金融工程研究金融工程专题报告 2 目录 1. 基于横截面和时间序列指标的因子择时目标波动率策略对不同资产的影响股票与债券的相关性真的那么简单吗? 英国养老金市场现状多空策略中的投资信号合成战术资产配臵流程...

Size: px

Start display at page:

Download "金融工程研究金融工程专题报告 2 目录 1. 基于横截面和时间序列指标的因子择时目标波动率策略对不同资产的影响股票与债券的相关性真的那么简单吗? 英国养老金市场现状多空策略中的投资信号合成战术资产配臵流程..."

裔费
5 years ago
Views:

[Table_MainInfo] 金融工程研究证券研究报告 [Table_Title] 相关研究 [Table_ReportInfo] FICC 系列研究之十一揭开逆周期因子的神秘面纱 2018.09.12 基于因子剥离的 FOF 择基逻辑系列十三主动权益基金的因子剥离 ( 二 ) 2018.08.

1 [Table_MainInfo] 金融工程研究证券研究报告 [Table_Title] 相关研究 [Table_ReportInfo] FICC 系列研究之十一揭开逆周期因子的神秘面纱基于因子剥离的 FOF 择基逻辑系列十三主动权益基金的因子剥离 ( 二 ) 选股因子系列研究( 三十七 ) A 股是否存在异质动量效应? [Table_AuthorInfo] 分析师 : 冯佳睿 Tel:(021) fengjr@htsec.com 证书 :S 分析师 : 郑雅斌 Tel:(021) zhengyb@htsec.com 证书 :S 分析师 : 袁林青 Tel:(021) ylq9619@htsec.com 证书 :S 分析师 : 沈泽承 Tel:(021) szc9633@htsec.com 证书 :S 金融工程专题报告 2018 年 09 月 16 日量化研究新思维 ( 十二 ) 基于横截面和时间序列指标的因子择时 [Table_Summary] 投资要点 : 量化研究离不开阅读思考与实证但囿于国内金融市场不长的历史, 很多思维的火花都无法通过足够的数据进行研究和验证本系列试图填补这一空白, 将海通量化团队的分析师平日阅读思考的心得与海外数据相结合, 致力于为国内的量化从业人员提供新的灵感考虑到篇幅, 文中只呈现了研究思路和主要结论, 对详细过程感兴趣的读者可与我们联系, 海通量化团队时刻为您守候, 与您分享基于横截面和时间序列指标的因子择时使用横截面和时间序列变量, 对 Smart Beta 指数构建因子择时模型讨论在不同经济周期以及市场状态下, 对估值市值动量质量以及低波因子具有预测效果的择时变量分析结果表明, 若将经济周期 ( 或商业周期 ) 估值相对强弱以及离散度等指标结合使用, 能够取得较好的择时收益表现目标波动率策略对不同资产的影响美股市场的实证研究显示, 在不同已实现波动率的计算周期下, 波动率调整组合的夏普比率均高于未调整组合, 组合波动率的标准差与平均左侧损失也会明显降低以使用 90 天计算的波动率调整组合为例, 波动率管理的股票组合的夏普比率由调整前的 0.40 上升至 0.51, 组合波动率的标准差由 4.6% 下降至 2.2%, 平均左侧损失 (5%) 则由 6.9% 下降至 6.7% 股票与债券的相关性真的那么简单吗? 标普 500 指数和长期国债从 1927 年到 2012 年每年的相关性总共发生过 29 次正负转换, 相关系数的范围可从 -93% 到 +86% 进一步研究表明, 股票和债券的相关性与 4 个宏观变量的联系最为紧密 : 实际真实利率通胀水平失业率和经济增长其中, 股票和债券对真实利率和通胀水平的敏感性方向相同, 而对失业率和经济增长的敏感性方向相反战术资产配臵流程战术资产配臵需要综合权衡不同资产的风险收益换手和下行风险任何偏离基准的决策都要做量化分析, 我们可以通过对累积收益和目标波动的偏离换手率压力测试对压力测试的敏感度等五个维度打分来对策略做综合评估 ESG 数据在投资中的使用原因及方法我们根据投资者调研的结果分析了投资者为何以及如何使用 ESG 数据结论包括 :(1) 大部分投资者认为引入 ESG 信息的首要目标是提升投资业绩, 其次才是对客户需求产品策略以及道德层面的考虑 (2) 在各种 ESG 投资策略中, 如果是出于产品以及道德的原因, 直接过滤掉 ESG 负面公司是对业绩最不利的方式 (3) 只有充分参与公司运营以及在公司估值中考虑 ESG 要素, 才是比较有效的 ESG 应用方式构建多因子多头组合的方法 : 组合复合 VS 信号复合组合复合是指, 分别根据每个单因子构建多头组合, 然后将每个因子的多头组合进行混合信号复合是指, 将单因子结合为一个复合因子, 基于复合因子筛选多头股票从收益风险角度来看, 在中低水平的因子暴露下, 组合复合和信号复合选出的股票重叠度高但组合复合方式的超额收益更高, 风险更低, 因此信息比更高, 两者的差异统计显著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

2 金融工程研究金融工程专题报告 2 目录 1. 基于横截面和时间序列指标的因子择时目标波动率策略对不同资产的影响股票与债券的相关性真的那么简单吗? 英国养老金市场现状多空策略中的投资信号合成战术资产配臵流程股票风险溢价的分布 ESG 数据在投资中的使用原因及方法构建多因子多头组合的方法 : 组合复合 VS 信号复合固定收益中的风格投资风险提示... 10

3 金融工程研究金融工程专题报告 3 图目录图 1 经济周期示例... 4 图 2 因子在不同经济周期内的风险调整后收益... 4 图 3 横截面择时指标... 5

4 金融工程研究金融工程专题报告 4 量化研究离不开阅读思考与实证但囿于国内金融市场不长的历史, 很多思维的火花都无法通过足够的数据进行研究和验证本系列试图填补这一空白, 将海通量化团队的分析师平日阅读思考的心得与海外数据相结合, 致力于为国内的量化从业人员提供新的灵感考虑到篇幅, 文中只呈现了研究思路和主要结论, 对详细过程感兴趣的读者可与我们联系, 海通量化团队时刻为您守候, 与您分享 1. 基于横截面和时间序列指标的因子择时我们使用横截面和时间序列变量, 对 Smart Beta 指数构建了因子择时模型着重讨论在不同经济周期以及市场状态下, 对估值市值动量质量以及低波因子具有预测效果的择时变量分析结果表明, 若将经济周期 ( 或商业周期 ) 估值相对强弱以及离散度等指标结合使用, 能够取得较好的择时收益表现我们首先将经济分为扩张减速收缩以及复苏四种状态 ( 见下图 ), 检验各因子在不同经济周期 ( 或商业周期 ) 下的表现图 1 经济周期示例资料来源 :Factor Timing with Cross-Sectional and Time-Series Predictors, 海通证券研究所由下图可见, 因子在不同经济环境下的表现大相径庭例如, 当经济减速时, 估值因子表现较差这是因为低估值的公司的资本结构往往并不灵活 ; 但是, 由于质量以及低波因子具有较强的风险抵御能力, 因此, 这两个因子在经济减速时期, 能够取得较好的风险调整后收益图 2 因子在不同经济周期内的风险调整后收益资料来源 :Factor Timing with Cross-Sectional and Time-Series Predictors, 海通证券研究所

金融工程研究金融工程专题报告 5 除了时间序列指标外, 我们也考虑了一系列横截面上的择时指标, 如估值相对强弱以及离散度, 具体介绍如下表所示图 3 横截面择时指标资料来源 :Factor Timing with Cross-Sectional and Time-Series Predictors, 海通证券研究所我们在使用这些指标时, 直接对它们进行了复合并且不考虑权重的优化,

5 金融工程研究金融工程专题报告 5 除了时间序列指标外, 我们也考虑了一系列横截面上的择时指标, 如估值相对强弱以及离散度, 具体介绍如下表所示图 3 横截面择时指标资料来源 :Factor Timing with Cross-Sectional and Time-Series Predictors, 海通证券研究所我们在使用这些指标时, 直接对它们进行了复合并且不考虑权重的优化, 只是简单地等权处理随后, 我们通过风险模型, 将对各因子的收益预测转化成因子组合的权重分配详细的回测结果表明, 该复合模型的夏普比率高达 0.88, 表现优于任何单指标择时模型的结果 2. 目标波动率策略对不同资产的影响研究发现, 波动率管理组合能够在诸如股票等风险资产中提升夏普比率但在债券外汇大宗商品等资产中进行波动率管理, 却无法达到相同的效果不过, 在各类资产中, 波动率管理都能够大幅降低组合出现极端收益的可能性波动率管理组合是指, 使用资产的波动率对组合杠杆倍数进行调整, 使其达到预先设臵的目标波动率具体做法是, 利用资产波动率的聚集效应, 使用指数衰减加权的方式计算组合的目标波动率, 并设臵了 10% 的年化目标波动率水平在评估组合业绩时, 我们分别使用了夏普比率平均敞口暴露平均换手率组合波动率的标准差平均左侧损失 / 右侧收益等指标来衡量美股市场的实证研究显示, 在不同已实现波动率的计算周期下, 波动率调整组合的夏普比率均高于未调整组合, 组合波动率的标准差与平均左侧损失也会明显降低以使用 90 天计算的波动率调整组合为例, 波动率管理的股票组合的夏普比率由调整前的 0.40 上升至 0.51, 组合波动率的标准差由 4.6% 下降至 2.2%, 平均左侧损失 (5%) 则由 6.9% 下降至 6.7% 债券市场则呈现出相反的情况在不同已实现波动率的计算周期下, 波动率调整组合的夏普比率均大幅低于未调整组合同样以使用 90 天计算的波动率调整组合为例, 波动率管理的债券组合的夏普比率由调整前的 0.25 下降至 0.09, 不过组合波动率的标准差也由 3.9% 下降至 2.6% 总结来看, 我们认为波动率调整方法在股票债券中的差异主要源于杠杆效应风险资产, 诸如股票信用债, 存在较为明显的杠杆效应也就是说, 资产收益率与波动率之间存在着同期的负相关性因此, 利用波动率的聚集效应, 在波动率上升时降低组合的杠杆, 能够提升组合表现而在利率债外汇大宗商品等资产中, 杠杆效应并不存在 3. 股票与债券的相关性真的那么简单吗? 马科维茨曾经说过, 资产配臵的分散化是投资市场上唯一的免费午餐多年以来, 大量投资者也偏爱同时配臵股票和债券资产, 从而减小投资组合的波动率和下行风险

6 金融工程研究金融工程专题报告 6 因此, 股票和债券的相关性问题一直都是资产配臵最重要的参考因素之一但是, 两类资产的相关性并不会一直稳定在较低的水平上, 而是会随着经济环境的改变而剧烈变化计算发现, 从 1927 年到 2012 年, 标普 500 指数和长期国债每年的相关性总共发生过 29 次正负转换, 相关系数的范围可从 -93% 到 +86% 进一步研究表明, 股票和债券的相关性与 4 个宏观变量的联系最为紧密 : 实际真实利率通胀水平失业率和经济增长其中, 股票和债券的相关性对真实利率和通胀水平的敏感性方向相同, 而对失业率和经济增长的敏感性方向相反因此, 在不同经济变量的共同作用下, 股票和债券的相关性可正可负我们基于宏观变量构建了计量模型对股债相关性进行前瞻性的测算, 在不同的时间跨度下, 宏观变量的作用影响不同短期来看, 当经济周期类的宏观变量 ( 经济增长和失业率等 ) 对于经济的影响超过利率和通胀等因素时, 股票和债券资产通常会保持负相关但是长期来看, 经济增长的周期性趋势以及利率和通胀水平会同时对股票和债券有着相似的影响, 因此会逐渐提升两者的相关性, 甚至导致相关性由负转正 4. 英国养老金市场现状人口结构市场和政策的变化深刻影响着养老金的需求和来源近年来,DC 型计划高速发展参与 DC 型计划对于居民来说意味着在养老金缴费投资和领取等方面拥有更高的灵活度, 但同时, 这种灵活度意味着居民在选择养老金投资产品时面临的风险和复杂程度可能也比以往要更高另一个影响因素是人均寿命的提高, 统计显示, 当前居民很容易低估自己的预期寿命, 这会使得居民错估自己退休后所需的养老费用尽管 DC 型计划相比于 DB 型计划, 在支取方面更加灵活但是统计显示, 英国 55 岁以上的仍在工作的居民中, 仍有一半以上从未使用过其 DC 型计划中的资产此外, 在 DC 型计划上储蓄较少的居民, 其购买年金产品的比例也不高反而是那些在 DC 型计划中储蓄较多的居民, 购买年金产品的情况更为普遍并且, 在 DC 型计划上储蓄超过 25 万英镑的高收入居民中, 收入提款型产品最受他们的欢迎退休雇员的需求会影响养老金决策一般来说, 退休居民会减少总的消费支出来适应退休后更少的收入同时, 退休居民会在休闲社交和节日支出等方面花费更多假如基于整个生命周期考虑, 雇员需要在退休前就开始节制消费来为退休后的生活进行储蓄即使居民退休后的消费总支出不变, 消费结构也会出现明显变化同时, 退休后, 居民对于寿命风险通胀风险投资风险购买力风险等风险的顾虑都会影响其养老金的使用决策根据统计, 英国市场上, 年龄处于 50 岁到法定退休年龄之间的临退休居民中, 有三分之二其 DC 型计划中的储蓄不足英镑尽管 DB 型计划近年来大幅萎缩,DC 型计划发展迅速, 但平均而言, 当前临退休居民持有的 DB 型计划资产, 平均而言高于 DC 型计划但从年轻人的数据来看, 未来这种局面大概率会出现反转,DC 型计划已成为大部分人的主流选择另一方面, 退休居民资产中固定资产和金融资产的配臵也会出现变化当前临退休居民中, 近半数拥有房产, 而年轻人购臵房产的能力和意愿都更低 5. 多空策略中的投资信号合成目前, 在构建投资组合时存在两种信号合成方法 : 混合法, 即分别计算不同信号下的组合权重并将权重进行复合 ; 集成法, 即直接将信号进行复合再计算组合权重我们主要探讨这两种方法的差异在采用模拟组合收益率的方法进行回测后, 我们发现, 集成法在纯多头组合中的收益表现更优, 但也存在更大的主动风险而在中低风险暴露的设定下, 混合法表现更优而在无约束的多空组合中, 混合法和集成法的表现并不存在显著的差异, 仅在概念上存在一定的区别混合法的优势在于 :

7 1. 从转移系数来看, 组合保留了更多的信号信息 ; 2. 对于极端信号产生的噪声具有更强的稳健性 ; 3. 组合的收益可以更简明直观地进行归因 ; 4. 可以满足客户对于模块化定制的需求而集成法的优势在于 : 1 在集成之前保留了原始信号的信息 ; 金融工程研究金融工程专题报告 7 2 当交易信号存在相反头寸时, 相较于混合法降低了换手率和交易成本 ; 3 在纯多头策略中, 收益表现更优 ; 4 在流动性不佳的市场中, 更容易实现在现实中, 由于多空策略存在集中度流动性和杠杆方面的限制, 混合法和集成法还可能存在一定的系统性差异我们认为, 投资者应该结合实际的问题选择应用混合法或集成法综合所有优缺点来看, 我们较为推荐混合法 6. 战术资产配臵流程长期投资者通常在一个较长的时间周期内 (10 年以上 ) 采用多资产固定比例投资, 并定期再平衡的战略资产配臵方案战术资产配臵是一种中短投资期限内的决策, 目的在于根据经济周期调整资产配臵比例, 以获取超额收益或者在极端情景出现时, 降低组合风险我们详细模拟了一个养老金在期间的战术资产配臵策略养老金以 Axioma 的多资产风险监控组合作为基准, 该组合分散持有股票债券外汇和商品四大类 14 小类共 6800 余个标的养老金的目标风险为年化 5%, 上下限为 ±1%, 按 50%/40%/5%/5% 的比例配臵股票债券外汇商品, 每季度再平衡我们构建了三个基于风险的策略, 分别是有约束的最小波动策略无约束的最小波动策略和风险平价策略其中, 有约束的最小波动策略要求资产权重相对上一期的调整幅度不超过 5%, 且各小类资产占比不得低于 1%, 每个策略均季度调仓 2016 年三季度, 基准组合的波动率为 8% 无约束的最小波动策略使得波动率大幅下降至 2.6%, 代价是持仓集中在两个资产上, 双边换手率高达 180%, 且远未达到实现目标收益需要的波动水平有约束的最小波动策略使得波动率下降到 6.2%, 接近 5%±1% 的风险容忍区间, 且双边换手只有 54% 风险平价策略刚好实现了 5% 的波动目标, 双边换手率为 91% 接下来, 我们通过压力测试考察策略是否在降低波动的同时带来一定的下行风险压力测试包括 2008 年美股暴跌利率飙升 2015 年 8 月中国股市暴跌等五种情景基准组合受股票利率和商品 ( 原油 ) 的冲击均为最大有 / 无约束的最小波动策略表现截然不同, 前者可以看成基准组合的迷你版, 后者除了在中国下跌情景外, 表现出与前者完全相反的敏感性风险平价策略可以同时降低组合波动和下行风险, 但需要付出额外 70% 的换手, 投资者需要做出权衡从的整个区间上看, 美股的持续上涨使得基准组合取得了最高的收益, 而无约束的最小波动策略在波动最小的同时, 收益也最低所有基于风险的策略都有效地降低了组合的波动并且, 在 2018 年一季度市场波动率上升期内, 组合的波动也同样低于 5% 综上所述, 战术资产配臵需要综合权衡不同资产的风险收益换手和下行风险

8 金融工程研究金融工程专题报告 8 任何偏离基准的决策都要做量化分析, 我们可以通过对累积收益和目标波动的偏离换手率压力测试对压力测试的敏感度等五个维度打分, 来对策略做综合评估 7. 股票风险溢价的分布股票市场是高波动的, 从 1963 年 7 月到 2016 年 12 月期间, 股票溢价 ( 美股市场的月度收益与一个月美国国债到期收益率之差 ) 平均每月为 0.51%, 即每年 6% 然而, 受到股票资产高波动特性的影响, 该溢价的波动率高达每月 4.42%, 约是溢价水平的 9 倍这一特征给股票溢价的预测带来了极大的不确定性, 从而显著影响资产配臵的决策价值股溢价以及小盘股溢价均存在类似特征 : 在同观察区间内, 价值股 (B/P 比高于 70% 分位点的股票 ) 相对于全市场的月均溢价为 0.29%, 该溢价的波动率高达每月 2.19% 小盘股 ( 市值小于 NYSE 市值中位数的股票 ) 相对全市场的月均溢价为 0.27%, 溢价波动率高达每月 2.82% 我们通过对比不同时长下的股票溢价分布发现, 随着观察时长的增加, 溢价分布变化有如下几个重要特点 : 1. 向右偏移, 即溢价向更高值处偏离 2. 整体分布更加分散 3. 分布向右移动的速度大于分布趋于分散的速度另外, 该分布的偏度与峰度均随着时长增加而提升这意味着, 相对于正态分布而言, 溢价的分布逐渐表现为 : 在均值附近更为集中, 左尾的极端负溢价的概率不断下降, 而右尾的极端正溢价的概率趋于上升这一现象对投资者而言无疑是可喜的然而仍需注意的是, 在大部分专业投资者所使用的 3 年或 5 年的资产配臵观察窗口中, 产生负溢价的概率依然不可忽视即使是对 10 年甚至 20 年的观察窗口而言, 这一风险也非常值得投资者重视 8. ESG 数据在投资中的使用原因及方法我们根据投资者调研的结果分析了投资者为何以及如何使用 ESG 数据结论包括 : (1) 大部分投资者认为引入 ESG 信息的首要目标是提升投资业绩, 其次才是对客户需求产品策略以及道德层面的考虑 (2) 在各种 ESG 投资策略中, 如果是出于产品以及道德的原因, 直接过滤掉 ESG 负面公司是对业绩最不利的方式 (3) 只有充分参与公司运营以及在公司估值中考虑 ESG 要素, 才是比较有效的 ESG 应用方式调研群体接受调研的群体所管理的资金规模约为 31 万亿美金, 占全球资产管理规模的 43% 左右仅 8% 的调研对象是 ESG 投资专家, 主要对象是投资经理, 调研对象中有相当多的机构没有或者仅有小规模的 ESG 投资调研群体的统计数据在所有给予反馈的调研群体中,8% 为 ESG 投资专家,25% 为公司高层 (CEO CIO 等 ),25% 为投资经理大多数投资人来自欧洲约 2/3 为专业投资经理服务,1/3 为基金持有人服务 ( 如各种政府基金养老金金融机构等 ) 70% 的调研对象反馈, 他们的组合中仅有不超过 10% 的资产和 ESG 相关,50% 反馈不投资于专门的 ESG 板块这说明, 我们的调研对象是主流投资群体, 而非局限于特定的 ESG 投资群体投资者使用 ESG 数据的动机调研反馈,82% 的投资人在做投资决策的时候会考虑 ESG 信息我们在调研表格

9 金融工程研究金融工程专题报告 9 中罗列了使用以及不使用 ESG 数据的几条主要动机, 回复情况如下 : 大公司和小公司的明显差异为 : 大公司更多的是因为投资者的要求产品的策略需要, 这些财务层面的原因使用 ESG 数据而小公司则更多的是因为道德层面从地域方面来看, 欧洲和美国最大的区别在于, 欧洲更倾向于从道德层面出发使用 ESG 数据也有一些调研对象给出了文字性而非选择项的回答, 归纳来看, 文字性的回答侧重的使用动机依然是财务和财政方面的考虑使用 ESG 数据时的障碍总体来看, 使用 ESG 数据的最大障碍, 在于 ESG 数据来源的不可比性公司之间披露的 ESG 数据缺乏统一标准, 无法进行横向比较投资者普遍反馈, 信息披露的最大问题是数据的可靠性以及缺乏第三方的信息认证或审核这种障碍对于大公司而言, 占比非常高, 但是小公司在这几个原因上的反馈比例并不高如何使用 ESG 数据为了区分投资者如何使用 ESG 数据, 我们提供了几种不同的使用 ESG 的投资策略 : 积极参与公司管理估值时考虑 ESG 信息负向剔除主题投资组合倾斜正向筛选风险因子等等反馈中, 使用策略占比最高的为 : 通过 ESG 信息积极参与公司管理 ( active ownership,37%) 在证券估值时考虑 ESG 数据 (34%) 负向剔除策略 (30%) 大公司和小公司的主要区别为 : 前者使用负向剔除策略的占比较高欧洲和美国的主要区别为 : 欧洲使用积极管理的占比较高 ( 欧洲 48%VS 美国 27%) 有 17% 的投资人反馈, 他们完全不使用 ESG 相关的任何策略美国使用 ESG 投资策略的比例低于欧洲, 主要是因为美国投资者倾向于认为 ESG 数据的可靠性有一定问题故他们最喜欢用的策略是负向剔除 ( 美国占比 40%), 因为这种策略对于信息的全面性要求最低 ESG 数据对策略预期表现的影响我们让调研对象自己选择,ESG 策略对于预期业绩的影响程度投资者认为, 使用 ESG 信息进行估值, 对于业绩的正面影响最大, 其次是积极参与公司管理, 负向剔除策略对于业绩能够产生的正面影响最小总体而言, 除了负向剔除策略, 投资者认为其他策略对业绩的平均影响都为正从区域来看, 欧洲投资者普遍比美国投资者更为乐观, 认为各种策略可能产生的正面影响较高 ESG 策略在未来的应用调研对象反馈, 在未来 5 年, 正向筛选可能是最为重要的 ESG 应用策略, 其次是积极管理负向剔除和使用 ESG 估值这三种策略 9. 构建多因子多头组合的方法 : 组合复合 VS 信号复合构建多头组合的多因子策略主要包括两种类型 : 组合复合 (Portfolio blending), 和信号复合 (Signal blending) 其中, 组合复合是指, 分别根据每个单因子构建多头组合, 然后将每个因子的多头组合进行混合信号复合是指, 将单因子结合为一个复合因子, 基于复合因子筛选多头股票我们主要比较两种复合方式的优劣, 包括策略的收益表现及透明度特征从收益风险角度来看, 在中低水平的因子暴露下, 组合复合和信号复合选出的股票重叠度高但组合复合方式的超额收益更高, 风险更低, 因此信息比更高, 两者的差异统计显著为考察两种方式的业绩差异是由其他风险因子暴露的不同所致, 还是因为选用因子之间存在交互效应, 我们将超额收益进行 Fama-French 回归结果显示, 在控制 FF4 因子后, 组合复合方式的截距项显著高于信号复合方式, 表明两种方式的差异并不是由其他风险因子暴露的不同导致在较高的跟踪误差下, 信号复合方式的收益风险综合表现更优, 但两者差异不再显著除收益风险指标外, 透明度 (transparency) 也是 Smart Beta 产品的一个关键目

10 金融工程研究金融工程专题报告 10 标所谓的透明度是指, 策略的收益和风险来源很容易为投资者所理解从这个目标来看, 组合复合方式的透明度更高, 因为它可以很好地分解出每个因子组合的收益和风险 10. 固定收益中的风格投资风格溢价投资或称因子投资, 在股票市场上已有超过 20 年的应用历史, 并且正变得越来越流行一类最为常见的应用形式即为, 纯多头策略中的 Smart Beta 而在外汇和商品市场上, 风格投资也逐渐被应用于多空或中性策略的构建中不过, 在固定收益领域, 风格投资不论是在学术研究还是实际投资中, 仍属新鲜事物固定收益市场的容量极其庞大截止 2017 年 12 月 31 日, 彭博巴克莱全球债券总指数包含了高达 45 万亿美元的可投资债券在这个宽基指数中, 有着各级政府与政府有关联的实体和各类企业发行的债券, 也包括资产支持证券 (ABS) 我们的研究目标是建立一个广义的框架, 度量和评估政府和企业债券中可能有效的风格因子选择这两类债券, 一是因为它们占据了总指数中的很大一部分 ( 政府债券约占 55%, 企业债券约占 20%), 二是对于在横截面上影响其超额收益的因子尚未得到足够多的实证分析尽管固定收益的风格投资为人接受的程度依然不高, 但我们发现, 一些在其他资产类别中已被证明过的因子价值动量利差和防御, 在过去的 20 年间同样可以在各个类型的债券市场上, 被用来增强收益固定收益的风格投资对于全球政府债券的久期配臵策略和美国企业债市场上的发行人配臵策略, 都能产生很好的效果应用过去 20 年间政府和企业债券的大样本数据, 我们证明了所有风格都有着正的夏普比率例如, 在上文提及的 4 个著名的风格溢价间进行等风险配臵, 对于政府债和企业债可以分别获得 0.98 和 2.52 的夏普比率我们进一步考察了基于风格的固定收益组合在风险分散上的效果首先, 不论是在政府债或是企业债内部, 还是这两类债券之间, 风格组合的相关性都很低其次, 固定收益的风格组合可以通过不暴露于传统市场风险 ( 例如, 信用风险溢价股票风险溢价或期限结构溢价 ) 的方式构建第三, 相比于基础资产本身, 固定收益风格组合的收益对一些投资者最为关心的宏观经济变量 ( 例如, 通货膨胀的冲击经济增长的冲击实际到期收益率的冲击流动性的冲击和波动率的冲击 ) 更加不敏感上述这些结果非常重要, 因为绝大多数做主动管理的固定收益基金经理都会在传统的市场风险溢价, 尤其是信用风险溢价上有显著的暴露实证分析表明, 风格投资在固定收益中扮演着重要的角色尽管我们的分析集中在学术层面的多空组合, 但我们也讨论了一些可用于实际操作的选项不论是多空还是纯多头策略, 风格组合的低相关性都可以起到良好的分散效果至于如何应用, 则取决于投资者实际的投资限制 11. 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特别声明 : 本篇报告的结果均由数量化模型自动计算得到, 研究员未进行主观判断调整 ; 数据源均来自于市场公开信息

11 信息披露金融工程研究金融工程专题报告 11 分析师声明 [Table_Analysts] 冯佳睿金融工程研究团队郑雅斌金融工程研究团队袁林青金融工程研究团队沈泽承金融工程研究团队本人具有中国证券业协会授予的证券投资咨询执业资格, 以勤勉的职业态度, 独立客观地出具本报告本报告所采用的数据和信息均来自市场公开信息, 本人不保证该等信息的准确性或完整性分析逻辑基于作者的职业理解, 清晰准确地反映了作者的研究观点, 结论不受任何第三方的授意或影响, 特此声明法律声明本报告仅供海通证券股份有限公司 ( 以下简称本公司 ) 的客户使用本公司不会因接收人收到本报告而视其为客户在任何情况下, 本报告中的信息或所表述的意见并不构成对任何人的投资建议在任何情况下, 本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任本报告所载的资料意见及推测仅反映本公司于发布本报告当日的判断, 本报告所指的证券或投资标的的价格价值及投资收入可能会波动在不同时期, 本公司可发出与本报告所载资料意见及推测不一致的报告市场有风险, 投资需谨慎本报告所载的信息材料及结论只提供特定客户作参考, 不构成投资建议, 也没有考虑到个别客户特殊的投资目标财务状况或需要客户应考虑本报告中的任何意见或建议是否符合其特定状况在法律许可的情况下, 海通证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易, 还可能为这些公司提供投资银行服务或其他服务本报告仅向特定客户传送, 未经海通证券研究所书面授权, 本研究报告的任何部分均不得以任何方式制作任何形式的拷贝复印件或复制品, 或再次分发给任何其他人, 或以任何侵犯本公司版权的其他方式使用所有本报告中使用的商标服务标记及标记均为本公司的商标服务标记及标记如欲引用或转载本文内容, 务必联络海通证券研究所并获得许可, 并需注明出处为海通证券研究所, 且不得对本文进行有悖原意的引用和删改根据中国证监会核发的经营证券业务许可, 海通证券股份有限公司的经营范围包括证券投资咨询业务

12 金融工程研究金融工程专题报告 12 [Table_PeopleInfo] 海通证券股份有限公司研究所路颖所长 (021) 高道德副所长 (021) 姜超副所长 (021) 邓勇副所长 (021) 荀玉根副所长 (021) 钟奇所长助理 (021) 涂力磊所长助理 (021) 宏观经济研究团队姜超 (021) 于博 (021) 顾潇啸 (021) 李金柳 (021) 联系人宋潇 (021) 陈兴 (021) 固定收益研究团队姜超 (021) 朱征星 (021) 周霞 (021) 姜珮珊 (021) 杜佳 (021) 联系人李波 (021) 政策研究团队李明亮 (021) 陈久红 (021) 吴一萍 (021) 朱蕾 (021) 周洪荣 (021) 王旭 (021) 汽车行业王猛 (021) 杜威 (0755) 互联网及传媒钟奇 (021) 郝艳辉 (010) 许樱之孙小雯 (021) 刘欣 (010) 强超廷 (021) 毛云聪 (010) 联系人陈星光 (021) 金融工程研究团队高道德 (021) 冯佳睿 (021) 郑雅斌 (021) 罗蕾 (021) 沈泽承 (021) 余浩淼 (021) 袁林青 (021) 姚石 (021) 吕丽颖 (021) 联系人周一洋 (021) 张振岗 (021) 颜伟 (021) 梁镇 (021) 策略研究团队荀玉根 (021) 钟青 (010) 高上 (021) 李影 (021) 姚佩 (021) 联系人唐一杰 (021) 郑子勋 (021) 王一潇 (021) 石油化工行业邓勇 (021) 朱军军 (021) 联系人胡歆 (021) 张璇 (021) 公用事业吴杰 (021) 张磊 (021) 戴元灿 (021) 联系人傅逸帆 (021) 有色金属行业施毅 (021) 联系人李姝醒 (021) 陈晓航 (021) 李骥 (021) 甘嘉尧 (021) 金融产品研究团队高道德 (021) 倪韵婷 (021) 陈瑶 (021) 唐洋运 (021) 宋家骥 (021) 皮灵 (021) 徐燕红 (021) 薛涵 (021) 联系人谈鑫 (021) 王毅 (021) 蔡思圆 (021) 庄梓恺 (021) 中小市值团队张宇 (021) 钮宇鸣 (021) 孔维娜 (021) 潘莹练 (021) 联系人王鸣阳 (021) 程碧升 (021) 相姜 (021) 医药行业余文心 (0755) 郑琴 (021) 孙建 (021) 联系人贺文斌 (010) 吴佳栓 (010) 范国钦批发和零售贸易行业汪立亭 (021) 李宏科 (021) 联系人史岳高瑜 (021) 房地产行业涂力磊 (021) 谢盐 (021) 杨凡 (021) 联系人金晶 (021)

13 电子行业陈平 (021) 联系人谢磊 (021) 尹苓 (021) 石坚 (010) 基础化工行业刘威 (0755) 刘海荣 (021) 张翠翠 (021) 孙维容 (021) 联系人李智 (021) 非银行金融行业孙婷 (010) 何婷 (021) 联系人夏昌盛 (010) 李芳洲 (021) 建筑建材行业钱佳佳 (021) 冯晨阳 (021) 联系人申浩 (021) 建筑工程行业杜市伟 (0755) 张欣劼李富华 (021) 军工行业蒋俊 (021) 刘磊 (010) 张恒晅联系人张宇轩 (021) 家电行业陈子仪 (021) 李阳 (021) 联系人朱默辰 (021) 刘璐 (021) 煤炭行业李淼 (010) 戴元灿 (021) 吴杰 (021) 计算机行业郑宏达 (021) 黄竞晶 (021) 杨林 (021) 鲁立 (021) 联系人洪琳 (021) 于成龙交通运输行业虞楠 (021) 联系人李丹 (021) 党新龙 (0755) 机械行业佘炜超 (021) 耿耘 (021) 杨震 (021) 沈伟杰 (021) 周丹农林牧渔行业丁频 (021) 陈雪丽 (021) 陈阳 (021) 银行行业孙婷 (010) 解巍巍联系人林加力 (021) 谭敏沂 (0755) 造纸轻工行业衣桢永 (021) 曾知 (021) 赵洋 (021) 金融工程研究金融工程专题报告 13 电力设备及新能源行业张一弛 (021) 房青 (021) 曾彪 (021) 徐柏乔 (021) 张向伟 (021) 联系人陈佳彬 (021) 通信行业朱劲松 (010) 余伟民 (010) 张弋联系人张峥青 (021) 纺织服装行业梁希 (021) 联系人盛开 (021) 刘溢 (021) 钢铁行业刘彦奇 (021) 联系人周慧琳 (021) 刘璇 (0755) 食品饮料行业闻宏伟 (010) 成珊 (021) 唐宇 (021) 社会服务行业汪立亭 (021) 陈扬扬 (021) 研究所销售团队深广地区销售团队蔡铁清 (0755) 伏财勇 (0755) 辜丽娟 (0755) 刘晶晶 (0755) 王雅清 (0755) 饶伟 (0755) 欧阳梦楚 (0755) 宗亮巩柏含上海地区销售团队胡雪梅 (021) 朱健 (021) 季唯佳 (021) 黄毓 (021) 漆冠男 (021) 胡宇欣 (021) 黄诚 (021) 毛文英 (021) 马晓男杨祎昕 (021) 张思宇慈晓聪 (021) 王朝领北京地区销售团队殷怡琦 (010) 郭楠吴尹张丽萱 (010) 杨羽莎 (010) 杜飞张杨 (021) 欧阳亚群何嘉 (010) 李婕

14 金融工程研究金融工程专题报告 14 海通证券股份有限公司研究所地址 : 上海市黄浦区广东路 689 号海通证券大厦 9 楼电话 :(021) 传真 :(021) 网址 :

公司研究中联环 (835750)2 目录 1. 循环洁水, 环境专家... 5 2. 污水治理进入重效果高标准时代... 6 3. 分布式水厂契合新背景下污水处理需求... 8 4. 业绩预测与评级...

公司研究中联环 (835750)2 目录 1. 循环洁水, 环境专家... 5 2. 污水治理进入重效果高标准时代... 6 3. 分布式水厂契合新背景下污水处理需求... 8 4. 业绩预测与评级... [Table_MainInfo] 公司研究 / 公用事业 / 水公用事业中联环 (835750) 公司研究报告证券研究报告 2016 年 07 月 19 日 [Table_InvestInfo] 投资评级暂不评级首次覆盖股票数据 6 [Table_StockInfo] 个月内目标价 ( 元 ) 7 月 18 日

金融工程研究金融工程专题报告 2 目录 1. 基于横截面和时间序列指标的因子择时 目标波动率策略对不同资产的影响 股票与债券的相关性真的那么简单吗? 英国养老金市场现状 多空策略中的投资信号合成 战术资产配臵流程...

金融工程研究金融工程专题报告 2 目录 1. 基于横截面和时间序列指标的因子择时目标波动率策略对不同资产的影响股票与债券的相关性真的那么简单吗? 英国养老金市场现状多空策略中的投资信号合成战术资产配臵流程...