參考文獻：
1. Han, Y. F., Zhou, G. F., Zhu, Y. Z, 2016. A Trend Factor: Any Economic Gains from Using Information over Investment Horizons? Available at SSRN:https://ssrn.com/abstract=2182667 orhttp://dx.doi.org/10.2139/ssrn.2182667.
2. Lansdorp, S., Vldoevic, M., 2016. Factor Investing versus Sector Investing. Rebeco Asset Management.
3. Malagon, J., Moreno, D., Rodriguez, R., 2016. Idiosyncratic Volatility, Conditional Liquidity and Stock Returns. Available at SSRN: https://ssrn.com/abstract=2717484 or http://dx.doi.org/10.2139/ssrn.2717484.
1、趨勢因子：從投資期限的信息中獲利
AQF量化研究新思維~短期反轉、動量和長期反轉是股票市場上廣泛使用的三個技術面因子，它們分別反映了價格信息的短期、中期和長期的趨勢變化。大多數(shù)研究都是利用某一個期限內的價格信息，而我們可以利用不同期限的移動平均價格信息，構建出一個能夠同時捕捉短、中、長期三種股價趨勢的因子。具體來說，可通過橫截面回歸的方法構建該趨勢因子，回歸的自變量選擇短、中、長期多個移動平均價格信號。
詳細的實證分析表明，趨勢因子的多空收益不僅遠高于同期的短期反轉、動量和長期反轉因子，并且表現(xiàn)更加穩(wěn)定，夏普比率是這三個傳統(tǒng)技術面因子的2倍以上。經過統(tǒng)計檢驗發(fā)現(xiàn)，趨勢因子并不可以用短期反轉、動量及長期反轉因子的特定組合來復制。這說明基于移動平均價格信息來捕捉短、中、長期價格趨勢的方法，比傳統(tǒng)的動量和反轉因子組合更為有效。另外，趨勢因子在不同的控制變量下(如市值、賬面市值比、流動性等)都較為穩(wěn)健。
2、因子投資與行業(yè)投資
在之前的研究中，有人指出，行業(yè)投資的表現(xiàn)在經組合風險的調整之后，能夠戰(zhàn)勝因子投資。而因子投資僅在以收益為目標的投資框架下，表現(xiàn)才優(yōu)于行業(yè)投資。針對這種觀點，我們持反對意見，主要理由如下。
行業(yè)投資優(yōu)于因子投資的結論缺乏強大的理論支撐，而多個因子的因子溢價(如市值、估值等)已經被大量文獻證明長期存在。
得到行業(yè)投資優(yōu)于因子投資這一結論的推導過程失之片面，沒有把低風險因子納入其中。而在檢驗行業(yè)投資的效果時，卻能向那些低風險的行業(yè)，如，公用事業(yè)傾斜。
我們采用6個因子——市值、估值、動量、盈利、保守/激進、beta，生成12個因子組合(每個因子都對應多空2個組合)。相應地，選擇12個行業(yè)作為對比。結果顯示，不僅因子多空組合的收益率能拉開更大的差距，而且使用單個因子所能獲得的最大夏普比率也高于單個行業(yè)。所以，投資者在構建組合時，若用因子代替行業(yè)，將會獲得更大的分散化空間。
根據(jù)有效前沿理論，構建三種投資組合——多因子組合、剔除風險因子后的多因子組合、行業(yè)組合。在同等風險水平下，多因子組合的收益基本上都是較高的。而在同等收益水平下，行業(yè)組合的風險基本上一致地高于多因子組合。不過，剔除風險因子后，在較低的風險水平下，行業(yè)組合的收益確實高于多因子組合。這也是之前的研究認為行業(yè)投資優(yōu)于因子投資的一個原因。
在五種常用的優(yōu)化目標下——最大化收益、最小化波動率、最大化夏普比率、最大化alpha、最大化信息比率，都是因子組合的表現(xiàn)更好。
即使是最簡單的等權重加權，也是因子組合的表現(xiàn)(絕對收益、風險調整后收益)更優(yōu)。
由于小盤股的交易成本較高，因此我們剔除了市值最小的40%股票后重新測試，上述結論并沒有發(fā)生改變。
綜上所述，我們認為，不論是從絕對收益還是風險調整后收益的角度來評價，因子投資的表現(xiàn)都強于行業(yè)投資。
.png)
3、特質波動率異象與條件流動性
“特質波動率之謎”，即“高特質波動股票對應低預期收益”，是股票市場中經典的異象之一，其存在性在全球范圍內被廣泛證實。對于特質波動率異象的解釋已經引起了學術界長達十年的爭論，然而多數(shù)對特質波動率的研究并未集中關注該異象的時間變化特征。事實上，特質波動率與預期收益之間的負相關關系隨著時間推移并非持續(xù)穩(wěn)定存在。因此，我們基于這一視角，嘗試給特質波動率與預期收益之間的負相關關系提供一種新的解釋——條件流動性可能是引起特質波動率異象的原因之一。
特質波動率特指股票收益在經Fama-French三因子分解后所獲殘差的波動率。基于特質波動率將股票分為五組并觀察下一期收益，第五組(高特質波動率組)與第一組(低特質波動率組)之間的收益差為負且具備統(tǒng)計顯著性，這似乎與傳統(tǒng)的“高風險、高收益”的邏輯相違背?？梢?，常用的資產定價模型中存在定價因子的缺失，以致出現(xiàn)穩(wěn)定顯著的定價誤差。
流動性溢價是一個常見的備選解釋因子。但遺憾的是，該因子的解釋效果并未被證實。過往的研究發(fā)現(xiàn)，通過流動性控制、流動性剝離等方法，不能消除低特質波動率股票的定價誤差，從而為特質波動率異象提供解釋。更有甚者，在一些情境下，流動性因子與特質波動率因子之間存在負相關關系。
最新的研究提出了一種觀點，獨立觀察與測算特質波動率與流動性指標的做法并不恰當。流動性偏好其實并非恒定值，換言之，投資者對流動性的定價并非穩(wěn)定不變，而是有條件的。
針對不同的市場狀態(tài)與波動率情境，低流動性溢價會隨之發(fā)生變化。例如，在高波動的市場環(huán)境下，投資者對流動性的偏好會有所提升。因為波動率提升期間，流動性較差的資產所蘊含的風險會進一步增加。此時，投資者會對這類資產要求更高的風險補償。再如，在下跌的市場中，流動性沖擊對資產價格的影響會更大，因為此時投資者往往會更青睞流動性充足的資產。所以，對流動性因子的控制必須在計算特質波動率之前，這就需要引入條件流動性的概念。
由于條件流動性變量屬于內生變量，難以直接獲取，僅可通過間接方式觀察。在正常的市場環(huán)境下，流動性沖擊往往會被市場吸收。而一旦進入下跌市，流動性沖擊會對低流動股票存在更為顯著的影響。此時，投資者涌向高流動性的股票，從而會引起低流動性股票價格的下跌。反之，在市場情況好轉時，低流動性股票的價格會得到修復。
從特質波動率異象的歷史表現(xiàn)上看，特質波動溢價往往在市場下跌期間有所提升，在市場回暖期間消失甚至為負，該現(xiàn)象與條件流動性的解釋一致。因此，有些股票雖然本身的流動性可能并不低，但相對其自身的波動率而言流動性尚不足，即，條件流動性較低，這類股票同樣有更高的風險補償。這一部分風險溢價尚未被傳統(tǒng)資產定價模型所捕捉，故而反映為特質波動率異象。
4、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。本篇報告的結果均由數(shù)量化模型自動計算得到，研究員未進行主觀觀點調整;數(shù)據(jù)源均來自于市場公開信息。
.jpg)
AQF考友群：760229148
金融寬客交流群：801860357
微信公眾號：量化金融分析師
聲明：內容轉自海通量化團隊，版權歸原作者所有，若有所侵權，請聯(lián)系處理!
