量化研究新思维——投资风格因子

量化研究离不开阅读、思考与实证。但囿于国内金融市场不长的历史，很多思维的火花都无法通过足够的数据进行研究和验证。本系列试图填补这一空白，将海通量化团队的分析师平日阅读、思考的心得与海外数据相结合，致力于为国内的量化从业人员提供新的灵感。考虑到篇幅，文中只呈现了研究思路和主要结论，对详细过程感兴趣的读者可与我们联系，海通量化团队时刻为您守候，与您分享。投资风格因子“风格因子”，由于其特有的优势，经常被用来提高传统投资组合的风险收益特征。尽管有庞大的理论依据，但是缺乏一种使用广泛又相对统一的风格因子投资工具。所以，如何找到一种新的方法以改变现状，去提供一种直观、透明、效益更高的途径来应用这些策略，成为许多投资者所关注的问题。

大部分现有的组合，虽然看似进行了分散化投资，例如，最传统的60%股票与40%债券的组合，事实上往往过度暴露于股票风险，这使得投资者在2008 年的金融危机中损失惨重。因而，很多投资者开始寻找更多与传统资产相关性较低的收益来源，例如，Alpha（特指基金经理独一无二的投资管理技能）。然而Alpha 并非一直稳定地存在，甚至随时间的流逝和策略的公开化会发生衰减与消逝。
风格因子溢价投资是另一种与传统资产低相关性的收益来源。一个高效、成功的投资组合应使风险的来源更加多元化，不仅要包括市场风险溢价、还应包括风格因子溢价以及其他形式的另类风险溢价。
海外常用的风格因子包括以下四个：
Value：买入相对于基本面价值较为“便宜”的资产，卖出相对于基本面价值较为“昂贵”的资产。
Momentum：买入相对于同类表现更优的资产，卖出相对于同类表现较差的资产。
Carry：买入收益率较高的资产，卖出收益率较低的资产。
Defensive：买入风险较低、质量较高的资产，卖出风险较高、质量较低的资产。
根据上述风格因子构建的模拟组合在1990-2012 年间的年化超额收益为25.2%，年化波动率为10%，夏普比率为2.52，与股票的相关系数仅为0.02。若考虑各种实际执行成本后，模拟组合的年化超额收益为9.8%，夏普比率为0.98。
度量因子暴露过程中应注意的问题目前，分析组合因子暴露最常用的方法就是回归分析。但在具体分析过程中，以往的方法常常只基于理论层面，而忽视了实际投资中可能出现的问题。首先，实际的投资组合需要承担各种成本，两个组合面对的成本不同时，用同样的因子收益去进行回归分析所得的结果并不可直接进行比较。其次，在探讨因子暴露时，各个因子的收益计算都是基于全市场所有股票的，囊括了所有市值的公司。但实际上基于流动性等方面的考量，大部分基金的投资都偏重于中大盘股票，如果仍然用基于全市场股票计算所得的因子收益去进行风格分析，可能并不合适。
另外，以市值因子为例，传统的做法是计算大市值股票与小市值股票收益之差。这就会给予小市值股票和大市值股票相同的权重，由于小市值股票本身波动更大，此时市值因子中更多的风险就会由小市值股票贡献。在实际投资中，组合管理者一般还会通过设定目标波动率的方法来控制组合对市场的风险暴露，实际上，由于市场本身对各个因子的暴露很不稳定，所以组合对市场的风险暴露大小会对组合在其他因子上的暴露产生很大的影响。除此之外，对同一风格因子的衡量有多个不同的指标，同一指标也可用不同的方法去构建，这些细节在分析时都需要具体问题具体对待。只有理解了因子的理论值与实际值之间的差别，才能对回归分析的结果有正确的认识。
资产配置的规则化主动管理的本质就是对预期收益和风险的不断评估和权衡。从这个角度来讲，Markowitz的理论似乎是处理这一问题的最佳工具。在其他条件保持不变的情况下，很容易根据Markowitz的结果得到以下结论：
1. 资产的回报率（夏普比率）越高，投资的金额越大；
2. 资产的风险越高，投资的金额越小。
然而，实际操作却比预期的要复杂得多。不仅预期收益和夏普比率很难估计，而且风险结构也相当不稳定。因而，模型的最终输出常常和直观认识背道而驰，需要进行大量的修正。结果是，越来越多的投资者在实践中抛弃了Markowitz模型，认为它只适合存在于教科书上。
那么，这是不是意味着投资者在做资产配置时，就可以无视数量化的度量指标，仅依赖主观的判断。有没有一种方法，可以基于Markowitz理论构建一个既有效又实用的组合管理工具。流行于海外资产管理机构的一类做法是，将Markowitz模型看作是设计有效的投资决策工具的绝佳起点。只不过，我们需要对围绕在参数周围的噪声进行稳定化的处理，使之符合一些基本的规则和共识。做一个形象的比喻，在实际投资中使用Markowitz模型就好比我们在一辆行进于崎岖道路上的车内使用望远镜。不是望远镜不起作用，而是它对周遭的环境过于敏感，必须进一步稳定化
为此，我们首先设计了一系列规则化的技术，包括重抽样、降噪和收缩估计，以获得更加稳健的结果。其次，提出了一个对均值-方差优化技术潜在运作机制的另类解读，这对投资者在实践中开发更为稳健的配置方案十分有意义。尽管这些方法看起来数学味很浓，也很枯燥，但它们对均值-方差模型发展的贡献和在实际中的价值却不容小觑。