第二部分 权益资产公共因子及因子投资

第2章 权益资产公共因子及因子投资概述

正如前一章所讨论的，随着时间的推移，智能贝塔已经与因子投资（factor investing）紧密结合起来。接下来，本章将简要回顾因子投资的起源和原理。我们还将讨论诸如为什么投资者应该关注权益因子，智能贝塔策略所提供的众多因子中哪些特定因子应当被关注及其原因等议题。

本章概要

• 权益资产公共因子（equity common factors）是解释（截面维度）相对风险和收益差异的个股层面特征因子。

• 对权益资产公共因子和因子投资的研究发端于资本资产定价模型（capital asset pricing model，CAPM）。

• CAPM模型为我们提供了以下3点基础性视角：①不可多元化的公共因子所产生的溢价（指CAPM框架下的市场组合）；②一项资产的风险取决于其在公共因子（市场贝塔因子，market beta）上的敞口；③一项资产的风险溢价水平是受其潜在可分散度以及在不景气时期的表现（或者说面对系统性风险事件的表现）所驱动的。

• 人们在对资本资产定价模型进行实证验证的历次尝试后得出一般性结论，即市场贝塔因子模型在解释预期收益的截面性质方面表现不佳。因此，学术研究的重点转移到了识别其他表现或许更佳的股票特征上。

• 过去的数十年，相较于市场贝塔因子，数以百计的能够更好地解释横截面收益差异的股票特征或超市场共同因子被发现。但这些研究成果均面临数据挖掘（偏差）和多重检验的问题，即有些因子具有统计显著性仅系偶然且在样本外的表现不佳。[1]

• 为了确定真正有用的因子，也被称为溢价补偿因子（rewarded factor），我们需要在一个多重检验的框架中评估它们的统计显著性，该框架解释了与数据挖掘（偏差）相关的问题。此外，溢价补偿因子能够：①描述跨细分市场、地域和时间的持续性；②更好地解释预期收益的横截面；③帮助识别冗余因子。

• 一组合理的溢价补偿因子可能包括规模因子、价值因子、动量因子、波动率因子和质量因子（盈利能力）。这些因子也是各种智能贝塔因子策略的关注焦点。因此，我们称之为“智能贝塔因子”。

• 在多重检验框架中，智能贝塔因子保持了统计显著性并在样本外的业绩表现上具有持续性，同时能够更好地解释横截面收益差异以及大量其他因子和投资策略的业绩表现。

• 对各种备选贝塔策略的风险分解分析表明，它们相对于市场指数的优异表现在很大程度上可由对各种智能贝塔因子的敞口来解释。

• 对主动管理型基金经理业绩表现的风险分解使人们注意到，成长型基金经理实际上是驾驭动量因子的选手，而其他基金经理也还会追求其他风格，比如低波动率和低质量。这引起了人们对当前“价值-成长”投资风格范式（value-growth style paradigm）关联性和有用性的关注。

• 投资者应当关注这些溢价补偿因子。首先，它们在各个细分市场、国家和时间段内均持续具有长期且优异的市场表现，其次，溢价补偿因子可能代表系统性影响，而这些系统性影响也有助于解释主动投资策略和投资组合中风险和收益的来源。