本書在統(tǒng)一視角下,體系化地介紹了因子投資中的重要研究方法,并針對中國A 股市場給出了獨立的、可復制的、高質量的因子實證分析結果,是一本真正可操作、可上手的因子投資手冊。本書主要內容包括:因子投資基礎、因子投資方法論、主流因子解讀、多因子模型、異象研究、因子研究現(xiàn)狀和因子投資實踐。書中還以附錄的形式對理解資產價格的研究脈絡進行了梳理。本書的寫作既注重學術文獻的嚴謹,也注重普通讀者的閱讀體驗。書中雖然涉及必要的數學公式,但是會深入淺出、抽絲剝繭地解釋統(tǒng)計方法,并把重點放在實證分析上,同時也會對因子投資的實務進行解讀。
適讀人群 :本書適合與因子投資相關的從業(yè)人員、與實證資產定價相關的學生和老師,以及對因子投資理念感興趣的讀者。 因子投資在國內的股票和債券市場上已經得到了廣泛的應用,相應的中文版圖書卻是一片空白。本書為彌補這個遺憾而寫作。作者既梳理了近50年來學術界和業(yè)界的理論方法,又針對中國A股市場給出了獨立的、可復制的、高質量的因子實證分析結果,對中國資本市場的發(fā)展和完善意義深遠。
本文作者來自“川總寫量化”“因子動物園”的創(chuàng)作者石川、劉洋溢和連祥斌,他們創(chuàng)作的關于因子投資的高質量內容早已得到學術界和業(yè)界的高度認可。
√一覽全貌:從學術界、管理人和投資者三個維度詳述因子投資基礎
√奠定基礎:投資組合排序法、廣義矩估計等因子分析常用的統(tǒng)計學方法介紹
√理解應用:以A股市場為對象,從因子、多因子模型和異象三個角度進行實證分析
√熱門話題:多重假設檢驗對挖掘因子和異象的危害、行為金融學、機器學習與因子投資等
√投資務實:以多因子模型為數量化工具的主動投資和Smart Beta 投資實踐等
√專業(yè)避坑:娓娓道來因子投資實踐中會遇到的各種“坑”,少走彎路,實現(xiàn)高效投資
√作者愿景:理論和實踐結合的經典,一本真正可操作、可上手的因子投資手冊
前言
自從20世紀60年代資本資產定價模型被提出以來,實證資產定價經過學術界50 多年的發(fā)展,形成了完善的研究體系,并獲得了豐富的實證結果,而從中演化出來的因子投資如今也早已成為海外資產管理人必備的重要工具,其在資產配置和獲取超額收益方面均大有作為。在因子投資領域,海外的學術界和業(yè)界出版了很多經典專著,系統(tǒng)化地介紹因子投資的研究方法和投資實務。遺憾的是,雖然因子投資已經在國內的股票和債券市場上得到廣泛的應用,但在相應的中文版書籍方面仍然是一片空白。本書是為了填補這個空白而做的一點努力。
本書的目標是在統(tǒng)一視角下成體系地介紹因子投資中重要的研究方法,并針對中國A股市場給出獨立、可復制、高質量的因子實證分析結果,從而成為一本因子投資的專業(yè)工具書。本書的寫作將不失學術文獻的嚴謹,但作者也會時刻考慮讀者的閱讀體驗,使其成為真正可操作、可上手的因子投資手冊。書中雖然會不可避免地涉及必要的數學公式,但作者無意將本書寫成一本純理論性書籍,行文中將會深入淺出、抽絲剝繭地解釋統(tǒng)計方法,并把重點放在實證分析上,同時會對因子投資的實務進行解讀。本書適合與因子投資相關的從業(yè)人員、與實證資產定價相關的學生和老師,以及對因子投資理念感興趣的讀者。
本書內容共七章,可以被分成三個部分。第一部分包括第1 章和第2 章。第1 章拋出研究因子投資的統(tǒng)一視角,它是全書的靈魂,后續(xù)所有內容都將圍繞它展開。在此基礎之上,第1章將從學術界、管理人和投資者三個維度綜述因子投資基礎,讓讀者在接觸具體細節(jié)之前首先掌握因子投資的全貌。第2章介紹學術界在分析因子時最常用的統(tǒng)計學方法,例如投資組合排序法、Fama??MacBeth 回歸法、Newey??West 調整以及廣義矩估計等,它們都是實證資產定價研究中耳熟能詳的名字。本章的內容是全書的核心,可以為讀者進行系統(tǒng)性的因子研究奠定基礎。
第3章~第5章可被視為本書的第二部分。它們將以A 股市場為對象,使用第2 章介紹的方法,從因子、多因子模型以及異象三個角度進行詳盡的實證分析。這三章的內容主要起到兩個作用:(1)通過剖析過去20年A股市場中不同風格因子和異象的表現(xiàn),加深讀者對市場的理解;(2)通過理論和實際的結合,幫助讀者掌握各種分析方法在研究異象、因子以及多因子模型方面的應用。
第6章和第7章可被視作本書的第三部分。它們均屬于進階課題,使全書既豐滿又緊貼因子投資實務。其中,第6 章介紹學術界因子研究的現(xiàn)狀,涉及的內容包括多重假設檢驗對于挖掘因子和異象的危害、行為金融學的研究框架以及機器學習與因子投資等,它們都是近年來學術界的熱門話題。第7 章將闡述因子投資實踐中的方方面面,包括以多因子模型為數量化工具進行的主動投資,以及時下流行的Smart Beta 投資實踐等內容,為讀者娓娓道來因子投資中會遇到的各種“坑”。
因子投資所涵蓋的內容博大精深。本書三位作者在寫作過程中經常就某個課題進行深入探討、對實證的代碼和數據進行反復檢查,只求做到書中每個文字、每個數字都是嚴謹而正確的。在這個過程中,我們也充分感受到,在踐行因子投資這條充滿荊棘的道路上,有一些志同道合的摯友是多么幸福。愿本書也能成為各位讀者在實踐因子投資時的摯友。由于作者所學知識有限,書中難免有不當之處,煩請讀者指正。另外,市場有風險,入市需謹慎。本書內容不可視為投資人最終的投資意見。書中配套網站見factorwar.com。
在本書的寫作過程中,我們得到了很多來自學者、同行、朋友和家人的大力支持和熱情幫助,在此向他們表示最真摯的感謝。特別感謝芝加哥大學布斯商學院修大成教授、清華大學五道口金融學院余劍峰教授、中國人民大學商學院張然教授,以及荷寶投資(Robeco)量化股票研究團隊主管周維禮女士、易方達基金管理有限公司指數增強投資部總經理林飛先生、嘉實基金管理有限公司量化投資部總監(jiān)劉斌先生對本書內容的指正和推薦。此外,石川先生還感謝王洪岐先生、王飛先生、吳俊文先生的信任和幫助,以及合伙人任重先生和高嵩先生的支持。本書的出版自然也離不開電子工業(yè)出版社的認可與支持。本著打磨精品這樣一個共同的目標,三位作者和電子工業(yè)出版社的編輯在本書的創(chuàng)作全過程中進行了深入和高效的合作。特別感謝陳林編輯的持續(xù)幫助和鼓勵。感謝電子工業(yè)出版社各位老師在本書校訂過程中的辛勤付出。感謝李玲為本書設計了精美的封面。相信本書不會讓讀者失望。
希望本書能夠帶你走入古老與創(chuàng)新并存、理論和實踐并重的因子投資,掌握因子投資方法,體驗因子投資魅力,更重要的是使用因子投資在市場中獲得更高的風險調整后收益。
這是本書作者由衷的期望。
這是寫給你的因子投資。
石川
北京量信投資管理有限公司創(chuàng)始合伙人,首席科學家;清華大學學士、碩士,麻省理工學院博士;現(xiàn)任知名期刊 Computers in Industry編委會委員和十余家國際期刊審稿人;曾就職Citigroup、Oracle 及P&G。石川博士精通各種概率模型和統(tǒng)計建模方法,擅于以金融數學分析為手段進行資產配置、投資組合風險管理、量化多因子選股及衍生品 CTA 策略的開發(fā),并對行為金融學有獨到的見解,其研究成果多次發(fā)表于European Journal of Operational Research等國際期刊。
劉洋溢
西南財經大學金融學博士研究生,曾有數年量化交易經驗和FoF研究經驗。當前主要研究方向為實證資產定價,特別是因子定價模型、投資異象、基金及資產配置的研究。
連祥斌
東北財經大學社會與行為跨學科研究中心行為金融學碩士,曾在私募基金公司和金融科技公司擔任量化研究員,負責量化策略的研發(fā)和交易,F(xiàn)任中歐瑞博量化策略研究員,負責 CTA、量化選股、量化擇時及大類資產等研究工作。研究方向包括資產配置、因子投資和組合管理等領域,精通MATLAB、Python和SQL等語言,熟悉各類量化模型和程序化交易。
第1 章因子投資基礎
1.1 統(tǒng)一視角下的因子投資 1
1.1.1 一個公式 1
1.1.2 因子、多因子模型和異象3
1.1.3 再論異象和因子 5
1.1.4 因子投資包含的內容6
1.1.5 實證資產定價與因子投資9
1.2 因子投資的學術起源 11
1.2.1 實證資產定價 11
1.2.2 研究現(xiàn)狀 13
1.3 因子投資的業(yè)界發(fā)展 14
1.3.1 因子投資和管理人15
1.3.2 因子投資和投資者16
1.4 本書的結構 19
第2 章因子投資方法論
2.1 投資組合排序法 22
2.1.1 因子模擬投資組合22
2.1.2 排序法及其檢驗 24
2.1.3 多重排序法 28
2.1.4 因子命名約定 33
2.2 多因子模型的回歸檢驗 34
2.2.1 時間序列回歸 36
2.2.2 截面回歸 39
2.2.3 時序回歸vs 截面回歸42
2.2.4 Fama–MacBeth 回歸45
2.2.5 不同回歸方法比較48
2.3 因子暴露和因子收益率 48
2.3.1 引入工具變量 50
2.3.2 使用公司特征 51
2.3.3 兩類模型 52
2.4 異象檢驗 53
2.4.1 時序回歸檢驗異象54
2.4.2 計量經濟學問題 55
2.4.3 White 估計量和Newey–West 估計量57
2.4.4 截面回歸檢驗異象59
2.5 多因子模型比較 60
2.5.1 GRS 檢驗 61
2.5.2 均值--方差張成檢驗62
2.5.3 從幾何角度比較GRS 和均值--方差張成 66
2.5.4 α 檢驗 70
2.5.5 貝葉斯方法 70
2.6 因子正交化 72
2.6.1 簡單一元回歸 73
2.6.2 回歸的幾何意義 73
2.6.3 用正交化過程求解多元回歸 75
2.7 廣義矩估計 78
2.7.1 樣本均值的方差 78
2.7.2 分析框架 80
2.7.3 數學基礎 84
2.7.4 有效性 86
2.7.5 不應成為黑箱 88
2.8 研究方法建議 89
第3 章主流因子解讀
3.1 數據和流程 91
3.1.1 數據來源 91
3.1.2 量價數據處理 92
3.1.3 財務數據處理 95
3.1.4 因子構造流程 102
3.1.5 實證設定 106
3.2 市場因子 107
3.2.1 市場因子起源 107
3.2.2 對CAPM 的質疑108
3.2.3 市場因子實證 109
3.3 規(guī)模因子 112
3.3.1 規(guī)模因子起源 112
3.3.2 規(guī)模因子成因 113
3.3.3 規(guī)模因子實證 113
3.4 價值因子 117
3.4.1 價值因子起源 117
3.4.2 價值因子成因 118
3.4.3 價值因子實證 119
3.5 動量因子 124
3.5.1 動量因子起源 124
3.5.2 動量因子成因 125
3.5.3 動量因子實證 127
3.6 盈利因子 131
3.6.1 盈利因子起源 131
3.6.2 盈利因子成因 132
3.6.3 盈利因子實證 134
3.7 投資因子 138
3.7.1 投資因子起源 138
3.7.2 投資因子成因 139
3.7.3 投資因子實證 140
3.8 換手率因子 146
3.8.1 換手率因子起源 146
3.8.2 換手率因子成因 147
3.8.3 換手率因子實證 148
第4 章多因子模型
4.1 主流多因子模型綜述 153
4.1.1 Fama–French 三因子模型154
4.1.2 Carhart 四因子模型156
4.1.3 Novy–Marx 四因子模型 157
4.1.4 Fama–French 五因子模型158
4.1.5 Hou–Xue–Zhang 四因子模型 161
4.1.6 Stambaugh–Yuan 四因子模型 164
4.1.7 Daniel–Hirshleifer–Sun 三因子模型 167
4.2 A 股中被定價的因子 171
4.2.1 Fama–MacBeth 回歸實證設定 171
4.2.2 Fama–MacBeth 回歸結果172
4.3 多因子模型比較:來自A 股的例子 173
4.3.1 兩個模型 173
4.3.2 BM、ROE 與預期收益174
4.3.3 模型比較的實證結果176
4.4 多因子模型的簡約性 187
第5 章異象研究
5.1 估值高低中的異象 191
5.1.1 價值因子與價值投資192
5.1.2 F-Score 193
5.1.3 G-Score 195
5.1.4 通過預期差獲取超額收益198
5.2 基本面錨定反轉 202
5.2.1 金融學依據 203
5.2.2 A 股市場中的基本面錨定反轉 204
5.3 特質性波動率 210
5.3.1 套利不對稱性和特質性波動率 212
5.3.2 A 股市場中的特質性波動率異象 213
第6 章因子研究現(xiàn)狀
6.1 p-hacking 和“因子動物園”222
6.1.1 何為p-值 222
6.1.2 在追逐p-值的道路上狂奔223
6.1.3 硬科學與軟科學 224
6.1.4 正確認識p-值的含義224
6.1.5 多重假設檢驗 226
6.1.6 先驗的重要性 229
6.2 從“因子動物園”到“因子大戰(zhàn)” 231
6.2.1 形同意不同的投資因子232
6.2.2 q5 模型 233
6.2.3 因子大戰(zhàn) 234
6.3 用行為金融學解釋異象和因子236
6.3.1 套利限制 238
6.3.2 預期中的偏差 240
6.3.3 風險偏好中的偏差244
6.3.4 認知限制 250
6.3.5 行為金融學與市場異象251
6.3.6 行為有效市場 255
6.4 投資者情緒 256
6.4.1 投資者情緒的度量257
6.4.2 投資者情緒與異象表現(xiàn)259
6.4.3 投資者情緒與市場表現(xiàn)261
6.5 風險補償、錯誤定價還是數據窺探 262
6.5.1 風險補償檢驗 262
6.5.2 錯誤定價檢驗 263
6.5.3 數據窺探檢驗 266
6.6 因子樣本外失效風險 268
6.6.1 曝光導致錯誤定價減弱269
6.6.2 因子擁擠 270
6.6.3 交易成本 271
6.7 因子投資難以取代基本面分析273
6.7.1 基本面分析 274
6.7.2 基本面量化投資 275
6.7.3 基本面投資“因子化”的不足 277
6.7.4 思考和討論 279
6.8 機器學習與因子投資 280
6.8.1 線性模型 281
6.8.2 非線性模型 283
6.8.3 模型評估與實證研究285
6.8.4 主成分分析和因子選擇287
6.8.5 機器學習的問題 290
第7 章因子投資實踐
7.1 收益率模型:獲取“阿爾法”293
7.1.1 基本術語 293
7.1.2 尋找預測變量 294
7.1.3 挑選預測變量 295
7.1.4 收益率預測 299
7.2 風險模型:以Barra 為例307
7.2.1 Barra 多因子模型307
7.2.2 模型求解 309
7.2.3 純因子投資組合 311
7.2.4 協(xié)方差矩陣求解及調整313
7.3 投資組合優(yōu)化 319
7.3.1 錯位的收益與風險模型319
7.3.2 目標函數 322
7.3.3 不同目標函數的比較324
7.3.4 約束條件 326
7.3.5 交易成本模型 330
7.4 Smart Beta:因子投資的捷徑331
7.4.1 因子指數和Smart Beta332
7.4.2 為什么要投資Smart Beta339
7.4.3 如何投資Smart Beta342
7.4.4 應用實踐 348
7.4.5 更多討論 356
7.5 因子擇時 357
7.5.1 按因子估值擇時 357
7.5.2 按因子動量擇時 359
7.5.3 按因子波動擇時 359
7.5.4 按市場情緒擇時 360
7.5.5 按宏觀因素擇時 361
7.5.6 因子擇時很難 363
7.6 風格分析 363
7.6.1 經典風格分析 364
7.6.2 基于多空因子的風格分析366
7.6.3 實例:巴菲特的投資風格367
7.7 風險歸因 370
7.7.1 兩種傳統(tǒng)風險歸因方法371
7.7.2 風險的三要素 371
7.7.3 從風險角度看收益相關性373
7.7.4 將三要素公式應用于多因子模型 375
7.8 因子投資展望 376
7.8.1 另類數據 376
7.8.2 用因子實現(xiàn)大類資產配置381
后記
附錄A 理解資產價格
參考文獻