1.因子收益
因子的收益往往可分解成兩個主要的構成部分。一部分是自身的風險溢價(risk-premium)。因為因子實際上常常代表的是某一類型的風險，當投資者主動使用因子時，他會因為理性地承擔了因子的風險而獲得相應的額外補償。另一部分的收益源自於市場的非有效性造成的錯誤定價(mis-pricing)。毋庸置疑，我們的市場並不是完全有效的，同時投資者不理性行為也在市場中長期存在。信息的不對稱，加上投資者的過度反應/不充分反應，最終導致資產的錯誤定價。價格迴歸正常的過程便帶來了因子的收益。
當因子的風險溢價佔主導時，這類的因子常常被稱作為風險因子。因需要承擔一定風險，這類因子常常“不受待見”。而當來自錯誤定價的收益佔主導時，因子則被歸類為Alpha因子。因為收益來自於對錯誤的糾正，更符合常規的邏輯/認知，這類因子往往更受歡迎。
2.因子有效性
不管是風險因子還是Alpha因子，都有其有效性的限制。當某個有效的因子被發現以後，會出現越來越多的資金交易這個因子。過多的資金湧入，會造成因子收益的攤薄，使得因子的有效性逐步減弱(近年來，量化基金的表現相較前幾年有顯著的落後，原因之一也是同質化的模型被大量使用,引起了模型的“失效”)。以上的演化造就了因子的週期性：(1)沒有永恆的Alpha因子；(2)理論上長期有效的因子同樣會出現短期失效。因此，從因子投資的角度，若想獲得穩定的因子收益，要麼進行因子擇時，要麼不斷的開發新的因子。因子擇時，也就是對因子的有效性進行前瞻性的判斷。當下學術界和業界討論較多的因子擇時方法是因子擁擠度指標。當因子擁擠度處於高位時，因子收益往往也處於高位，未來出現回撤的可能性很大。但值得注意的是，因子擁擠度是一個偏中長期的擇時指標，短期的擇時效果有限。對於擁擠度高的因子，從風險控制的角度來說，或以降低組合在此因子上的暴露為宜。相反，對於擁擠度低且長期有效的因子，則適合再次重點關注。
3.Alpha場景示例
關於Alpha的一種解讀是其來自於錯誤定價。錯誤定價的發生首先要求資產有一個“基礎價格”作為基準，否則無法評判資產被高估/低估。這個“基礎價格”由市場和資產相互影響而定，在實際中很難用某一指標去定奪。由於基準難以確定，錯誤定價所帶來的Alpha就變得難以捕獲。但是，在一些場景中，我們可以不需要知道這個“基礎價格”就可以判斷出資產價格是偏離的。這個判斷由資產的價格走勢給出(偏技術分析，或者說是技術分析交易帶來的一個結果)。對於一些資產，市場往往有給出一個“底價”。當股價觸及“底價”時，可以認為資產是低估的。此時買入，可預期價格的恢復帶來收益，也就是常說的“觸底反彈”。當然，這個情景可行的前提是資產的基本面沒有發生重大的惡化。如若能對股價形態作出一個很好的刻畫同時對“底價”作出一個量化的定義，“觸底反彈”或可構建成一個Alpha策略。
(專欄作者：摩根士丹利華鑫基金數量化投資部陳健夫)
關注同花順財經微信公眾號(ths518)，獲取更多財經資訊
閱讀更多 同花順財經 的文章
