以及業(yè)界有關(guān)價值投資的某些觀點進行了梳理，并對價值投資的一些事實和誤區(qū)予以探討。誤區(qū) 有些人認為，價值投資是特質(zhì)性的，必須要像巴菲特那樣，深入了解每只股票，然后挑選出幾只最有把握的便宜的價值股放入自己的投資組合，等待長期投資帶來的回報。10 只。但是，巴菲特的導師本杰明格雷厄姆卻主張系統(tǒng)性的分散化投資。美國著名喜劇演員喬治伯恩斯每天要10 15 100 而是認為價值投資并不僅僅是“巴菲特”。誤區(qū) 2：因為價值投資基于一定的規(guī)則且換手率低，所以是被動策略。我們認為，任何偏離市場組合權(quán)重的組合在理論上都是主動型投資，因為只有市場組合才是所有投資者同時

49、持有的組合。對于超配了價值股的價值投資者，總會有對應的超配了成長股的對手方。要低。但是，顯然沒有人會認為巴菲特是被動投資者。事實 1：基本面指數(shù)只是一種系統(tǒng)性的價值投資。和價值相關(guān)的基本面指數(shù)，通常基于多個價值指標進行選股后，編制而成。有些人過度營銷并夸大了基本面指數(shù)，聲稱它與價值投資相關(guān)，但是比傳統(tǒng)意義上的價值投資更出色。我們認為，基本面指數(shù)的確是一種流動性強且可投資的價值投資產(chǎn)品，它相比寬基指數(shù)超配了一些價值指標更高的股票，但它僅僅是一種系統(tǒng)性的價值投資。事實 2：盈利指標可以幫助改善價值投資。盈利指標可以在投資者挑選價值指標強的公司的過程中，幫助篩選到基本面質(zhì)量更高的公司。格雷厄姆在聰明

50、投資者一書中提到的價值投資選股方法，就對盈利水平有很多的要求。我們參考了 Fama-French 和 Carhart 因子模型中價值（HML）、盈利（RMW）（UMD）1963 2014 年各個因子的夏普比率。如下表所示，價值因子與其他因子結(jié)合往往會有更好的效果。若配上盈利和動量因子，夏普比幾乎提升了一倍。表 6 價值因子與動量、盈利因子的結(jié)合價值盈利動量60 價值/40盈利60 價值/40動量33 價值/33盈利/33 動量夏普比率0.460.420.570.580.790.84資料來源：AQR: 20 for Twenty，誤區(qū) 3：價值因子是多余的。Fama-French 的五因子模型相

51、比于原先的三因子模型增加了盈利因子（RMW）和投資因子（CM。從五因子模型的結(jié)果可以發(fā)現(xiàn)，價值（HM）4 Fama French 認為價值因子是多余的。Fama-French 五因子模型的結(jié)果實際上存在兩個問題：1. HML 因子使用了非常滯后的價格數(shù)據(jù)；2. 未包含動量因子。表 7 Fama-French 五因子模型及其擴展截距RMRFSMBRMWCMAUMDR 方HML-0.48%0.010.020.231.0452%(-0.46)(0.37)(0.81)(5.38)(23.03)HML0.52%-0.010.030.241.03-0.1154%(0.51)(-0.35)(1.04)(5.

52、96)(3.37)(-5.92)HML-DEV0.23%0.060-0.020.9528%(0.15)(2.04)(0.11)(-0.30)(14.24)HML-DEV4.87%-0.010.030.070.89-0.5268%(4.74)(-0.32)(1.15)(1.6)(20.01)(-27.31)資料來源：AQR: 20 for Twenty，HML4個因子做回歸，截距項并不顯著。這意味著在Fama-French五因子模型中，HML4個因子所解釋。但是，這個HML 6 12 月份的值。為此，我們重新定義了價值因子（即上表的PB HML-DEV 為被解釋變量的回歸模型的截距顯著大于零。事

53、實 3：價值投資不僅僅與股票相關(guān)。對于大部分投資者來說，價值投資是專屬于股票投資的一個概念。因為大部分價值投資的研究和實踐都是關(guān)于股票的，而且最常見的判斷價值的方法也是通過股票的財務指標。但是，價值投資的核心只在于挑選出便宜的標的。因此，如果我們可以在其他的資產(chǎn)類別中用某些方法判斷標的是否便宜，那么我們就可以構(gòu)建價值組合。例如，過去的長期收益率（5 年）每個資產(chǎn)都有收益率數(shù)據(jù)，因此每個資產(chǎn)都至少有一種價值指標。另外，債券的價值指標有實際債券收益率（收益率減預期通脹率），外匯的價值則可以通過購買力平價（Purchasing power parity ）相對于匯率的偏移來判斷。事實 4：價值因子有

54、很多種計算方式，但最好是復合多個指標。理論上來說，每個指標都存在一定的噪音，而多個指標的復合可以彌補這一缺陷。如下表所示，我們使用不同的指標計算 HML 因子，然后比較不同方法的區(qū)別。雖然復合因子的收益率和單個因子相比，在平均意義上相差不大，但波動率卻是最低的。表 8 價值因子的比較BE/MEE/PCF/PD/P過去 5 年收益復合平均3.60%5.30%4.50%1.80%2.50%3.50%波動率9.90%9.80%9.90%11.50%8.20%8.10%夏普比率0.360.540.450.150.30.43與 BE/ME 的相關(guān)性10.80.80.60.50.9資料來源：AQR: 20

55、 for Twenty，事實 5：價值因子在大市值股票中的表現(xiàn)相對更弱。很多學術(shù)研究都發(fā)現(xiàn)，在小市值股票中，很多因子預測收益的效果往往會更好，價HML-HML-表 9 價值因子在不同市值股票中的溢價HML-小市值HML-大市值HML1926-20145.51.73.6(t 值)(4.07)(1.16)(2.81)1926-1962*2.50.11.3(t 值)(1.14)(0.06)(0.63)1963-19816.666.3(t 值)(3.15)(2.52)(3.14)1982-2014*9.21.75.5(t 值)(4.78)(0.93)(3.15)資料來源：AQR: 20 for Twe

56、nty，誤區(qū) 4：價值因子是一種風險溢價，而不是市場行為的異象，因此未來不會有衰減的風險。這一句話有兩個部分，第一部分是價值因子是風險溢價，第二部分是價值溢價（或者所有風險溢價）未來都不會消失。對于第一部分，我們并不完全否認，只是認為過于絕對。學術(shù)界對價值因子是否是風險溢價依然存在爭議，我們的觀點是，風險溢價和市場異象在價值因子上或許同時存在。對于第二部分，我們認為，即使價值因子是完全的風險溢價，也不意味著它未來不會消失。反過來說，市場行為的異象也不一定就會消失。如果要消除市場行為導致的錯有效市場假說的支持者認為，錯誤定價的修正是自然的。但現(xiàn)實是，套利條件的限制往往會妨礙修正的進行，而且也不能

57、要求所有的投資者都變得足夠理性。時間序列動量（Time SeriesMomentum）“時間序列動量”作為一類異象，和常用的橫截面動量有所區(qū)別。后者通常采用資N 58 種資產(chǎn)、25 年的數(shù)據(jù)作為研究對象。具個月的時間序列動量對資產(chǎn)未來收益具有正向預測效果，且在每個資產(chǎn)類別中均存在。k 個月k h 用事前波動率對每個資產(chǎn)的倉位進行調(diào)整。即，事前波動率越大的資產(chǎn)倉位越小，反之亦然。同時，為了避免路徑依賴，在持有期的每個月末都運行一次策略，以它們的平均收益作為時間序列動量策略的收益。如下圖所示，時間序列動量策略在每個資產(chǎn)上均優(yōu)于長期持有策略，相對夏普比顯著大于零。圖1 不同資產(chǎn)的時間序列動量策略相對

58、長期持有策略的夏普比資料來源：AQR: 20 for Twenty，alpha。顯然，在不同回看期和持有期下，alpha 均能保持穩(wěn)定。表10時間序列動量策略在不同持有期和回看期下，alpha的t統(tǒng)計量持有期（月）回看期（月）13691224364814.344.683.834.295.123.022.741.9035.354.423.542.734.502.601.971.5265.034.544.935.324.432.791.891.4296.066.135.785.074.102.571.451.19126.615.604.443.692.851.680.660.46243.953.1

59、92.441.951.500.20-0.09-0.33362.702.201.440.960.620.280.070.20481.841.551.161.000.860.380.460.74資料來源：AQR: 20 for Twenty，我們進一步研究了時間序列動量策略的收益能否被其他因子所解釋。具體包括，傳Fama French 表11時間序列動量策略剝離風險因子后的結(jié)果A：Fama French 因 子MSCI WorldSMBHMLUMD截距R2月度系數(shù)0.09-0.05-0.010.281.58%14%(t 值)(1.89)(-0.84)(-0.21)(6.78)(7.99)季度系數(shù)0

60、.07-0.180.010.324.75%23%(t 值)(1.00)(-1.44)(0.11)(4.44)(7.73)B：Asness, Moskowiz, Pedersen(2010)因子MSCIWorld andMomentum andMomentum截距R2EverywhereValueEverywhereMomentum月度系數(shù)0.110.140.661.09%30%(t 值)(2.67)(2.02)(9.74)(5.40)季度系數(shù)0.120.260.712.93%34%(t 值)(1.81)(2.45)(6.47)(4.12)C：市場，波動，流動性和極端情緒MSCIWorldMSC