因子投资——未来之路


作者:Bijon Pani,NJ Asset Management Private Limited 首席投资官

因子投资是一种使用一组预定义的规则或参数选择股票(或其他资产类别)的方法。 如何选择这些参数的科学决定了该因素在未来的成功程度。 在选择一个因素时,需要确保它们结构稳健,应该在多个国家/地区工作,并对其工作原理有合理的理由。

因子提供了一种将多元化投资组合收益(例如您可能喜欢的基金经理的收益)分离为其各种因子组成部分的方法,然后仍然无法解释的是经理的贡献。

第一个使用因子解释收益的例子来自 CAPM 模型,该模型以市场敞口来表示风险和收益。 但是 CAPM 留下了很多无法解释的回报。 有多篇有影响力的学术论文提出了价值和规模等其他因素来解释回报。

是 Fama 和 French 在 1993 年构想了一个简单的框架来考虑因素方面的回报。 他们在现有市场回报因素的基础上增加了两个强大的因素:价值和规模。 Carhart 进一步增强了它以包括动力。

几十年来,四因素模型成为基金管理绩效和风险分析的基石。 随着时间的推移,随着计算能力变得更快、更容易获得,对因素的学术研究随着处理数据变得更加容易而爆炸式增长。 最新的创新使用机器学习、自然语言处理和替代数据集。 现在有数百个记录在案的参数,尽管它们中的大多数都属于以下四种因素类型之一:价值、质量、 低波动性 和势头。

研究因子的著名院士约翰·科克伦(John Cochrane)正确地将其称为因子动物园。 由于不断报告更新的参数,与旧参数相比,这些参数有望获得更好的回报,因此从业者的工作变得困难重重。 在印度进行因子投资时,这一点尤其微妙和困难。 这是因为印度有两个大问题。

首先,流动性是超出一定数量股票的一个大问题,当一个人在构建因子时,你需要一个足够大的宇宙来衡量因子溢价并构建投资组合。 如果整个宇宙中存在流动性不足的股票,这项工作就会变得更加困难,因为最终可能会在投资组合中包含不容易投资的股票。

其次,因子构建需要长时间干净的数据,我们经常会遇到数据不足和不完整的问题。 这需要经验丰富的专业人士的技能,他们可以在不失其精髓的情况下制定印度市场特有的因素。 毕竟,很容易陷入数据挖掘陷阱并构建过去有效但将来可能无效的参数。

一旦因素在发达国家变得普遍,它们使传统基金经理的生活更具挑战性。 击败市场指数并非易事,但现在加上因素,绝大多数(根据某些研究超过 90%)都无法击败使用因素构建的投资组合。

晨星印度研究发现,在过去 10 年中,只有 26% 的大盘股全权委托基金能够超过基准。 平均阿尔法系数仅为 1.15%。 如果我们在回归中添加其他因素,这个 alpha 可能可以忽略不计。 印度基金管理的未来将与西方非常相似,我们将看到基于主动因子的基金在提供更好的风险调整回报方面与全权委托基金经理竞争。 图表显示了过去 10 年与市场相比的各种因素和等权多因素投资组合(由 NSE 发布的 4 个因素指数构成)的表现。 读者会注意到,在此期间,各种因素和多因素模型的表现优于指数。 在风险调整的基础上,数字甚至更好。

我们对共同基金的散户参与度非常低,在不久的将来,随着更多资金流入基金,量化基金不仅会随着传统基金的增长而增加其市场份额。 基于规则的方法允许对参数进行回测,并查看它在各种业务周期中的表现。 这为投资组合的风险和回报结构增加了信心。

我们要补充的唯一警告是,即使基于规则的投资策略在未来会迅速发展,但主要是在积极的方法中投入精力研究印度背景下的因素。 简单地将参数从发达市场复制到印度可能效果不佳,因此需要构建基于规则的策略,同时牢记印度市场的特性,而不仅仅是复制指数。

因素。 投资已经从学术金融的基本概念转变为基金管理的下一个颠覆者。

(免责声明:以上表达的观点是作者自己的观点。)



Source link