證券他山之石系列之三十五

1、他山之石系列之三十五相關(guān)研究他山之石系列之三十四2015.08.28 他山之石系列之三十三2015.07.21l 是什么推動(dòng)了申贖？旁觀者眼中的 ALPHA 和 BETA推薦理由：是什么導(dǎo)致了投資者關(guān)于的申贖行為？是來自于市場風(fēng)險(xiǎn)還是基金管理人的獨(dú)特 alpha？本文就此進(jìn)行了分析。分析師: Tel:(021)63411586:gaodd:S0850511010035l 風(fēng)格輪動(dòng)策略在英國的表現(xiàn)推薦理由：不同風(fēng)格股票的表現(xiàn)差異并不是市場獨(dú)有的特征，在許多，以賬面/市值比定義的價(jià)值股與小市值股票長期而言獲得更高的，在投資分析師：Tel:(021)23219419:niyt：S0850511010

2、017中始終堅(jiān)持某一種風(fēng)格并不是最優(yōu)選擇。本文以 1968-1997 年的英國證券市場為研究對象，考察了基于價(jià)值/成長和小盤/大盤風(fēng)格的輪動(dòng)策略所能帶來的潛在。樣本外的結(jié)果表明，相比于價(jià)值/成長之間的輪動(dòng)， 價(jià)值。大、小盤風(fēng)格的變化顯得更有分析師：Tel:(021)23219732:fengjr：S0850512080006l 因子的季節(jié)性效應(yīng)研究推薦理由：在多因子模型中，證券于多種風(fēng)險(xiǎn)之中，此時(shí)來自于各風(fēng)險(xiǎn)因子的周期性波動(dòng)會(huì)有聚集效應(yīng)，從而導(dǎo)致證券個(gè)風(fēng)險(xiǎn)因子只蘊(yùn)含著輕微的周期性特點(diǎn)，當(dāng)證券面對足夠多的不同風(fēng)險(xiǎn)時(shí)，分析師：張欣慰Tel:(021)23219370:zxw6607：S085051

3、3070005率也會(huì)呈現(xiàn)出巨大的周期效應(yīng)。本文市場上 15 種根據(jù)股票歷史同月率風(fēng)險(xiǎn)溢價(jià)構(gòu)建的周期性策略取得了 1.88%的月均率。但若采用非同月率風(fēng)險(xiǎn)溢價(jià)來構(gòu)建策略，率卻是負(fù)的。人：Tel:(021)23212067:szc9633協(xié)整與資產(chǎn)配臵一種全新的主動(dòng)策略l推薦理由：對沖策略的目標(biāo)是獲取與市場狀態(tài)相關(guān)性低的正。本文中，人：Tel:(021)23154168:pl10382作者利用資產(chǎn)價(jià)格的協(xié)整而非資產(chǎn)率的相關(guān)性構(gòu)建投資組合。相比統(tǒng)的市場中性策略，協(xié)整模型的引入有效降低了資產(chǎn)配臵中的參數(shù)敏感性，以相 對較少的資產(chǎn)數(shù)量、平穩(wěn)的低跟蹤誤差與較低的換手率獲取穩(wěn)健的超額。請務(wù)必閱讀正文之后的披

4、露和法律投資要點(diǎn)：金融工程研究金融工程專題報(bào)告證券研究報(bào)告2015 年 09 月 30 日金融工程研究 金融工程專題報(bào)告 2目錄是什么推動(dòng)了申贖？旁觀者眼中的 ALPHA 和 BETA3風(fēng)格輪動(dòng)策略在英國的表現(xiàn)9因子的季節(jié)性效應(yīng)研究19協(xié)整與資產(chǎn)配臵一種全新的主動(dòng)策略24請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 3是什么推動(dòng)了和 BETA申贖？旁觀者眼中的 ALPHA文章來源：Alpha or Beta in the Eye of the Beholder：What Drives Hedge Fund Flows? Vikas Agarwal, T. Clifton Gre

5、en, and Honglin Ren，2015.7。推薦人：推薦理由：是什么導(dǎo)致了投資者關(guān)于基金管理人的獨(dú)特 alpha？本文就此進(jìn)行了分析。的申贖行為？是來自于市場風(fēng)險(xiǎn)還是我試圖說服一個(gè)經(jīng)理：你沒有 alpha，你的來自于價(jià)值-成長，動(dòng)量，利息和期現(xiàn)利差，以及短期滾動(dòng)策略。對方回答：各種非系統(tǒng)性就是alpha，我懂得如何利用這些系統(tǒng)機(jī)會(huì)進(jìn)行， 而Cochrane（2011）客戶。他是對的。 近 20 年來我們對于然在過去，所有與市場無關(guān)的追求高中伴隨的獨(dú)特風(fēng)險(xiǎn)有了更深刻的理解。雖都被認(rèn)為來源的個(gè)人投資能力，但現(xiàn)在投資者們已開始漸漸認(rèn)識(shí)到諸如規(guī)模、價(jià)值和外部風(fēng)險(xiǎn)等非市場風(fēng)險(xiǎn)的。目前學(xué)術(shù)界充斥

6、著關(guān)于解釋的研究仍然處于摸索階段。文中，我們運(yùn)用顯示性偏好風(fēng)險(xiǎn)模型的研究討論，但是投資者應(yīng)如何評(píng)價(jià)其業(yè)績投資者往往被認(rèn)為是最具經(jīng)驗(yàn)的投資者之一。在本來研究投資者會(huì)關(guān)注哪些風(fēng)險(xiǎn)因素來評(píng)估業(yè)績。隨后，我們會(huì)檢驗(yàn)投資者的資產(chǎn)配臵決策是否與基的業(yè)績表現(xiàn)一致，在這一過程中，我們會(huì)將基的業(yè)績表現(xiàn)分解成為與不同風(fēng)險(xiǎn)類型所相關(guān)的部分。我們首先通過類似于“賽馬”的方式來運(yùn)用哪個(gè)風(fēng)險(xiǎn)模型對于投資者投資對沖基金資產(chǎn)的敏感度更好。我們運(yùn)用一系列單因子和多因子模型來衡量風(fēng)險(xiǎn)調(diào)整后的業(yè)績表現(xiàn)。模型：CAPM 模型，Carhart4 因子模型，Carhart類因子增強(qiáng)模型，F(xiàn)ungand Hsieh 趨勢跟蹤 7 因子模型

7、，一個(gè)了新興市場因子的 12 因子組合模型和一個(gè)15 因子的最大化 R² 模型。我們測算因子的時(shí)間窗口為 24 alpha 上。，重點(diǎn)集中在一年內(nèi)的我們發(fā)現(xiàn) CAPM 模型的 alpha 值在“賽馬”比賽中頻繁勝出。說明當(dāng)投資者在調(diào)整市場風(fēng)險(xiǎn)的同時(shí)，同時(shí)獲得了基的投資能力所產(chǎn)生的 alpha系列非市場性風(fēng)險(xiǎn)所產(chǎn)生的。進(jìn)一步說明投資者對于一些的內(nèi)生風(fēng)險(xiǎn)并不在意，或者他們在取得階段性的后會(huì)積極尋求風(fēng)險(xiǎn)。為了進(jìn)一步個(gè)不同的部分：與基投資者對于非市場性風(fēng)險(xiǎn)的態(tài)度，我們把分解成為幾投資能力（alpha）相關(guān)的部分，與傳統(tǒng)風(fēng)險(xiǎn)敞口（例如市場、規(guī)模、賬面市值比）相關(guān)的部分，非標(biāo)準(zhǔn)風(fēng)險(xiǎn)敞口（例如動(dòng)量

8、、類投資、宏觀不確定性和性）相關(guān)的部分。我們的結(jié)論證明投資者傾向于主動(dòng)尋求非市場風(fēng)險(xiǎn)帶來的，并且他們知道的是從傳統(tǒng)風(fēng)險(xiǎn)敞口獲得的（可以通過投資共同基金以更低的成本獲得）還是從外來風(fēng)險(xiǎn)敞口獲得的（只能通過投資獲得）。1. 數(shù)據(jù)和變量構(gòu)造1.1數(shù)據(jù)庫本文從 4 個(gè)數(shù)據(jù)庫獲得的數(shù)據(jù)，分別是 Eurekahedge、HFR、Lipper TASS 和 Morningstar。1.2 基金業(yè)績表現(xiàn)的評(píng)測和資本請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 4我們運(yùn)用多種不同的模型來評(píng)測基金業(yè)績，CAPM 模型，Carhart4 因子模型，Carhart類因子增強(qiáng)模型，F(xiàn)ung and Hs

9、ieh 趨勢跟蹤 7 因子模型，一個(gè)了新興市場因子的 12 因子組合模型和一個(gè) 15 因子的最大化 R²模型。1.3 概要統(tǒng)計(jì)表 1 概要統(tǒng)計(jì)資料來源：Alpha or Beta in the Eye of the Beholder表 1 統(tǒng)計(jì)了 16185 只基金從 1996 年到 2012 年，在各個(gè)年度共計(jì) 71117 個(gè)觀察值， 結(jié)果顯示這期間每年基金的凈流入平均為 13.43%，中位數(shù)為-3.22%?；鸬钠骄晔找鏋?9.1%，平均每只基金管理 1.8 億的資產(chǎn)。基金的平均年限為 79，基金的管理費(fèi)中位數(shù)為 1.5%。我們樣本中 19.22%的基金有最低預(yù)期回報(bào)率，基金的

10、平均鎖定期為 376 天。平均年化 alpha 的值在 7 個(gè)模型間差異較大，最低為 2.73%，最高為 7.58%。表 2 不同模型間的相關(guān)性資料來源：Alpha or Beta in the Eye of the Beholder請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 5我們在檢驗(yàn)不同的 alpha 間相關(guān)性時(shí)進(jìn)一步證明了不同模型間的差異。表 2 中了參數(shù)化的 Pearson 相數(shù)和非參數(shù)化的 Spearman 相數(shù)。各個(gè)模型間的Pearson 相數(shù)的值域?yàn)?0.33-0.95，Spearman 相數(shù)的值域?yàn)?0.39-0.94。2. 風(fēng)險(xiǎn)模型對比接下來我們通過檢驗(yàn)投

11、資者的申贖決策來研究他們是如何來評(píng)測的業(yè)績表現(xiàn)。我們分析的一個(gè)前提條件是要確定投資者在評(píng)估風(fēng)險(xiǎn)調(diào)整后的基金業(yè)績時(shí)所采用的系統(tǒng)風(fēng)險(xiǎn)的類型。例如，當(dāng)投資者只關(guān)心市場風(fēng)險(xiǎn)時(shí)，他們會(huì)更偏好于 CAPMalpha。相反地，當(dāng)果投資者想尋求型，比如 AN 和 FH7 模型。的外部風(fēng)險(xiǎn)時(shí)，他們會(huì)更傾向于更復(fù)雜的模我們在運(yùn)用 7 個(gè)不同的模型來測算投資者對于 alpha 的敏感度（通過投資者申贖行為測算），這 7 個(gè)模型分別是：CAPM，F(xiàn)F3，Carhart4，AN，F(xiàn)H7，12 因子模型和最大化 R² 模型。受 Berk 和 Van Binsbergen（2015，下文BvB）和 Barber，

12、Huang和 Odean（2015，下文BHO）的研究的啟發(fā)，我們進(jìn)行了兩組對比，我們首先檢驗(yàn)投資者資金申贖行為與 alpha 的表現(xiàn)是否為正相關(guān)。采用的模型如下：其中當(dāng)返回正數(shù)時(shí)為 1，負(fù)數(shù)時(shí)為-1，0 時(shí)返回 0。表 3表現(xiàn)的對比資料來源：Alpha or Beta in the Eye of the Beholder表 4 Barber, Huang, and Odean (2015)成對模型比較請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 6資料來源：Alpha or Beta in the Eye of the Beholder表 3 為風(fēng)險(xiǎn)模型對比的一些數(shù)據(jù)，對比的

13、時(shí)間樣本為 1996 年到 2012 年，時(shí)間樣本拆分為 2 段，第一段為 1996 年到 2004 年，第二段為 2005 年到 2012 年。表 3上升的時(shí)申購都會(huì)加大，其中 t 統(tǒng)計(jì)量的數(shù)據(jù)結(jié)果顯示結(jié)果顯示所有的模型在CAPM 模型與其它模型相比更好地解釋了投資者在 alpha 變動(dòng)時(shí)申贖的敏感程度。目前為止，BvB 研究結(jié)果表明投資者在估測風(fēng)險(xiǎn)。風(fēng)險(xiǎn)調(diào)整后的業(yè)績表現(xiàn)調(diào)整了市場進(jìn)一步，我們用 BHO 法來研究投資者凈流入和基金業(yè)績表現(xiàn)之間的。表 4 記錄的是 BHO 法對比模型的結(jié)果，可以看到該模型進(jìn)一步驗(yàn)證了 CAPM 模型比其他模型對于 alpha 變動(dòng)導(dǎo)致的申贖行為更為敏感。CAP

14、M 和其他模型之間的累計(jì)差異都為正， 差異百分比都在 80%以上。FF3 模型和 CAPM 模型之間的差距最小，但 CAPM 在解釋投資者申贖行為方面還是顯著優(yōu)于 FF3 模型。3.投資者申贖行為分析上一章節(jié)解釋了 alpha 的確會(huì)影響投資者的申贖，這一章節(jié)對不同類型的非市場性風(fēng)險(xiǎn)有不同的申贖反應(yīng)。檢驗(yàn)投資者是否3.1 投資者和組成通常而言，共同基金只收取少于 1%的固定管理費(fèi)用，因而他們的主要來自于傳統(tǒng)的風(fēng)險(xiǎn)、比如市場、規(guī)模等。而，往往收取高昂的固定費(fèi)用并且對于超額利潤收取 20%的業(yè)績。（alpha）支付高額的管理費(fèi)用，因?yàn)?，投資者會(huì)愿意為風(fēng)險(xiǎn)調(diào)整后的超額這些超額不能從傳統(tǒng)的如 ETF

15、或是指數(shù)基金等費(fèi)用較低的投資工具中獲得。這就產(chǎn)生了一個(gè)問題：“投資者能區(qū)分傳統(tǒng)風(fēng)險(xiǎn)帶來的和外部風(fēng)險(xiǎn)帶來的嗎？”為了回答這個(gè)問題，我們把分成了三部分，alpha，傳統(tǒng) beta和外部 beta，并分別檢驗(yàn)投資者對這三種變化的敏感度。請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 7表 5組成部分概要統(tǒng)計(jì)資料來源：Alpha or Beta in the Eye of the Beholder表 6組成部分與投資者申贖相關(guān)性分析資料來源：Alpha or Beta in the Eye of the Beholder表 5 給出了三種不同類型風(fēng)險(xiǎn)在不同模型下的概要統(tǒng)計(jì)數(shù)據(jù)和彼此間的相

16、數(shù)據(jù)。我們可以看到 alpha 模型的 0.39%。傳統(tǒng) beta 模型的 0.25%。外部 beta模型的 0.29%。不同類型風(fēng)險(xiǎn)個(gè)能為投資者帶來傳統(tǒng) beta的月平均值最低為 12 因子模型的 0.15%，最高為 FH7 的月平均值最低為 AN 模型的-0.06，最高為最大化 R² 的月平均值最低為最大化 R² 模型的-0.10%，最高為 AN之間的相關(guān)性值較低，并且大多數(shù)為負(fù)值。這說明一的基金并不一定能同時(shí)帶來非系統(tǒng)性 beta。表 6 給出的是投資者申贖與不同類型風(fēng)險(xiǎn)變動(dòng)的相關(guān)性數(shù)據(jù)。首先可以看到，在全部 5 個(gè)模型中，三種變動(dòng)和投資者申贖行為都是正相關(guān)的，例如，

17、在 Carhart4模型中，alpha 的相數(shù)值為 11.59，這表明當(dāng) alpha 的月平均值增加 1%時(shí)會(huì)導(dǎo)致下一年 11.59%的凈申購。在全部 5 個(gè)模型中，非系統(tǒng)性 beta變動(dòng)對投資者申購的敏的變動(dòng)更為敏感。這一感度都大統(tǒng) beta。這說明投資者對于非系統(tǒng) beta來源于何種風(fēng)險(xiǎn)，并且他們更偏好非系統(tǒng) beta 風(fēng)險(xiǎn)帶結(jié)果表明投資者能區(qū)分他們的來的。4. 投資者申贖對于理想化的組成部分反應(yīng)是否是最我們通過分析發(fā)現(xiàn)，投資者不僅對 alpha 有強(qiáng)烈偏好，并且還傾向于投資具有相對高非系統(tǒng)風(fēng)險(xiǎn)的基金。分析投資者對三類不同的風(fēng)險(xiǎn)的不同偏好是否與請務(wù)必閱讀正文之后的披露和法律金融工程研究 金

18、融工程專題報(bào)告 8它們未來的業(yè)績表現(xiàn)差異一致。我們通過下面的回歸來分別檢驗(yàn)三種風(fēng)險(xiǎn)的持續(xù)性：表 7組成部分持續(xù)性資料來源：Alpha or Beta in the Eye of the Beholder表 7 的結(jié)果顯示所有模型中 alpha 都具有很強(qiáng)的持續(xù)性，并且在越復(fù)雜的模型中，alpha 的持續(xù)性就越強(qiáng)。因而投資者并因?yàn)榛饦I(yè)績的異常表現(xiàn)而馬上撤回投資。我們并沒有發(fā)現(xiàn)傳統(tǒng) beta 風(fēng)險(xiǎn)續(xù)性，但表現(xiàn)得并不明顯。從具有持續(xù)性，而非系統(tǒng)性 beta 風(fēng)險(xiǎn)雖然持和滯后的基金申贖來看有非常明顯的相關(guān)性過去的會(huì)直接的申贖，而負(fù)的參數(shù)表明投資者基于過往的業(yè)績來未來解釋的 3 個(gè)因素并不可靠。5.

19、結(jié)論作是一種獨(dú)特的投資工具，一個(gè)重要的就是它們對于衍生品、做空和杠桿等投資工具的運(yùn)用所受的限制較少。這種靈活性使得投資經(jīng)理在進(jìn)行投資時(shí)可以覆蓋廣泛的不同的風(fēng)險(xiǎn)。我們在分析過程中探討了投資者在投資時(shí)對于不同種類風(fēng)險(xiǎn)的敏感度。我們發(fā)現(xiàn)，CAPM 模型與其他一些更復(fù)雜的模型相比，在解釋過去對沖基金業(yè)績和投資者申贖投資能力的 alpha方面表現(xiàn)的更好。這個(gè)結(jié)果說明投資者同時(shí)關(guān)注了來自和來自于其他一系列非市場風(fēng)險(xiǎn)的。我們還發(fā)現(xiàn)投資者能區(qū)分的是從傳統(tǒng)風(fēng)險(xiǎn)敞口獲得的（可以通過投資共同基金以更低的成本獲得）還是從外來風(fēng)險(xiǎn)敞口獲得的（只能通過投資獲得）。我部分，與分解成為與 alpha 相關(guān)的們把部分，與傳統(tǒng)風(fēng)

20、險(xiǎn)相關(guān)的非系統(tǒng)風(fēng)險(xiǎn)相關(guān)的部分，并且發(fā)現(xiàn)盡管投資者會(huì)對這三種風(fēng)險(xiǎn)都作出反應(yīng)，但與傳統(tǒng)風(fēng)險(xiǎn)帶來的相比，他們更重視非系統(tǒng)風(fēng)險(xiǎn)所帶來的。接下來我們探討了投資者對上述三種不同類型風(fēng)險(xiǎn)的反應(yīng)是否是以基金過alpha，傳統(tǒng)風(fēng)險(xiǎn)敞口alpha 具有明顯去的業(yè)績表現(xiàn)為依據(jù)的。我們還評(píng)估了隨著時(shí)間推移，所帶來和外部風(fēng)險(xiǎn)鎖帶來的持續(xù)性。最后我們發(fā)現(xiàn)，的持續(xù)性，非系統(tǒng)風(fēng)險(xiǎn)所帶來不具有持續(xù)性。具有不明顯的持續(xù)性，而傳統(tǒng)風(fēng)險(xiǎn)敞口所帶來并請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 9風(fēng)格輪動(dòng)策略在英國的表現(xiàn)文章來源：M. Levis, M. Liodakis (1999). The Profitabili

21、ty of Style Rotation Strategies in the United Kingdom, the Journal of Portfolio Management, Fall: 1-14推薦人：1. 引言小盤/大盤和價(jià)值/成長股票的表現(xiàn)差異并不是市場獨(dú)有的特征。眾多文獻(xiàn)表明，在很多，以賬面/市值比定義的價(jià)值股長期而言獲得更高的。同樣地，小市值的股票也有類似的表現(xiàn)。，在投資中始終堅(jiān)持某一種風(fēng)格似乎并不是最優(yōu)的選擇。正如大類資產(chǎn)的好壞時(shí)常發(fā)生切換催生了對資產(chǎn)配臵策略的需求，市場風(fēng)格的不斷變化也為風(fēng)格輪動(dòng)策略提供了發(fā)展空間。對主動(dòng)管理型的基來說，不同風(fēng)格或板塊之間的輪動(dòng)可以增強(qiáng)基金

22、的表現(xiàn)。有研究表明，絕大部分基金并不拘泥一類特定的風(fēng)格，而是更傾向于在不同風(fēng)格之間進(jìn)行靈活地切換。本文考察了基于價(jià)值/成長和小盤/大盤風(fēng)格的輪動(dòng)策略所能帶來的潛在。首先，以 1968-1997 年的英國證券市場為研究對象，在不同精度的下，通過蒙特卡洛模擬的，計(jì)算輪動(dòng)策略扣除費(fèi)用后的平均。其次，基于一系列宏觀變量開發(fā)了一個(gè)風(fēng)格切換的模型，并檢驗(yàn)了它的實(shí)際能力。樣本外的結(jié)果表明，相比于價(jià)值/成長之間的輪動(dòng)，大、小盤風(fēng)格的變化顯得更有價(jià)值。2. 數(shù)據(jù)與指數(shù)的構(gòu)建本文構(gòu)建的風(fēng)格指數(shù)覆蓋了 1968 年-1997 年間上市的共 3,868 個(gè)股票。為構(gòu)建規(guī)模和價(jià)值組合，在每年的 6 月末分別按照市值（M

23、V）和賬面/市值比（BM）對公司排序。然后，將股票按照如下規(guī)則劃分成 9 個(gè)組合。規(guī)模最小的 10%作為小市值組合，位于中間的 80%則為中等市值的組合，剩余的則歸入大市值組合；類似地，將擁有最高 BM 值的那 30%的公司作為價(jià)值組合，最低的30%作為成長組合，中間的 40%再形成一個(gè)組合。這樣，9 個(gè)規(guī)模-BM 組合就可以通過三個(gè) MV 和三個(gè) BM 組合的交集獲得。同時(shí)有著低 MV 和高 BM 比值的公司組成了小盤-價(jià)值板塊，而 MV 和 BM 比值都小的公司可被視作是小盤-成長類。這一排序的工作每年都會(huì)在 6 月末進(jìn)行一次（共 29 次），也即這 9 個(gè)組合的成分股每年都會(huì)變化，而組合

24、的則相應(yīng)地從 7 月開始計(jì)算。3. 規(guī)模、價(jià)值組合的基本面與表現(xiàn)對 9 個(gè)組合中的每一個(gè)，本文分別計(jì)算了它們的平均市值、賬面/市值比的中位數(shù)、股息分紅率、市盈率（PE）、現(xiàn)金流的利潤率和總的資產(chǎn)負(fù)債率。同時(shí)，還估計(jì)了小市值、大市值、價(jià)值、成長這 4 個(gè)組合上述比率的取值。表 1 給出了所有組合的描述性統(tǒng)計(jì)量，前兩行展示的是每個(gè)風(fēng)格組合的市值與賬面/市值比。鑒于組合的形成機(jī)制，小市值和大市值組合必然有著截然不同的 MV，但卻有著十分接近的 MB 比值。而價(jià)值和成長組合則在 MB 上差距極大，MV 上并不明顯。請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 10表 1 規(guī)模和價(jià)值組合

25、的基本面特征資料來源：The Profitability of Style Rotation Strategies in the United Kingdom比起成長組合，價(jià)值組合有更高的股息率和現(xiàn)金流利潤率以及更低的市盈率（PE）。而幾個(gè)規(guī)模組合在這些指標(biāo)上則并無明顯的差異。大市值-價(jià)值股有著最高股息率（5.99），而中等市值-成長股的股息率最低（3.62）。大市值-成長股是 PE 最高的組合，為 21.01；同時(shí)，小市值-價(jià)值股組合的現(xiàn)金流利潤率最低，為 0.38。最后一列給出的是資產(chǎn)負(fù)債率。尤其需要注意的是，相同 MB 組合之間因規(guī)模不同而的杠桿上的巨大差異，價(jià)值股在平均意義上有著更高的

26、杠桿（0.24 v.s 0.18）。表2 報(bào)告的是整個(gè)樣本區(qū)間（1968 年 7 月-1997 年 6 月）以及區(qū)間（1968 年 7 月-1978 年 6 月、1978 年 7 月-1988 年 6 月、1988 年 7 月-1997 年 6 月）之上的平均年，分別以等權(quán)重和市值兩種加權(quán)方式計(jì)算。價(jià)值指數(shù)的平均年度是 23.58%度（市值加權(quán)的為 22.31%），超越成長指數(shù) 11 個(gè)百分點(diǎn)。表 2 組合的平均年度資料來源：The Profitability of Style Rotation Strategies in the United Kingdom更令人的是，這一差異在區(qū)間以及不同

27、的規(guī)模類別中都保持了出奇的穩(wěn) 差在三個(gè)十年中分別為 12.46（15.30，市值加定。價(jià)值-成長組合之間的年度平均權(quán)，下同）、12.37（10.39）和 9.80（7.12）個(gè)百分點(diǎn)。而且，不論是小盤、中盤還是大盤，上述差異始終都是顯著的。小市值等權(quán)指數(shù)在整個(gè)區(qū)間上的平均年度是 17.51%，僅高于大市值指數(shù) 83 個(gè)bp。盡管這一結(jié)果乍一看有點(diǎn)讓人驚訝，因?yàn)槭兄敌?yīng)在很多年份上從英國的證券市場中觀察到，但最后一個(gè)子區(qū)間上的結(jié)果卻能對此做出合理的解釋。從 1988 年的 7月到 1997 年的 6 月，大市值等權(quán)指數(shù)平均每年可以獲得 13.28%的則只有 8.98%。，而小市值指數(shù)不過，由不同

28、規(guī)模產(chǎn)生的差在各個(gè)組合間并不。同樣有著低 MB 比值的小請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 11市值和大市值組合，前者的而單調(diào)遞增。表現(xiàn)更好；而在成長股組合中，卻隨著市值的上升4. 風(fēng)格輪動(dòng)的潛在圖 1 給出的是小市值-大市值和價(jià)值-成長組合差的 12移動(dòng)平均值（以等權(quán)重加權(quán)計(jì)算）。顯然，不同受投資者偏股票類型也不盡相同。例如，在整個(gè)樣本空間的前 1/2，投資小市值股票的策略共經(jīng)歷過兩段好時(shí)光，每一段都持續(xù)了 2.5-3 年（1971-1973 和 1977-1980）。另一方面，大市值股票在 1988-1992 年的表現(xiàn)更好。圖 1 風(fēng)格差的 12移動(dòng)平均值資料來源

29、：The Profitability of Style Rotation Strategies in the United Kingdom大小盤風(fēng)格除了周期性的遷移外，在更高頻率上的切換同樣是有跡可循。在總共 348份中，小市值股票在 183大市值股票表現(xiàn)得更加出色。份上更高，占比為 53%；其余 47%的時(shí)間內(nèi)，相比之下，雖然價(jià)值-成長組合差的符號(hào)發(fā)生變化的頻率并不那么高，但成長股依然能在一些時(shí)段上獲得更高的?？傮w來看，共有 232份上，價(jià)值-成長組合的差為正，占整個(gè)樣本區(qū)間的 67%。顯然，如果投資者能更好地預(yù)判價(jià)值與成長之間的風(fēng)格切換，就應(yīng)當(dāng)可以戰(zhàn)勝的買入持有策略。準(zhǔn)確度的實(shí)際評(píng)估。圖

30、2 給出的是風(fēng)格輪動(dòng)策略的有效實(shí)施依賴于對基投資者在小盤和大盤風(fēng)格之間輪動(dòng)時(shí)，可能獲得的最大和最小。這兩條路徑的端點(diǎn)分別對應(yīng)了完全正確（左上）和完全錯(cuò)誤（右下）的情形。1968 年 7 月至 1997 年6 月間共包含 348，如果投資者能夠準(zhǔn)確每的風(fēng)格，并投資強(qiáng)勢的，那么他在這 30 年間最終能收獲 33.81%的平均年度，高出富時(shí)全樣本（FT All Share）指數(shù) 17.47 個(gè)百分點(diǎn)。每次調(diào)整的成本是 100 個(gè) bp，而基于完美預(yù)判的策略共進(jìn)行了 160 次調(diào)整，這將使平均下降至 28.29%。在另一個(gè)情形中，一個(gè)每次都做出錯(cuò)誤的投資者最終能獲得 0.38%的平均以及-5.14%的

31、扣費(fèi)后。請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 12圖 2 風(fēng)格擇時(shí)精確度對年度的影響（大小盤的輪動(dòng)）資料來源：The Profitability of Style Rotation Strategies in the United Kingdom進(jìn)一步，投資者在這 348份上只有一定的概率做出準(zhǔn)確的。為了評(píng)價(jià)風(fēng)格輪動(dòng)策略的穩(wěn)健性，本文計(jì)算了在 5%-95%的不同精度下，最高和最低的可能。例如，對 60%的準(zhǔn)確率，最情況就是投資者抓住了差最大的 209（60%），而最差的情況則是投資者錯(cuò)過了最139（40%）。當(dāng)然，在后一種情況中，盡管的準(zhǔn)確率達(dá)到 60%，但成本將遠(yuǎn)遠(yuǎn)超

32、越潛在的。圖 2 中的兩條曲線分別代表了準(zhǔn)確率對平均年度的影響。上方對應(yīng)著最情況，即總能按照某一準(zhǔn)確率選到最優(yōu)的那些月份。而下方的曲線則代表相同預(yù)測準(zhǔn)確率下的最差情況。上方曲線的斜率剛開始下降緩慢，但隨著準(zhǔn)確率的下降而變得越發(fā)陡峭。下方曲線的形態(tài)則恰好相反，起初陡峭，后期平坦。有意思的是，即使的準(zhǔn)確率只有 35%，通過輪動(dòng)獲得的最高可能也將超越富時(shí)全樣本指數(shù)，且與小市值指數(shù)的表現(xiàn)持平。而如果投資者選錯(cuò)了月份（最差的情況），那么他就需要 90%以上的準(zhǔn)確率來戰(zhàn)勝持有策略。本文還測試了每次切換的費(fèi)用為 200 個(gè) bp 的情形。顯然，費(fèi)用的提高對的影響，完美的平均年度下降到了 22.77%。此外，

33、戰(zhàn)勝小輪動(dòng)有著市值指數(shù)至少需要 55%的準(zhǔn)確率。對價(jià)值/成長的輪動(dòng)也進(jìn)行上述分析。一個(gè)完美預(yù)判的策略最終收獲了 29.10%的平均年度；扣除每次切換伴隨的 100 個(gè) bp 的費(fèi)用后，為 24.51%。這僅比買入持有價(jià)值組合的高出了 93 個(gè) bp。不過，從下行風(fēng)險(xiǎn)來看，價(jià)值/風(fēng)格輪動(dòng)的策略低于7%，大小盤的輪動(dòng)。即使每都對風(fēng)格做出了相反的，策略的最終也扣除費(fèi)用后為 1.88%。顯然，價(jià)值-成長了風(fēng)險(xiǎn)。差較小的波動(dòng)在減少的同時(shí)也降低圖 3 展示的是價(jià)值/成長輪動(dòng)策略在不同準(zhǔn)確率水平上可能的最小和最大。兩條曲線的形態(tài)與圖 2 完全一致，但其間的距離卻縮窄了很多。這表明，進(jìn)行價(jià)值/成長風(fēng)格輪動(dòng)的風(fēng)

34、險(xiǎn)相對較小。不過，這也給戰(zhàn)勝持有策略增加了難度。即便投資者只正確就能選到最那些月份，他也需要 75%的準(zhǔn)確率才能確保獲得超越指數(shù)的要表現(xiàn)。請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 13圖 3 風(fēng)格擇時(shí)精確度對年度的影響（價(jià)值 v.s 成長的輪動(dòng)）資料來源：The Profitability of Style Rotation Strategies in the United Kingdom當(dāng)費(fèi)用上升到 200bp 時(shí)，價(jià)值/成長輪動(dòng)策略的結(jié)果更令人失望。即使投資者能夠完美預(yù)判每的風(fēng)格，他也無法超越買入持有價(jià)值組合的策略。以上分析表明，提高的準(zhǔn)確率對做好風(fēng)格輪動(dòng)十分重要，但更

35、重要的是能夠在某些特殊的時(shí)段上保持精準(zhǔn)。如果你錯(cuò)失了那些差很大的月份，高的準(zhǔn)確率也并不必然對應(yīng)著高。因此，一個(gè)有經(jīng)驗(yàn)的市場擇時(shí)，不僅能以較高的準(zhǔn)確率進(jìn)行，而且能夠在那些最有效的月份上依然正確。至此，本文一直在某一給定的準(zhǔn)確率水平上，投資者能夠做出的最優(yōu)和最差的選擇。事實(shí)上，對每一個(gè)準(zhǔn)確率，可能的是一個(gè)完整的分布。那么，要評(píng)價(jià)一是估計(jì)/損失函數(shù)的分布。為此，本文針個(gè)風(fēng)格輪動(dòng)策略的平均，的對 50%、60%、70%和 80%這四個(gè)準(zhǔn)確率，通過各 10,000 次的模擬實(shí)驗(yàn)，獲得了最終的平均年度分布。圖 4 是從一度的大小盤輪動(dòng)策略中得到模擬累計(jì)分布。每一條曲線對應(yīng)著不同的準(zhǔn)確率，直線表示小市值指數(shù)

36、的年度表現(xiàn)，作為比較的基準(zhǔn)。圖 4 模擬的平均年度（大小盤的輪動(dòng)）資料來源：The Profitability of Style Rotation Strategies in the United Kingdom請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 14從途中可以清晰地看出準(zhǔn)確率對輪動(dòng)策略分布的影響。隨著準(zhǔn)確率的提高，曲線逐漸向右移動(dòng)?？鄢?100bp 的費(fèi)用后，模擬的平均年度分別是 12.15%（50%準(zhǔn)確率）、15.51%（60%準(zhǔn)確率）、18.90%（70%準(zhǔn)確率）、22.34%（80%準(zhǔn)確率）。如果費(fèi)用上升到 200bp，年度大致減少 4%。此時(shí)，70%的準(zhǔn)確率

37、也僅能獲得 14.03%的，很難戰(zhàn)勝小市值指數(shù)。進(jìn)一步把上述驗(yàn)證體系運(yùn)用于價(jià)值/成長策略的考察。圖 5 給出的是不同準(zhǔn)確率對應(yīng)的年度分布。扣除 100bp 的費(fèi)用后，模擬分布在 4 個(gè)準(zhǔn)確率水平上的均值分別為 12.85%、15.17%、17.61%和 20.14%。這些結(jié)果表明，即使以 80%的準(zhǔn)確率實(shí)施風(fēng)格輪動(dòng)策略，也幾乎不可能戰(zhàn)勝買入持有價(jià)值組合的策略。而當(dāng)費(fèi)用上升至200bp 后，重復(fù)上述模擬過程可發(fā)現(xiàn)，平均年度出現(xiàn)了顯著的下降。圖 5 模擬的平均年度（價(jià)值 v.s 成長的輪動(dòng)）資料來源：The Profitability of Style Rotation Strategies in

38、 the United Kingdom簡而言之，本文的結(jié)果認(rèn)為一個(gè)的價(jià)值/成長策略要求高超的技巧。具體說了費(fèi)用后，投資者需要 80%以上的來，在率才能超越買入持有價(jià)值組合的策略。這也說明，在價(jià)值和成長風(fēng)格之間輪動(dòng) 的技巧。很大的風(fēng)險(xiǎn)，除非你確實(shí)有超乎尋常從以上分析可以看出，大小盤風(fēng)格的輪動(dòng)似乎更加具備實(shí)踐意義。不僅如此，進(jìn)一變量的簡單模型就可以達(dá)到 65%-70%的步的研究表明，通過一個(gè)基于準(zhǔn)確率。由圖 4 中的模擬曲線可知，這足以保證大概率戰(zhàn)勝買入持有小市值指數(shù)的策略。5. 哪些變量可以風(fēng)格的差風(fēng)格輪動(dòng)策略的有效實(shí)施需要能夠來檢驗(yàn)它們對大小盤和價(jià)值/成長風(fēng)格風(fēng)格差的相關(guān)模型。本文使用如下變量

39、差的敏感性：景氣指標(biāo)（Coincident Indicator）國債到期率（Three-Month T-Bill Yield）的月度變化；反映的年度變化率；三期限結(jié)構(gòu)的變量（Term Strunture），定義為 20 年期金邊債券與三國債的率之差；以及從消費(fèi)者物價(jià)指數(shù)（CPI）的月度對數(shù)變化得到的通脹指標(biāo)（Inflation）。其他變量還月度的資產(chǎn)風(fēng)險(xiǎn)溢價(jià)（Equity Risk Premium）、英鎊兌匯率的月度變化、一個(gè)指數(shù)相對另一個(gè)的股息比（Dividend Yield Ratio）。所有這些變量在模型中都使用滯后一階項(xiàng)，以保證檢驗(yàn)的可性。表 3 報(bào)告的是在整個(gè)樣本區(qū)間（1968 年-

40、1997 年）上，大小盤價(jià)格差的一元、多元請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 15和 logistic 回歸的結(jié)果。最后一列是 logistic 回歸的系數(shù)與 t 統(tǒng)計(jì)量，被解釋變量用的是一個(gè)二元值，當(dāng)價(jià)格差為正時(shí)，取 1；否則取 0。在一元回歸中，通脹和資產(chǎn)風(fēng)險(xiǎn)溢價(jià)這兩個(gè)變量高度顯著，而期限結(jié)構(gòu)和股息比僅 僅是勉強(qiáng)能通過顯著性檢驗(yàn)。變量的符號(hào)在普通最小二乘和 logistic 回歸中并無二致， 有些甚至在后一種情況中變得更加顯著了?；貧w結(jié)果表明，小市值股票的回報(bào)受益率和資產(chǎn)風(fēng)險(xiǎn)溢價(jià)的上升、率曲線的陡峭化以及通脹率的降低。表 3 大小盤差的影響變量資料來源：The P

41、rofitability of Style Rotation Strategies in the United Kingdom表 4 展示的是價(jià)值/成長差的回歸結(jié)果，系數(shù)和 t 統(tǒng)計(jì)量。和大小盤差的回歸相反，期限結(jié)構(gòu)、資產(chǎn)風(fēng)險(xiǎn)溢價(jià)和股息比在一元回歸中并不顯著，因而沒有被納入其他兩個(gè)回歸模型中。滯后一的價(jià)值/成長差和通脹變量似乎是最重要的兩個(gè)解釋因子。通脹率的上升對價(jià)值股的甚于成長股，導(dǎo)致下的差轉(zhuǎn)負(fù)。表 4 價(jià)值/成長差的影響變量資料來源：The Profitability of Style Rotation Strategies in the United Kingdom在一元回歸中勉強(qiáng)通過顯

42、著性檢驗(yàn)的兩個(gè)變量短期利率和景氣指標(biāo)的年度變化，在和其他變量一起回歸時(shí)變得不顯著了。英鎊兌匯率的月度變化在所有情況中都超越了 95%的顯著性水平。其符號(hào)表明，匯率的上升更有利于成長股。請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 166. 基于 logistic 模型的風(fēng)格輪動(dòng)策略Logistic 回歸認(rèn)為，風(fēng)格差和一系列與市場變量有關(guān)。因此，風(fēng)格差分成 1 或記為 1；的符號(hào)對一個(gè)者 0 兩類。如果某的風(fēng)格輪動(dòng)策略或許已經(jīng)足夠。按照風(fēng)格差的符號(hào)將每小盤股（價(jià)值股）的表現(xiàn)優(yōu)于大盤股（成長股），把這否則，記為 0。同時(shí)，使用和前文相同的變量。擬合 2 個(gè) logistic 模型，

43、其形式為：Ptlog= a + b X tPt1 -條件概率給出的是下價(jià)值股或小盤股表現(xiàn)更可能性。本文采用遞推的技術(shù)，并且選取后 276用作樣本外的評(píng)估。首先，使用前 721968 年 7 月-1974年 6 月）的數(shù)據(jù)估計(jì)回歸系數(shù)并生成隨后 12（1974 年 7 月-1975 年 6 月）的概率。然后，把這 12和之前的 72的數(shù)據(jù)合并重新估計(jì)模型，再使用新的系數(shù)生成下面 12（1975 年 7 月-1976 年 6 月）的概率。重復(fù)這一步驟 23 次后，可以得到 2 類風(fēng)格差的概率序列。概率值超過 0.5 意味著小盤股的表現(xiàn)在這可能更優(yōu)，反之則可能偏好大盤股。本文以如下的規(guī)則評(píng)價(jià)模型的能

44、力，如果某份的差為正且概率高于 0.5 或者差為負(fù)且概率低于 0.5，則認(rèn)為是的。否則，失敗。根據(jù)這一準(zhǔn)則，大小盤風(fēng)格的模型有 60.14%的率。其中，模型在 175（63.41%）上的預(yù)測概率大于 0.5，即認(rèn)為小盤股的表現(xiàn)將好于大盤股；剩余的 101概率小于 0.5。（36.59%）上的如果以 50%作為臨界值，價(jià)值/成長差的模型將有 68.84%的準(zhǔn)確率。根據(jù)模型的概率，共有 228（82.61%）大于 0.5，而僅有 48（17.39%）得到了成長股更優(yōu)的信號(hào)。表 5 給出的是基于概率開發(fā)的 3 個(gè)策略的結(jié)果，并將它們與各類型的概率大于 0.5）的月份上 100%投資小盤策略進(jìn)行比較。

45、策略 1 在發(fā)出小盤股信號(hào)（股，在概率小于 0.5 時(shí)則 100%投資大盤股。表 5 大小盤差的 logistic 模型所對應(yīng)的輪動(dòng)策略（1974-1997）資料來源：The Profitability of Style Rotation Strategies in the United Kingdom策略 1 的不足在每簡單地劃分成適合投資小盤股還是大盤股，而不考慮預(yù)測概率的大小。為最小化這一局限帶來的影響，且使配臵策略更有效，本文測試了另外兩個(gè)法則。請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 17策略 2 定義概率在 0.45-0.55 之間為中性，此時(shí)保持上的配臵不變。

46、策略 3 認(rèn)為，概率連續(xù)兩發(fā)出相同的信號(hào)將會(huì)提高后續(xù)時(shí)段的準(zhǔn)確率。因此，如果概率大于（小于）要在下將資產(chǎn) 100%轉(zhuǎn)向小盤股（大盤股），不僅需要當(dāng)前月的0.5，前一也必須如此。如果這一條件不能滿足，則按照 50/50 的比例配臵這兩個(gè)風(fēng)格的資產(chǎn)。策略 2 和 3 的結(jié)果都扣除了因?yàn)樵露鹊馁Y產(chǎn)轉(zhuǎn)移而產(chǎn)生的費(fèi)用。表 5 給出的是平均年度和不同費(fèi)用水平下，對每個(gè)擇時(shí)策略投資 100 英鎊后各自對應(yīng)的期末。此外，表 5 中還了每個(gè)策略的年化標(biāo)準(zhǔn)誤、率以及買入-持有推薦的切換次數(shù)。處于比較的目的，本文還報(bào)告了完美的擇時(shí)策略和 3 個(gè)策略（小市值、大市值和全樣本）的相關(guān)數(shù)據(jù)。顯然，所有 3 個(gè)擇時(shí)策略在經(jīng)

47、由較高費(fèi)用的調(diào)整后依然優(yōu)于買入-持有策略。在不考慮任何費(fèi)用時(shí)，策略 1 的能力似乎是最強(qiáng)的。而當(dāng)買次切換需要 100、150和 200bp 的成本時(shí)，第二個(gè)策略的表現(xiàn)最好。更有意思的是，盡管這 3 個(gè)輪動(dòng)策略的表現(xiàn)于買入-持有策略，但卻沒有產(chǎn)生更高的風(fēng)險(xiǎn)。3 個(gè)策略的標(biāo)準(zhǔn)誤都為 18 左右，使得扣費(fèi)前的率在 1.37-1.39 之間。令人不意外的是，第三個(gè)輪動(dòng)策略有著最低的歷史波動(dòng)率，17.93%。對每個(gè)擇時(shí)策略，本文還計(jì)算了要達(dá)到買入持有小盤指數(shù)的期末所能承受的最高費(fèi)用。輪動(dòng)策略 1 在費(fèi)用上升到 217 個(gè) bp 之前保持優(yōu)勢，而策略 2 對應(yīng)的臨界值則為 379 個(gè) bp。如果機(jī)構(gòu)投資者

48、采用最后一個(gè)輪動(dòng)策略，只要他每次重新配臵資產(chǎn)的成本低于 301 個(gè) bp 依然能夠獲得超越小盤指數(shù)的回報(bào)。雖然模型的準(zhǔn)確率降降超過 60%，但基于此開發(fā)的策略卻輕松超越了指數(shù)。這似乎表明，模型具備抓住樣本中“較好”月份的能力。完美擇時(shí)模型的潛在收益依然遙不可及，也暗示著策略依然有進(jìn)一步的空間。價(jià)值/成長差模型的結(jié)果確認(rèn)了之前模擬實(shí)驗(yàn)傳遞的，買入-持有價(jià)值股的策略優(yōu)于價(jià)值/成長的輪動(dòng)。本文按照和表 5 相同的評(píng)估了 3 個(gè)輪動(dòng)策略，并將結(jié)果買入-持有價(jià)值指數(shù)。一旦考慮成本，展示在表 6 中。忽視費(fèi)用，3 個(gè)策略稍好于輪動(dòng)策略的顯著地下降。同樣地，在費(fèi)用為 100，150 和 200 個(gè) bp 的

49、條件下計(jì)算策略的期末?？梢园l(fā)現(xiàn)，沒有哪個(gè)策略能夠超越價(jià)值指數(shù)。表 6 價(jià)值/成長差的 logistic 模型所對應(yīng)的輪動(dòng)策略（1974-1997）資料來源：The Profitability of Style Rotation Strategies in the United Kingdom所有策略有著幾乎相同的波動(dòng)率。不過，相比策略 1.31 的果稍好一些，在 1.34-1.36 之間。率，策略的結(jié)請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 18計(jì)算打破平衡的費(fèi)用可得到相同的結(jié)論。對機(jī)構(gòu)投資者而言，如果費(fèi)用低于 61 個(gè) bp，使用策略 1 還是能獲得超額。而剩余兩個(gè)中性策

50、略所能承受的最高交易費(fèi)用分別是 54 和 29 個(gè) bp。，不幸的是，輪動(dòng)策略的真實(shí)成本很難有這么低， 尤其是在 100%切換風(fēng)格的時(shí)候。以上這些結(jié)果都表明，本文價(jià)值/成長輪動(dòng)開發(fā)的模型僅僅能勉強(qiáng)超越指數(shù)。一旦考慮費(fèi)用，很難獲得什么實(shí)質(zhì)的。由此可見，盡管價(jià)值/成長模型能夠更加準(zhǔn)確地出月度風(fēng)格的趨勢，但它能提供的優(yōu)勢卻顯得十分平庸。對投資者而言，想要戰(zhàn)勝買入-持有價(jià)值指數(shù)的策略，他需要更高的 能力。準(zhǔn)確率和對“較好”月份的捕捉7. 總結(jié)與討論在 1968-1997 的三十年間，英國的價(jià)值股和小盤股平均每年能超越成長股和大盤股1,160 和 80 個(gè) bp。本文的模擬結(jié)果表明，大小盤差的率只要能達(dá)

51、到65%-70%就足以戰(zhàn)勝長期持有小盤股的策略。不過，想要戰(zhàn)勝價(jià)值股策略則顯得非常困難，它要求 80%以上的率。本文發(fā)現(xiàn)，一系列宏觀和市場因子用來下風(fēng)格差的符號(hào)。更具體來說，logistic 模型認(rèn)為活動(dòng)或曰產(chǎn)業(yè)周期和差的啞變量之間顯著的。使用概率，本文開發(fā)并檢驗(yàn)了三個(gè)規(guī)則。結(jié)果顯示，基于大小盤的風(fēng)格輪動(dòng)策略能夠獲得很高的回報(bào)，但在價(jià)值和成長股中只能說是勉強(qiáng)有效。當(dāng)然，對那些專注于很長期限或某一類固定風(fēng)格的投資者而言，使用風(fēng)格輪動(dòng)策略應(yīng)當(dāng)更加審慎。但在其他情況下，基些風(fēng)格指數(shù)基本面的特征設(shè)計(jì)輪動(dòng)策略確實(shí)可以增強(qiáng)投資的。請務(wù)必閱讀正文之后的披露和法律金融工程研究 金融工程專題報(bào)告 19因子的季節(jié)

52、性效應(yīng)研究文章來源：Common Factors In Return Seasonalities，Matti Keloharju, Juhani T. Linnainmaa, and Peter Nyberg，Working Paper 20815。推薦人：張欣慰推薦理由：在多因子模型中，證券于多種風(fēng)險(xiǎn)之中，此時(shí)來自于各風(fēng)險(xiǎn)因子的周期性波動(dòng)會(huì)有聚集效應(yīng)，從而導(dǎo)致證券率出現(xiàn)更強(qiáng)的周期性。因此，即使每個(gè)風(fēng)險(xiǎn)因子只蘊(yùn)含著輕微的周期性特點(diǎn)，當(dāng)證券面對足夠多的不同風(fēng)險(xiǎn)時(shí)，其率也會(huì)呈現(xiàn)出巨大的周期效應(yīng)。本文市場上 15 種根據(jù)股票歷史同月率風(fēng)險(xiǎn)溢價(jià)構(gòu)建的周期性策略取得了 1.88%的月均率。但若采用非同月率風(fēng)險(xiǎn)溢價(jià)來構(gòu)建策略，率卻是負(fù)的。1. 研究背景圖 1 是用證券 t 月率對 t-k率做回歸，回歸系數(shù)與滯后月數(shù)的，值得注意的是，回歸系數(shù)每年會(huì)出現(xiàn)一個(gè)正的峰值，這種周期性規(guī)律在多個(gè)市場都有。不過，這種周期性變化并不是說股票率完全重復(fù)它過去的變化，而是強(qiáng)調(diào)該月率與歷史同月率之間的相關(guān)性。而經(jīng)過研究，基于歷史同月率開發(fā)的周期性策略能在 1963-2011 年之間取得年化 13%的率。圖 1 股票率的周期效應(yīng)資料來源：Common Factors In Return Seasonalities率的周期性變化并不僅僅局限只股票或者局限于固定頻率。我們發(fā)