要点
- RAFI™基本面指数具有价值倾向，但将其简单归类为价值指数会忽略基本面指数相对于标准“价值”指数方法所提供的重要优势。
- RAFI 在历史上一直表现出色，我们继续预期 RAFI 相比标准价值指数将获得更强的超额回报，这归因于其结构性的阿尔法。
- 公司基本面增长不仅能够为策略的总回报做出贡献，还能作为基准，帮助在新的高价股票中进行再平衡，转向更便宜的替代品。
- RAFI 旨在通过给予增长公司更高的权重来奖励它们（而不是因为不符合传统困境价值股的特征而惩罚它们），并且它会系统地根据市场情绪调整持仓，从而在长期内产生溢价。
- 基本面数据可以用来识别估值特征，也可以用来识别增长特征。我们问：“为什么不两者兼顾呢？”RAFI 的设计初衷就是保持增长的同时，也进行反向交易。
一个愤世嫉俗者是对每样东西都了如指掌却对任何东西的价值一无所知的人。这就是奥斯卡·王尔德在 130 年前在其戏剧《风辛茅屋夫人》中所说的。如果王尔德的话是真的，今天的指数投资生态系统中充满了愤世嫉俗者。要进行指数投资，一个投资组合经理只需知道所有股票的价格，而忽略这些公司的真正价值。20 年前发明的 RAFI™ 基本面指数（RAFI）旨在颠覆这一做法，通过关注公司的经济价值，而不是关注其价格。结果是形成了一种明显的价值倾斜的方法，自那时起，RAFI 就与价值投资联系在一起。
然而，将 RAFI 归类为一种简单的价值投资方法是一种简化，忽视了基本面指数相对于标准“价值”指数方法的重要优势。1 事实上，以美国市场为例，如下面的图 1 所示，RAFI 在多个周期中都优于其他流行的指数价值指数。
尽管 RAFI 的历史表现明显优于标准价值指数（或一代价值指数），我们仍然预期 RAFI 将获得更强的超额回报。熟悉我们为“均值回归”投资者的读者可能会对这种预期感到困惑或惊讶。然而，更仔细地分析 RAFI 历史表现的驱动因素也将强化我们预期这种表现将持续下去这一观点。
超额收益可以分解为重估和结构性成分。重估是指高估（或低估）资产倾向于回归市场正常估值的趋势。第二个成分——“结构性阿尔法”——包括重估之外的一切，如股息、增长和再平衡效应。历史上，结构性阿尔法是 RAFI 指数相对于第一代价值指数的优势所在，我们预计这种优势将继续保持。
结构化 alpha 回顾
如上所述，再平衡效应只是结构性阿尔法的一部分。更深入地看，增长同样重要，并且是再平衡阿尔法的协同贡献者。为了理解增长和再平衡的作用，我们回顾投资回报的基本组成部分。
在给定时期内，股票的回报可以分解为股息收入、收益增长以及这些收益的价值变化（即再估值）的基本组成部分。对于包含许多股票的未再平衡组合，这种简单的分解是成立的。然而，大多数组合，包括指数，最终会进行再平衡。反映这一动态，回报的分解会稍微复杂一些。为了说明这一点，我们考虑一个投资策略，在第一个时期持有单一股票（P），在第二个时期完全再平衡为另一只股票（Q），然后在第三个时期再平衡为另一只股票（S）。这些股票的收益分别用 E、F 和 G 表示。每只股票的回报可以使用 2 图 2 中所示的框架进行分解，因此随着时间的推移，累计回报会产生再平衡效应。
尽管市盈率，尤其是相对市盈率，随着时间推移往往会回归均值，但增长效应和再平衡效应并不一定如此。因此，我们将增长和再平衡的结合称为“结构性阿尔法”，因为它们可以在较长时期内结构性地持续存在。
投资者很容易理解高股息、高增长和重新评估对投资组合回报的益处。再平衡的效果则不太为人所理解，往往被忽视。如果投资组合再平衡进入更便宜的持仓，再平衡效果将是积极的；如果投资组合交易进入更贵的持仓，再平衡效果将是消极的。价值导向策略通过卖出昂贵股票买入便宜股票，通常会有积极的再平衡回报，而动量导向策略则通常会有消极的再平衡回报。如果投资组合持有许多相对于市场大幅升值的股票，并能够在高价卖出这些股票，低价买入其他股票，再平衡回报的潜力将更大。如果投资组合持仓相对于市场变化不大，再平衡回报将较小。在这种情况下，投资组合可以卖出一些略贵的持仓，买入更便宜的持仓，但这种好处会更加微弱。换句话说，为了使再平衡对投资组合回报做出有意义的贡献，投资组合必须在每次再平衡之间持有某些大幅升值的股票。 通过这种视角，再平衡收益可以理解为随着时间的推移累积的已实现重估效应。
分解 RAFI 的阿尔法
使用图 2 中的框架，我们将 RAFI 和通用价值的回报进行分解。3 在回报分解中，估值和增长基本面的选择可以不同，但必须保持内部一致性。例如，如果估值指标是市销率，那么增长指标必须是每股销售收入增长。图 3 展示了使用两种不同基本面（销售收入和 earnings）的结果。
这两种价值指数的股息收入相似，而且在这段时间内，它们相对于基本面来说都变得更贵了——分别贵了 2.4%和 3.0%，与过去三十年美国市场的整体情况相符。这两种价值策略表现差异的主要来源是增长和再平衡阿尔法。需要注意的是，RAFI 的价值重估阿尔法小于第一代价值策略。这意味着在过去 30 年里，RAFI 的市销率或市盈率上升幅度小于第一代价值策略。如果市场决定 RAFI 应获得与第一代价值策略相同的相对估值倍数，这将为 RAFI 相对于第一代价值策略已经令人瞩目的价值贡献再增加 0.5 个百分点。
RAFI 实现的显著再平衡收益并不令人惊讶，考虑到其价值导向和低买高卖的原则。相比之下，Gen-1 价值策略的再平衡收益相对较小，这在它也是一种价值策略的情况下显得更为意外。然而，需要记住的是，如果投资组合在每次再平衡前重新估值的幅度较小，或者未能购买便宜股票以替换昂贵股票，那么再平衡阿尔法收益往往会较小。由于 RAFI 倾向于具有更强的增长基本面，因此在每次再平衡之间往往会进行更强的重新估值，从而为再平衡阿尔法创造更多机会。因此，增长效应和再平衡效应虽然看似独立，但实际上可以相互强化，而再平衡需要增长效应才能发挥作用。
RAFI 从增长中获得的阿尔法与再平衡阿尔法大小相等，并且无论选择的指标是销售额还是净利润，其幅度都是一致的。如图 4 所示，这些指数的销售和 earnings 增长的历史时间序列表明，RAFI 的增长主导性并非局限于某个特定时期，而是随着时间的推移一直持续存在。
价值指数的增长与再平衡
RAFI 在增长与再平衡方面的历史优势在实证上是明确的，我们预计这种优势在未来将继续存在，因为每种方法在定义价值投资方面存在重要差异。RAFI 和 Gen-1 价值投资都强调价格相对于基本面更便宜的股票。两种方法都会定期卖出价格较高的持仓，以再平衡为价格较低的持仓。差异在于构成成分的选择和这些成分的权重分配。
第一代价值指数提供商根据估值（便宜 vs. 昂贵）和增长（低增长 vs 高增长）来分类股票。5 根据这些特征的组合，股票可能会被分配到价值指数、增长指数或这两个指数中。非常便宜且增长非常缓慢或为负增长的股票将被分配到价值指数，而昂贵且快速增长的股票将被分配到增长指数。昂贵且低增长或便宜且快速增长的股票可能同时存在于这两个指数中，其市值在两个指数中部分分配。因此，第一代价值指数明显具有反增长偏见，因为快速增长的股票要么被排除在外，要么权重降低。这种方法论暗示了一个信念，即价值股票不仅仅是便宜的股票，还应该是反增长的公司。
相比之下，RAFI 不是根据公司的增长情况来进行评估和选择，而是仅根据其基本面特征，包括销售额、现金流、账面价值加上无形资产，以及股息加上回购。RAFI 通过按基本面规模而非市值来加权公司，从而实现其价值导向。通过这种方式，RAFI 倾向于选择那些相对于基本面而言市值较低的便宜公司，远离那些相对于基本面而言市值较高的昂贵公司。这种做法使 RAFI 明显具有价值导向，但同时保持对增长的中立态度。RAFI 的构建体现了这样一种信念：价值投资应该倾向于便宜，但价值投资不必是反增长的。
Gen-1 价值指数的反增长特性明显地限制了其对回报的增长贡献。这也使其在再平衡时处于不利地位。为了说明这两种效应，我们以 Meta 为例。
案例研究：Meta
当 Facebook 于 2012 年 5 月上市时，它是有史以来规模最大、最受期待的 IPO 之一。该股票曾被称为 FB，很快就被归入“FANG”股票行列，与亚马逊、Netflix 和谷歌并列。6 毫无疑问，它是一只增长型股票，受到了很多关注。
图 5 展示了 Meta 自首次公开募股以来的巨大增长，从其作为上市公司第一年的 50 亿美元销售额增长到 2024 年的 1640 亿美元。传统的第一代价值指数会完全排除该股票，将其明确识别为成长股。直到 2022 年，罗素 1000 价值指数才将 Meta 纳入其指数，这发生在当年 Meta 股价下跌，使其估值低于市场倍数之后。当时，Meta 仍然具有令人印象深刻的成长特征，这导致其被纳入罗素 1000 成长指数，并使其市值在两个指数中被分割。
相比之下，RAFI 从一开始就包含了 Meta，并随着该公司的基本面增长不断增加其权重，如图 5 所示。当然，RAFI 中的权重低于市值加权市场指数中的权重。即便如此，RAFI 仍然能够参与 Meta 成为经济越来越重要组成部分的增长。RAFI 持续暴露于 Meta 所带来的好处显而易见，仅这一持仓自 2012 年以来为基本面指数贡献了 4.1%的累计回报。相比之下，罗素 1000 价值指数对 Meta 的短暂暴露仅贡献了 1.1%的回报。7
Meta 在 RAFI 指数中的权重几乎呈单调上升趋势，这似乎意味着 RAFI 在此期间仅进行了买入操作。但 Meta 在某些时期也是显著的再平衡卖方来源，买入和卖出都对 RAFI 的再平衡阿尔法做出了贡献。
为了理解围绕 Meta 的再平衡过程，我们必须同时考虑其回报和随着时间的推移其基本面的增长。 图 6 展示了 RAFI 的再平衡过程及其与增长的关系。
A 部分展示了 Meta 的股价与其年度销售额增长的对比。请注意，尽管两个系列的数据分别在不同的轴上，但每个刻度的增加都代表了销售额和股价都增加了两倍。从 2012 年到 2018 年，销售额和股价的增长率大致相同。由于 RAFI 根据基本面权重股票，8RAFI 在这段时间内不得不增加对 Meta 的权重。但请注意，随着 Meta 股价的上涨，其在投资组合中的权重自然也通过价格漂移而增加。由于股价的增长率与公司的基本面增长大致相同，这段时间内对 Meta 的再平衡几乎可以忽略不计。Meta 的回报几乎完全来自于增长而非估值变化。因此，其对 RAFI 回报的贡献来自于增长部分。
从 2018 年到 2021 年，尽管 Meta 的价格表现非常强劲，但其基本面增长更为强劲，这导致 RAFI 逐步增加了其持股数量。这种效果可以在表 B 中看到，RAFI 继续每季度重新平衡其持股。最早的一次重新平衡买入发生在 2021 年第一季度，此后逐渐加大买入力度，如表 B 所示。当时，Meta 的市盈率接近市场平均水平，约为 25 倍。那么，为什么重新平衡买入一个估值并不便宜的股票能够增加重新平衡阿尔法？因为我们也必须考虑卖出了什么。那一个季度，最大的重新平衡卖出之一是苹果公司，其市盈率为 36 倍。虽然 Meta 仍然估值较高，但卖出一个估值更高的股票来重新平衡到一个估值较低的股票，创造了重新平衡阿尔法。虽然 Meta 继续通过增长部分为 RAFI 做出贡献，但它也开始通过重新平衡部分做出贡献。
从 2021 年末到 2022 年末，Meta 的股价从超过 370 美元急剧下跌至 92 美元，尽管其销售额保持稳定。RAFI 在这些较低的价格下增加了对 Meta 的再平衡频率，以保持其在该股票中的总体权重。自最近的底部以来，Meta 的估值已回升至今天的 600 美元，回升速度超过了其基本面增长速度，导致 RAFI 从 Meta 中减仓并从积累的股份中获利。Meta 在其基金指数中的存在及其最近的价格表现为再平衡提供了丰富的获利机会。Meta 在过去 13 年中的出色增长使其今天在基金指数中的权重约为 2.2%，略低于其在核心市场指数中的权重，比其在第一代价值指数中的权重高出约 2.2 个百分点。
增长中立并不等同于反价值
Meta 的案例是一个单一股票的故事，但它说明了在价值投资中保持对增长中立的重要性。对价值投资感到失望的投资者可能会认为 RAFI 的增长优势是一种“作弊”。为了超越价值指数的表现，价值投资组合经理可以在价值投资遇到困难时，将投资组合转向增长公司。RAFI 的增长中立性是否会使指数变得不那么注重价值，甚至反价值？为了回答这个问题， 图表 7 显示了 RAFI 与传统价值和核心市场资本加权指数的特征对比。
如图 7 所示，RAFI 的市盈率与第一代价值指数相当，并且在市销率方面更为便宜。RAFI 对增长的无偏见性显然不是反价值的，从基本面特征来看并非如此。其表现特征也并非反价值。为了展示这种动态如何运作，我们对 RAFI 的历史回报进行了 Fama-French 四因子回归分析。如图 8 所示，RAFI 对价值因子（HML）的暴露程度与第一代价值指数相当，但略低。RAFI 组合平均而言与传统价值指数一样便宜或更便宜，但 HML 暴露程度略低，这意味着 RAFI 的回报与其它价值股票的联动性略低于第一代价值指数，同时提供相同的或更大的估值折让和更高的阿尔法。
RAFI 的基本优势
在威尔德的戏剧《风辛米夫人扇子》中，当角色达林顿勋爵说愤世嫉俗者知道每样东西的价格，却不知道任何东西的价值时，另一个角色回答说：“亲爱的达林顿，一个浪漫主义者则是看到每样东西都有荒谬的价值，却不知道任何东西的市场价。”
与王尔德的角色不同，投资者可以选择更加细腻的观点，避免陷入非此即彼的简单思维陷阱。他们不需要局限于那些具有一定真实性的“格言”式的思维模型。基本面数据可以用来识别估值特征，也可以用来识别增长特征。我们问：“为什么不能两者兼顾呢？”该指数的设计目的是给予增长公司更高的权重，而不是因为它们不符合传统困境价值股的特征而惩罚它们。同时，该指数会不断根据市场情绪重新平衡其持仓，尽管这并不容易，但长期来看会产生超额收益。这两项基本优势是结构性的——永久嵌入到投资组合的设计中。RAFI 的设计就是为了让你同时拥有增长和反向交易。你为什么用其他方式投资价值呢？
附注
1 参见罗伯·阿诺特等人的 “RAFI Rocks: 将聪明贝塔带回基础 ”（2023 年）。
2 迈克尔·阿克德在 “ 价值投资是否结构上受损？”（2020 年）中也探讨了类似分解。阿克德选择将股息包含在结构性阿尔法中，但我们在此不包括股息，以集中关注增长和再平衡效应。
3 美国第 1 代价值模拟从市值排名前 1000 的股票中选择，根据市盈率高、五年每股销售收入增长低以及两年每股收益增长低的综合价值评分计算得出。股票按该评分与市值的乘积加权，并每年再平衡。我们模拟了聪明贝塔策略，而不是使用实时指数。这种方法使我们能够追溯到 1969 年在美国获得更长的历史记录，并且可以在相同的基础公司级数据和起始范围内比较基本面情况。更多关于第 1 代价值策略和模拟表现的信息请参见我们的网站 。
4 再平衡效应未扣除交易成本。我们估计 Gen-1 价值型基金的再平衡交易成本为每年 0.06%，而 RAFI 的交易成本为每年 0.01%。这两种再平衡成本相对于收益来说都很小。
5 参见 2025 年 5 月发布的《罗素美国股票指数构建与方法论 v6.6》，第 22 页；2024 年 9 月发布的《标准普尔美国风格指数方法论 》，第 5-9 页；2023 年 5 月发布的《MSCI 全球可投资市场价值与增长指数方法论 》，第 5-18 页。
6 流行的缩写在过去十年中已经从 FANG 演变到 FAANG、FAANG+、MAMAA，最近则被称为“神奇七股”。
7 投资组合回报的累计贡献定义为股票权重与股票回报的乘积的累积。这可以解释为一个投资组合，该投资组合按照图 4A 部分所示的权重投资于 Meta，而投资组合的其余部分获得零回报。例如，一个价值 100 美元的投资组合，其中 Meta 的权重为 2%，将持有 2 美元的 Meta 和 98 美元的现金。如果 Meta 的回报率为 20%，该投资组合的价值将从 100 美元增加到 100.40 美元。
8RAFI 根据基本面的综合来加权股票，尽管在这个例子中只使用了一个因素（销售额）。
参考文献
Aked, Michael. 2020. “ 价值投资是否结构性受损？” Research Affiliates.
Arnott, Hsu, Kalesnik, and Tindal. 2013. “ 马尔基的猴子和倒挂策略的意外阿尔法收益 。” 《 投资组合管理杂志 》39(4): 91–105
Arnott, R. D., C.R. Harvey, V. Kalesnik, and J.T. Linnainmaa. 2021. “ 价值的死亡报告可能被大大夸大了 。”《金融分析师杂志》77(1): 44–67。
Arnott, Rob, B. Leadbetter, and Q. Nguyen. 2023. “RAFI 振盪：将智能贝塔带回基础 。”研究关联。
Chaves, Denis, and Robert Arnott. 2012. “ 再平衡与价值效应 。”《投资组合管理杂志》38(4): 59–74。
Fama, Eugene, and Kenneth French. 2007. “ 迁移 。”《金融分析师杂志》63(3): 48–58。
特雷纳，杰克. 2005. “ 市场估值无关指数化为何有效 .” 《金融分析师杂志》61(5): 65–69.
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/91125.html
