首页>财经>建信叶乐天:Smart Beta 与指数增强
2019-10-22 09:46:17

建信叶乐天:Smart Beta 与指数增强

单因素投资:智能测试版

首先,智能测试是传统资产定价领域的一个关键词。要素投资是从多个因素中彻底考虑和挖掘贝塔系数,然后更好地描述收益和风险。事实上,从20世纪70年代开始,当每个人都分析收入时,它是一个综合收入。到20世纪80年代初,阿尔法和贝塔被分析,贝塔是市场贝塔。越远,β分布越精细,包括最著名的巴雷风险模型。通过越来越细分投资组合的收入,你将对投资组合有更深的理解。许多文件还显示,整个投资组合80%以上的回报可以用潜在因素的回报来表征。如果我们能对这种组合做一个深入的描述,我们会发现许多好处是暴露于某些因素所带来的好处。因此,要素投资旨在通过长期接触特定的风格要素获得超额回报。

目前,传统的股指,包括熟悉的上海证券交易所50、上海证券交易所300、中国证券交易所500、中国证券交易所1000、上海证券交易所综合指数和中小企业,都以市值选择和市值加权为主要逻辑。该指数的特点之一是它全面反映了某一时期和某一股票市场的整体情况。它最重要的功能是作为基准和基准返回。如你所见,基准基本上是所有公共基金的市场价值指数。无论目标是沪深300、中国证券500、中国证券1000还是一些msci指数,最终都是市值股票选择的功能。但是智能测试版呢?它以非市场价值加权为代表,根据特定的规则或定量方法投资于特定的领域和目标。

也许最容易理解的是市值指数。智能测试版不是按市值加权的,而是按某个因素进行曝光。它继承了被动投资的特点:规则透明,利率也低。同时,它实现了某种风格。在某种程度上,市场价值指数也是一个聪明的贝塔系数,它暴露在市场价值上。此外,还有许多方面的因素,如右下角,包括股息收益率、周转率和波动率的敞口,这些都是可以实现不同工具化的特征。

以沪深300为例,中国证监会发布了许多相应的指标,包括:沪深300的价值、增长、动量、低贝塔、股息和中性低波。与上海和深圳300指数相比,这六个类别的因素获得了正超额回报。然而,超额收入总体上是波动的,不同因素引起的超额收入波动是不同的。这里你可以看到要素投资的一个特点。只要你选择一个合适的因素,整体通常会超过你的基准指数,但过程中的波动是不可避免的。因此,这更像是一种风险溢价,或者一种风格暴露的单位。

总的来说,股息和中性低波在行业中会有较好的效果。在过去的14年中,只有4年出现负超额,而其余10年出现正超额。在过去两年中,价值和股息表现相对较好。这是智能测试版的一个特性。它更适合作为投资工具。哪种风格更受欢迎与相应的智能beta产品相匹配。其中,股利本身是300股中相对有效的因素,所以我们也开发了建信沪深300股利etf,下周上市,也是大家的工具产品。

基于股息,更好的指数是中国证券交易所红利潜力指数。这个索引非常有趣。我们看到的股息指标是根据过去的股息率进行分类和筛选的。然而,真正反映股票价值的应该是它将来会有多少股息。因此,如何评价股票的未来股利有一个现成的指标,即中国证券股利潜力指数(China Securities Dividend Prospective Index),该指数按每股收益、每股未分配利润、净资产收益率等指标对股票进行排序,取前50名左右,反映了具有较大股利预期和较强股利支付能力的上市公司群体。你可以看到它的预测效果,其实应该不错。从过去的成份股来看,它想要做的这些公司在未来确实会有更高的股息,几乎比股息指数高一点。从指数超额收益的表现来看,它非常接近东方红系列的表现。可以看出,17年的增长幅度特别大,远远超过了15年来的最高水平,这表明这与东方红自身的逻辑是接近的。在过去的五年里,它已经超过了上海和深圳的300年历史,超过了11%。我们也有这个指数的产品,这是一个有分红潜力的指数基金。

我们基本上在智能测试版上做了一个我们认为更好的小布局,包括这一基本的60指数,股票选择标准包括四个方面:经营收入、现金流、净资产和股息,以及通过基本面进行的股票选择。

智能测试版(Smart beta)是一种被动投资,只暴露因素,所以它更适合周转率低的产品,所以它一般是基于基本面,效果非常好。即使在所有活跃基金中,它的排名也很高,过去三年约为1%,过去五年约为6%。它的绝对收入也很好。基于这一有效因素,持有时间越长,效果越好。短期内肯定会有波动,这是智能测试版的一个特点。

第一部分总结了智能beta产品的特点,即如果选择一个好的因素,它不会比多个因素更差。如果这些因素调整得好,我认为最终收益不会比长期持有的多因素收益差,但波动会大得多。

多因素投资:指数提升

然而,每个人可能仍然希望有一个稳定的α,这是多种因素的特征。要素回报具有周期性和波动性,使得要素指数在特定时期内失去市场。一些活跃的基金经理说,我也分散了我的头寸,但我的排名仍然经常波动,或者我的相对收入经常波动。其中,主要原因是许多基金经理没有多元化的因素。股票是多样化的,但选择是大盘股、价值股或某种风格的股票。每个基金经理都有自己的风格,或者说最喜欢的风格,这不会导致因素层面的多样化。最终的结果是相同的文件因素组合,收入会波动。

让我们来看一个简单的方法,将六个指数的超额回报相加,得到的超额回报相当于相等的权重总和,但是分配波动性将显著下降。从紫色线来看,超额收益将更加平滑,信息比率将显著增加。因此,对风格指数进行分散配置比对个股进行分散配置要好。

因此,不同因素的叠加可以抵消因素收益的周期性和波动性,其主要特征是降低超额收益的波动性。这幅图中的蓝线是刚才因子指数的平均回报率,而橙色线是公众提高的沪深300指数的平均涨幅。在沪深300产品的公开发行中,大多采用多因素模型。从两条曲线来看,多因素模型高于简单的等权分配,尤其是近年来。当然,如果你排除一些收益,比如玩新游戏,超额部分可能会略低,但多因素产品的整体信息比率仍然会好得多。这也是多因素的一个特征。

在建新方面,我们有很多指数增强产品,都使用了我们一直坚持的多因素模型和纯定量模型。简而言之,它包括风险模型和股票选择模型。我们更加注重风险模型,包括市场价值、行业和风格都是中性的;选股模式和每个人都一样。我们主要从要素层面描述个股的回报。

我们所有的收入都来自股票选择,但是我们从来不看一只股票。我们对各种因素进行了深入的研究,以确定是否应该添加这个α因子,但风格因子总是一个中和过程。

我们的最终方法是以下流程图:单因素测试、多因素加权综合、风险控制和优化,以及最终组合的生成。最终的组合是通过优化模型生成的,无需任何人工干预。这是一个全局优化过程,也控制着周转率。目前,我国证券500产品规模很大,控制周转率至关重要。同时,头寸分散、因子分散和算法交易的过程也非常重要。这是我们的总体投资框架。目前,所有这些都实现了自动化过程。程序在半夜运行,位置在早上自动生成。交易也是自动化的。我们的做法是尽量减少人们的工作。

指数增强型产品是多因素投资的经典产品。该图表是指数增强产品的基本性能。蓝线是上海和深圳300的平均超额,橙色线是中国证券500的平均超额。其中,中国证监会500指数的平均超额绝对高于沪深300指数。这部分是因为中国证券监督管理委员会500相对擅长超额回报,部分是因为中国证券监督管理委员会500的总体规模相对较小,许多优秀的公司都这样做。

至于主动性和量化的区别,正如刚才所说的,量化是多因素量化,相对过剩会稳定得多。尽管此举也是为了分散头寸,但很少有基金经理分散他们的风格。因此,它们更类似于智能测试产品。正如我刚才所说的,股息潜力指数与东方红产品的收入相似。他们的超额收入会波动,这是不可避免的。一个好的基金经理,他会选择一种好的风格,他可能会随着市场的变化而改变风格,但一段时间内基本上是一种风格。因此,更能体现他选择时间的能力。

这是我们公司的几种指数增强产品。第一个是上海和深圳300增强,第二个是中国证券500增强,接下来是深圳100增强,另一个是行业增强。总的来说,超额回报非常稳定。对于我们所有的增强产品,无论哪一年的超额回报都肯定会超过指数。

你也可以看到年化超额,深100和沪深300肯定有点难做,所以年化超额大约多4个点;例如,中国证券500指数相对较好,超过8点。例如,精工制造(Seiko Manufacturing)是一个规模较小的行业指数,做起来相对较好。其年超额可达12点。从右下角的图中还可以看出,喇叭口要宽得多。因此,目前量化产品的性能与规模、选择的指标和市场环境有很大关系。

我监管下的中国证监会500指数增强产品目前规模超过60亿,基本上是行业内最大的500指数增强产品,在500指数中仅次于南方500etf。因此,超额回报现在肯定比以前困难得多,但我们仍然尽力保持每月的收益率,而且每年都必须是双赢指数和etf。我们最大的努力是获得一个稳定的α,跟踪误差可能低于3%。因此,风险控制仍然是我们引以为豪的地方。

在第二部分,我个人认为选择一个合适的因素比为最终结果选择合适的股票更有效。尤其是如果你没有足够的精力,在因素上做出适当的选择会带来更好的结果。

机遇和挑战

最后,谈谈当前的定量市场。在过去的两年里,市场风格的变化变得更加频繁,风险也增加了。a股在16年底前,很多人把市值当成了阿尔法,但16年后,人们发现这完全没有用。市值只是一个表象,事实上有许多因素会加剧波动。

另一方面,1999年的市场形势也非常严峻,包括沪深300和中国证券500。您可以查看右下角的数据,即2017年1月1日至今年9月10日的收入。按市值将沪深300每50只股票分成几组,中国证券500每50只股票按市值分成几组。你可以看到,1999年的差异非常明显。特别是,中国证券500指数显示,第一组的50只股票涨幅相当大,但其他9只股票都下跌了。这使得赢得指数更加困难。此外,量化的基础是大数的统计规律。如果市场热点过于集中,任何定量模型都无法对少量股票做出良好的统计判断,因此这也可能是一个大问题。

此外,还有波动性问题。如你所见,超额回报和波动性绝对紧密相关。波动性越低,就越难获得超额回报。波动性增加,就像15年期市场一样,超额回报很容易做到。今年的波动性比17年前好得多。

这是市场指数上涨的平均超额与20天波动性之间的关系。当波动性较低时,每个人都难以获得超额回报。当波动性上升时,每个人的超额回报开始上升。这件事的模型可以推导出来,这是非常重要的一点。

除了波动性,还有流动性问题,即投资者结构问题。目前,投资者结构发生了变化,个人投资者从2014年的72%缓慢下降到2018年的53%。机构投资者从28%上升到48%。然后,包括海外投资的涌入,技术的阿尔法变得越来越难。然而,这里没有提到的是,私募已经在技术方面占据了很大一部分。通过t0或高频交易,他们在技术方面做得非常好。然而,公开发行,包括一些资本管理,很难在非常高的频率下转手。如果这些因素被消除,a股市场作为一个整体正在回归价值投资,基本面因素可能是未来更主要的阿尔法来源。这些是未来可能发生的一些变化。

目前,指数级产品的总规模逐年增加,尤其是今年。公共基金指数提高的机构持有人也非常稳定,应该说保持在20-30%左右。总体规模仍在逐年稳步增长。这与市场没什么关系。无论市场是涨是跌,指数增强型产品的规模仍在上升。由于我负责建新中正500的升级,2014年的启动规模只有30亿元,最低只有5000万元。然而,结果得到了一定的认可。总规模从5000万元增加到现在的60亿元。这也是每个人对指数增强的认可。

智能测试产品在中国起步较晚,华泰贝瑞2006年发行的股息etf是第一个公开发行的智能测试战略产品。从2015年开始,智能beta产品发布的比例逐渐增加,但规模相对较小。在智能贝塔股票的要素投资中,多要素战略是最大的,其次是股息、价值和基本面,它们基本上集中在这些领域。这也是因为智能测试版需要考虑许多方面,一是过去的因素是否有效,二是它们是否能被客户接受。然而,股息、价值和基本面等东西更容易被客户接受,而且股票规模相对较大。截至今年的《中国日报》,智能测试产品的总规模为370亿,新产品的数量每年都在大幅增加。组织在这方面仍然需要更多。

与智能测试和指数增强产品相比,智能测试产品是工具配置,当您想要展示某种风格时,您可以这样做。如果你对你的因子计时有信心,你可以配置智能测试版。在索引增强方面,如果您对某个索引感兴趣,可以配置具有更长历史性能的索引增强,这比配置被动索引好得多。同时,与活跃基金相比,业绩的稳定性要好得多。

本文来源于ebquant。

欲了解更多激动人心的信息,请访问金融网站(www.jrj.com.cn)