请选择 进入手机版 | 继续访问电脑版
     

827

主题

827

帖子

6331

积分

论坛元老

Rank: 8Rank: 8

积分
6331

拥挤交易对于板块轮动以及因子择时的指示意义

[复制链接]

       参考文献:

  1. Kinlaw, W., Kritzman, M., Turkington, D., 2018. Crowded Trades Implications for Sector Rotation and Factor Timing. MIT Sloan School Working Paper 5404-18.

  2. Ali, U., Hirshleifer, D., 2018. Shared Analyst Coverage Unifying Momentum Spillover Effects.http://www.nber.org/papers/w25201.

  3. Lahtinen, K. D., Lawrey, C. M., Hunsader, K. J., 2017. Beta Dispersion and Portfolio Returns. Journal of Asset Management. 156-161.

  4. van Vliet, P., Blitz, D., 2018. The Conservative Formula: Quantitative Investing Made Easy. The Journal of Portfolio Management. 44(7) 24-38.

  1、拥挤交易对于板块轮动以及因子择时的指示意义

  AQF阅读丨拥挤交易(Crowded Trades)常常和资产泡沫联系在一起。如果投资者能够较早发现资产泡沫的出现,那么便可通过做多相关资产,并在随后的资产价格上涨的过程中获利。当然,为了能够达到这一目标,投资者还需要在资产泡沫破裂之前及时退出。

  我们提出使用资产集中度(Asset Centrality)以及相对估值(Relative Value)这两个指标,识别并区分资产泡沫的不同阶段。在资产泡沫形成初期,资产集中度持续上升,同时,资产相对估值维持在低位。而随着资产泡沫的进一步膨胀,资产集中度以及资产相对估值同时上升。在资产泡沫后期,资产的相对估值会达到一个较高的水平。在资产泡沫破裂时,资产集中度会进一步上升,同时资产相对估值会大幅回落。

  下图以美国互联网泡沫为例,展示了这两个指标以及对应资产价格变化的过程。在泡沫破裂(图中点线所示)前的1999年-2000年,科技板块的集中度相比前期就有了显著的上升,预示着风险的不断累积。随着泡沫的破裂,集中度呈脉冲式飙升。

   aqf0130.jpg

  基于资产集中度以及相对估值,可构建板块轮动和因子择时策略。在过去二、三十年的回测区间上,这两个策略都取得了较好的收益表现。具体结果如下表所示。

   aqf01301.jpg

   aqf01302.jpg

  2、利用分析师覆盖统一动量溢出效应

  如果两家公司在经济基本面上存在相似或者关联性,那么,两者的股价就会受到相同信息的影响。当投资者对信息的反应出现时滞或不足时,相似公司的股价之间就形成了领先滞后关系。在海外市场,这种领先滞后关系往往以动量形式存在,并被称为动量溢出效应(momentum spillovers)。

  我们发现,学术研究中常见的动量溢出效应都可以用根据分析师覆盖范围构建的关联股票(Connected-stock)动量因子解释。假设股票S被不同分析师A、B、C等覆盖,那么被分析师A、B、C覆盖的其他股票就与股票S形成关联。这些股票的平均收益或者根据分析师数量得到的加权收益,即为股票S对应的关联股票动量因子。

  做多高关联股票动量因子的股票,做空低关联股票动量因子的股票能够获得月均1.68%的收益。T统计量为6.97,显著大于零。此外,通过多元回归分析发现,关联股票动量因子可以解释已有的行业、地理位置、供应链上下游、信息计算相似度等动量溢出效应。因此,我们认为,关联股票动量因子有效地统一了已经发现的动量溢出效应。

  此外,我们还发现,如果一个股票与更多的股票关联时,股票之间的关联关系也会更加复杂,信息传递更可能出现时滞性,对应的关联股票动量效应也会更强。如果覆盖股票的分析师数量越少,信息的传递速度也会降低,对应的关联股票动量效应也更加明显。这些实证发现都进一步佐证了“投资者对信息的反应存在时滞性,从而形成了动量溢出效应”的逻辑。

  3、Beta离散度和股票截面收益

  Beta是一个被学术界和业界广泛使用的风险指标,用来衡量股票相对于一个充分分散组合(通常是市场组合)的价格波动情况。通常来说,Beta可以通过建立股票收益和市场组合收益的回归方程求得。但是选择不同的市场组合,不同的时间频率以及不同的时间长度,都会得到不同的结果。比如,2017年4月17日,Yahoo Finance、Google Finance和Nasdaq.com三个财经网站计算的苹果股票的Beta值分别为1.45、1.25和0.72。1.45代表苹果股票比市场组合的风险高,而0.73意味着风险低。同一只股票,不同的计算方法得到的结论可能是完全相反的。

  我们选取3个市场指数(SP500、CRSP等权指数和CRSP市值加权指数),3种日频数据(63天、126天和252天),3种周频数据(52周、104周和156周),以及3种月频数据(36个月、48个月和60个月)。因此,每只股票的每一个时间点都可以计算得到27个Beta值,将27个Beta值的标准差记为Beta离散度因子。

  经实证检验发现,高Beta离散度的股票收益要高于低Beta离散度。另外,如果同时控制Beta均值进行双因子分组排序,低Beta组合中的Beta离散度因子的多空收益比高Beta组合中更高,也更加显著。这意味着,得到异常低的Beta值的测算方法可能比其他方法的准确性要低。

  4、一个保守的策略:量化投资也可以如此简单

  简单而有效的投资方法是每一个投资所追求的终极目标。因而,相关的投资策略类书籍毫不意外地成为了投资者口口相传的经典。格雷厄姆的《聪明的投资者》一书使“价值投资”这一理念深入人心,而道琼斯狗股理论则提出了用股息率筛选股票的思想。

  近年来,“低风险”投资逐渐成为投资者关注的焦点。在这个背景下,我们提出了一种全新的投资策略,挑选波动率最低、净股息率最高和动量最强的100个股票构建组合。该策略仅依赖于价格和分红数据,因而在回测时可以追溯至1929年。较少的因子数量也能够降低“p值操纵”和“因子挖掘”的风险。

  将这一保守的策略应用于美国市场上市值最大的1000个股票,从1929年起,可以获得15.1%的年化收益。业绩表现十分稳定,每一个十年都能取得正收益。和有着相反特征(高波动率,低净股息率和负动量)的组合相比,其年化超额收益达到12.8%的同时,还有着更低的风险。

  此外,在美国的中盘股、欧洲、日本和新兴市场上,该策略也能取得类似的收益表现。我们还检验了不同的宏观经济环境和交易成本对策略收益的影响,同样得到了稳定而积极的结论。

  进一步的研究发现,就是这样一个易于操作、换手率低,甚至不需要财务数据的保守策略,却能够捕捉到绝大部分学术研究中的因子溢价。同时,极简的构建该规则对那些不具备很强量化背景的投资者也十分友好。

  5、风险提示

  市场系统性风险、模型失效风险、海外与国内市场结构差异风险。

  >>>点击咨询量化金融分析师AQF实训项目

aqfjrkk.png

  完善下表,48小时内查收全套AQF备考资料


  金程推荐:  AQF考试   AQF报名   量化金融分析师

  微信公众号:量化金融分析师


使用道具 举报 回复
您需要登录后才可以回帖 登录 | 注册

本版积分规则