摘要

　　以了解市場有效性背后的信息基礎(chǔ)為工具，科學(xué)分析信息、正確規(guī)避行為偏誤，獲取超額收益則變得更有可能。

　　一、引言

　　今天給各位小伙伴推薦一本新書 ——《阿爾法經(jīng)濟(jì)學(xué)》。

　　長久以來，有效市場假說(Efficient Market Hypothesis，EMH)是學(xué)術(shù)界對于市場理解的第一范式;商學(xué)院的學(xué)生們更是無一例外的被 EMH“洗腦”。如果 EMH 成立，那么任何主動投資(active investing)都是徒勞的;主動基金管理人在扣費(fèi)后應(yīng)無法給投資者帶來比被動投資更高的收益。但反觀業(yè)界卻不乏依靠主動投資獲取超額收益的基金經(jīng)理(這事兒雖然不容易，但也有人做到)。

　　另一方面，隨著行為金融學(xué)越來越被接受，學(xué)術(shù)界在對市場的非有效性、以及如何利用人們的認(rèn)知偏差來挖掘投資異象并獲取超額收益方面進(jìn)行了大量深入的研究，獲得了很多頗有見地的發(fā)現(xiàn)。不幸的是，由于上述內(nèi)容涉及的知識體系太過龐雜，金融從業(yè)者很難對它們有深入的理解，更不要說將其科學(xué)地運(yùn)用到主動投資中去。

　　如何理解學(xué)術(shù)界和業(yè)界在市場有效性上的分歧，并讓這二者相互理解、幫助彼此呢?

　　2015 年，來自 Stanford 的 Charles M. C. Lee 教授(Lee 教授曾任 Barclays Global Investors Equity Research 的 Global Head，是學(xué)術(shù)界和業(yè)界的雙料大拿)和來自 MIT 的 Eric C. So 教授合著了一本名為 Alphanomics 的專著(Lee and So 2015)，從信息套利的角度對市場的(非)有效性進(jìn)行了深入的剖析和解讀。用他們二位自己的話說，這本書涵蓋了學(xué)術(shù)界關(guān)于市場有效性、行為金融學(xué)以及基本面分析的大量的研究：

　　“This monograph is a compact introduction to empirical research on market efficiency, behavioral finance, and fundamental analysis.”

　　光聽“市場有效性”、“行為金融學(xué)”、“基本面分析”這三個詞就足以讓人興奮了。如今我們已經(jīng)知道，由于噪音交易者的存在以及各種認(rèn)知偏差，股票的價格在短期內(nèi)難以等于價值，而是會出現(xiàn)背離。然而，由于套利限制(limits to arbitrage)，這并不等價于可以很容易的從市場上獲得“免費(fèi)的午餐”。但是反過來我們卻不能因為沒有免費(fèi)的午餐就草率的得出價格等于內(nèi)在價值的結(jié)論。

　　

　　如果能夠利用行為金融學(xué)和定量基本面分析的知識來武裝自己、從信息的角度有效的捕捉市場背后的非有效性、發(fā)現(xiàn)在考慮套利成本之后仍然有利可圖的錯誤定價(價格相對價值的偏離)，那么無疑就具備了信息優(yōu)勢，從而更有可能獲得超額收益。

　　而對上述這些核心問題的回答正是 Alphanomics 一書的全部。Alphanomics 一詞中的前半部分是 Alpha，代表著市場中的超額收益;而后半部分 Nomics 則指的是獲取超額收益背后的經(jīng)濟(jì)學(xué)，它囊括了信息套利背后涉及的成本和動機(jī)。

　　Alphanomics 一經(jīng)面世，收到來自學(xué)術(shù)界和業(yè)界的贊譽(yù)無數(shù)，足見其地位。舉例來說，哥倫比亞大學(xué)講席教授 Kent Daniel 評價該書是“對優(yōu)秀量化投資實踐背后概念和證據(jù)的極好詮釋 …… 本書對于如何獲取市場的 α 是非常有價值的指南”。巴克萊全球投資公司前 CEO Blake Grossman 稱贊說“兩位作者是推動我們理解投資者和市場如何處理信息的先驅(qū)，也是系統(tǒng)識別市場中錯誤定價來源的創(chuàng)新者。對于在當(dāng)今復(fù)雜的市場中制定領(lǐng)先投資策略的投資者而言，本書是非常值得一讀、不可或缺的指南”。

　　近幾年來，Quantamental(基本面量化投資)這個概念在國內(nèi)越來越深入人心。而 Alphanomics 一書的深刻闡述了 Quantamental 背后的 information underpinnings(信息基礎(chǔ))，對于價值投資極具指導(dǎo)意義。

　　如果非要“雞蛋里挑骨頭”說說 Alphanomics 的“缺點(diǎn)”，那只能說它確實有些太過學(xué)術(shù)范兒(可以看成一篇長達(dá) 200 頁、引用了 400+ 文獻(xiàn)的超長論文)。此外，本書帶有這兩位教授一貫精煉的學(xué)術(shù)論文寫作風(fēng)格。這對于并不熟悉海外 empirical asset pricing 研究的讀者來說多少有些“不夠友好”。

　　好消息是，這本書的中文版《阿爾法經(jīng)濟(jì)學(xué)》近日正式出版了，它的譯者是在基本面量化投資領(lǐng)域經(jīng)驗豐富的北京大學(xué)光華管理學(xué)院張然教授課題組(此處有官宣)。這無疑是國內(nèi)廣大基本面量化投資愛好者的福音。

　　

　　有小伙伴可能會說“Wait a minute! 這書才剛出版。網(wǎng)上顯示都是預(yù)售。你看過嗎就來推薦了?”

　　Fair Enough。

　　我曾有幸受邀對本書的初稿進(jìn)行過校對，也借由此機(jī)會反復(fù)研讀了 Alphanomics 這本原作;如今，在《阿爾法經(jīng)濟(jì)學(xué)》面世之際拿到了本書的樣書，并從頭到尾仔細(xì)過了一遍。這本書的字里行間都能看到張老師字斟句酌的努力，它用中文更容易表達(dá)的方式呈現(xiàn)出了原作的精髓。

　　鑒于這本書對于投資實踐的巨大意義，以及秉承公眾號一貫堅持的傳播對量化投資有價值的研究的理念，今天就通過這篇小文對本書的核心內(nèi)容進(jìn)行簡單的梳理。本文的 2 至 6 節(jié)將從有效市場的雙層含義、噪音交易者和行為偏差、利用基本面獲得超額收益、逆向交易者以及風(fēng)險補(bǔ)償 vs 錯誤定價幾個角度介紹本書的主要章節(jié)。

　　公眾號的老朋友也許記得我在一年前談及價值投資時曾寫過原作 Alphanomics 的讀后感。下文將會部分借鑒之前那篇文章，但也會加入更多新的實證結(jié)果和前文沒有涉及的內(nèi)容，以期能夠更豐滿的介紹《阿爾法經(jīng)濟(jì)學(xué)》。

　　二、有效市場的雙層含義

　　有效市場假說(曾)是學(xué)術(shù)界對于市場理解的第一范式。Eugene Fama 對市場有效性提出了三個基本假設(shè)：

　　1. 市場將立即反應(yīng)新的資訊，調(diào)整至新的價位。因此價格變化是取決于新資訊的發(fā)生，股價呈隨機(jī)走勢。

　　2. 新資訊的出現(xiàn)是呈隨機(jī)性，即好、壞資訊是相伴而來的。

　　3. 市場上許多投資者是理性且追求最大利潤，而且每人對于股票分析是獨(dú)立的，不受相互影響。

　　有效市場假說中核心的兩個假設(shè)是“價格反映全部信息、并迅速反映到位”以及“所有的投資者都是理性的”。在這兩個假設(shè)下，股價的走勢應(yīng)該是階梯型的：當(dāng)一個利好消息出現(xiàn)時，它瞬時跳升、當(dāng)一個利空消息出現(xiàn)時，它瞬時下降、當(dāng)沒有新息時，它保持不變。顯然，這和現(xiàn)實中的股價走勢完全不符;無數(shù)的實證結(jié)果持續(xù)地挑戰(zhàn)著有效市場假說。

　　Statman (2018) 將行為金融學(xué)和 EMH 融合在一起，提出了Behavioral Efficient Markets 的概念。該文認(rèn)為有效市場假說其實包含了兩層含義，分別為 price-equals-value market hypothesis 和 hard-to-beat market hypothesis。

　　正如人們觀察到的那樣，在市場中，證券的價格并不總是等于其內(nèi)在價值(盡管內(nèi)在價值是難以觀測的)，而是可以偏離價值，這意味著 price-equals-value market hypothesis 通常不成立。另一方面，市場確實又難以戰(zhàn)勝，絕大多數(shù)主動投資者長期來看難以跑贏僅僅依靠買入并持有策略的被動投資者。從這個意義上說，hard-to-beat market hypothesis 是成立的。

　　之所以會出現(xiàn)上述這種情況，是因為市場中的投資者并非 EMH 假設(shè)的那樣是絕對理性的。大量的行為金融學(xué)研究表明，人在風(fēng)險下做決策時會受到這樣或那樣的認(rèn)知偏差的影響，做出非貝葉斯較優(yōu)的決策。

　　這些非較優(yōu)決策否定了市場有效性中 price-equals-value market hypothesis 這層含義。盡管如此，對于絕大多數(shù)沒有信息優(yōu)勢的投資者來說，他們難以利用價格和價值的偏離獲取超額收益，這便肯定了市場有效性中的 hard-to-beat market hypothesis 這層含義。

　　那么，為什么會出現(xiàn)價格和價值的偏離呢?這就要從噪音交易者和各種行為偏差說起。

　　三、噪音交易者和行為偏差

　　Shiller (1984) 提出了噪音交易者模型，以此刻畫市場中充斥的非理性行為。該模型指出市場由 smart-money 投資者和噪音交易者(noise trader)構(gòu)成。噪音交易者模型是一個具備清晰假設(shè)的嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)模型，感興趣的讀者可以參考相關(guān)文獻(xiàn)。本文不涉及任何數(shù)學(xué)大公式。

　　Fischer Black 曾在美國金融學(xué)會主席演講中將噪音交易者定義如下：

　　“噪音交易是針對信息噪音的交易，這時投資者以為其擁有了新的信息，但事實上這一信息只是假象。從客觀的角度來看，噪音交易者不進(jìn)行交易是更好的選擇。但即使如此，他們?nèi)詴槍π畔⒃胍暨M(jìn)行交易，這可能因為他們誤將噪音當(dāng)成了真正有用的信息，也可能因為他們只是喜歡交易。”

　　學(xué)術(shù)界有大量關(guān)于人在不確定性下做(非較優(yōu))決策的原因的研究，都可以解釋噪音交易者的行為。行為金融學(xué)研究表明認(rèn)知偏差導(dǎo)致了非理性交易，這些發(fā)現(xiàn)獲得了廣泛的認(rèn)可。2002 年的諾貝爾經(jīng)濟(jì)學(xué)獎授予了 Daniel Kahneman;2017年，諾貝爾經(jīng)濟(jì)學(xué)獎授予了 Kahneman 的后繼者 Richard Thaler，以表彰他們在這方面的貢獻(xiàn)。

　　Barberis and Thaler (2003) 提出了行為金融學(xué)的知識框架，系統(tǒng)闡述了非理性能夠?qū)е聜€各種決策錯誤，并介紹了行為金融學(xué)在解釋股票市場各種異象時的作用?！堵?Richard Thaler 講行為金融學(xué)的知識框架》一文對 Barberis and Thaler (2003) 這篇文章進(jìn)行了解讀。此外，Hirshleifer (2001) 這篇發(fā)表在 Journal of Finance 上的長達(dá) 66 頁的雄文也從啟發(fā)式簡化、自我欺騙以及情緒和自我控制三個角度總結(jié)了各種決策偏差，絕對值得仔細(xì)品味。

　　

　　在 Shiller (1984) 的噪音交易者模型中，聰明投資者依股票基本面價值進(jìn)行投資;而噪音交易者的存在造成了股票價格和公司的內(nèi)在價值出現(xiàn)了偏離。價格圍繞著其內(nèi)在價值波動也構(gòu)成了價值投資背后的核心邏輯。在理性程度高的市場中，聰明投資者主導(dǎo)，價格圍繞價值的波動不大;而在理性程度低的市場，噪音交易者主導(dǎo)，價格往往大幅偏離股票基本面顯示的內(nèi)在價值。

　　由于這兩類投資者的存在，價格偏離價值是非常常見的。但這種偏離程度又有多少呢?Fischer Black 在其發(fā)表的關(guān)于“噪音”的演講中指出，由于所有的價值估值都充滿噪音，所以我們永遠(yuǎn)都不知道價格與價值之間的偏離有多遠(yuǎn)。但同時他也調(diào)侃道：

　　“我們可以將有效市場定義為價格在價值的兩倍之內(nèi)，即價格是價值的一半以上且小于價值的兩倍。當(dāng)然，乘數(shù) 2 是隨意定的。但直覺上，鑒于價值不確定性的來源和促使價格回歸到價值的力量強(qiáng)度，這種設(shè)定似乎是合理的。”

　　在一篇題為《Black was right: price is within a factor 2 of value》的文章中，Bouchaud et al. (2017) 從實證角度證實了上述觀點(diǎn)。價格相對價值的偏離造成了市場中確實存在無數(shù)錯誤定價，它們都可以成為潛在的交易機(jī)會(當(dāng)然在實際中，考慮了昂貴的交易和信息套利成本后，很多機(jī)會就消失了)。

　　四、利用基本面獲得超額收益

　　為了發(fā)現(xiàn)錯誤定價，我們就需要回答 “如何正確的衡量一個公司的內(nèi)在價值”。

　　用巴菲特的話說，價值投資的真諦是以合理的錢買到好公司。因此，價值投資 = 優(yōu)質(zhì) + 便宜。

　　

　　何為優(yōu)質(zhì)?AQR 曾寫過一篇題為 Quality minus Junk 的文章(Asness, Frazzini, and Pedersen 2013)，指出盈利好、成長快、安全度高、對股東的回報高的公司是好公司。該文的實證結(jié)果顯示出按上述四個維度選擇優(yōu)質(zhì)的公司構(gòu)建的投資組合比它的對立面能夠獲得顯著的超額收益。

　　2019 年，QMJ 這個因子最終被發(fā)表在 Review of Accounting Studies 上(Asness, Frazzini, and Pedersen 2019)，而上述四個維度也被簡化為盈利、成長和安全度三個維度。我們下面以中證 500 為例對 QMJ 進(jìn)行簡單的實證。

　　在盈利方面，考慮 ROE、ROA、GMAR(gross profit margin)、GPOA、CFOA 五個指標(biāo);成長方面考慮上述五個指標(biāo)的 YOY 同比;安全方面則考慮個股相對于基準(zhǔn)指數(shù)的 β 值和該公司的杠桿率兩個指標(biāo)。上述指標(biāo)均值常見的基本面指標(biāo)。為了文章的緊湊性，本文不詳細(xì)展開闡述 QMJ 因子的構(gòu)造和標(biāo)準(zhǔn)化方法(具體可參考 Asness, Frazzini, and Pedersen 2019)。

　　QMJ 因子的實證結(jié)果如下圖所示(每月末調(diào)倉，等權(quán)配置，不考慮任何成本)。按該因子將股票池分成 10 組的話，10 個投資組合收益率的單調(diào)性為 0.94，說明該因子在股票預(yù)期收益率截面上的區(qū)分度。純多頭(每期選該因子值最大的 150 支)組合的年化收益率為 18.86%、夏普率 0.76;同期中證 500 指數(shù)的年化收益率僅為 10.23%、夏普率 0.48。

　　

　　優(yōu)秀的公司能夠獲得更高的收益，但這并不意味著我們購買好東西是不計成本的。

　　按照錯誤定價的解釋，價值股跑贏成長股的原因是市場參與者低估了前者、高估了后者。這里的高估和低估都是價格相對于期內(nèi)在價值而言的。價格反映了投資者對股票的市場預(yù)期，而內(nèi)在價值(用一個 F-score 度量)反映了股票本身的基本面預(yù)期。高、低估說明這兩個預(yù)期之間存在差異，Piotroski and So (2012) 把這個差異定義為預(yù)期差。更進(jìn)一步，Piotroski and So (2012) 認(rèn)為，價值投資有效的內(nèi)在邏輯是預(yù)期差的修正。

　　

　　基于美股和 A 股的實證均顯示：對于基本面優(yōu)秀的股票(好東西)，市場對它們的高估值無可厚非(不便宜);同理，對于基本面很差的股票，市場對它們的低預(yù)期也非常合理。這兩類股票的基本面預(yù)期基本等于市場預(yù)期(不存在預(yù)期差)，它們的價格已經(jīng)較好的反映了其內(nèi)在價值，在未來不會帶來超額收益。

　　相反，當(dāng)市場預(yù)期和基本面預(yù)期不一致時，就存在預(yù)期差。價值投資買入市場預(yù)期低于基本面預(yù)期的股票(即價格低于內(nèi)在價值)、通過持有并等待這些被低估的股票的價格向其價值回歸獲得超額收益。下圖是存在預(yù)期差的投資組合在中證 500 上的實證結(jié)果，有力的證實了這點(diǎn)(黃色是使用含有預(yù)期差的股票構(gòu)建的組合;綠色是使用不存在預(yù)期差的股票構(gòu)建的組合)。

　　

　　優(yōu)質(zhì)和便宜二者缺一不可。

　　將上述二者完美結(jié)合的另一個例子是 Joel Greenblatt 的神奇公式(Greenblatt 2005, 2010)。使用 BP(便宜維度)和 Gross Profit / Total Assets(優(yōu)質(zhì)維度)這兩個指標(biāo)作為改進(jìn)版的神奇公式，在中證 500 上可以獲得如下的實證結(jié)果。

　　

　　按神奇公式將股票池分成 10 個投資組合，它們收益率的單調(diào)性為 0.94。純多頭(每期選神奇公式得分較高的 150 支)組合的年化收益率為 21.95%、夏普率 0.83;同期中證 500 指數(shù)的年化收益率僅為 10.23%、夏普率 0.48。

　　無論是 QMJ、預(yù)期差中的 F-score、還是 Greenblatt 的神奇公式，它們均說明上市公司的基本面蘊(yùn)含著評估股票內(nèi)在價值的有效信息。通過科學(xué)解讀基本面信息，并結(jié)合便宜這個前提，是完全有可能通過價值投資持續(xù)的跑贏基準(zhǔn)指數(shù)、獲得超額收益，這正是 Quantamental 吸引人的地方。

　　除了上述按因子思路的處理方法外，學(xué)術(shù)界也有不少使用基本面信息直接計算內(nèi)在價值的量化模型。在這方面，Ohlson (1995) 提出了著名的剩余收益模型。簡單來說，一個公司的價值與兩個因素相關(guān)：

　　內(nèi)在價值 = 當(dāng)前值多少錢 + 未來剩余收益在今天的現(xiàn)值。

　　通過解讀公司的財務(wù)報表，Ohlson (1995) 說明了如何通過 earnings、book values、dividends 等財務(wù)數(shù)據(jù)計算公司的內(nèi)在價值。這些模型為踐行價值投資鋪平了道路。

　　當(dāng)然，有質(zhì)疑聲會說，上述實證結(jié)果都只不過是回測而已，而非實際的投資結(jié)果。價值投資在 A 股市場無效論從來都是不絕于耳，并有著大量擁躉。

　　下圖是私募排排網(wǎng)上披露的、某忠實踐行價值投資理念的頂級私募的基金自發(fā)行以來截至 2019 年 4 月 30 日的凈值曲線(紅線);再下面一張圖是該基金和股票型基金以及滬深 300 在不同時間窗口內(nèi)的收益對比 —— 在全部比較的窗口內(nèi)，該基金都遠(yuǎn)遠(yuǎn)超過股票型基金平均水平。

　　

　　

　　行勝于言。

　　實踐價值投資的基金在給投資人創(chuàng)造回報的同時也伴隨著優(yōu)秀的企業(yè)一起成長;相比于依靠超高換手率的策略(創(chuàng)造回報的同時僅伴隨交易所和券商成長)，前者似乎對社會和經(jīng)濟(jì)有更大的貢獻(xiàn)。

　　五、逆向交易者

　　價格確實會偏離價值，當(dāng)?shù)陀趦?nèi)在價值的股價回歸到價值時，能夠帶給投資者超額收益。但是，這絕不意味著價值投資這件事兒很容易。

　　價值投資者都是逆向交易者。他們通常不會追高，而是在價格低于價值時擇機(jī)購入。此外，雖然價格會最終向價值回復(fù)，但是沒有人知道這件事兒什么時候發(fā)生。一價定理說明，當(dāng)存在替代性投資品時，任何價格的偏離都會迅速被消除。而對于價值投資中的價值股，并沒有合適的替代品，所以在短期內(nèi)不存在市場力量讓價格向價值回復(fù)。大量實證分析表明，回復(fù)會在長期內(nèi)發(fā)生，因此價值投資者們必須非常耐心的等待價格回歸價值。

　　由于噪音交易者的存在，市場在短期內(nèi)往往表現(xiàn)出很強(qiáng)的自我加強(qiáng)。比如當(dāng)市場上漲(下跌)時，更多的人參與到股市中買入(賣出)股票，這就帶動了價格的進(jìn)一步上漲(下跌)。這樣的行為不僅不會使價格向價值回復(fù)，反而會加大二者的偏離程度。正如 Benjamin Graham 說的那樣，短期來看，市場是一個投票機(jī)(吸引眼球的魅力股會脫穎而出);而長期來看，市場是一個稱重機(jī)(有價值的才能脫穎而出)。

　　

　　市場的自我加強(qiáng)對價值投資造成了很大的挑戰(zhàn)。偏離程度的加大往往造成價值投資的策略在短期內(nèi)凈值(加速)下滑，面對(雖然是賬面上的)虧損，投資者往往會贖回資金，這會給價值投資策略造成非常大的資金壓力。很多這樣的策略在還沒有等到價格開始回歸前就只能關(guān)門了。

　　上面描述的種種正是價值投資者面對的各種套利限制，包括基本面風(fēng)險、噪音交易者風(fēng)險以及實施成本。價值投資者都是孤獨(dú)的，他們擁有逆向思維、反人性交易，需要有足夠的耐心和對資金的精準(zhǔn)把控。

　　唯有耐得住寂寞，才能守得住財富。

　　六、風(fēng)險補(bǔ)償 vs 錯誤定價

　　面對超額收益，學(xué)術(shù)界和業(yè)界都想搞清楚它背后的原因 —— 到底是風(fēng)險補(bǔ)償還是錯誤定價?

　　這二者的強(qiáng)弱決定了該超額收益的吸引力：錯誤定價意味著投資者可以通過分析信息來識別價格和價值的偏離、并制定套利策略來獲取潛在超額收益;而風(fēng)險補(bǔ)償意味著投資者獲得的高收益是以承擔(dān)高風(fēng)險為代價的，因此投資失敗、虧損收場的可能性更大。

　　《阿爾法經(jīng)濟(jì)學(xué)》一書的第六章從多個角度說明如何辨識超額收益背后的成因，頗為精彩。在此我們通過幾個簡單的例子加以說明。

　　第一個方法是考察超額收益(比如一個股票異象)對已知風(fēng)險因子的暴露。如果異象來自風(fēng)險補(bǔ)償說，那么它在時序上應(yīng)該能很大程度的被風(fēng)險因子解釋。換句話說，圍繞該印象構(gòu)建的投資組合應(yīng)該在風(fēng)險因子上有較高的暴露。除此之外，我們也可以考察使用該異象選出來的股票在不同因子上的暴露(比如選出來的股票是否都是高波動、高杠桿率等)。

　　當(dāng)然，上述方法本身也有局限性，即模型設(shè)定偏誤。站在 empirical asset pricing 的角度，我們并不知道真實的風(fēng)險因子模型是什么樣的。換句話說，資產(chǎn)定價理論并沒有告訴我們哪些風(fēng)險因子應(yīng)該被明確的納入定價模型。所以，即便一個異象在已有因子上暴露都很低，它背后很可能是一個未知的系統(tǒng)性風(fēng)險，而非源自錯誤定價。這是時刻需要銘記在心的。

　　不過好消息是，對于很多超額收益，基于風(fēng)險補(bǔ)償?shù)慕忉屧诔ＷR上就說不通。

　　比如人們熟知的 PEAD 異象。該現(xiàn)象指出在盈余公告發(fā)布后，擁有好消息的公司能夠跑贏擁有壞消息的公司。按照風(fēng)險補(bǔ)償解釋，這意味發(fā)布盈余好消息的公司(基本面通常更強(qiáng))要比發(fā)布壞消息的公司有更高的風(fēng)險，這顯然違背常識。

　　除了上述方法外，我們還可以利用資產(chǎn)定價模型的推論來區(qū)分風(fēng)險補(bǔ)償和錯誤定價。一個指標(biāo)如果能夠預(yù)測未來收益，本質(zhì)上是因為它是資產(chǎn)對某個系統(tǒng)性風(fēng)險暴露程度的優(yōu)秀代理變量。按照傳統(tǒng)定價理論，我們使用這個指標(biāo)構(gòu)建一個 factor mimicking portfolio，而資產(chǎn)對該風(fēng)險的暴露大小由資產(chǎn)對該組合的 β 值決定。在風(fēng)險補(bǔ)償解釋下，該 β 值應(yīng)該比指標(biāo)值本身更能預(yù)測未來收益率。但是學(xué)術(shù)界在很多指標(biāo)上觀察到相反的結(jié)果。

　　舉例來說，Daniel and Titman (1997) 發(fā)現(xiàn)公司賬面價值指標(biāo)本身比賬面價值的 β 值具有更強(qiáng)的收益率預(yù)測能力。類似的，Hirshleifer, Hou, and Teoh (2012) 使用同樣的方法考察了應(yīng)計利潤，發(fā)現(xiàn)應(yīng)計利潤能夠預(yù)測未來收益率，而基于應(yīng)計利潤的 β 值則不具備預(yù)測能力。

　　由于篇幅所限，本小節(jié)關(guān)于風(fēng)險補(bǔ)償 vs 錯誤定價的解釋到此結(jié)束?！栋柗ń?jīng)濟(jì)學(xué)》一書中介紹了更多其他的方法論，留給小伙伴們自己去研讀。

　　七、結(jié)語

　　原作 Alphanomics 的副標(biāo)題是 The information underpinnings of market efficiency;而其中文版的副標(biāo)題是贏取資本超額收益的法則。這兩個副標(biāo)題我都很喜歡。了解市場有效性背后的信息基礎(chǔ)是工具，而科學(xué)分析信息、正確規(guī)避行為偏誤，獲取資本市場的超額收益則是水到渠成的結(jié)果。

　　傳播有價值的研究一直是我寫公眾號的唯一動力。在這里你也許看不到最前沿的機(jī)器學(xué)習(xí)算法，或者最精妙高深的大數(shù)學(xué)，但是希望每一篇文字都能給讀者帶去一些啟發(fā)，為量化投資在中國的普及做一些微不足道的貢獻(xiàn)。本著這個初衷，本文花了不小的篇幅重點(diǎn)介紹了《阿爾法經(jīng)濟(jì)學(xué)》一書。

　　最后，讓我引用張然教授在《阿爾法經(jīng)濟(jì)學(xué)》一書譯者序中的結(jié)尾作為本文的收尾：

　　“特別感謝 Charles Lee 教授所給予的這次機(jī)會，讓我將他的巨著帶到中國。懷著一顆誠惶誠恐的心，希望這些工作能為中國證券市場的投資實踐和效率提升做出些許貢獻(xiàn)。”

　　這樸素但充滿力量的語句也是我這個 Quantamental 信徒的愿景。

量化金融分析師(簡稱AQF ，Analyst of Quantitative Finance)由量化金融標(biāo)準(zhǔn)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(diǎn)擊咨詢AQF證書含金量

　　

課程適合人群：

　　金融工程/數(shù)學(xué)專業(yè)背景的同學(xué)/工作人士，希望進(jìn)一步學(xué)習(xí)Python編程以及在量化投資的實戰(zhàn)應(yīng)用；

　　非金融工程專業(yè)背景的同學(xué)/工作人士，希望迅速成為寬客；

　　金融相關(guān)人員，希望學(xué)習(xí)如何系統(tǒng)的做量化策略；

　　個人投資者，希望系統(tǒng)學(xué)習(xí)掌握量化投資相關(guān)的實務(wù)技能，從模型開發(fā)，回測，策略改進(jìn)，搭建穩(wěn)定的量化交易系統(tǒng)。

>>>點(diǎn)擊咨詢AQF課程相關(guān)問題

（點(diǎn)擊上圖了解課程詳情）

　　量化金融分析師AQF核心課程體系：

　　1、《量化投資基礎(chǔ)》

　　主要涵蓋了量化投資領(lǐng)域的必備知識，包括：基本面分析、技術(shù)分析、數(shù)量分析、固定收益、資產(chǎn)組合管理、權(quán)益、另類投資等內(nèi)容。

　　2、《Python語言編程基礎(chǔ)》

　　包含了Python環(huán)境搭建、基礎(chǔ)語法、變量類型、基本函數(shù)、基本語句、第三方庫、金融財務(wù)實例等內(nèi)容。旨在為金融財經(jīng)人提供最需要的編程方法。

　　3、《基于Python的經(jīng)典量化投資策略》

　　包含了最富盛名，最基本的量化交易思想和交易策略。例如：海龜交易模型、Logistics模型、配對交易模型、波動擴(kuò)張模型、Alpha模型、機(jī)器學(xué)習(xí)(隨機(jī)森林模型、主成分分析)、深度學(xué)習(xí)(人工神經(jīng)網(wǎng)絡(luò))等內(nèi)容。

　　4、《量化交易系統(tǒng)設(shè)計》

　　旨在學(xué)習(xí)量化交易系統(tǒng)的具體知識，包括過濾器，進(jìn)入信號，退出信號，倉位管理等詳細(xì)內(nèi)容，并指導(dǎo)學(xué)員設(shè)計涵蓋個人交易哲學(xué)的量化交易系統(tǒng)。

　　5、《量化實盤交易》

　　旨在為解決實際量化交易策略搭建過程中的一些問題提供較優(yōu)解決方案。 >>>點(diǎn)擊咨詢AQF相關(guān)問題

　　

　　掌握Python及量化投資技能，我們能做什么?

1、熟悉中國主要金融市場及交易產(chǎn)品的交易機(jī)制；

2、熟知國內(nèi)外期貨交易、股市交易的異同點(diǎn)和內(nèi)在運(yùn)行機(jī)制；

3、掌握經(jīng)典量化交易策略細(xì)節(jié)及其背后的交易哲學(xué)；

4、掌握金融、編程和建模知識基礎(chǔ)，擁有量化交易實盤操作能力；

5、具備獨(dú)立自主地研發(fā)新量化交易策略的能力；

6、掌握量化交易模型設(shè)計的基本框架，以及風(fēng)險管理和資產(chǎn)組合理論的實際運(yùn)用；

7、掌握從策略思想——策略編寫——策略實現(xiàn)餓完整量化投資決策過程；具備量化投資實戰(zhàn)交易能力。

　　

　　

　　參考文獻(xiàn)

　　Asness, C. S., A. Frazzini, and L. H. Pedersen (2013). Quality minus junk. SSRN: https://ssrn.com/abstract=2312432.

　　Asness, C. S., A. Frazzini, and L. H. Pedersen (2019). Quality minus junk. Review of Accounting Studies, Vol. 24(1), 34 – 112.

　　Barberis, N. and R. H. Thaler (2003). Chapter 18 A survey of behavioral finance. In Handbook of the Economics of Finance, Vol. 1, Part B, Elsevier.

　　Bouchaud, C., M. Lamperiere, and R. Seager (2017). Black was right: price is within a factor 2 of value. SSRN: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3070850.

　　Daniel, K. and S. Titman (1997). Evidence on the characteristics of cross sectional variation in stock returns. The Journal of Finance, Vol. 52(1), 1 – 33.

　　Greenblatt, J. (2005). The little book that beats the market. John Wiley & Sons.

　　Greenblatt, J. (2010). The little book that still beats the market. John Wiley & Sons.

　　Hirshleifer, D. (2001). Investor psychology and asset pricing. The Journal of Finance, Vol. 56(4), 1533 – 1597.

　　Hirshleifer, D., K. Hou, and S. H. Teoh (2012). The accrual anomaly: risk or mispricing? Management Science, Vol. 58(2), 320 – 335.

　　Lee, C. M. C. and E. C. So (2015). Alphanomics: The Informational Underpinnings of Market Efficiency. Now Publishers Inc.

　　Ohlson, J. A. (1995). Earnings, book values, and dividends in equity valuation. Contemporary Accounting Research, Vol. 11(2), 661 – 687.

　　Piotroski, J. D. and E. C. So (2012). Identifying expectation errors in value/glamour strategies: a fundamental analysis approach. Review of Financial Studies, Vol. 25(9), 2841 – 2875.

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

　　Statman, M. (2018). Behavioral efficient markets. The Journal of Portfolio Management, Vol. 44(3), 76 – 87.

金程推薦： AQF培訓(xùn) AQF培訓(xùn)機(jī)構(gòu) AQF是什么意思

咨詢電話：400-700-9596

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，量信投資創(chuàng)始合伙人，清華大學(xué)學(xué)士、碩士，麻省理工學(xué)院博士;精通各種概率模型和統(tǒng)計方法，擅長不確定性隨機(jī)系統(tǒng)的建模及優(yōu)化。版權(quán)歸原作者所有~