“学海拾珠”系列之一百五十八：因子投资中所蕴含的宏观经济风险

因子投资中所蕴含的宏观经济风险 ——“学海拾珠”系列之一百�十八 金融工程 专题报告 主要观点： 报告日期：2023-09-13 分析师：严佳炜 执业证书号：S0010520070001邮箱：yanjw@hazq.com 分析师：吴正宇 执业证书号：S0010522090001邮箱：wuzy@hazq.com 相关报告 1.《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》 2.《Alpha与风格因子的综合风险评价策略——“学海拾珠”系列之一百�十三》 3.《信息不确定性、投资者情绪与分析师报告——“学海拾珠”系列之一百 �十四》 4.《通胀是否会影响会计信息-股票价格间的相关性？——“学海拾珠”系列之一百�十�》 5.《使用机器学习识别基金经理投资能力——“学海拾珠”系列之一百�十六》 6.《基于隐含波动率和实际波动率的系统风险指标——“学海拾珠”系列之一百�十七》 本篇是“学海拾珠”系列第一百�十八篇，主要介绍宏观经济状态对选股因子的影响。在进行多因子选股时，之前标准的配置方法并没有考虑经济周期的影响，因此无法分散宏观经济风险，投资组合可能产生巨大亏损。本文提出了一套识别和分散因子宏观经济风险的方法。 回到国内市场，宏观经济对选股的指导意义较多体现在因子择时或风格轮动上，缺乏一套完整的，体系式的框架来整合宏观对因子投资的影响，本文的研究方法值得借鉴。 筛选出7个对因子收益具有重要影响的宏观经济状态变量 本文根据状态变量必须能够及时捕捉非预期变化信息、与总体经济状况有关和与因子收益之间的关系已被现有文献验证这三个原则筛选出7个候选变量，即短期利率、期限利差、信用利差、总体股息率、系统性波动率、总体有效买卖价差和总体价格影响。 构建多个划分宏观经济形势的综合指标，来反映不同维度的宏观经济风险 基于之前筛选的7个宏观经济变量，构建出4个不同的宏观经济综合指标来划分宏观经济形势，分别是宏观经济预期指标、市场风险容忍度指标、宏观稳定性指标和冒险环境指标，从不同层面上反映宏观经济风险，降低模型选择偏差风险。在美国市场的实证发现，因子间对宏观经济敏感性可能相似，也可能存在巨大差异，为分散投资组合宏观经济风险提供可能性。 提出分散宏观经济风险的因子配置方法 本文提构建MRD的因子配置方法并在美国股票市场进行了实证，结果表明MRD组合能够有效降低宏观经济形势对因子组合收益的影响，进而分散了组合的宏观经济风险。 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引言4 2选择宏观经济变量的要求5 2.1超投资者预期变化信息比已实现的经济基本面信息更重要6 2.2变量须与经济状态相关7 2.3与因子溢价的关系被现有文献已证实8 3评估选股因子对宏观经济状态变量的敏感性9 3.1宏观经济状态的非预期信息对因子收益的影响9 3.2因子对宏观经济状态变量敏感性对投资者有何影响？10 4合成经济信号来定义经济形势12 5管理宏观经济风险15 6结论20 风险提示：20 图表目录 图表1不同宏观经济环境下因子收益相关性矩阵4 图表2风险容忍度和宏观经济状况的经济预期8 图表3因子收益对宏观经济状态变量非预期变化的敏感性10 图表4了解经济周期性对债券投资者至关重要11 图表5宏观综合指标概述13 图表6因子超额收益对宏观综合指标的敏感性14 图表7去相关性不能有效地分散宏观经济风险15 图表8宏观经济风险管理样例17 图表9基于牛/熊市状态指标的MRD组合在不同宏观经济形势划分标准下的表现19 1引言 众所周知，选股因子（如规模，价值，动量，盈利等）会为投资者带来长期的超额收益。然而，仍有大量证据表明因子溢价会随时间推移而变化，甚至可能在相当长的时间内保持负收益（Harvey1989；Asness1992）。投资者认识到不同因子之间并不完全相关，因此更倾向于选择多个因子来分散潜在损失和平滑收益。 然而，尽管投资者一致认为因子收益具有周期性，但是在流行的因子投资中往往忽略了宏观经济对因子收益的影响。鉴于对风险溢价的潜在驱动因素的理解有限，投资者通常采用等权分配因子权重或者风险贡献的方法来寻求因子分散化配置。但是这种标准做法忽略了两个不同的因子可能依赖于相似的宏观经济驱动因素。当经济形势恶化时，不同因子对宏观经济有相似的风险暴露，即使在因子之间进行了平衡配置，投资组合可能仍然不够分散化。此外，基于风险的配置机制通常使用平均相关信息，而没有去考虑宏观经济对相关性的影响。分散化的标准理念来源于去相关性的概念，即两个不完全相关资产的组合将导致风险（波动）的降低。但是，不同回报之间的不完全相关性并不一定会导致不同宏观经济状态下的均衡表现。 图表1不同宏观经济环境下因子收益相关性矩阵 资料来源：《MacroeconomicRisksinEquityFactorInvesting》，华安证券研究所 图表1强调了宏观经济的重要性。矩阵的上三角显示各选股因子对的相关性普 遍较低，甚至为负。但是，如图表1矩阵的下三角所示，不同宏观经济环境下相关系数差异巨大最高可达0.52。这说明全样本下的相关性无法反映特定的宏观经济环境中的因子表现。特别是在宏观经济不景气的时候，原本无条件相关性较低的因子的相关性会增强，因此预期的投资组合分散化效果在人们最需要它的时候反而减弱了。因此，投资者需要考虑宏观经济形势对因子收益相关性的影响，而不是仅仅依赖于无条件因子收益相关性来评估因子组合的分散化潜力。 更一般地说，由于组合分散化需要在给定状态空间下具有不同回报的资产，理解宏观经济环境如何影响因子对设计具有充分分散化的因子配置策略至关重要。基于此，本文作者提出一套更好理解选股因子的宏观经济风险的方法，同时给出一系列标准选股因子依赖于宏观经济的证据。除了分析单个因子外，本文作者还对不同宏观经济环境中的多因子配置进行了分析。因此，本文作者希望更好地理解宏观经济风险，这是投资者在选择和组合因子时做出正确选择的前提条件。 有人可能会问，是否有必要分析宏观经济形势来理解周期性。除了使用经济周期条件外，另一种方式是依赖股市条件，分析因子在牛市和熊市的表现。分析经济周期条件而不是纯粹依赖股市条件（牛市和熊市）符合投资者的目标。Fama（1981） 以及Stock和Watson（1999）认为已实现的市场回报是衡量经济状况的不可靠指标。因为代表性投资者的总财富才是最终的研究变量（Roll1977），而且这受到更广泛的经济环境的影响，股市回报并不能完全反映投资者最关心的问题。这就是为什么投资者应该根据不同的经济形势而不仅仅是股市环境来考虑因子是否具有风险。此外，牛市和熊市可以用不同的方式定义，这使得分析对定义很敏感。此外，本文作者在最后一节进一步探讨了牛市/熊市环境和自定义的宏观经济环境之间的区别。 不出所料，本研究并不是第一次分析宏观经济环境中选股因子的周期性。很多研究都考虑过这个问题。然而，这些研究提供的见解是有限的，因为他们依赖于对经济环境的特定分类，并且在因子如何对宏观经济条件做出反应的问题上存在分析。本文从三个方面更好地阐述了因子周期性。第一，本文作者提供一个用于识别 相关宏观经济状态变量的标准，以定义宏观经济条件。第二，证明宏观经济条件对选股因子表现的影响。第三，提供一个基于宏观经济风险对多因子配置决策和最终投资结果的影响评估的投资组合视角。 有必要澄清一下，本文的目标不是阐明时机的选择。相反，本文作者希望分析因子在不同宏观经济环境中的表现，以及这些风险如何影响投资结果。本文更关注因子收益和经济周期的同期关系不允许进行择时。事实上，如果宏观经济状态变量的冲击和因子收益同期相关，则需要通过预测宏观经济冲击来推测出因子预期收益，从而增加了额外一层的不确定性。宏观经济环境和因子收益之间不可能存在预测性联系，因为资产价格通常会迅速吸收信息。如果有的话，作者会认为因子收益可能会预测经济基本面，而不是相关。Liew和Vassalou（2000）的一项研究表明规模和价值等选股因子可以预测GDP的增长。 本文作者对因子与宏观经济条件之间的关系分析揭示了几个重要的观点。作者发现选股因子对宏观经济变量具有很大的风险敞口，如果忽视这类风险，可能会给投资者带来严重的损失。例如，选股因子对利率的敏感性可能会给已有的债券风险敞口的投资者带来损失风险。此外，作者还发现宏观经济状态变量对不同因子的依赖程度不同，有些因子对宏观经济风险的某些维度的依赖程度并不显著。这种不同因子之间的差异性对希望通过因子进行分散化投资的投资者来说是至关重要的。作者还表明忽略宏观经济依赖性的标准分配方法无法利用这种因子间的差异。 文章的剩余部分安排如下。首先，作者建立一个选择相关宏观经济变量的标准，并讨论选择的候选变量如何符合这个标准。其次，记录标准的选股因子如何依赖于这些宏观经济变量。然后，汇总这些宏观经济变量来定义划分经济形势好坏的宏观指标。最后，讨论宏观经济风险在多因子配置中对投资组合的影响。 2选择宏观经济变量的要求 对于宏观经济风险的分析依赖于对宏观经济变量的选择。因此，有必要仔细说明宏观经济状态变量选取方法。为避免数据挖掘风险，本文建立了一系列入选要求清单是非常重要的，因为在不提任何要求的情况下盲目选择大量候选变量进行测试会导致过拟合等问题。即使是固定的状态变量，如CPI，也可以通过对变量进行任意的变换来进行大量的测试。事实上，分析在经济条件变化下的因子收益的研究往往在没有明确变量选择的标准的情况下转换变量。 本文作者对宏观经济变量的选取要求参考了资产定价实证（Petkova2006和 Boons2016）和经济领先指标经济领先指标（Marcellino2006）相关文献中的成熟标准。要求本文中候选变量满足如下三个条件。第一，宏观经济变量必须能够及时捕捉投资者的预期变化。这是在资产定价研究中挑选宏观经济变量的标准，并且基 于这一标准排除了那些经常进行事后修正的宏观基本面数据（Franz2018）。第二，只保留与总体经济相关的变量。投资者感兴趣的是影响他们总财富的相关的宏观经济风险，这些风险不仅涉及股票和债券，还包括房产和工资收入（Cochrane2005）。因此，选取的宏观经济变量应该与总财富的各组成部分相关。第三，宏观经济变量与选股因子收益之间的联系需要在现有的文献中得到确认。要求宏观经济状态变量与因子收益之间的联系有之前的实证证据和理论依据可以降低事后数据挖掘的风险，因为它允许作者限制搜索变量的范围（Lo1994）。特别是，宏观经济状态变量对选股因子收益影响的可信的理论依据，有助于排除基于特定样本数据得出的错误结论 （Harvey,Liu和Zhu2017；Harvey2017）。 在进一步说明每项标准的理由之前，文本作者先简要列出本文的候选变量。在列出候选变量后，本节的剩余部分将详细说明这些变量如何满足上述三个条件。 本文选取了如下7个宏观经济状态变量，后续考虑每个变量的超预期信息而不是本身的取值水平。 短期利率：反映利率期限结构的水平 期限利差：反映利率期限结构的斜率 信用利差：反映公司债券市场的风险补偿 总体股息率：反映股票市场的风险补偿 系统性波动率：反映股票市场的风险水平 总体有效买卖价差：根据证券买卖双方报价的差异，反映股票市场总体流动性不足的情况 总体价格影响：根据证券交易引起的价格变化，反映股票市场总体流动性不足的情况 2.1投资者预期变化信息比已实现的经济基本面信息更重要 第一个选取要求是宏观经济状态变量必须快速变化，以便捕捉到与因子收益同期发生的经济预期变化。使用像GDP和通货膨胀等已实现的经济基本面数据并不合适，因为它们的变化非常缓慢，而资产价格对信息的反应非常迅速，因此选股因子收益不太可能对这类变化缓慢的经济基本面指标做出反应。事实上，Fama（1981）发现资产价格的变动领先于未来的经济活动。此外，宏观