“学海拾珠”系列之一百五十三：Alpha与风格因子的综合风险平价策略

金融工程 专题报告 Alpha与风格因子的综合风险平价策略 ——“学海拾珠”系列之一百�十三 报告日期：2023-08-09 主要观点： 分析师：严佳炜 执业证书号：S0010520070001邮箱：yanjw@hazq.com 联系人：钱静闲 执业证书号：S0010522090002邮箱：qianjx@hazq.com 相关报告 1.《股票因子个性化：基于股票嵌入的因子优化——“学海拾珠”系列之一百四十�》 2.《盈余公告披露的现象、方法和目的——“学海拾珠”系列之一百四十六》 3.《基金抛售资产时的选择性偏差— —“学海拾珠”系列之一百四十七》 4.《投资者情绪能预测规模溢价吗？ ——“学海拾珠”系列之一百四十八》 5.《基于强化学习和障碍函数的自适应风险管理在组合优化中的应用——“学海拾珠”系列之一百四十九》 6.《运用少量ETF可以复制主动基金的业绩吗？——“学海拾珠”系列之一百�十》 7.《A股的流动性、波动性及其溢出效应——“学海拾珠”系列之一百�十一》 8.《人工智能可以读懂企业高管的想法吗？——“学海拾珠”系列之一百 �十二》 本篇是“学海拾珠”系列第一百�十三篇，文献提出了一种综合考虑已知风险因子和未知alpha来源的综合风险平价策略，旨在分散 FOF组合中的风格因子和基金经理的主动选股风险。过往FOF研究多 尝试从已知因子中找到可以添加的新因子，或增强因子选择模型以产生稳定的超额收益。然而，文献提出了一种平衡的策略，通过以风险平价方式将已知和未知因子稳定地结合在一起，从而稳定地利用基金经理的 选股技能。回到国内基金市场，我们可以复刻这种策略来构造FOF组 合。 Alpha与风格因子的综合风险平价策略 首先，分离基金的风格因子和alpha因子，预设的风格因子包括 Fama-French�因子模型（2015）：市场因子、价值因子、市值因子、盈利因子、投资因子，再加上动量因子，通过回归获得基金的因子beta值并计算经过因子调整的基金alpha表现。 基金经理的alpha表现是剔除了风格因子后的业绩，由其在特定时期的行业、趋势和事件下所选择的个股构成，然而，如果大多数管理者在相同方向配置其投资组合，alpha可能也会被特定主题或行业所解释，alpha部分比风格因子更加多样且难以定义，通过主成分分析 （PCA）分解，提取前�个主成分，与风格因子的数量（不包含市场因子）相对应。 根据每个成分的风险，定义了边际风险贡献和风险贡献，平衡风格因子和主成分alpha，使用Basin-Hopping(BH)算法计算最优解。 策略效果 文献使用2006年到2022年6月的全球基金数据进行策略检验， alpha-风格因子综合平价策略在大多数风险范围内显示出相对稳定的表现，相较于单风格因子风险平价和单主成分alpha平价策略表现更好，在高波动性和下行市场期间（如全球金融危机或意外事件如COVID- 19），综合风险平价组合具有更稳定的风险-回报特性。 风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建 议。 敬请参阅末页重要声明及评级说明证券研究报告 正文目录 1简介4 2ALPHA-风格因子综合风险平价组合4 2.1框架4 2.2选用哪些风格风险因子？5 2.3提取风格因子敞口和ALPHA收益6 2.4在ALPHA收益中的风险来源6 2.5ALPHA-风格因子综合风险平价策略8 2.6BASIN-HOPPING算法9 3数据来源10 3.1全球权益基金数据10 3.2投资领域11 4模拟结果12 4.1投资策略12 4.2投资策略的比较12 4.3不同市场时期下的投资策略15 4.4业绩分析17 5讨论与总结19 风险提示：19 图表目录 图表1ALPHA因子综合风险平价策略框架5 图表2因子回报的相关性（2006年1月至2022年6月）6 图表3ALPHA表现中解释的主成分方差7 图表4PCA提取的主要投资组合累积收益8 图表5BASIN-HOPPING(BH)算法10 图表6EVESTMENT数据库的投资组合范围（截至2022年6月）11 图表7全球基金的风格因子敞口和�年回报率（基准日期：2021年12月31日，前十名回报榜单）12 图表8按照风险平价策略类型模拟的表现13 图表9低风险水平（风险预算：1％，2％）的模拟年度回报13 图表10中风险水平（风险预算：3％，4％）的模拟年度回报14 图表11高风险水平（风险预算：5％，6％）的模拟年度回报14 图表12中风险水平（风险预算：3％，4％）的模拟超额回报15 图表13在风险预算为4％的情况下，改变优化方法的步长进行的模拟业绩（IR）15 图表14历史VIX（期权波动率）指数和高波动率区域16 图表15MSCI全球指数和下行市场区域16 图表16在VIX市场环境下的结果比较（风险预算：4%）17 图表17在MSCI指数市场环境下的结果比较（风险预算：4%）17 图表18风格因子暴露和综合策略以及MSCI风格指数的表现18 图表19综合策略和风格指数的暴露和截距18 图表20模拟策略的滚动5年ALPHA表现18 图表21模拟策略的滚动5年总超额表现19 1简介 权益资产在主动投资中的作用至关重要，因为具有较高的预期收益率，并且通过个股选择可能实现超额收益，因此，权益投资构成了许多大型基金和机构的超额表现的主要部分。相比于被动投资者，主动投资者通常期望他们的主动仓位带来更高的回报。然而，对于主动投资者来说，也存在可能的表现不佳的情况。因此，采用主动投资策略的投资者参与了相对于平均市场指数的零和博弈。 自1952年Markowitz引入均值-方差优化模型后，投资者开始关注股票组合的 分散化特性。这种分散化也可以应用于FOF策略。最初，一个FOF组合由多只基金组成，FOF经理努力分离基金业绩的市场β（beta）部分和alpha（alpha）部分。这种方法将FOF所追求的纯选股敞口与投资组合的β部分分离，因为β取决于金融市场环境。 该分离策略的前提假设是基金业绩的alpha部分之间具有低相关性。因此，通 过合并不同基金可以抵消beta部分，理想状态下可以得到一个稳定的纯alpha业绩 组合，外界金融市场的高波动性对其完全没有影响，这种分离alpha和beta并且只保留alpha部分的策略被称为portablealpha策略，类似于对冲基金中使用的市场中性策略。 另一个广泛使用的投资组合构建策略是风险平价策略。该策略的目的与portablealpha策略相似，即创建一个与金融市场变化隔离的稳定组合。风险平价策略关注最小相关性的长期风险因子的收益率。该策略在金融危机后变得更加流行，尤其在资产配置方面，因为它具有更好的分散化效果和组合稳定性。 本文献提出了一种将风格因子和主要alpha来源整合的策略，并测试其在全球基金上的有效性。首先将风格因子和alpha成分分离，并构建一个风险平价组合，使用Basin-Hopping（BH）方法求解具有约束条件的非线性目标。alpha-风格因子综合风险平价策略为FOF创造更稳定的超额回报。过往大多数研究尝试从已知因 子中找到可以添加的新因子，或增强因子选择模型以应对市场制度变化，以产生稳定且高额的超额收益。然而，文献提出了一种平衡的策略，通过以风险平价方式将已知和未知因子稳定地结合在一起，从而稳定地利用基金经理的选股技能。特别是在FOF构建方面，可以证明基金经理的多样化alpha来源可以为投资者提供可靠的的超额表现。 2alpha-风格因子综合风险平价组合 2.1框架 图表1alpha因子综合风险平价策略框架描述了alpha因子综合风险平价投资组合策略的构建框架。首先，将风格因子和alpha因子分离，然后将这两个分离的部分整合到风险平价投资组合优化中。为了结合这两个部分，计算每个因子的独立 敞口、风险贡献和alpha来源。正如之前所述，使用BH算法进行投资组合构建。使用全球基金数据库对其业绩进行模拟。 图表1alpha因子综合风险平价策略框架 资料来源：《alpha-factorintegratedriskparityportfoliostrategyinglobalequityfundof funds》，华安证券研究所 2.2选用哪些风格风险因子？ 风险因子通常需要具备市场解释能力和长期风险溢价。在本研究中，还需要考 虑基金经理是否有意识地管理风格因子的敞口。这意味着经理可能根据其风格偏好表达的理念产生额外的alpha收益。Fama-French三因子模型使用了市场超额收益 （相对于无风险利率的股票市场回报）、账面市值比和公司规模这些著名的资产定 价模型中的风险因子，被视为股票市场中保留的长期溢价。此外，这些因子被认为足以区分基金的风格（Davis，2001），本研究参考此模型。Fama和French还增 加了两个质量因子来构建其�因子模型：盈利因子和投资因子（Fama和French， 2015）。 动量因子也是一个重要的资产定价因子，因为基金经理们追随股票的动量并追求alpha收益。动量还可以作为长期因子溢价的因素（Asness、Moskowitz和Pedersen，2013年；Carhart，1997年；Ehsani和Linnainmaa，2022年；Jegadeesh和Titman，1993年）。 总结来说，本研究考虑的风格因子包括六个：Fama-French的�因子以及动量因子。这些因子的敞口通过风险平价方式在因子分组中进行计算。 这些因子收益之间的相关性如图表2因子回报的相关性（2006年1月至2022 年6月）所示。价值因子（Value，HML）与盈利能力（Profit，RMW）和动量因 子（Momentum，WML）之间的相关性较低，可能是因为盈利能力和动量因子具有增长特征。可以看到投资因子（Conservativ，CMA）与价值因子的相关性较高，与市场（Mkt-Rf）的相关性较低。与盈利能力因子不同，投资因子与价值因子相关， 并且更具市场防御性，与市场呈负相关。市值因子（SmallCap，SMB）是一个相对独立的因子，与其他因子之间的相关性较低。 图表2因子回报的相关性（2006年1月至2022年6月） 资料来源：《alpha-factorintegratedriskparityportfoliostrategyinglobalequityfundoffunds》，华安证券研究所 2.3提取风格因子敞口和alpha收益 考虑一个包含n个基金的集合[𝐹𝑢𝑛𝑑1,...,𝐹𝑢𝑛𝑑𝑛]，一个包含m个风格风险因子的集合[𝐹1,...,𝐹𝑚]，以及一个包含k个alpha收益的主成分[𝐴1,...,𝐴𝑘]的集合。然后进行多元回归，以获得基金对于在第3.2节中风格因子的风格敞口。基金的收益通常表示为以下形式： 𝑅�=𝛼�+𝛽1,𝑖𝐹1+𝛽2,𝑖𝐹2+𝛽3,𝑖𝐹3+𝛽4,𝑖𝐹4+𝛽5,𝑖𝐹5+𝛽6,𝑖𝐹6+𝜖𝑖, 其中：𝑅�是基金i在持续时间T内的(Tx1)收益向量。𝛼�是基金i在持续时间T内的(Tx1)截距向量。𝛽𝑗,�是基金i对于风格因子j的敞口。𝐹�是风格因子在持续时间T内的(Tx1)收益向量。𝜖�是基金i在持续时间T内的(Tx1)残差向量。 通过回归获得的因子beta值将用于风格因子部分的风险平价组合构建。另外，根据上述捕获的因子beta值，可以获得个体基金的特定表现，即经过因子调整的 𝐴𝑙𝑝ℎ𝑎i表现： 𝐴𝑙𝑝ℎ𝑎i=𝑅�−[𝑏1,𝑖𝐹1+𝑏2,𝑖𝐹2+𝑏3,𝑖𝐹3+𝑏4,𝑖𝐹4+𝑏5,𝑖𝐹5+𝑏6,𝑖𝐹6], 其中：𝐴𝑙𝑝ℎ𝑎i是基金i在持续时间T内的(Tx1)残差收益向量。𝑏𝑗,�是𝛽𝑗,�的最小二乘估计量。 为了计算因子beta敞口和组合构成的alpha表现，只