引言：本文是Eric Sorensen、Mark Barnes、Nick Alonso和Edward Qian今年發表在The Journal of Portfolio Management上的論文《Not all Factor Exposures Are Created Equal》的編譯版。本文討論了在相同的風險暴露下，不同的組合權重構建情況對收益的變動的影響，對我們理解組合構建方法的功用，會有很大幫助，因此編譯如下。
這些年來，股票投資的量化方法可謂是突飛猛進。大概30年前，主動投資和一些指數增益型的投資者，開始使用獨特的優化方法來改進自己組合的權重，以獲得相較市值權重的指數以更高的超額收益。與此同時，包括價值、動量在內的許多因子橫空出世，一度變成阿爾法的代名詞，但好景不長，比如上世紀90年代閃耀業界的分析師修正因子，很快就泯然眾人。
而由於大多數人更關心阿爾法，所以CAPM模型也就變成了一種麻煩。因子暴露這件利器不再受人矚目，大多數的基本面投資者（如果並非全部的話）都很少再使用這一方法。
舊世界的新豐收
當一片森林被採伐之後，那些舊的樹木就沒人再去關注，人們會更關心未來樹苗的生長。隨著最近10年Smart Beta技術被廣泛接受，CAPM模型似乎已經慢慢淡出了人們的視野。人們的目光開始轉向那些更透明的資產組合方法。但與此同時，因子依然是投資中切實可行的部分。對於Smart Beta投資來說，一個切實可行的方法就是基於已經被證實表現出色的因子，來構造自己的Smart Beta策略。通常來說，這是一種阿爾法和貝塔的混合策略。如果做得合適，就會取得很不錯的超額收益。
這其中的收益不言而喻。首先，它把人們從市值權重的桎梏中解脫了出來；其次，它帶來了我們需要的透明性；第三，它看上去成本不高（因為運營成本大大降低）。
在本文中，我們將見著四類組合來進行評估，他們有權重上的差異：因子權重（FW），市值權重（CW），等權重（EW）和風險平價權重（RP），後文我們用字母簡稱。我們將對這些組合的表現進行檢驗，來分析一下到底什麼才是打敗市場。
歸於平凡
大多數的Smart Beta組合都有簡單的構建規則。通常來說我們不需要複雜的技術和有經驗的投資者來進行論證，因為這些組合的目標就是與市值權重的指數存在構建和成本上的差異。
因此，被動投資這個詞的含義也與往昔不同。如今它更多表示在一定的成本範圍內，可以提供怎樣的多因子Smart Beta策略。如果我們假定Smart Beta在一定的成本基礎上就可以打敗指數，那麼我們的買入策略就很簡單了。但是與此同時，打敗指數這個詞又是什麼意思呢？以及我們應該選擇怎樣的度量方法呢？
當策略中的因子混合在一起時，這些策略其實會變得完全不同。一些以因子為目標的策略往往會取得意料外的結果。首先，一個釘住單因子的Smart Beta組合可能會在其他因子上有未預料到的暴露；其次，一個Smart Beta組合在一定的尺度上，比如行業或者國家尺度上，缺乏分散性。我們利用因子暴露權重組合提供了另外三個組合的因子暴露基準。
最好的樹最後砍
我們在這篇文章裡比較了不同組合在相同的因子暴露情況下的表現情況。首先，我們選擇一個因子表現最好的前20%的股票，並在不同的組合中對這些股票按照不同的權重進行分配。這裡我們選擇如下因子進行討論，因為我們認為它們能帶來好的風險溢價，它們是盈利質量（earning quality）、股息率（dividend yield）、earnings yield（盈利收益）、investment quality（投資質量）、size（市值）、動量（momentum）、成長（growth）和利潤（profit），FW組合提供了股池的基準，而RP組合進行了行業的中性化。待選股池為MSCI世界指數的成分股，回測範圍則是1995年1月到2017年10月。
非FW組合的構建我們會遵循以下方案。首先我們先根據FW組合選出來的股票，對他們的權重進行重新的賦值，並保證組合在因子上的暴露與FW組合一致，如果暴露低於了FW組合，那麼我們就剔除低暴露的股票，直到暴露一致為止。因此，非FW組合的股票池，會是FW組合的子集。
這樣的分析方法可能不是最優的，但也能有效避免其他因素對我們分析的干擾。下面這張表舅展示了每個組合的因子暴露情況。所有的組合對每個因子的暴露都是近似的。
數據來源：Sorensen、Barnes、Alonso和Qian（2018）
而下面這張表則展示了，每個組合涵蓋的股票數，以及其與MSCI世界指數股池相比的數據。如果數量出現了下降，就意味著股池會進一步向高暴露的股票集中，這樣我們的組合中的股票會有類似的因子暴露，但是股票本身卻足夠的差異化。
數據來源：Sorensen、Barnes、Alonso和Qian（2018）
表現比較
下面的圖則展示了，不同的單因子策略下，這些不同權重組合的表現。其中包括年化收益率（geometric return）、超額收益率（excess return，相較於3個月的聯邦基金利率），組合的年化波動率（portfolio risk）和夏普比率（sharpe ratio）。
數據來源：Sorensen、Barnes、Alonso和Qian（2018）
結果顯示，在回測期間，這些因子都能取得不錯的回報。我們可以看到，大多數組合相對於世界指數來說，有更高的波動率，而等權重EW組合往往有相對其他組合更高的波動，因為這種方法提高了小盤股的權重。而RP組合的波動率往往最低。
參與度的比較
那麼這些組合在一個市場週期內的表現都是如此嗎。如果這個組合只是在牛市表現超凡脫俗，而在熊市表現不好，那麼這個組合是好的嗎？我們把在牛市表現好的行業分類為進攻型（cyclical），而熊市表現好的行業則分類為防禦性（defensive），對於投資者來說，我們很想知道這些因子和行業在不同的市場環境下表現如何。
投資者對於因子策略的回報和波動都會有所期望，在這裡除了使用傳統的收益和波動來進行橫向的比較之外，我們還想加入新的指標來進行對比。我們引入上行參與度（upside participation）和下行參與度（downside participation）進行分析。下面這個圖裡，我們假設了4個組合來進行舉例：
數據來源：Sorensen、Barnes、Alonso和Qian（2018）
圖裡的A組合有1.0的上行參與度，這表明在牛市中，它的收益與指數億元，與此同時，它的下行參與度也是1.0，這表明它在熊市的收益也與指數一致，所以平均參與度（average participation）是1，而超額參與度（participation advantage）則表明其在不同的市場條件下獲取超額收益的能力，在A組合中，它顯然是0。而B組合在牛市時的參與度是1.1，熊市時為0.9，這表明組合在一個市場週期裡，可以取得相較指數0.2的優勢，不過其平均參與度仍然是1，這表明策略既不是進攻型也不是防禦型，而是一種中性的策略。在我們的分析中，平均參與度高於1就是進攻型的策略，而小於1就是防守型的策略。
下表中是所有策略相對世界指數的參與度情況。
數據來源：Sorensen、Barnes、Alonso和Qian（2018）
而我們可以得到以下結論：
對其中一些策略來說（收益質量、股息率、規模），這些策略是偏進攻型的。而對於另一些因子來說，則是偏防禦型的，更適合在熊市使用。而成長策略則是一種中性策略，在兩類市場中都沒有很大的優勢。
RP組合相較於其他權重設置方法來說，更傾向於防禦型，除了在股息率組合中表現有點意外。
收益質量、規模和成長因子的超額參與度是最低的，而其他因子的平均超額參與度在0.20到0.25之間，所以一些因子相較另一些因子來說，在週期內更有優勢。
而下面這張表格，則展示了不同的權重組合，相較FW組合的因子收益情況。而其中，EW組合的超額參與度都接近於0，這表明這種方法的因子暴露與FW差異很小。而RP組合的超額參與度則顯著高於0，這意味著RP組合在不同的市場環境中的表現差異很大。這個發現十分重要，因為這意味著，使用風險去構建分散組合的收益，要比其他方法更高。
數據來源：Sorensen、Barnes、Alonso和Qian（2018）
這也表明了RP組合的防禦性特徵。通常來說，高的上行參與度意味著組合的參與度極高。而較低的下行參與度，則意味著當因子回報為負時組合對因子的分散度更高。值得注意的是，這裡的防禦性並不意味著組合有極高的分散度，因為我們發現EW也就是等權組合並沒有展現出顯著的防禦性特徵。RP組合的防禦性來自於組合對不同行業的平衡，以及其對低風險股票的選用。
RP組合與其他組合的差異性的一個可能的來源，是行業的頭寸。特別是當行業的集中度會影響組合收益的時候。我們計算了不同組合中進攻性行業（非必須消費品、工業、金融、科技等行業）、中性行業（能源、採礦、通訊）和防禦性行業（必需消費品、醫療和公用事業）的權重，下面這個圖裡就有每個組合裡的行業權重，以及進攻性與防禦性行業的差異（cyclical-defensivce）。圖中我們可以看到，FW、CW和EW組合裡，進攻性行業比重較大，而RP組合的行業分配比較均衡。
總結
本文的目標在於分析不同的組合構建方法在獲取等額的風險暴露時，不同的績效。我們的結果顯示，如果我們能獲得目標的風險暴露，那麼不同的組合構建方法的結果存在明顯的差異。對於FW和EW組合的比較顯示，這兩類組合的收益並不突出，而FW組合之所以不那麼常用，還因為它會帶來更高的行業集中度。
而本文表明，投資者在管理組合時，首先應該使組合的風險暴露與選定的組合保持一致，接下來才應該考慮如何實現與基準組合構造的差異化。而一旦風險暴露水平確定了下來，那麼組合的權重構造方式就顯得非常重要。
閱讀更多 有金有險 的文章
