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)常常和資產泡沫聯(lián)系在一起。如果投資者能夠較早發(fā)現(xiàn)資產泡沫的出現(xiàn)，那么便可通過做多相關資產，并在隨后的資產價格上漲的過程中獲利。當然，為了能夠達到這一目標，投資者還需要在資產泡沫破裂之前及時退出。

　　我們提出使用資產集中度(Asset Centrality)以及相對估值(Relative Value)這兩個指標，識別并區(qū)分資產泡沫的不同階段。在資產泡沫形成初期，資產集中度持續(xù)上升，同時，資產相對估值維持在低位。而隨著資產泡沫的進一步膨脹，資產集中度以及資產相對估值同時上升。在資產泡沫后期，資產的相對估值會達到一個較高的水平。在資產泡沫破裂時，資產集中度會進一步上升，同時資產相對估值會大幅回落。

　　下圖以美國互聯(lián)網泡沫為例，展示了這兩個指標以及對應資產價格變化的過程。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，預示著風險的不斷累積。隨著泡沫的破裂，集中度呈脈沖式飆升。

　　基于資產集中度以及相對估值，可構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)。具體結果如下表所示。

　　2、利用分析師覆蓋統(tǒng)一動量溢出效應

　　如果兩家公司在經濟基本面上存在相似或者關聯(lián)性，那么，兩者的股價就會受到相同信息的影響。當投資者對信息的反應出現(xiàn)時滯或不足時，相似公司的股價之間就形成了領先滯后關系。在海外市場，這種領先滯后關系往往以動量形式存在，并被稱為動量溢出效應(momentum spillovers)。

　　我們發(fā)現(xiàn)，學術研究中常見的動量溢出效應都可以用根據分析師覆蓋范圍構建的關聯(lián)股票(Connected-stock)動量因子解釋。假設股票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形成關聯(lián)。這些股票的平均收益或者根據分析師數量得到的加權收益，即為股票S對應的關聯(lián)股票動量因子。

　　做多高關聯(lián)股票動量因子的股票，做空低關聯(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)，關聯(lián)股票動量因子可以解釋已有的行業(yè)、地理位置、供應鏈上下游、信息計算相似度等動量溢出效應。因此，我們認為，關聯(lián)股票動量因子有效地統(tǒng)一了已經發(fā)現(xiàn)的動量溢出效應。

　　此外，我們還發(fā)現(xiàn)，如果一個股票與更多的股票關聯(lián)時，股票之間的關聯(lián)關系也會更加復雜，信息傳遞更可能出現(xiàn)時滯性，對應的關聯(lián)股票動量效應也會更強。如果覆蓋股票的分析師數量越少，信息的傳遞速度也會降低，對應的關聯(lián)股票動量效應也更加明顯。這些實證發(fā)現(xiàn)都進一步佐證了“投資者對信息的反應存在時滯性，從而形成了動量溢出效應”的邏輯。

　　3、Beta離散度和股票截面收益

　　Beta是一個被學術界和業(yè)界廣泛使用的風險指標，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，都會得到不同的結果。比如，2017年4月17日，Yahoo Finance、Google Finance和Nasdaq.com三個財經網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險高，而0.73意味著風險低。同一只股票，不同的計算方法得到的結論可能是完全相反的。

　　我們選取3個市場指數(SP500、CRSP等權指數和CRSP市值加權指數)，3種日頻數據(63天、126天和252天)，3種周頻數據(52周、104周和156周)，以及3種月頻數據(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值的標準差記為Beta離散度因子。

　　經實證檢驗發(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。因而，相關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，“低風險”投資逐漸成為投資者關注的焦點。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個股票構建組合。該策略僅依賴于價格和分紅數據，因而在回測時可以追溯至1929年。較少的因子數量也能夠降低“p值操縱”和“因子挖掘”的風險。

　　將這一保守的策略應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，甚至不需要財務數據的保守策略，卻能夠捕捉到絕大部分學術研究中的因子溢價。同時，極簡的構建該規(guī)則對那些不具備很強量化背景的投資者也十分友好。

　　5、風險提示

　　市場系統(tǒng)性風險、模型失效風險、海外與國內市場結構差異風險。

　　>>>點擊咨詢量化金融分析師AQF實訓項目

　　完善下表，48小時內查收全套AQF備考資料

　　金程推薦： AQF考試 AQF報名 量化金融分析師

　　微信公眾號：量化金融分析師

　　聲明▎更多內容請關注微信號量化金融分析師。

　　>>>返回首頁