实施不足阻碍因素战略

金融界投入了大量精力来寻找可能表明证券前瞻性表现或投资组合风险属性的新因素。

虽然这项研究可以帮助我们更好地理解资产定价并提供更好的表现的可能性,但它往往假设市场连续、交易自由和流动性无限。

很少有研究关注从业者的困境:交易成本和不连续交易等摩擦导致的实施不足。这些现实生活中的摩擦可能会削弱智能贝塔和因子策略的表现。与资产管理费一起,它们是实时结果与纸面投资组合表现之间有时巨大差距的主要来源。

智能再平衡方法可以捕获大部分因子溢价,同时通过优先交易具有最具吸引力信号的股票并将投资组合周转率集中在提供最高潜在业绩影响的交易上,从而降低相对于完全再平衡投资组合的周转率和交易成本。

在我们对 1963 年至 2020 年期间创建的多头价值、盈利能力、投资和动量因子投资组合的研究中,我们研究了业绩和相关的周转率。在将三种不同的周转率降低方法应用于定期投资组合重新平衡后,我们展示了相同策略的结果。我们衡量了这些不同的重新平衡规则在尽可能多地保留因子溢价方面的有效性。我们还根据每月的价值和动量信号构建了每月综合因子,以指导多因子策略的重新平衡。

第一种再平衡方法,我们称之为比例再平衡,按比例交易所有股票以达到成交量目标。例如,如果该策略指示的交易是成交量目标的两倍,则此方法将为每只股票交易指示交易的 50%。

第二种重新平衡方法,即优先最佳法,买入信号最有吸引力的股票,卖出信号最没有吸引力的股票,直到达到成交量目标。[1]

第三种方法,即最差优先级,故意按“错误”顺序排列队列,买入信号最边缘的股票,将最强的买入或卖出信号留到最后交易。在这些比较中,我们发现最佳优先级方法通常优于其他两种方法。

日历驱动的重新平衡并非总是最佳选择

我们不会强制投资组合按照固定的时间表进行重新平衡,而是考虑当当前投资组合和目标投资组合之间的距离超过预设的阈值时进行重新平衡的规则。

在满足此阈值的条件下,我们使用上述三条规则之一重新平衡预定比例的偏差。我们再次发现,在非基于日历的重新平衡中,优先级最佳规则通常优于其他两条规则。

我们力求构建一个受周转率限制的因子,以尽可能多地保留参考因子的溢价。优先交易的直观规则是基于股票的信号值。例如,如果两只新股票进入上四分位数,并且我们有足够的周转率预算来交易其中一只股票,那么交易信号更具吸引力的股票可能更有意义。这条规则隐含地假设未来平均回报在信号中是单调的。也就是说,如果我们有股票 A、B 和 C,其信号分别为 1.0、1.5 和 2.0,我们会期望基于信号值优先交易的交易规则优于其他交易规则。

在《金融分析师杂志》的分析第一部分中,我们报告了我们研究的多头因子的一系列绩效指标。这些因子占据了市场的不同部分,夏普比率范围从每月重新平衡的综合因子的0.60到每月重新平衡的价值因子的0.47 。

除月度价值因子外,所有因子都获得了具有 5% 统计显著性的 CAPM 阿尔法值。[2]然而,这些夏普比率和阿尔法值是基于投资组合的总回报。投资者接近实现这一业绩的程度取决于因子策略的周转率以及标的股票的交易成本。

然后,我们报告了六组十分位投资组合的 CAPM alpha 值以及与这些 CAPM alpha 值相关的t值,以评估信号中的单调收益。我们的估计表明,对于大多数因子信号,预期收益并不完全单调,这意味着根据信号值优先交易的交易规则可能并不总是能增加价值。

只有信心十足的交易才能为投资者带来交易后成本效益。如果信号传达了有关股票未来表现的完美信息,那么完全重新平衡的投资组合将带来最佳结果,尽管不一定扣除交易成本。当信号嘈杂且无法完美预测预期收益时(如在现实世界中),在交易成本高昂的情况下,全面的重新平衡不太可能是最佳解决方案。

优先最佳规则优化再平衡效益

优先最佳规则的设计与不受约束的版本相比,可以显著减少周转率,同时还能获得因子投资的大部分回报收益。然而,正如假设的那样,该规则的有效性取决于因子信号值与其平均回报之间关系的单调性。

我们应用优先最差规则的主要结论是,任何想要运行动量策略并接受该策略将频繁交易的投资者,都应该优先考虑具有最具吸引力的信号值的交易。

我们还报告了一种简单再平衡方法的结果,该方法使用比例再平衡规则,不会优先考虑任何交易,而是部分执行固定比例的交易以满足周转率约束。估计表明,该规则通常介于优先级最佳和优先级最差规则所代表的两个极端之间。该规则的好处可能是分散化:通过将交易分散到更多股票上,由此产生的投资组合偶尔会承担较少的风险。

我们的估计表明,优先最佳规则在非日历环境下控制周转率的效果甚至比在日历环境下更好。当我们认识到优先最佳规则通过优先交易距离投资组合选择门槛最远的股票,可能会将预期的额外交易需求降至最低时,其相对于两种替代方案控制周转率的有效性就不足为奇了。

在投资管理中,交易会产生非常实际的成本,这与周转率有关。交易越多,我们的投资组合支付的交易成本就越多。为了克服这种交易成本侵蚀,大多数从业者都会施加周转率限制。我们介绍了几种不同的方法来重新平衡具有周转率限制的投资组合,其中交易被“分配”到最具吸引力的头寸,并展示了有效的交易优先排序如何有利于投资组合的表现。


[1]当然,信号表明在特定因子策略的背景下,哪些股票最受青睐或最不受青睐。我们将投资者想要交易的每只股票放在两个队列中,然后按信号值对队列进行排序。买入队列按降序排列,卖出队列按升序排列。然后,投资者开始按照各自队列的顺序处理交易。她将买入队列中的交易与卖出队列中的交易进行匹配,并继续处理队列,直到满足周转率约束。如果预期回报信号增加,至少接近单调增加,投资者应该选择购买信号最具吸引力的股票,并从投资组合中移除最不具吸引力的股票。

[2]这一结果与 Asness 和 Frazzini (2013) 的研究结果一致。他们指出,通过使用股票的最新市场价值,分母会吸收部分动量效应:如果股票最近的回报率较低,则该股票更有可能是价值股,但这也意味着,正如 Jegadeesh 和 Titman (1993) 所说,其未来的平均回报率较低。Asness 和 Frazzini 发现,在控制动量因子时,月度价值因子的表现明显优于标准年度价值因子。

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/84012.html

(0)
打赏
风生水起的头像风生水起普通用户
上一篇 2024年6月29日 00:48
下一篇 2024年6月30日 23:57

相关推荐

  • 北京大学Julia语言讲义第6章: 文件

    对文本文件,readlines(filename)函数根据输入的文件名读入文件的各行为字符串数组,每个元素是一行,缺省行为会读入换行符但结果字符串不包含换行符,加选项keep=true可以保留换行符。用read(filename, String)将整个文件读入为一个长字符串。 用fh = open(filename)打开指定的文件用于读取,这里fh称为一个文…

    2023年8月18日
    15500
  • 北京大学金融时间序列分析讲义第5章: 移动平均模型

    移动平均模型的概念 移动平均模型是具有q步外不相关性质的平稳列的模型;对于高阶的AR模型,有些可以用低阶的MA模型更好地描述。一般的AR模型也可以用高阶MA模型近似。 理论上,AR模型也可以是无穷阶的: Xt=ϕ0+∑j=1∞ϕjXt−j+εt 其中{ϕj}应绝对可和。一个特例为 Xt=ϕ0−∑j=1∞(−θ1)jXt−j+εt 其中0<|θ|<…

    2023年7月15日
    20100
  • 比特币涨至 10 万美元标志着全球采用转变

    比特币涨至 10 万美元标志着全球采用的转变 由 U.S.全球投资者的弗兰克·霍尔姆斯,12/9/24 仅仅几年前(几个月?),很少有人会相信这是可能的。但这件事发生了:比特币首次交易价格超过 100,000 美元。 全球最大的数字资产(按市值计算)的普及率越来越高,已经不容忽视。我们不再谈论的是受科技爱好者青睐的神奇互联网货币。我们现在谈论的是一个严肃的金…

    2025年1月8日
    3500
  • 百度财富值是什么意思?(百度财富值是什么呀,自己的财富值哪里看?)

    财富值的主要作用有:百度知道里的财富值的作用:1悬赏提问,吸引更多人关注你的提问,从而得到更多更好的答案;2匿名提问,保护自己的隐私;3悬赏提问,求助别人帮你下载文档;4去百度财富商城兑换百度礼品;5爱心捐助,为贫困地区的孩子捐书。

    2019年4月23日
    16700
  • 总回报过山车

    这是一组有趣的图表,特别会引起我们这些关注经济和市场周期的人的共鸣。想象一下,五年前,您在标准普尔 500 指数中投资了 10,000 美元。如果将股息进行再投资,但根据通货膨胀进行调整,那么今天它值多少钱? 您的投资购买力已增加至 13,653 美元,年化实际回报率为 6.24%。 如果我们在 2009 年 3 月提出同样的问题,答案将是令人沮丧的 6,6…

    2023年10月9日
    11900

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