|
1、 风格因子：竞相追逐还是主动回避？1.1 从 Smart Beta 说起 “Alpha 还是 Beta?这是个问题。” Sharpe 于 1964 年提出的资本资产定价（CAPM）模型奠定了现代金融理论的基石，他将股票收益拆解为与市场紧密相关的系统性收益和与市场风险无关的特质收益两个部分。Sharpe 认为，风险因子（也称为 Beta 因子）能够捕捉市场系统性风险的来源，投资者在任何风险因子上的暴露都需要一定的收益作为补偿。然而，与“一分收益、一分风险”的 Beta因子不同，Alpha 因子是指那些能够实现稳定的“高收益、低风险”的因子。由此，市场的投资类型也分为主动投资和被动投资两大类，Melas（2010）认为，被动投资管理的本质是最优化投资组合对不同 Beta 因子的暴露，而主动投资管理的本质则是最优化投资组合对不同 Alpha 因子的暴露。研究者们曾花费大量精力寻找稳定的 Alpha 因子，然而近些年来，随着市场有效性的不断提升，寻找纯粹 Alpha 因子的难度越来越大。同时，研究者们发现传统的 Alpha 因子又可以被剥离为 Beta 因子和更为纯粹的 Alpha 因子，Smart Beta 的概念逐渐成为了市场关注的热点。 相较于国外市场的迅猛发展，国内对于 Smart Beta 产品的研究仍然有很大的发展空间。表 1 列出了中证指数、上证指数及深证指数在各种不同类别的 SmartBeta 策略上的代表性指数，可以看到目前国内各大指数公司采用的因子主要集中于规模、价值、成长、波动、红利、CAPM Beta、基本面、动量及质量等因子上。
1.png[size=1em]822x532 95.1 KB
然而，通过上述方法构建的 Smart Beta 组合是否能够代表纯粹的目标风格因子呢？所谓“纯粹的目标风格因子组合”，即是指该组合目标因子上具有较大的暴露，而在其他因子上的暴露与基准指数保持一致。为了验证这一问题，财通金工以沪深 300 价值指数（000919.SH）为例，观察其与基准指数沪深 300 指数（000300.SH）在各类风格因子暴露上的区别。图 1 展示了在 2019 年 2 月 1 日的截面日期上，二者的成分股在各大风格因子上的暴露百分位，此处单个因子的暴露百分位是指指数成分股相对于全市场所有股票而言，在某个风格因子上的暴露百分数的市值权重加权。可以看到，二者的风格因子暴露十分相似，在市值、盈利、长期动量因子上都有较大的暴露，而在非线性规模、流动性和波动率因子上的暴露则相对较小，这一结论与直观认识相符。 图 2 展示了沪深 300 价值指数相对于基准沪深 300 指数的风格因子暴露百分位比值，可以看到，价值指数成分股在价值（BP）因子上的暴露比基准指数高出将近 40%，这一点与其突出“价值指数”的目的显然是合意的。然而，价值指数在盈利和杠杆因子上的暴露也同样显著地更高，而在 Beta、流动性和非线性规模因子上的暴露却显著地更低。也就是说，通过这种方式构建的风格因子组合并不纯粹，其在目标因子上进行主动正向暴露的同时，会带来组合在其他因子上的正向或反向暴露。如何构建纯粹的风格因子组合成为了我们接下来需要探讨的主要问题。 1.2 竞相追逐还是主动回避？通常来讲，由于风格因子自身带有一定的风险敞口，投资者在构建投资组合时就需要根据自己的风险偏好来选择到底是追逐还是回避这样的风险。因此，在介绍如何最大化投资组合在风格因子上的暴露之前，我们先来了解如何避免某些风格因子对资产组合产生影响。事实上，在因子选股的研究中，投资者通常希望做到诸如市值中性或是行业中性的要求，也就是说，需要从目标因子中剔除市值因子或是行业因子的影响。为实现这一目的，通常有如下两种方法：
[hide]
1） 回归法
回归法的主要步骤是将目标因子对所需剔除的因子进行回归，将回归得到的残差项作为新因子的代理变量。 如上述公式所述，将待检测的因子 | 
