Beta 悖论:为什么 REITs 和新兴市场股票可能超越美国大盘股


由 Research Affiliates 的吉姆·马斯尔佐,3/5/25


我们最近关于长期预期回报的网络研讨会提出了一个关键问题:REITs 和新兴市场(EM)股票与美国大盘股密切相关,大多数投资者直觉上认为这两种资产的贝塔值接近 1,那么为什么它们的预期回报率会如此之高?


根据 Research Affiliates 的资产配置互动工具(AAI)在线资本市场预期工具,未来 10 年美国大盘股预期年收益率为 3.4%,而新兴市场股票为 9.1%,REITs 为 7%。这让许多网络研讨会参与者感到困惑,这种额外的回报如何与这些资产具有相似的贝塔值相吻合?

figure 1


为了理解收益差异,我们应该首先将预期收益分解为基本组成部分,特别是收益率、基本面(股息和收益)增长以及估值的变化。根据我们的模型,新兴市场股票和 REITs 的收益率都高于美国大盘股,虽然增长速度不同,但新兴市场股票和 REITs 都被低估,而美国大盘股则被高估。当然,所有这些都可能有助于解释预期收益的巨大差异,但这还没有回答我们客户关于贝塔的问题。

figure 2


所以,让我们来看一下数据。自 1998 年以来,美国大盘股和 REITs 的日收益率的协方差缩放后得到的贝塔值为 0.97。自 1998 年以来,美国大盘股和新兴市场股票月收益率的协方差(所有收益率以美元计)缩放后得到的贝塔值为 1.01。乍一看,直觉是正确的。


使用资本资产定价模型(CAPM),我们将 REIT 资产类别的收益与其相对于美国大盘股的贝塔值的关系表达如下。同样的关系也适用于新兴市场。

Beta 悖论:为什么 REITs 和新兴市场股票可能超越美国大盘股


这些自成立以来的贝塔值表明,新兴市场股票和 REITs 对美国大盘股的多元化收益贡献不大。但如果这两种资产的贝塔值都为 1,我们的预期回报模型则暗示新兴市场股票可能有高达 5.7%的潜在阿尔法收益,REITs 可能有 3.6%的潜在阿尔法收益。因此,纯粹以收益为导向的投资者可以通过增加这些资产来提升其投资组合的回报。


然而,对于希望分散投资组合风险的投资者来说,自成立以来的贝塔值令人警醒。但它们也可能具有误导性。即使在长达 10 年的长期时间范围内,REITs 与美国大盘股之间的贝塔值也可能偏离 1。事实上,在所有时间范围内,中位贝塔值并不为 1,通常要低得多。这表明,在 26 年的样本期内虽然显示出很少的分散化收益优势,4但在该时间段内的较短区间内则讲述着另一个故事,投资者应根据不同的时间范围对此有所考虑。

figure 3


实际上,即使使用月度数据,新兴市场股票也遵循类似的叙述,尽管分布略为紧凑。这两个资产类别在长时间内都可以并且确实为美国股票提供分散化。

figure 4


更令人惊讶的是,自 2008 年全球金融危机(GFC)以来,新兴市场和美国大盘股之间的贝塔系数一直在下降。虽然在 GFC 期间 5 年贝塔系数曾达到 1.6 的峰值,但在那之后的几年中已经跌至低于 0.8。

figure 5


至于分散化问题,这些图表显示,从 inception 开始的贝塔系数并不总是完整的故事。贝塔系数会根据时间范围有很大的变化,因此投资者在确定时必须深思熟虑并有条不紊。


对于纯粹以回报为导向的投资者而言,AAI 是明确的:现在 REITs 和新兴市场股票提供了显著的阿尔法机会。


1 由于时区问题,一个国家的交易日可能与另一个国家的下一个交易日重叠,因此在比较不同国家的每日数据关系时,我们必须调整数据调整。随着数据频率变得不那么精细,这些问题变得不那么相关。在这里,为了简化,我们在比较不同国家的数据时使用月度数据,但我们的发现甚至在使用每日调整数据时更为明确。


2 在这里我们使用美元作为通用货币,尽管任何货币都可以,只要两种资产都以它定价即可。


3 这里我们忽略任何测量误差项。


随着 26 年期的累积,即使如此长的时段,其分布也不总是 1。

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/89976.html

(0)
打赏
风生水起的头像风生水起普通用户
上一篇 2025年4月12日 00:37
下一篇 2025年4月12日 00:53

相关推荐

  • 主动价值投资:避免价值陷阱

    关键点 未来几年价值表现优异的基本理由仍然强劲,但可能需要采取更具选择性的方法来避免价值陷阱。这些价值陷阱、廉价公司的弱点尚未完全反映在价格中,增加了价值投资者的风险并侵蚀了回报。 根据对美国股票表现长达 32 年的研究,成功避免价值陷阱的投资策略通过更集中但风险更低地投资最便宜的股票,提供了更好的上涨潜力。筛选出信号值陷阱的特征是实现此目的的一个简单方法。…

    2024年3月30日
    8200
  • 北京大学R语言教程第57章:用Rcpp帮助制作R扩展包

    R扩展包是把解决某种问题的可复用代码、文档整合在一起的最好的方法。写成R扩展包后,可以自己用,也可以利用CRAN分发。扩展包用户一般不用自己编译。 使用扩展包来组织程序,多个源程序、头文件之间的依赖关系可以自动得到处理。 扩展包提供了测试、文档和一致性检查的统一框架。 扩展包中代码可以仅有R程序,也可以包括C程序、C++程序、Fortran程序。如果仅有R代…

    2023年12月21日
    12100
  • 橡树资本霍华德马克思:更少的输家,还是更多的赢家?

    作者:霍华德·马克斯,2023 年 9 月 13 日 我的备忘录始于 1990 年 10 月,灵感来自于两个事件之间有趣的并置。其中一次是在明尼阿波利斯与通用磨坊养老基金负责人大卫·范本斯霍滕共进晚餐。戴夫告诉我,在他工作的 14 年里,该基金的股本回报率从未高于养老基金领域的第 27 个百分点,也从未低于第 47 个百分点。14年来,该基金年回报率稳居第二…

    2023年9月21日
    13600
  • 长期投资,第 5 部分:退休前的现实生活应用

    这是一个由五部分组成的系列的第五部分,该系列为长期、退休导向的投资开发了一个分析框架。作者要感谢 Joe Tomlinson 和 Michael Finke 对本系列文章提供的有益评论。 介绍 在本系列的第 4 部分中,我讨论了一种将本系列前面的长期风险回报见解应用到基于目标的退休投资方法的方法。最后一篇文章考虑如何将这一过程延伸到退休前几年。 除了尚未需要…

    2024年3月13日
    8100
  • 北京大学Julia语言入门第19章: Julia统计图形–Plots库

    介绍 Julia语言没有内建作图能力,作图需要通过扩展包提供,因为Julia语言的历史还比较短,现在有多种作图用的扩展包但是没有一个占绝对优势的包。比较常用的有Plots, Makie, Gadfly, PyPlot包。其中Makie出现较晚,功能比较强大,后端安装容易。 本文演示Plots包。参见: https://docs.juliaplots.org/…

    2023年9月1日
    47900
客服
客服
关注订阅号
关注订阅号
分享本页
返回顶部