參考文獻：
1. Kinlaw, W., Kritzman, M., Turkington, D., 2018. Crowded Trades Implications for Sector Rotation and Factor Timing. MIT Sloan School Working Paper 5404-18.
2. Ali, U., Hirshleifer, D., 2018. Shared Analyst Coverage Unifying Momentum Spillover Effects.http://www.nber.org/papers/w25201.
3. Lahtinen, K. D., Lawrey, C. M., Hunsader, K. J., 2017. Beta Dispersion and Portfolio Returns. Journal of Asset Management. 156-161.
4. van Vliet, P., Blitz, D., 2018. The Conservative Formula: Quantitative Investing Made Easy. The Journal of Portfolio Management. 44(7) 24-38.
1、擁擠交易對于板塊輪動以及因子擇時的指示意義
AQF閱讀丨擁擠交易(Crowded Trades)常常和資產(chǎn)泡沫聯(lián)系在一起。如果投資者能夠較早發(fā)現(xiàn)資產(chǎn)泡沫的出現(xiàn)，那么便可通過做多相關(guān)資產(chǎn)，并在隨后的資產(chǎn)價格上漲的過程中獲利。當(dāng)然，為了能夠達到這一目標(biāo)，投資者還需要在資產(chǎn)泡沫破裂之前及時退出。
我們提出使用資產(chǎn)集中度(Asset Centrality)以及相對估值(Relative Value)這兩個指標(biāo)，識別并區(qū)分資產(chǎn)泡沫的不同階段。在資產(chǎn)泡沫形成初期，資產(chǎn)集中度持續(xù)上升，同時，資產(chǎn)相對估值維持在低位。而隨著資產(chǎn)泡沫的進一步膨脹，資產(chǎn)集中度以及資產(chǎn)相對估值同時上升。在資產(chǎn)泡沫后期，資產(chǎn)的相對估值會達到一個較高的水平。在資產(chǎn)泡沫破裂時，資產(chǎn)集中度會進一步上升，同時資產(chǎn)相對估值會大幅回落。
下圖以美國互聯(lián)網(wǎng)泡沫為例，展示了這兩個指標(biāo)以及對應(yīng)資產(chǎn)價格變化的過程。在泡沫破裂(圖中點線所示)前的1999年-2000年，科技板塊的集中度相比前期就有了顯著的上升，預(yù)示著風(fēng)險的不斷累積。隨著泡沫的破裂，集中度呈脈沖式飆升。
基于資產(chǎn)集中度以及相對估值，可構(gòu)建板塊輪動和因子擇時策略。在過去二、三十年的回測區(qū)間上，這兩個策略都取得了較好的收益表現(xiàn)。具體結(jié)果如下表所示。
2、利用分析師覆蓋統(tǒng)一動量溢出效應(yīng)
如果兩家公司在經(jīng)濟基本面上存在相似或者關(guān)聯(lián)性，那么，兩者的股價就會受到相同信息的影響。當(dāng)投資者對信息的反應(yīng)出現(xiàn)時滯或不足時，相似公司的股價之間就形成了領(lǐng)先滯后關(guān)系。在海外市場，這種領(lǐng)先滯后關(guān)系往往以動量形式存在，并被稱為動量溢出效應(yīng)(momentum spillovers)。
我們發(fā)現(xiàn)，學(xué)術(shù)研究中常見的動量溢出效應(yīng)都可以用根據(jù)分析師覆蓋范圍構(gòu)建的關(guān)聯(lián)股票(Connected-stock)動量因子解釋。假設(shè)股票S被不同分析師A、B、C等覆蓋，那么被分析師A、B、C覆蓋的其他股票就與股票S形成關(guān)聯(lián)。這些股票的平均收益或者根據(jù)分析師數(shù)量得到的加權(quán)收益，即為股票S對應(yīng)的關(guān)聯(lián)股票動量因子。
做多高關(guān)聯(lián)股票動量因子的股票，做空低關(guān)聯(lián)股票動量因子的股票能夠獲得月均1.68%的收益。T統(tǒng)計量為6.97，顯著大于零。此外，通過多元回歸分析發(fā)現(xiàn)，關(guān)聯(lián)股票動量因子可以解釋已有的行業(yè)、地理位置、供應(yīng)鏈上下游、信息計算相似度等動量溢出效應(yīng)。因此，我們認(rèn)為，關(guān)聯(lián)股票動量因子有效地統(tǒng)一了已經(jīng)發(fā)現(xiàn)的動量溢出效應(yīng)。
此外，我們還發(fā)現(xiàn)，如果一個股票與更多的股票關(guān)聯(lián)時，股票之間的關(guān)聯(lián)關(guān)系也會更加復(fù)雜，信息傳遞更可能出現(xiàn)時滯性，對應(yīng)的關(guān)聯(lián)股票動量效應(yīng)也會更強。如果覆蓋股票的分析師數(shù)量越少，信息的傳遞速度也會降低，對應(yīng)的關(guān)聯(lián)股票動量效應(yīng)也更加明顯。這些實證發(fā)現(xiàn)都進一步佐證了“投資者對信息的反應(yīng)存在時滯性，從而形成了動量溢出效應(yīng)”的邏輯。
3、Beta離散度和股票截面收益
Beta是一個被學(xué)術(shù)界和業(yè)界廣泛使用的風(fēng)險指標(biāo)，用來衡量股票相對于一個充分分散組合(通常是市場組合)的價格波動情況。通常來說，Beta可以通過建立股票收益和市場組合收益的回歸方程求得。但是選擇不同的市場組合，不同的時間頻率以及不同的時間長度，都會得到不同的結(jié)果。比如，2017年4月17日，Yahoo Finance、Google Finance和Nasdaq.com三個財經(jīng)網(wǎng)站計算的蘋果股票的Beta值分別為1.45、1.25和0.72。1.45代表蘋果股票比市場組合的風(fēng)險高，而0.73意味著風(fēng)險低。同一只股票，不同的計算方法得到的結(jié)論可能是完全相反的。
我們選取3個市場指數(shù)(SP500、CRSP等權(quán)指數(shù)和CRSP市值加權(quán)指數(shù))，3種日頻數(shù)據(jù)(63天、126天和252天)，3種周頻數(shù)據(jù)(52周、104周和156周)，以及3種月頻數(shù)據(jù)(36個月、48個月和60個月)。因此，每只股票的每一個時間點都可以計算得到27個Beta值，將27個Beta值的標(biāo)準(zhǔn)差記為Beta離散度因子。
經(jīng)實證檢驗發(fā)現(xiàn)，高Beta離散度的股票收益要高于低Beta離散度。另外，如果同時控制Beta均值進行雙因子分組排序，低Beta組合中的Beta離散度因子的多空收益比高Beta組合中更高，也更加顯著。這意味著，得到異常低的Beta值的測算方法可能比其他方法的準(zhǔn)確性要低。
4、一個保守的策略：量化投資也可以如此簡單
簡單而有效的投資方法是每一個投資所追求的終極目標(biāo)。因而，相關(guān)的投資策略類書籍毫不意外地成為了投資者口口相傳的經(jīng)典。格雷厄姆的《聰明的投資者》一書使“價值投資”這一理念深入人心，而道瓊斯狗股理論則提出了用股息率篩選股票的思想。
近年來，“低風(fēng)險”投資逐漸成為投資者關(guān)注的焦點。在這個背景下，我們提出了一種全新的投資策略，挑選波動率最低、凈股息率較高和動量較強的100個股票構(gòu)建組合。該策略僅依賴于價格和分紅數(shù)據(jù)，因而在回測時可以追溯至1929年。較少的因子數(shù)量也能夠降低“p值操縱”和“因子挖掘”的風(fēng)險。
將這一保守的策略應(yīng)用于美國市場上市值最大的1000個股票，從1929年起，可以獲得15.1%的年化收益。業(yè)績表現(xiàn)十分穩(wěn)定，每一個十年都能取得正收益。和有著相反特征(高波動率，低凈股息率和負(fù)動量)的組合相比，其年化超額收益達到12.8%的同時，還有著更低的風(fēng)險。
此外，在美國的中盤股、歐洲、日本和新興市場上，該策略也能取得類似的收益表現(xiàn)。我們還檢驗了不同的宏觀經(jīng)濟環(huán)境和交易成本對策略收益的影響，同樣得到了穩(wěn)定而積極的結(jié)論。
進一步的研究發(fā)現(xiàn)，就是這樣一個易于操作、換手率低，甚至不需要財務(wù)數(shù)據(jù)的保守策略，卻能夠捕捉到絕大部分學(xué)術(shù)研究中的因子溢價。同時，極簡的構(gòu)建該規(guī)則對那些不具備很強量化背景的投資者也十分友好。
5、風(fēng)險提示
市場系統(tǒng)性風(fēng)險、模型失效風(fēng)險、海外與國內(nèi)市場結(jié)構(gòu)差異風(fēng)險。
.png)
完善下表，48小時內(nèi)查收全套AQF備考資料
.jpg)
微信公眾號：量化金融分析師
聲明▎更多內(nèi)容請關(guān)注微信號量化金融分析師。
