引言

　　在國內(nèi)量化投資領(lǐng)域，因子量化選股可謂重中之重。在狹義定義下，量化投資更是等同于后者，無論是買方還是賣方的量化團隊，都會將很多精力花在選股因子的挖掘中。我們對于(風險)因子的定義如下：

　　風險因子描述的是一攬子股票所共同承擔(或者暴露于)的某種系統(tǒng)性風險。相應的，風險因子收益理解為圍繞該因子構(gòu)建的投資組合中股票的共性收益(即系統(tǒng)性風險溢價)。該投資組合如果賺錢，靠的是其在該風險因子上的暴露，靠的是該風險因子在時間維度上所帶來的有效而穩(wěn)定的風險溢價。

　　在這方面，量信梳理了大量中外文獻，形成了因子量化選股的知識體系;并在 A 股市場做了深入的實證、撰寫了多份研究報告。我們認為，在國內(nèi)做因子選股雖然前途光明，但卻也繞不開一些固有的問題。本文就將這些問題一一列出，并稱為國內(nèi)因子量化選股的“七宗罪”：

　　第一罪：股市時間太短、數(shù)據(jù)挖掘無法避免。

　　第二罪：投機者比重高，市場理性程度不夠。

　　第三罪：市場風險大，對沖成本高。

　　第四罪：數(shù)據(jù)可信度和效用不高。

　　第五罪：特殊國情影響大。

　　第六罪：估值溢價催生環(huán)境 α 而非結(jié)構(gòu)性 α。

　　第七罪：因子結(jié)構(gòu)性 α 少，個股特異性 α 多。

　　由于這些問題的存在，在可預見的未來，僅想通過使用標準化的因子數(shù)據(jù)就挑出一攬子好股票有些不切實際;使用量化指標選股唯有和主動投資中已被市場驗證過的挑選好公司的思路相結(jié)合，方有出路。

　　第一罪：股市時間太短

　　我們都是數(shù)據(jù)挖掘(data mining)的好手。

　　這不是對計量經(jīng)濟學學者和量化投資從業(yè)者的批評，而是為了表達一種“無奈”。任何量化策略都是“以史為鑒”;所有被視為優(yōu)秀的因子無疑不在使用歷史數(shù)據(jù)回測時展現(xiàn)了優(yōu)秀的收益率。然而，學術(shù)界和業(yè)界根據(jù)歷史回測找到的因子一定存在選擇性偏差：就是因為表現(xiàn)好才被選出來，如果表現(xiàn)不好根本不會被選出來拿來用。這些因子都不可避免的、或多或少的帶著數(shù)據(jù)挖掘的弊端;它們偏重擬合歷史，并假設(shè)歷史在未來能夠重復。

　　為了避免因子是數(shù)據(jù)挖掘的產(chǎn)物，在提出因子的時候，(海外)學術(shù)界和業(yè)界努力做到兩點：(1)回測中盡可能使用更長的歷史數(shù)據(jù) —— 一個因子在 50 年內(nèi)都有效顯然比僅僅在 5 年內(nèi)有效更有說服力。在美股中驗證因子時，一般使用的回測區(qū)間至少 30 年。(2)從經(jīng)濟學理論、行為金融學、或金融學常識這些角度盡可能的解釋該因子為什么有效。缺乏了有效的解釋，因子無異于“黑箱”。如果不能清楚地理解因子為什么有效，那么我們連它何時會失效都不知道。

　　盡管如此，海外學術(shù)界仍以令人匪夷所思的速度不斷的發(fā)掘出新的因子、發(fā)表在最著名的金融期刊上。然而，美國金融協(xié)會前主席 Campbell 指出這些因子大多是學者們“急功近利”的產(chǎn)物，在投資實務中站不住腳(Campbell 2017，請參考我們之前的文章《在追逐 p-value 的道路上狂奔，卻在科學的道路上漸行漸遠》)。

　　即便是在經(jīng)濟學理論上站得住腳的因子，也難逃“數(shù)據(jù)挖掘”的弊端。下表展示了一些被學術(shù)界和業(yè)界廣泛接受的因子在它們被提出前(回測期內(nèi))和提出后(樣本外)的表現(xiàn)(年化收益率)。它們在被提出后的表現(xiàn)遠差于回測期內(nèi)的表現(xiàn)。這其實非常好理解：正是因為它們在回測期內(nèi)的優(yōu)秀表現(xiàn)，它們才被發(fā)表、才被廣泛流傳和接受。誰會發(fā)表一個在歷史數(shù)據(jù)中造成虧損的因子呢?

　　

　　再來看看國內(nèi) A 股市場。股市從上世紀 90 年代初建立以來，雖說也有近三十年，但實際是經(jīng)歷了如下五個階段：

　　1990 年 – 1991 年：股市初創(chuàng)階段

　　1992 年 – 1997 年：股市試驗階段

　　1998 年 – 2001 年：股市規(guī)范階段

　　2002 年 – 2004 年：股市轉(zhuǎn)軌階段

　　2005 年 – 今： 股市重塑階段

　　這其中，真正能被用來做量化投資分析的也就是從 2005 年開始，至今不過短短十二年，遠不及美股中豐富的 30 年、50 年甚至是更長的回測期。如果一個因子在歷經(jīng)了美股的三、五十年回測都不敢說在樣本外一定有效，我們又怎敢拿著區(qū)區(qū) 12 年數(shù)據(jù)挖掘出來的因子來使用呢?

　　第二罪：理性程度不夠

　　由于巴菲特的巨大成功，價值投資對量化因子選股影響深遠。他的名言“buy a wonderful company at a fair price(合理的價格買到好公司)”也被奉為價值投資者心中的明燈。學術(shù)界和業(yè)界也不斷提出描述好公司、高質(zhì)量公司的因子，如盈利、成長、安全因子等。它們雖然側(cè)重不同，但都是以選出高質(zhì)量的公司為出發(fā)點。

　　價值投資背后的核心邏輯是股票的價格圍繞著其內(nèi)在價值波動。Shiller (1984) 的研究提出市場由 smart-money 投資者和 noise 交易者構(gòu)成。前者依股票基本面價值進行投資;而后者的存在造成了股票價格圍繞價值投資的原因。在一個理性程度高的市場，前者主導，價格圍繞價值的波動不大;而在一個理性程度低的市場，后者主導，價格往往大幅偏離股票基本面顯示的內(nèi)在價值。

　　國內(nèi) A 股市場顯然屬于后者。對于 A 股市場的價值投資者來說，即便他們能夠準確的評價股票的價值，但如果價格遲遲不向價值回歸，那這無疑是一種煎熬;而對于投機者來說，他們往往換手率很高，個股持倉時間短，壓根就不關(guān)注價格和價值之間的關(guān)系。

　　在海外的因子策略中，由因子選出的股票投資組合的持倉周期短則三個月，長則一年。然而，大量國內(nèi)的因子投資實證顯示，因子投資組合要想賺錢，其持倉周期僅僅是三到四周，這較海外的實證幾乎少了一個數(shù)量級。有多少股票的價格能在短短數(shù)周之內(nèi)回歸到基本面內(nèi)在價值?因此，我們只能對因子有效給出一個勉強的猜測，即我們不是在等待股票的價格向價值回歸，而是在個股的相對價格價值偏離之間輪動!每次短周期的調(diào)倉，我們大抵只是把價格偏離價值的較少的股票換成了價格偏離價值更大的股票上。無論這個猜測是否正確，它早已和價值投資理念所衍生出來的因子的作用毫無半點關(guān)系了。

　　第三罪：市場風險大、對沖成本高

　　美國著名的共同基金先鋒(Vanguard，它的 AUM 高達 4 萬億美元)創(chuàng)始人 John Bogle 在他的著作 Bogle (2007) 中闡述了投資指數(shù)的重要性。這里面的邏輯是：隨著經(jīng)濟的發(fā)展，上市公司的經(jīng)營不斷盈利，而盈利最終反映到股票的收益率上;由于買入股票就成為上市公司股東，投資者實際上買的是公司，是上市公司未來的盈利;因此買入指數(shù)相當于買去了所有上市公司未來的盈利?；仡欉^去百年的美股，指數(shù)的收益率有效的反映了美國經(jīng)濟的發(fā)展，形成了長期慢牛的上漲局面。在這個背景下，投資者只需要定投，把剩下的交給“時間”和“復利”，自然就能收到可觀的回報率。

　　而 A 股呢?回顧 2007、2009 以及 2015 年三波牛市行情，縱然 2007 年有經(jīng)濟高速發(fā)展的原因，但究其根本，哪一次又逃得脫“資金放水、流動性過剩”之故?正如同“讓一個人毀滅之前，必須先讓其膨脹”，待泡沫破滅，大牛市變成大熊市，才知一切都是“黃粱一夢”，逃不出經(jīng)濟發(fā)展的必然規(guī)律。而這幾波牛熊轉(zhuǎn)換的歷史數(shù)據(jù)留給多因子選股的暗示是巨大的市場風險。

　　自 2016 年熔斷造成股災之后，A 股似乎在新監(jiān)管下走出了美股一般的健康慢牛行情。但誰也不能保證在這個成熟度還遠遠不夠的市場，未來就不會出現(xiàn)新的泡沫。因此，市場風險是不得不面對的。對于純多頭因子選股策略，如果不加擇時(或者擇時錯誤)，那就必須要假設(shè)未來可能出現(xiàn) 50% 甚至更高的最大回撤。然而樣本外擇時談何容易?因此更自然的選擇是用做指數(shù)增強，再用指數(shù)做對沖，賺取相對 α 收益率。

　　為了對沖市場風險，因子選股策略希望同時做空股指期貨。為實現(xiàn)交易必須有對手方做多股指期貨。在股災之后，投資者情緒受到災難性的打擊，加上股指期貨交易量的突然管制，這使得股指期貨作為對沖工具的成本直線飆升。需求多、供給少，任何為空頭提供保險的多頭都需要額外的風險補償，這造成了股指期貨天生的負基差。如果想要做空股指期貨，先拿來幾個點當做成本給多頭。

　　從 2016 年的數(shù)據(jù)來看，股指期貨對沖的成本差不多每年 10%;有哪個因子能輕輕松松超過指數(shù) 10% 個點以上?2017 年以來隨著市場情緒的修復以及大藍籌股的高歌猛進，上證 50 股指期貨的負基差消失，期貨甚至出現(xiàn)升水的情況。不過這似乎仍然沒什么用 —— 截至 2017 年 11 月 21 日，上證 50 指數(shù)在 2017 年漲幅高達 30.61%。誰拿它來對沖都無異于“找死”。

　　>>>點擊咨詢AQF課程相關(guān)問題

　　

　　(點擊上圖了解課程詳情)

　　第四罪：數(shù)據(jù)可信度和效用不高

　　獨門數(shù)據(jù)源永遠是因子選股中最核心的優(yōu)勢。如果你有別人沒有的靠譜數(shù)據(jù)，你一定能利用它練就出“獨門武功”。不幸的是，我們絕大多數(shù)人沒有這樣的資源。國內(nèi)的量化因子選股主要利用三大塊數(shù)據(jù)源：(1)股票交易數(shù)據(jù)(價格、交易量等);(2)會計財務報表數(shù)據(jù);(3)分析師對股票的分析評級數(shù)據(jù)。出于不同的原因，這三個數(shù)據(jù)源的可信度和效用都有一定的問題。

　　交易數(shù)據(jù)應該是最客觀的數(shù)據(jù)。但是對于一些小市值股票，“莊家”的存在往往使價格出現(xiàn)失真，從而造成失真的收益率。以此挑選因子勢必南轅北轍。

　　賣方分析師是股票投資的一個重要組成部分。賣方通過對行業(yè)和公司進行調(diào)研分析，對股票評級并給出投資建議;這對于引導市場一致預期以及買方機構(gòu)投資決策將產(chǎn)生一定影響，進而影響股價變化。優(yōu)秀分析師的真知灼見可以為我們了解行業(yè)和公司提供寶貴的依據(jù)。站在量化投資的角度，很多學者將分析師對股票的判斷作為一個挖掘超額收益的因子使用。然而實證發(fā)現(xiàn)，在排除了市值和估值的暴露后，分析師評級因子并無額外獲得超額收益的能力(見《人人爭當股票分析師》)。

　　最后剩下的就是財報因子。財務報表是上市公司最重要的信息披露渠道，是投資者了解上市公司財務狀況和經(jīng)營情況的基本途徑。巴菲特就是靠嚴謹?shù)呢攧辗治鋈〉昧诉B續(xù) 32 年戰(zhàn)勝市場的紀錄。在美股中，投資者對于財報的反應迅速而到位。然而在 A 股中，由于內(nèi)幕交易和財報數(shù)據(jù)造假難度低，導致財報的效用遠低于美股。

　　第五罪：特殊國情影響

　　在 A 股中，因子選出的股票中經(jīng)常看到 ST 股票的身影。ST 即特別處理(special treatment)。1998 年 4 月 22 日，滬深交易所宣布，將對財務狀況或其它狀況出現(xiàn)異常的上市公司股票交易進行特別處理，在簡稱前冠以 ST，因此這類股票稱為 ST 股。如果哪只股票的名字前加上 ST， 就是給市場一個警示，該股票存在投資風險，一個警告作用，但這種股票風險大收益也大，如果加上 *ST 那么就是該股票有退市風險。

　　選出 ST 股自然是 A 股因子選股的一個“奇觀”。這里面至少有兩個問題：

　　1. 很多因子選出的 ST 股票與本意不符。比如盈利因子，希望選出盈利能力好的公司。以 ROE 作為盈利因子為例，ST 股票由于連續(xù)虧損造成 equity 越來越低，這時只要是一開始賺錢就顯得 ROE 變大，因此被盈利因子選出來。這是 ROE 中分母的問題，與因子本意大相徑庭。

　　2. ST 股票在 A 股中普遍收益率不錯，這會造成因子的作用被高估，因為因子收益率中有一部分是 ST 股票的收益率造成的。

　　A 股的 ST 股票是一道獨立的風景，經(jīng)常在業(yè)務萎靡、虧損放大和面臨退市的不利局面下上演反轉(zhuǎn)劇情：業(yè)績扭虧保殼成功(這是一個浪子回頭的故事)、或者成為殼資源被優(yōu)秀企業(yè)借殼上市(這是一個屌絲變身高富帥的故事)，股價進而逆轉(zhuǎn)飆升。在 A 股，投資 ST 股票反而是一個收益頗豐的交易策略，這背后的原因是什么呢?

　　我們認為，根兒上的原因在于 A 股的上市發(fā)審制度，造成上市公司的殼資源價值非常高。由于 A 股上市成本高、時間長(發(fā)審制度下需要排隊兩年左右)，使得通過收購已經(jīng)上市、但市值不大的股票實現(xiàn)借殼上市，是一件性價比不低的生意。同時 A 股小市值成長股估值偏高、可以以更高市盈率發(fā)行股票、以極低的成本融資(30 倍市盈率發(fā)行股票就相當于 3.3% 的利率借款、還不用還、還可以進一步去作為資本金上債務杠桿)，非常合算。當然，還可以通過上市膨脹企業(yè)家身家順便大幅套現(xiàn)，總之對非上市公司來說上市是一個收益頗豐的事情。

　　所以，已經(jīng) ST 的股票是有非常大的動力去保殼的，這一方面會使得市場預期公司盈利扭虧為盈的概率顯著變大，帶來股票價值的增長;另一方面，如果 ST 股票市值低到 10 至 20 億左右的時候，由于收購成本變低，市場又會預期被作為殼資源被收購并注入優(yōu)質(zhì)資產(chǎn)的可能性變大，帶來股票價值的反轉(zhuǎn)。由于 A 股財務造假難度低、發(fā)審制度造成上市困難，這兩種情況都很容易帶來基本面實質(zhì)改變產(chǎn)生的股價觸底反彈。上述原因解釋了為什么 ST 股票有不錯的收益率。

　　從我們自己的實證來看，對于業(yè)內(nèi)流行的因子，在回測中是否包括 ST 股票對因子的收益率影響很大。排除 ST 股票后，因子收益率往往大幅降低，這說明 ST 股票的收益率給因子帶來了收益率溢價，這無疑使我們高估了因子本身的作用。

　　第六罪：估值溢價催生環(huán)境 α

　　在最新的一項研究中，Arnott et al (2016b) 指出(美股中)因子收益率中包括很大的估值溢價(valuation premium)。他們把由估值上升帶來的因子收益率稱為環(huán)境 α。當剔除了因子估值的變化后，很多因子竟然并不能獲得超額收益。

　　來看下面兩個因子：價值因子(上面兩個圖)和規(guī)模因子(下面兩個圖)。對于價值因子，上排左圖比較了該因子的凈值和該因子估值的走勢，可見它們高度相關(guān)，但是因子的凈值有一個正的漂移率，說明該因子除了估值溢價外能夠獲得超額收益。上排右圖顯示估值和因子未來 5 年收益率之間的相關(guān)性。結(jié)果顯示它們呈現(xiàn)負相關(guān)。對于規(guī)模因子，下排左圖同樣說明該因子的凈值和該因子估值高度相關(guān)。然而，排除估值的變化后，該因子的凈值并沒有正的漂移率，說明該因子無法獲得超額收益。下排右圖顯示，對于規(guī)模因子估值和因子未來 5 年收益率之間呈現(xiàn)高度負相關(guān)。

　　

　　如同選擇基金經(jīng)理一樣，隨著因子投資越來越流行，投資者在選擇因子時往往看中的是因子最近的表現(xiàn) —— 選擇那些最近幾年收益率高的因子。對業(yè)績的追逐(performance chasing)造成大量資金涌入過去有效的因子，從而大幅提高了該因子的估值。這么做會造成兩個問題：

　　1. 因子估值提升使得因子收益率被高估，容易使人們對因子的效果產(chǎn)生錯誤的預期。在任何理性投資中，哪怕一個標的再好，我們都不應該不計成本的買入。

　　2. 歷史數(shù)據(jù)及經(jīng)濟規(guī)律表明，估值滿足均值回歸。一旦在過去表現(xiàn)過熱的因子的估值回歸，那么就會大大降低它在未來的收益率。

　　貴州茅臺截至 2011 年 11 月 21 日，今年漲幅超過100%。作為一支藍籌股，它的 PE 和 PB 分別是 35.2 和 10.11。下圖顯示了它在過去三年的估值(這里特別鄭重的為九斗數(shù)據(jù)打個 call，專業(yè)人士出品，值得信賴)，可以看到 2017 年 PE 和 PB(尤其 PB)均顯著上升，當前的數(shù)值也均位于歷史高位?？梢姽乐档奶嵘龑γ┡_股價收益率的貢獻。在這樣的估值溢價下，我們顯然不能預期它在明年的漲幅仍有 100% 之多。

　　

　　如同選擇基金經(jīng)理一樣，隨著因子投資越來越流行，投資者在選擇因子時往往看中的是因子最近的表現(xiàn) —— 選擇那些最近幾年收益率高的因子。對業(yè)績的追逐(performance chasing)造成大量資金涌入過去有效的因子，從而大幅提高了該因子的估值。這么做會造成兩個問題：

　　1. 因子估值提升使得因子收益率被高估，容易使人們對因子的效果產(chǎn)生錯誤的預期。在任何理性投資中，哪怕一個標的再好，我們都不應該不計成本的買入。

　　2. 歷史數(shù)據(jù)及經(jīng)濟規(guī)律表明，估值滿足均值回歸。一旦在過去表現(xiàn)過熱的因子的估值回歸，那么就會大大降低它在未來的收益率。

　　貴州茅臺截至 2011 年 11 月 21 日，今年漲幅超過100%。作為一支藍籌股，它的 PE 和 PB 分別是 35.2 和 10.11。下圖顯示了它在過去三年的估值(這里特別鄭重的為九斗數(shù)據(jù)打個 call，專業(yè)人士出品，值得信賴)，可以看到 2017 年 PE 和 PB(尤其 PB)均顯著上升，當前的數(shù)值也均位于歷史高位?？梢姽乐档奶嵘龑γ┡_股價收益率的貢獻。在這樣的估值溢價下，我們顯然不能預期它在明年的漲幅仍有 100% 之多。

　　

　　第七罪：結(jié)構(gòu)性 α 少，特異性 α 多

　　我們在之前的文章《因子投資 —— “被動的”主動投資》中系統(tǒng)的介紹了因子投資的實務。在此，借用里面的分析來說明這最后一宗罪。

　　投資組合的收益率可以被分解為由市場(及行業(yè))β 解釋的部分、由因子結(jié)構(gòu)性 α(即 smart β)解釋的部分，以及個股特異性 α 部分。其中，因子能帶來多少 α 則和目標市場所在的宏觀經(jīng)濟、上市公司基本面數(shù)據(jù)的準確性、市場噪聲、市場成熟度、以及投資者的結(jié)構(gòu)等因素密切相關(guān)。只有因子收益率足夠吸引人，且存在有效的對沖市場風險的手段，那么因子投資才有較佳的施展空間。對于 A 股來說，因子結(jié)構(gòu)性 α 少，個股特異性 α 多。

　　我們來定性看看美國和中國的情況。

　　

　　先來說說美股。在過去的百年中，除去幾次股災，美股的幾大指數(shù)均呈現(xiàn)溫和上漲的慢牛行情，通過暴露于市場風險，投資者可以獲得穩(wěn)定的長期收益。在因子收益率方面，美國著名的量化對沖基金 AQR 寫過一篇文章來分析巴菲特的投資組合(Frazzini et al. 2013)。結(jié)果顯示，巴菲特投資組合的收益幾乎可以完全被市場因子和其他 5 個風格因子收益率來解釋。這說明該投資組合能賺錢是因為它以一定的權(quán)重有效的暴露在了這 6 個因子之中，長期穩(wěn)定地賺取了這 6 個因子的風險溢價?？梢?，因子 α 在美國市場足夠吸引人。

　　再來看看中國。大量實證顯示發(fā)達市場中主流的風格因子發(fā)揮的空間暫時不大、那些因子的收益率很小。換個角度想，這也許說明還有一些適用于國內(nèi)的未知因子等待被發(fā)現(xiàn)，比如“私募基金”因子。2016 年賺錢效應極強的事件驅(qū)動型策略(可以理解為新的數(shù)據(jù)源)，比如定增，就完全可以理解為一個風險因子?；鹜ㄟ^這類策略賺錢，靠的正是其投資組合在這類風險因子上的暴露。另外，不能否認的是，由于監(jiān)管不完善和個別機構(gòu)投資者的道德敗壞，國內(nèi)的收益率中還存在不少黑心 α，它們也壓榨了因子收益率的生存空間。

　　來看還一個佐證。我們以 5 年的凈資產(chǎn)收益率作為一個盈利因子進行選股。當其他條件相同，僅僅改變每期持倉的股票個數(shù)時，我們發(fā)現(xiàn)每期選 5 支股票的投資組合的收益率遠超每期選 100 支股票的投資組合的收益率(下圖)。不要忘了，因子代表的是一攬子股票共同承擔的某種系統(tǒng)性風險;因子投資是為了規(guī)避個股特異性收益率的風險。顯然，區(qū)區(qū) 5 支股票無法代表所有股票暴露在盈利因子上的系統(tǒng)性風險，因此 5 支股票的投資組合獲得的收益率顯然已經(jīng)和這個因子沒有什么關(guān)系了。雖然我們用這個因子選出了這些股票，但是真正獲得收益的原因是這些股票的特異性收益。至于 100 支股票的投資組合，它們倒是可以代表股票在這個因子上的共性風險，但是它的收益率卻非常低。

　　

　　One More Thing ……

　　只有知道癥結(jié)所在才能對癥下藥。我們并不為 A 股中存在這些問題感到悲觀，反而因知道問題出在哪里而感到充滿希望。由于才疏學淺，上述見解也難言全面。但這仍然為我們研究因子量化選股提供了指引。

　　在結(jié)束本文之前，還有最后一點值得嘮叨嘮叨。

　　對于一個因子，即便它沒有上述問題，它在文獻中的收益率也僅僅是一個理論值。這是因為在文獻的回測中無法準確的評價真正按照該因子投資時遇到的各種成本(實際和理論收益率的差叫做 performance drag)。交易成本、流動性問題造成的滑點、管理手續(xù)費等(統(tǒng)稱為執(zhí)行成本)都會持續(xù)而穩(wěn)健的貢獻負收益。對于換手率高的因子(比如動量或者反轉(zhuǎn)因子)，這些成本造成的負收益更是不容忽視。很多在紙面上優(yōu)秀的因子在被實際執(zhí)行出來后，效果大打折扣。比如前面提到的動量因子，它在理論上有 5.7% 的收益率，但實際中僅有 0.9%，performance drag 高達 -4.8%。

　　在因子投資的各種不確定性中，執(zhí)行成本對因子表現(xiàn)的負貢獻大概是唯一可以確定的。這提醒我們，在使用因子時，要對它的紙上收益率打一個折扣。海外的研究表明，對于很多因子，這個折扣可能高達 50%。這并不是聳人聽聞，而是任何因子投資者都必須面對的現(xiàn)實。

　　Look before you leap!

　　- 完 -

　　參考文獻

　　Arnott, R. D., N. Beck and V. Kalesnik (2016a). Timing 'Smart Beta' Strategies? Of Course! Buy Low, Sell High!Available at SSRN: https://ssrn.com/abstract=3040956.

　　Arnott, R. D., N. Beck, V. Kalesnik, and J. West (2016b).How Can 'Smart Beta' Go Horribly Wrong? Available at SSRN: https://ssrn.com/abstract=3040949.

　　Arnott, R. D., N. Beck, V. Kalesnik (2017). Forecasting Factor and Smart Beta Returns (Hint: History Is Worse than Useless). Available at SSRN: https://ssrn.com/abstract=3040953.

　　Bogle, J. C. (2007). The little book of common sense investing: the only way to guarantee your fair share of stock market returns. John Wiley & Sons, Inc., Hoboken, New Jersey.

　　Campbell (2017). Presidential Address: The Scientific Outlook in Financial Economics. AFA 2017 Annual Meeting.

　　Frazzini, A., D. Kabiller and L. H. Pedersen (2013).Buffett’s alpha. NBER working paper No. 19681.

　　Shiller, R. J. (1984). Stock prices and social dynamics.Brookings Papers on Economic Activity, Vol. 1984(2), 457 – 510.

量化金融分析師(簡稱AQF ，Analyst of Quantitative Finance)由量化金融標準委員會(Standard Committee of Quantitative Finance，SCQF)主考并頒證，是代表量化金融領(lǐng)域的專業(yè)水平證書。 >>>點擊咨詢AQF證書含金量

　　

　　

　　

金程推薦： AQF培訓 AQF培訓機構(gòu) AQF是什么意思

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

　　>>>返回首頁

　　聲明丨作者：石川，轉(zhuǎn)載自公眾號“川總寫量化”，版權(quán)歸原作者所有。若有所侵權(quán)，請后臺聯(lián)系并第一時間處理，非常感謝!