因子投资组合与市值加权指标策略,可以缩小跟踪误差吗?

尽管在 2022 年短暂恢复正常,但自 2020 年 COVID-19 引发的市场崩盘以来,股票因子策略相对于市值加权指数经历了绩效挑战。虽然对这些挑战有很多解释,但我们这里的重点是另一个问题:

是否有可能保留因子方法进行股权投资的好处和经济合理的基础,同时使因子投资组合的表现与市值加权指标更紧密地保持一致?

 

在回答这个问题之前,让我们简要回顾一下市值加权指数的缺点。在市值加权指数中,市值较高的公司在指数中的权重较高。另一方面,规模较小的公司可能拥有最大的增长空间,但权重较低。投资上限加权指数策略固有的风险有三重。第一,随着权重最大的公司“均值恢复”到较低的价格水平,他们可能会遭受损失。其次,通过减持规模较小的公司,市值加权策略可能会阻止投资者从最具增长潜力的公司中真正受益。最后,市值加权指数策略相对集中于最大股票的一小部分。

相比之下,正确构建的股权因子策略将受到风险因素的驱动,这些风险因素已被证明可以在长期内奖励投资者。这些因素——价值动量、规模、盈利能力、投资和低波动性——已经被不同研究人员几十年来的经验验证,并具有清晰直观的经济原理。与上限加权指数和模仿其行为的产品相比,涉及所有六个因素的多因素投资组合通常更加多元化和波动性更低的投资工具。虽然后一个特征对因子投资组合有很好的作用,但正如我们所看到的,在某些市场环境中,股票因子投资组合的表现可能逊于市值加权策略。问题是:

什么是要做?

如下所示,没有必要在因子投资和市值加权绩效之间进行二元选择。虽然从长远来看,以批发方式倾向于上限加权基准可能不会让投资者受益,但有一个中间方法:继续投资于因子策略,但应用跟踪误差约束,以缩小上限加权和“无约束”之间的绩效差距” 给定时期内的因子投资组合。正如我们的分析所示,将后者的调整应用于因子投资组合无论从短期还是长期来看都有优点和缺点。

 

跟踪误差约束因子投资组合如何表现?

下图显示了标准六因子投资组合(其中每个因子具有相同的权重)与其跟踪误差 (TE) 约束变体之间的近期绩效差异。当我们应用 TE 约束时,该表表明因子组合与上限加权指数之间的绩效差距大幅缩小。然而,这些投资组合付出的代价是额外波动性约 100 个基点 (bps),以及下行保护恶化(以最大回撤衡量)。


具有跟踪误差约束的因子投资组合,
2022年12月31日至2023年6月30日

上限
加权
六因素
等权
六因素
等权
1% TE目标
六因素
等权重
2% TE 目标
返回 17.13% 6.04% 14.70% 12.38%
挥发性 14.44% 13.10% 14.05% 13.72%
夏普
比率
1.01 0.27 0.87 0.72
最大限度。回撤 7.43% 7.90% 7.51% 7.61%
相对
回报
-11.09% -2.43% -4.75%
跟踪
误差
4.65% 0.98% 1.95%
信息
不适用 不适用 不适用
最大限度。相对
回撤
10.04% 2.19% 4.29%

下表中 TE 控制的投资组合的行业构成显示,相对于标准多因子投资组合,科技行业的严重暴露不足显着下降。这可能并不令人意外。毕竟,较大的科技公司一直是市值加权工具相对于股权因子策略表现优异的主要驱动力之一。


截至 2023 年 6 月 30 日的行业分配

上限加权 六因素
等权
六因素
等权
1% TE目标
六因素
等权重
2% TE 目标
绝对重量 相对重量 绝对重量 相对重量 绝对重量 相对重量
活力 4.7% 6.3% 2.0% 5.3% 0.6% 5.9% 1.2%
基础
材料
2.3% 2.6% 0.3% 2.4% 0.0% 2.4% 0.1%
工业品 8.8% 7.4% -1.4% 8.3% -0.4% 7.9% -0.9%
周期性消费者 12.4% 11.7% -1.0% 12.0% -0.3% 11.7% -0.7%
非周期性
消费者
6.5% 11.2% 5.1% 7.4% 0.9% 8.3% 1.8%
金融 12.7% 13.1% 1.5% 12.9% 0.2% 13.1% 0.4%
医疗
保健
14.2% 17.7% 4.2% 14.8% 0.6% 15.4% 1.2%
科技 34.5% 21.5% -15.7% 31.7% -2.8% 28.9% -5.7%
电信 1.1% 2.0% 0.9% 1.3% 0.2% 1.6% 0.4%
公用事业 2.7% 6.6% 4.1% 3.8% 1.0% 4.8% 2.1%

在较长的衡量范围内,下图表明,控制 TE 会增加波动性并降低回报,从而损害长期风险调整后的业绩。信息比率和在各个方面跑赢市值加权指数的可能性也略有恶化。


长期风险调整后业绩,
1971年6月30日至2022年12月31日

上限加权 六因素
等权
默认
投资组合
标准投资组合
TE 1%
标准投资组合
TE 2%
周年
申报表
10.22% 13.10% 10.95% 11.63%

波动率
17.33% 15.53% 16.82% 16.38%
夏普比率 0.33 0.55 0.38 0.43
最大限度。
回撤
55.5% 50.9% 54.0% 53.5%
年度
相对
回报率
2.88% 0.72% 1.41%

跟踪
误差
4.20% 1.14% 2.21%
信息
0.69 0.63 0.64
最大限度。相对
回撤
20.1% 5.8% 10.7%
表现优异的
概率
(一年)
66.89% 67.71% 67.38%
表现优异的
概率
(三年)
79.42% 75.81% 75.30%
表现优异的
概率
(五年)
86.94% 84.62% 84.44%

结论

跟踪误差风险控制是管理多因子指数样本外跟踪误差的有效方法,也有助于减少多因子指数的行业偏差。我们不必把婴儿和洗澡水一起倒掉。

然而,从长远来看,将因子投资组合的表现与市值加权指数相匹配可能不利于绝对回报和风险调整回报。此外,简单的股权投资上限加权方法缺乏经济和概念基础来证明其使用的合理性。虽然它们在某些市场环境中可能表现出色,但它们不具备获得卓越的长期风险调整业绩的公式。

韭菜热线原创版权所有,发布者:风生水起,转载请注明出处:https://www.9crx.com/73825.html

(0)
打赏
风生水起的头像风生水起普通用户
上一篇 2023年7月31日 01:10
下一篇 2023年7月31日 01:26

相关推荐

  • 复利,您金钱最好的朋友

    复利听起来很奇特。在财务规划领域,我们经常谈论如何通过高收益储蓄账户或投资来赚取利息,从而在您尝试增加财富时改变游戏规则。尽管复利可能看起来很复杂或难以实现,但事实是,如果您现在开始储蓄,任何人都可以利用它的好处。 复利如何运作? 复利实际上比大多数人意识到的更简单。我听过的最好的比喻是这样的: 想象一下,您站在山顶上,并且刚刚堆了一个雪球。雪球一开始非常小…

    2023年6月29日
    30100
  • 新兴或前沿市场的配置有时可能会提高风险调整后的回报

    今天飙升的通货膨胀、不断上升的利率和数十亿美元的投资欺诈很好地提醒我们,清楚地了解过去有助于我们更好地预测未来。事实上,它可以为我们制定投资组合分配决策提供可靠的基础。 这就是为什么我们需要牢牢掌握不同股票市场过去的相对和绝对表现。毕竟,如果不是不同资产的相对表现不佳和表现优异,那么是什么推动了市场周期呢? 考虑到这一点,股票市场按地区、国家、行业、市值和风…

    2023年8月14日
    27700
  • 分配者很难预测哪些基金经理会表现出色, IOR 正在与 Xponance 合作解决这个问题。

    投资办公室资源将为客户提供 Xponance 金融科技平台 Aapryl 的访问权限,该平台使用机器学习来评估投资策略在不同市场条件下的表现。 Xponance 总部位于宾夕法尼亚州费城。(马修·海切尔/彭博社) 过去的表现并不能预测未来的结果,但 Xponance 表示,通过使用机器学习和因子分析,其金融科技平台可以接近未来的结果。 现在,通过与 Inve…

    2023年9月9日
    14000
  • 为什么经济衰退规则这次可能会出错?

    周五,当我们获悉美国 10 月份失业率升至 3.9%,远高于今年早些时候触及的 50 年来低点 3.4% 时,敲响了警钟。最新的数据仍然很低,那么末日论者告诉我们经济衰退已经到来是怎么回事呢? 失业率相对较小的增长,即使是从较低水平开始,通常也预示着经济衰退。我们现在的处境还不足以做出这样的决定,但令人担忧。我怎么知道?在大流行之前,我开发了一个高度准确的衰…

    2023年12月8日
    20000
  • 量化投资中的回测、因果关系与模型风险

    量化金融持续辩论模型驱动投资策略的可靠性和局限性。一个核心问题是投资者应该对回测赋予多少权重。 在 《因子的幻象:量化模型如何出错》 中,Marcos López de Prado 博士和 Vincent Zoonekynd 博士阐述了为什么投资者应该超越仅仅接受历史表现,而应专注于理解模型为何有效。这是加强量化投资严谨性的宝贵贡献——同时也引发了对这种推理…

    2026年4月23日
    2500

发表回复

登录后才能评论
客服
客服
关注订阅号
关注订阅号
分享本页
返回顶部