上一回咱们说到:大河向东流啊,天上的因子参北斗哇~ 316个因子,可不就跟天上的星星似的数也数不清嘛。

大家费这么大的劲挖掘这么多因子干嘛?难道就是为了发论文?图样!当然是为了赚钱。

长久以来,投资者们都面临一个鱼与熊掌的问题:主动管理型基金以跑赢指数为目标,但是太依赖基金经理的发挥, 基金费率高、风险大,今年收益排进前五明年就可能摆车尾了;被动型的指数基金费率低,但是跟踪指数也就意味着永远跑不赢指数。这里说得指数是传统的市值加权指数,代表着市场的平均水平。连平均都跑不赢,怎一个“废”字了得!

世界上就没有第三种选择,既能省钱(费率低),又能跑赢指数?我们的主人公 smart- 家族的因子们就是带着这样的使命来的。


让我们简单复习一下挖因子活动的起点:法玛三因子模型中的三个因子。

1、风险因子:它代表了个股对市场风险的敏感程度。

2、市值因子:它表明小市值的股票应该会获得超过平均值的回报。因为他们流通性差,经济下行期间风险较大。

3、账面与市值比重因子:它表明市净率低的股票也应该能获得更高的回报。因为它们具有更强的周期性、财务杠杆较大、未来不明朗到指定额收益风险也更大。 

有了这三个因子,投资者手里就多了三种投资武器。花样特别多,我们介绍最简单最常见的两种供大家了解:

1、评分法

在浩如烟海的股市中, 如何才能找到有潜力、收益好的股票呢?你可以根据上面的三个因子从这三个角度给各支股票打分, 然后加权得出总分, 进行排名。

这种方法优点在于标准明确,较为稳健。缺点在于计算总分时的权重是主观设定的。虽然可以用历史数据来检验当前的权重是否有效,再加以调整,这个摸索的过程确实比较困难。

2、回归法

电影“夏洛特烦恼”讲了一个中年卢瑟穿越回1997年,抄袭完许巍抄周杰伦,在歌坛混得风生水起的故事。片中有一个著名桥段:主人公劝好兄弟买房。穿越者对日后房价的走势太过了解,因而掌握了这个稳赚不赔的投资信息。

 对一名投资者来说,能更准确地预测未来就能快人一步。试想有这样一种计算器:只要输入当前的数据就能算出未来股价。回归法就是想构造出这样的计算器。通过过去的股票收益率对多因子进行回归,我们可以得到一个回归方程。这个方程扮演的角色就是上文中“可以预测未来”的计算器。将新的因子值带入方程,就能得到一个对未来收益的预判,以此为依据进行选股。市场不断产生新的历史数据,这个计算器也在不断进行自我矫正。

金融市场三十年河东三十年河西,谁也不知道正在使用的因子是否依旧能跑赢指数。如果效用已经不大,那就换下来,剩下的三百多个因子看着你~

以上就是smart策略中因子投资策略里两种简单方法。说起smart beta,就不得不提2013年诺贝尔经济学奖。那一年除了本文中不断出镜的法玛教授终于抱得诺奖归,另一位享有盛名的经济学家罗伯特希勒也一起分享了这个奖项。以希勒为代表的行为金融学家提出了错误定价(Mispricing)理论框架。

这一理论认为,市场上有两种投资者:理性的和非理性的。 后者要么过度乐观,要么太悲观,就是不能在“公允”(与价值一致)的价格完成交易,结果价格不是偏高就是偏低。而理性投资者利用这些空挡进行套利,让价格回归价值。市场的价格就是这样不断被添乱的拽跑,又被理性的拉回。超额收益就是在这样的过程中取得的。

这个理论对smart 影响深远,主要表现为:

(1)诞生了“Smart ”概念。此前,市场通常会表述为策略、风格、另类、可替代等,但正是基于错误定价理论,诞生了如今金光闪闪的Smart ;

(2)促进了非市值加权策略的蓬勃发展。错误定价理论是非市值加权策略的理论核心,也是 Smart 的起点。传统的指数用市值加权,跟踪这种指数的基金往篮子里仍股票全看股票的市值大小,大的就多来点,小的就少来点,按市值分配。当成分股股价上涨,市值变大,就要再多买点;股价下跌,市值缩水,相应的成分股就要卖出。这不就是追涨杀跌?单边上涨或下跌的行情还好说,股市这么起起伏伏,怎么赚超额收益呢?

研究发现,切断股票价格或市值与它在投资组合中的权重联系,任何非市值加权组合长期都能获取高于市值加权组合的收益(Jason C. Hsu,2006)。以RAFI基本面策略为代表的非市值加权策略不仅验证了这一结论,更是构成了Smart 的重要组成部分。

(3)解释了传统金融理论的最大异象—低波动效应:高波动股票在某些时候更受市场偏爱,投资者的购买会推升高波动股票价格,从而导致预期收益下降;而低波动股票,投资者不愿意购买,从而导致低波动股票存在低估,预期收益反而上升。

正是有了这些策略,Smart 一方面能够基于规则,具有透明、低费率和低成本等指数产品的核心特征,另一方面能够获得获得高于传统市值加权指数的超额收益。高收益只是 Smart 的目标之一,分散化、降低波动率(风险控制)都是Smart 的目标范畴。所以,叫它 “智能贝塔”真是一点儿也不怕它骄傲。

追加内容

本文作者可以追加内容哦 !