SeekingAlpha到Seeking Smart Beta

Ricequant團(tuán)隊出品,如需轉(zhuǎn)載請私信作者聯(lián)系,否則侵權(quán)必究誊辉。

聰明的貝塔,Smart Beta 是近十年來在全球成熟市場中迅猛發(fā)展的一種新型投資策略亡脑。它是指基于確定規(guī)則(rule-based)的主動投資堕澄,是一種源于傳統(tǒng)指數(shù)基金投資,但是在投資理念和跟蹤方式上又和前者有所區(qū)別的新型投資者策略霉咨,“Smart Beta”反映的是此類指數(shù)主動在某些風(fēng)險因子上暴露蛙紫,從而獲取超額收益的特征。

在美國途戒,自本世紀(jì)初問世以來坑傅,smart beta(strategic beta) 截止2015年年中已經(jīng)達(dá)到4500億美元的規(guī)模。


而在中國喷斋,smart beta以“增強(qiáng)指數(shù)基金”等形式唁毒,也在迅速發(fā)展,并且取得了不錯的收益继准。

在我們深入討論smart beta是否聰明枉证,到底聰明在哪里之前,我們需要先弄明白兩個概念移必,1.什么是Beta, 2. 什么是風(fēng)險因子室谚。

學(xué)過金融學(xué)入門課程的同學(xué)應(yīng)該都熟悉求投資組合alpha的這個公式,這也是很長一段時間來無數(shù)基金經(jīng)理表現(xiàn)的標(biāo)桿 -seeking Alpha


在這個公式中崔泵,我們會認(rèn)為秒赤,一個投資組合的表現(xiàn)取決于兩個部分,一部分是和市場投資組合(market return)的相關(guān)性憎瘸,也就是Beta入篮,它代表了股票組合收益相對于市場組合收益的敏感程度,這部分是和主動投資無關(guān)的幌甘。另外一部分一部分則是投資經(jīng)理的個人表現(xiàn)潮售,也就是alpha,反映了基金經(jīng)理的主動選股與擇時能力锅风。

這個Beta最初的概念來自于CAPM( capital asset pricing model)酥诽,自1960s 被發(fā)明以來,這個獲得了諾貝爾經(jīng)濟(jì)學(xué)獎的模型一直被廣泛應(yīng)用皱埠。這個模型只有一個因子肮帐,也就是市場組合收益,一個投資組合的期望收益率(expected return) 可以由它相對整個市場組合收益的敏感度來決定。這個敏感度(sensitivity) 就是Beta.

理解這個Beta之前我們先來看下什么是Markowitz 市場投資組合训枢。

自由市場中有各種各樣的投資標(biāo)的托修,我們建立幾個隨機(jī)的風(fēng)險投資,隨機(jī)生成它們的收益恒界。然后再隨機(jī)產(chǎn)生權(quán)重(權(quán)重總和為1)睦刃,可以獲得如下圖所示的藍(lán)點,每一個藍(lán)點代表一個由這幾個風(fēng)險資產(chǎn)構(gòu)成的組合的收益和方差十酣,橫軸為方差(風(fēng)險)眯勾,縱軸為均值(收益)

可以看見風(fēng)險投資組合在風(fēng)險收益圖中呈現(xiàn)一個拋物線/子彈的形狀。


獲取了風(fēng)險投資組合分布圖之后婆誓,我們可以進(jìn)一步畫出efficient frontier,在黃線上的每個投資組合也颤,都是在該收益情況下的最低風(fēng)險的最優(yōu)選擇洋幻。具體求解過程可以參考Markowitz 資產(chǎn)組合優(yōu)化在ipython中的實現(xiàn)


以上黃線上的點所代表的最優(yōu)選擇是基于我們只考慮全部投資在有風(fēng)險的投資產(chǎn)品的情況下,如果我們此時加入無風(fēng)險投資(risk free investment)翅娶,那么情況就不一樣了文留。在這里我們引入另外一個概念叫做 Capital Market Line,它的作用在于求出了市場風(fēng)險投資和無風(fēng)險投資的最優(yōu)組合竭沫。

但是在CML的圖表中燥翅,橫軸代表的是這個投資組合的總風(fēng)險,而不是我們本文所要討論的Beta蜕提,為了更直觀的理解CAPM森书,我們又引入一個新的用于給股票定價的公式叫做Security Market Line. 幫我們來計算股票的風(fēng)險溢價是否被正確表達(dá)在股價中。

在SML中谎势,橫軸即是Beta凛膏,也就是投資組合的市場風(fēng)險。Beta數(shù)值越高脏榆,也就是市場定價的溢價越高猖毫,并且呈現(xiàn)的是一種線性關(guān)系。有了SML這樣一個定價標(biāo)桿之后须喂,我們可以先根據(jù)歷史表現(xiàn)求出一個根據(jù)實際股價高于或者低于公式定價的情況吁断,來決定是買入還是賣出該股票。那么CAPM最大的問題就是只將市場Beta作為用來解釋風(fēng)險回報的唯一因素。經(jīng)濟(jì)學(xué)家Fama 和 French 研究1963年到1990年期間紐約證交所,美國證交所和納斯達(dá)克市場的股票回報時發(fā)現(xiàn):在這長時期里Beta值并不能充分解釋股票的表現(xiàn)罩句。單個股票的Beta和回報率之間的線性關(guān)系在短時間內(nèi)也不存在旅掂。他們認(rèn)為除了市場投資組合Beta之外,股票的回報率(風(fēng)險溢價)還和其他的風(fēng)險因子相關(guān)方庭,并且在此基礎(chǔ)上提出了著名的法瑪三因子模型(Fama French 3 factor model),迅速成為業(yè)界的新norm.

Fama 和 French 提出的三因子模型認(rèn)為来农,除了市場資產(chǎn)組合因子以外寒波,影響股票溢價的還有市值因子(market value)和賬面市值比(price-to-book ratio,價值因子的一種)乘盼,三個因子結(jié)合起來可以更好地解釋絕大多數(shù)股票收益的差異。

由于我們之前把股票組合相對于市場投資組合的exposure命名為beta俄烁,所以市場很自然就把股票相對于市值規(guī)模因子的敞口命名為small cap beta, 相對于價值因子的敞口命名為value beta绸栅。但是要注意的是這些beta(相對于各個風(fēng)險因子)和CAPM里的beta(相對于市場投資組合) 是有區(qū)別的。

在以上這張圖表里页屠,我們看到到上世紀(jì)90年代的的收益歸因分析中粹胯,因為Fama 三因子模型的出現(xiàn),傳統(tǒng)的 alpha 有一大部分可以用value beta 和 small cap beta 來表達(dá)辰企。

small cap beta- 也就是Fama三因子當(dāng)中的市值因子风纠,從風(fēng)險補(bǔ)償?shù)慕嵌葋砜矗∈兄档墓善本哂辛鲃有暂^差牢贸,在經(jīng)濟(jì)下行期間風(fēng)險較大等特點竹观,因此應(yīng)該獲得超過平均值的回報。

Value beta- Fama三因子當(dāng)中賬面和市值比重因子潜索,也就是價值因子的一種臭增。同樣從風(fēng)險補(bǔ)償角度看,PB ratio較低的股票竹习,也就是我們平常說的value stock誊抛,具有更強(qiáng)的周期性,財務(wù)杠桿較大整陌,未來不明朗所以導(dǎo)致收益風(fēng)險更大的特點拗窃,所以投資在value stock上也應(yīng)該能獲得更高的回報。

理解了三因子模型的概念之后泌辫,我們來看看如何使用公式來做量化的分析并炮。

在Fama French這個公式中,SMB為市值(size)因子收益指數(shù)(Small comp return minus Big comp return)甥郑,HMI為賬面市值比(book-to-market)因子收益指數(shù)(High btm return minus Low btm return)逃魄。

SMB、HMI兩個指標(biāo)的計算方式如下:

1 首先澜搅,按市值大小平均分為兩組(Small 組, Big 組)伍俘,基準(zhǔn)是這一時間的市場上公司市值中位數(shù);

2 按 BM 從小到大分三組,即前 30%(Growth 組),中間 40%(Neutral 組),后 30%(Value 組);

3 每個組的月回報以組內(nèi)所有成員股票當(dāng)月回報的加權(quán)平均數(shù)為依據(jù),計算每個月的 SMB 和 HML 值勉躺。具體計算公式如下: SMB = Small size return - Big size return) HML = Value company return - Growth company return

之后我們用回歸的方法來計算這些風(fēng)險因子的Beta值癌瘾,具體計算過程可以參考#讓我們用python跑回歸#Fama-French三因素模型(一)

像SML一樣,當(dāng)我們計算出了各個beta系數(shù)之后饵溅,可以計算出股票當(dāng)時的模型定價妨退。如果股價低于模型估計值,那么股價被低估,我們就買入持有咬荷;反之說明股價被高估冠句,我們就拋出手上的股票。

我們用浦發(fā)銀行做范例幸乒,跑了一個簡單的Fama策略懦底,源代碼和策略思路分析戳這里Fama三因素模型(二)一個簡單的策略運用

從Fama 和French 提出三因子模型之后,F(xiàn)actor models 逐漸替代了CAPM成為了市場上基金收益分析的主流顯學(xué)罕扎。

1997年聚唐,Carhart 在三因子的基礎(chǔ)上增加了一個Momentum (動量) 因子,value, market cap,momentum和market 共同組成了Carhart四因子模型腔召。Carhart four-factor model 四因子模型

Fama 和 French 又在原有三因子的基礎(chǔ)上杆查,加入了盈利能力(profitability)因子(即RMW,robust minus weak)和投資模式(investment patterns)因子(即CMA臀蛛,conservative minus aggressive)根灯,從而能夠更好地解釋股票橫截面收益率的差異。Fama French五因素模型

當(dāng)經(jīng)濟(jì)學(xué)家逐漸總結(jié)出市場上value, momentum, market cap, growth, quality掺栅,volatility 等風(fēng)險因子,以及求出了投資組合因為對這些因子的敞口而獲得的額外收益之后纳猪,Smart Beta這種主動選擇暴露在某些風(fēng)險因子中的指數(shù)投資策略就應(yīng)運而生了氧卧。在下一篇文章中,我們將詳細(xì)給大家介紹價值氏堤,低波動沙绝,市值,成長等多種Smart Beta策略的構(gòu)建鼠锈,聊一聊中國市場的Smart Beta的前景闪檬。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市购笆,隨后出現(xiàn)的幾起案子粗悯,更是在濱河造成了極大的恐慌,老刑警劉巖同欠,帶你破解...
    沈念sama閱讀 210,914評論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件样傍,死亡現(xiàn)場離奇詭異,居然都是意外死亡铺遂,警方通過查閱死者的電腦和手機(jī)衫哥,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 89,935評論 2 383
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來襟锐,“玉大人撤逢,你說我怎么就攤上這事。” “怎么了蚊荣?”我有些...
    開封第一講書人閱讀 156,531評論 0 345
  • 文/不壞的土叔 我叫張陵初狰,是天一觀的道長。 經(jīng)常有香客問我妇押,道長跷究,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,309評論 1 282
  • 正文 為了忘掉前任敲霍,我火速辦了婚禮俊马,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘肩杈。我一直安慰自己柴我,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 65,381評論 5 384
  • 文/花漫 我一把揭開白布扩然。 她就那樣靜靜地躺著艘儒,像睡著了一般。 火紅的嫁衣襯著肌膚如雪夫偶。 梳的紋絲不亂的頭發(fā)上界睁,一...
    開封第一講書人閱讀 49,730評論 1 289
  • 那天,我揣著相機(jī)與錄音兵拢,去河邊找鬼翻斟。 笑死,一個胖子當(dāng)著我的面吹牛说铃,可吹牛的內(nèi)容都是我干的访惜。 我是一名探鬼主播,決...
    沈念sama閱讀 38,882評論 3 404
  • 文/蒼蘭香墨 我猛地睜開眼腻扇,長吁一口氣:“原來是場噩夢啊……” “哼债热!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起幼苛,我...
    開封第一講書人閱讀 37,643評論 0 266
  • 序言:老撾萬榮一對情侶失蹤窒篱,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后舶沿,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體舌剂,經(jīng)...
    沈念sama閱讀 44,095評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,448評論 2 325
  • 正文 我和宋清朗相戀三年暑椰,在試婚紗的時候發(fā)現(xiàn)自己被綠了霍转。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,566評論 1 339
  • 序言:一個原本活蹦亂跳的男人離奇死亡一汽,死狀恐怖避消,靈堂內(nèi)的尸體忽然破棺而出低滩,到底是詐尸還是另有隱情,我是刑警寧澤岩喷,帶...
    沈念sama閱讀 34,253評論 4 328
  • 正文 年R本政府宣布恕沫,位于F島的核電站,受9級特大地震影響纱意,放射性物質(zhì)發(fā)生泄漏婶溯。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 39,829評論 3 312
  • 文/蒙蒙 一偷霉、第九天 我趴在偏房一處隱蔽的房頂上張望迄委。 院中可真熱鬧,春花似錦类少、人聲如沸叙身。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,715評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽信轿。三九已至,卻和暖如春残吩,著一層夾襖步出監(jiān)牢的瞬間财忽,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,945評論 1 264
  • 我被黑心中介騙來泰國打工泣侮, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留即彪,地道東北人。 一個月前我還...
    沈念sama閱讀 46,248評論 2 360
  • 正文 我出身青樓旁瘫,卻偏偏與公主長得像,于是被迫代替她去往敵國和親琼蚯。 傳聞我的和親對象是個殘疾皇子酬凳,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,440評論 2 348

推薦閱讀更多精彩內(nèi)容