他山之石系列之四十二_第1页
他山之石系列之四十二_第2页
他山之石系列之四十二_第3页
他山之石系列之四十二_第4页
他山之石系列之四十二_第5页
已阅读5页,还剩40页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、他山之石系列之四十二相关研究庖丁解因子估值类因子有效性分析 2016.04.07绝对策略系列研究国债期货策略2016.04.07他山之石系列之四十一2016.03.29时间序列动量。本文发现,在股指、汇率、商品和债券这四大类期货的共 58 个性充足的工具性中,存在显著的“时间序列动量”效应。在 1-12 个月内,l资产的率呈现明显的动量特征。但在更长的周期上,却出现了一定程度的反转。这一发现与投资者情绪理论完全吻合,即,初始的反应不足和延迟的过度反应。基于上述这些资产类别,可以利用时间序列动量策略构建一个分散化的组合,获取显著的超额。更难能可贵的是,该组合几乎没有在那些标准的资产定价因子上风险

2、,因而在的市场环境中表现得尤其出色。基金经理在业绩比较基准上是否具备择时能力。大部分学术研究显示主动管理权益类基金经理不具备显著的择时能力。这些学者采用的研究方法比较类似,即观察基金股票投资比例升降与市场指数涨跌的相关性,他们发现基金经理不能够在市场指数上涨前提高基金的股票投资比例,反之亦然。本篇报告提出了不同的观点:基金经理通过调整股票组合的 Beta(而不是股票投资比例)来做择时,同时提供了长时间、大样本的历史数据做实证支持。从实践的角度讲,这种观点具有一定的合理性,基金经理出于基金契约限制、公司内部控制以及相对排名等原因, 可能无法“自由地”调整股票投资比例,但是可以在判断市场上涨时,选

3、择投资更具弹性的股票,在判断市场下跌时,选择防御性股票,以此来实现择时。对于l国内主动股混基金,如果从股票投资比例角度,结论同样是基金经理整体上不具备择时能力,这篇报告提供了一个新的思路,可以从股票组合 Beta 角度考察基金经理择时能力。分析师:高道德Tel:(021)63411586Ema:S0850511010035趋势因子。作者将短期、中期和长期的价格趋势结合起来,构造了一个趋势因子。该因子的表现远优于单独的短期反转、动量以及长期反转因子,夏普比例是后者l的两倍。在最近的金融中,趋势因子平均每月可获 0.75%的,高于市场-2.03%,也高于上述三个单独因子(分别为-0.82%、-3.

4、88%和 0.03%)。分析师:冯佳睿Tel:(021)23219732Emai: S0850512080006此外,在不同构造方法以及控制不同风险因子的条件下,趋势因子的超额 非常显著。仍学术研究是否破坏了股票的可性。近年来,不管是学界还是业界,对资分析师:田本俊Tel:(021)23212001: S0850513060004l产市场的研究越发深入。许多对股票未来起到作用的因子被逐渐挖掘,许多以学术的形式公之于众,并广泛应用于投资。然而,在公开之后,这些变量的选股效果是否仍然得以保持呢?Mclean 与 Pontiff 的研究发现,在学的能力下降约 40%。这与文献公布后,术研究公布之后,

5、变量对股票未来人:罗蕾Tel:(021)23219984Emai市场有效性上升,市场定价误差缩小有关。股票的期限结构风险还是错误定价?股票的期限结构是向下倾斜l人:沈泽承Tel:(021)23212067的。作者使用公司的资产负债表来计算股票的现金流久期,发现高久期股票的收 益每个月比低久期的股票低 1.10%。以上效应在投资者情绪高涨时会更强,是投资者情绪低落时的三倍之多。因子模型只能解释高久期和低久期股票差的人:姚石Tel:(021)2321944350%。作者使用机构持股比例作为卖空约束的变量,发现现金流久期和率间的负相关性主要存在于有卖空约束的组合中。以上发现对大盘股、小盘股, 以及价

6、值股、成长股均适用。投资要点:金融工程研究金融工程专题报告2016 年 04 月 27 日目录时间序列动量3基金经理在业绩比较基准上是否具备择时能力14趋势因子21学术研究是否破坏了股票的可性28股票的期限结构风险还是错误定价?33时间序列动量文献来源:Time Series Momentum,T. J. Moskowitz, Y. H. Ooi, L. H. Pedersen(2012), Journal of Financial Economics, 104: 228-250人:冯佳睿推荐理由:本文发现,在股指、汇率、商品和债券这四大类期货的共 58 个性充足的工具性中,存在显著的“时间序

7、列动量”效应。在 1-12 个月内,资产的率呈现明显的动量特征。但在更长的周期上,却出现了一定程度的反转。这一发现与投 资者情绪理论完全吻合,即,初始的反应不足和延迟的过度反应。基于上述这些资产类 别,可以利用时间序列动量策略构建一个分散化的组合,获取显著的超额 。更难能可贵的是,该组合几乎没有在那些标准的资产定价因子上风险,因而在环境中表现得尤其出色。的市场1. 引言本文了一类名曰“时间序列动量”的资产定价,它在各种不同的资产类别和市场中都有着出奇的稳定性。在超过 25 年的周期上,本文发现,一个的历史收益率具备很强的正向作用。这一结论对包括股指、汇率、商品以及债券在内的 50多个期货和远期

8、合约都适用。具体而言,每一项工具性过去 12 个月的超额是其未来回报的同向变量。此类时间序列动量或者说“趋势”效应可以持续一年左右,随后才会发生反转。这些发现在各样本以及不同的回溯和持有期上都异常稳定。特别地,12 个月的时间动量的合约都是如此。不仅在平均意义上大于零,而且对本文研究的 58 项资产本文的时间序列动量和传统意义上的“截面动量”既有,又大有不同。传统的研究动量效应的理论关注的是在截面上的相对表现,认为那些在过去 12 个月内表现较优者能够在下一个月继续获取相对更高的回报。而时间序列动量则不然,它只关注每个自己的历史。本文剩余内容的结构如下。第二部分描述了所使用的期货数据以及对冲者

9、和投机者的头寸。第三部分了一年之内的时间序列动量效应及一年之后的反转现象。第四部分定义了时间序列动量因子,研究了它和一些著名的风险因子之间的,在市场状态中的表现,和截面动量间的关联以及各资产类别之间和内部的相关性结构。第五部分进一步了时间序列与截面动量之间的,证明了时间序列动量在截面动量效应以及“宏观”与“管理期货”这两个色。全文在第六部分进行总结。指数的中承担着驱动力的角2. 数据和其他预备工作2.1 期货本文的数据由 24 个商品、12 个交叉汇率对(对应 9 组汇率)、9 个发达的股票指数以及 13 个发达的债券的期货价格组成,时间从 1965 年 1 月至 2009 年12 月。这些工

10、具性几乎是全球性最好的期货合约,选择它们是为了避免性溢价的影响,更保证了下文的策略可以容纳足够大的资金规模。本文对每一个工具性以如下方式得到率序列。首先,计算性最好的那个期货合约(通常是当月或即将交割的那个合约)的日超额。随后,根据日得到一个累计指数,方便计算任意时间周期上的率。为了检验结论的稳健性,本文使用“较远”的期货合约(次活跃合约)进行同样的金融工程研究 金融工程专题报告 4分析。对于商品期货,时间序列动量策略的在“较远”的合约上甚至更高。而对金融期货,使用“较远”的合约几乎没有影响到时间序列动量策略的。表 1 展示了上述期货合约的超额的描述性统计量。第一列是每项资产率序列的起始时间,

11、二、三两列则是每个期货合约的年算数平均和率的年化标准差。从表 1 中可以看出,不同合约之间的平均率有着显著的差异。股指、债券和汇率的超额几乎都大于零,而商品合约则出现了少量的负。不过,只有股指和债券的正在统计意义上是显著的。表 1 期货合约的描述性统计量更令人惊讶的是不同合约之间在波动率上的差异,商品和股指有着比债券期货和汇 率远期大得多的波动率。即使是在商品期货这一类别内部,波动率的差异也相当巨大。在这种背景下比较各种工具性或者将它们组成一个分散化的投资组合显然并不可靠。例如,天然气期货的波动率就将近是 2 年期美国国债期货的 50 倍。因此,在下文金融工程研究 金融工程专题报告 5的分析中

12、,首先将讨论如何处理这一问题。2.2者的头寸本文还使用了商品期货委员会(Commodity Futures Trading Commission,CFTC)公布的投机者和对冲者的仓位数据。每个周二,CFTC 都会公开这两类多空头的未平仓量。者使用这两个仓位数据,本文定义了每项资产的投机者净仓位:这个带符号的指标说明了投机者总体上是保持了净多头还是头。由于投机者和对冲者的仓位之和近似为零,因此,本文只需关注投机者即可,对冲者的净仓位只是其 相反数而已。遗憾的是,CFTC 的仓位数据并没有覆盖本文涉及的所有期货合约。因而除了大部分商品和汇率合约,仅有美国股指和债券期货的合约数据可从 CFTC 中获

13、得。表 1 的最后两列报告了净仓位数据的描述性统计量。对大部分合约而言,投机者平均意义上持有 净多头仓位。同样地,投机者净仓位的波动率在各个合约之间也有很大的不同。而且,与合约率的标准差呈正相关。2.3 比较基准本文选取 MSCI 全球股票指数、Barclay 总债券指数、标普 GSCI 指数作为时间序列动量策略的比较基准。2.4 事前波动率的估计由于资产之间的波动率差异极大,为了使比较有意义,需要用波动率对率进行标准化。为此,使用一个非常简单的模型估计每个时点上各工具性的事前波动率: 日率平方的指数平均(类似于一个简单一元 GARCH 模型)。其具体形式为,其中,尺度参数 261 意味着波动

14、率进行了年化处理,权重(1-) i 的和为 1, 是收益率的指数平均。参数 的值使得。该波动率模型适用于本文涉及的所有资产。此外,对其他一些复杂的波动率模型,下文的结果依然保持了稳健,选择这个模型只因其形式简单且不存在偏差。同时,为了保证误差率上。不影响最终结果,在下文的分析中,t-1 时刻的波动率估计被对应到了 t 时刻的3. 时间序列动量效应:回归分析和策略3.1 回归分析:价格的延续和反转本文将第 s 个工具性在第 t 月的超额对其 h 个月的滞后项进行回归,其的标准化。具体形式为,中,每一个率都经过了各自的事前波动率把所有的资产放在一起做面板回归,并计算不同滞后阶数的回归系数的 t 统

15、计量,在图 1 中的 Panel A 展示。其中,h=1, 2, , 60。t 统计量在前 12 个月内取值为正,表明率有着显著的延续性或趋势性。而在更长的周期上,取负值的 t 统计量意味着反转效应。其中最显著的就发生在随后的一年之内。另一个模型表示:时间序列动量效应的方法是只观察历史的正负号,可用如下的回归图1各资产类别的时间序列动量3.2 时间序列动量效应的策略本节将一系列基于时间序列动量效应的策略的表现。选择不同长度的回溯期来定义买入信号、构建组合,在不同的持有期上计算组合的回报率。对任意一个工具性s 和月份 t,如果它在过去 k 个月内的超额为正,则做多对应合约。否则,建立空头头寸。在

16、每个月的月初调整头寸的大小,使其与该工具性产品的事前波动率的倒数,成正比。这么做有两个重要的理由。第一,可以把众 一个策略。第二,使策略在一个较长的时间维度上都能多波动率差异巨大的整保持相对稳定的波动,减小历史上几个波动剧烈的时段所产生的影响。对策略(k,h),以每个月为起始点计算一条月度率序列,即使持有期 h 超过一个月。策略在时刻 t 的为当时仍在持有期中的所有组合的平均。具体来说,对某个工具性,先基于时刻 t-k-1 至时刻 t-1 的超额的正负号构建组合计算它在时刻t 的,然后基于时刻 t-k-2 至时刻t-2 构建组合并计算,直至使用到时刻 t-k-h至 t-h 的超额的,记为数据为

17、止。最后,计算所有。的平均值作为时间序列动量策略为评估策略的业绩表现,计算上述组合在如下回归方程中的 alpha。其中,MKT 为 MSCI 全球指数的超额,BOND 为巴克莱总债券指数,GSCI 为标普 GSCI 商品市场指数。使用的数据从 1985 年开始,既使得大部分工具性有真实的数据,也保证了合约的性。表 2 展示的是 alpha 的 t 统计量。时间序列动量效应显著且稳定地存在于各个类别的资产和各个时间周期之上,尤其是持有期小于或等于 12 个月的时候。此外,即使用股指代替相应期货,所获得的时间序列动量效应也几乎没有任何改变。表 2 不同回溯期和持有期的时间序列动量策略 alpha

18、的 t 统计量4. 时间序列动量因子为了更深入地研究时间序列动量效应,本文着重分析回溯期为 12 个月、持有期为 1个月的策略,即 k=12,h=1,并将其记为 TSMOM。4.1 单个合约的 TSMOM 和分散化的 TSMOMO 因子本文先从单个工具性开始分析,随后再将所有资产放入一个分散化的 TSMOM组合。调整每一个头寸(不论多空)的大小,使其事前的年化波动率都为 40%。即,头寸的大小等于 40%/。选择 40%的年化波动率不仅是因为它接近于个股的平均风险,而且可以使时间序列动量因子(TSMOM)在 1985-2009的年化波动率大致在 12%左右。这和 Fama-French 三因素

19、模型中,其他几个因子的年化波动率相似。工具性s 在时刻 t 的时间序列动量(TSMOM)为:图 2 的上半部分给出了每个期货合约的时间序列动量策略的夏普比率。所有的 58个合约都获得了正,其中的 52 个还在 5%的水平上显著区别于零。图2 12 个月时间序列动量策略的夏普比率如果将每个的 TSMOM 策略对买入持有策略进行回归,有 90%的 alpha 都是正的,并且其中 26%是显著的,而剩余的负 alpha 却没有一个是显著的。这表明,对大多数工具性而言,时间序列动量策略可以提供一个做多的额外回报。倘若将资金平均分配于时刻 t 的 St 个可为:的上,其 TSMOM 策略的应当下文将详细

20、分析这个因子的风险和特征。4.2 Alpha 和风险因子上的载荷表 3 给出了分散化的TSMOM 策略的风险调整后及其在因子上的。Panel A将 TSMOM 策略的超额对 MSCI 全球股票市场指数和标准的 Fama-French 因子,SMB, HML 和 UMD 进行了回归。第一行是月度的回归结果,而第二行则是按季度计算的。在这两种情形下,TSMOM 都获得了一个显著而且巨大的 alpha。月度的值为 1.58%,而季度更是高达 4.75%。此外,TSMOM 策略在市场指数、SMB 和 HML 上的 beta 系数均不显著,但在 UMD 上的载荷却显著为正。这表明时间序列动量和截面动量之

21、间有着千丝万缕的关系,下文将详细讨论。不过,鉴于巨大而显著的 略也不能完全由个股的截面动量效应所完全解释。alpha,时间序列动量策表 3 分散化时间序列动量策略的表现Panel B 采用 Asness,Moskowitzhe Pedersen(2010)提出的“无处不在”的价值和动量因子重复了上述回归。Asness,Moskowitzhe Pedersen(2010)在四个全球性的股票、股指期货、债券期货、外汇和商品市场上构建价值和动量的多空组合,以代 替 Fama-French 的因子。和 Panel A 中的结论一致,市场指数和价值因子的 beta 系数均不显著,而截面动量因子的载荷显著

22、为正。然而,TSMOM 的却并未被该因子完全捕捉。alpha 依然保持着月度 1.09%和季度 2.93%的惊人表现,其 t 统计量分别为 5.40和 4.12。4.3 历史业绩和市场中的表现图 3 画出了分散化的时间序列动量策略的累计超额(对数坐标)。作为对比,本文还画出了买入持有策略的累计超额时间序列动量策略有着稳定的优势。,在事前波动率相同的条件下,图3 时间序列动量和买入持有策略的累计超额本文还计算了 1966 年至 1985的时间序列动量因子的,尽管在这一时期并没有很多可供的工具性。在这个早期的样本中,时间序列动量同样有着显著的,且夏普比率高达 1.1。这为时间序列动量效应的普遍存在

23、性提供了强有力的样正本外证据。从图 3 中还可以发现,时间序列动量在 2008 年的十月、十一月和十二月特别的价格大幅下挫,债券价格上升的同大,而那时正是全球金融的顶峰。商品和时,汇率也剧烈地变化着。在这段时期之前,时间序列动量策略在 2008 年三季度遭遇了损失。但随后,TSMOM 策略就在大量合约上改为做空,从而在资产价格进一步下跌的 2008 年四季度获取了不菲的。图 3 也表明,在结束的 2009 年 3 月至 5 月,TSMOM 同样遭遇了大幅的亏损。这是因为经济的结束所伴随着的资产价格反转,使诸如 TSMOM 这样的趋势跟随策略不可避免地会发生损失。更一般地,图 4 给出了 TSM

24、OM现剧烈上涨或下跌的时候,TSMOM 的和标普 500率的散点图。在标普 500 出往往相当巨大。为检验这一直观现象的统计显著性,表 3 中 Panel C 的第一行给出了 TSMOM率对市场指数率平方的回归结果。对应的回归系数显著大于零,表明 TSMOM 确实能在的。的市场环境中获得极高图4 时间序列动量和买入持有策略的累计超额这一结果表明,TSMOM 的正并非是“风险”的一种补偿。从历史上来看,金融工程研究 金融工程专题报告 11TSMOM 通常在“”中表现很好。这是因为,的发生通常是从经济由正常转为糟糕开启,这会使得 TSMOM 策略及时做空风险资产。而随后,经济的进一步将使得 TSM

25、OM 获取的回报。2008 年发生的金融就是最近一个典型的案例。4.4性和投资者情绪本节将检验 TSMOM 的性较好的资产,和性之间的关系。首先,将 TSMOM 策略应用于那些是否能够在截面上获得更好的。其次,研究上文中TSMOM 因子的表现是否在时间序列上依赖于性变量。对于前者,本文以每个期货合约的日成交金额作为性的度量。由于不同合约之间在各个维度上都有着巨大的差异,因此本文先按照资产类别对其中的合约按日成交金额从高到底排序(rank),随后将每个合约的序号减去平均值并除以标准差,即(rank mean(rank)/std(rank)。正(负)值表示合约在该资产类别中的性较低(高)。如图 2

26、 的下半部分所示,某一特定合约的 TSMOM 策略的夏普比率和性的关联程度相当低。而所有合约的平均值为-0.16,表明合约的性越好,时间序列动量策略的越高。下面TSMOM 策略的率和整个市场的性是否有很高相关性。表3 Panel利率期货(亦是 3 个月期)之C 的第二行报告了以 3 个月期的美国国债期货与欧洲间的价差(简称 TED 价差)为性度量指标的分析结果,其中,TED 价差最的的时段。如表中所示,TED 价差和 TSMOM那 20%的样本代表了资金性之间没有显著的关系。第三行使用 VIX 指数代替 TED 价差重复了上述分析,因为VIX 值的出现通常对应着性极度糟糕的市场环境。同样地,T

27、SMOM 策略的和市场波动率也没有显著的相关性。在表3 Panel C 的最后,本文了TSMOM 策略的与Baker 和Wurgler 在2006年提出的情绪指数之间的关系。在分别使用了情绪指数本身、其月度变化值以及最高、最低各 10%的样本作为解释变量进行回归后,依然没有发现 TSMOM 策略的情绪之间存在明显的关联。与市场4.5 相关性结构表 4 展示的是时间序列动量策略的相关性结构,并把它与买入持有进行对比。具体做法是,将时间序列动量策略应用于单个合约得到一条率序列,在每一个资产类别中计算两两之间的相关系数,并求均值列于表 4 Panel A 的第一行。对于和固定类的期货,相关系数在 0

28、.37 至 0.38 之间。而对于商品或汇率类期货,相关系数仅为 0.1 和 0.07。第二行给出的是买入持有策略的相关系数,计算方法类似。显然,除了汇率期货,其他资产对应的相关系数远高于时间序列动量策略的结果。表 4 分散化时间序列动量策略的表现金融工程研究 金融工程专题报告 12表 4 的 Panel B 展示了时间序列动量策略在各资产类别之间的相关性。所有的相关系数都是正值,在 0.05 至 0.21 之间。作为对比,表中还列出了买入持有策略的相关性结构。其中的每一个相关系数都小于时间序列动量策略的对应值,而且大部分都小 于零。综上所述,时间序列动量策略在同一资产类别中正相关,但弱于的买

29、入持有策略。但是,在资产类别之间,前者的相关性却更高。这一现象表明,存在一个共同的因 素影响着不同资产类别的时间序列动量效应。与之类似的是,Asness,Moskowitz 和Pedersen 在 2010 年发现,不同资产类别的截面动量效应也有这样一个共同的因子在起作用。5. 时间序列 vs. 截面动量前文的结果揭示了时间序列动量和截面动量之间存在显著的 究两者的交叉与区别。本节将进一步研5.1 时间序列动量对截面动量的回归通过在各个资产类别以及所有资产中,将时间序列动量(TSMOM)策略的对截面动量(XSMOM)策略的的回归分析,表 5 的 Panel A 提供了它们之间相关性的进一步证据

30、。需要说明的是,本文使用的截面动量策略是基于每个资产过去 12 个月的累计来构建组合的,即,资产的多空头寸和各自的排序成正比。表 5 Panel A 的第一行报告了在所有资产上使用两类动量策略后的回归结果。和上文一致,时间序列动量和截面动量显著相关,回归系数 beta 为 0.66,t 值为 15.17,R平方达到 44%。但是,从截距项来看,TSMOM 并没有SMOM 所完全解释,存在一个显著的正 alpha,约为 76 个 bp/月,t 值高达 5.90。可见,TSMOM 和 XSMOM 相关但不相同。表 5 时间序列动量 vs. 截面动量第二行给出的是,将解释变量替换成每个资产类别内部的

31、 XSMOM 策略后,时间序金融工程研究 金融工程专题报告 13列动量与截面动量的关系。显然,在任意一个资产类别内部,这种相关性都存在。此外, TSMOM 依然有着十分显著的 alpha,每个资产类别的截面动量效应依然无法完全解释TSMOM 效应。在每一个资产类别中应用 TSMOM 策略,并重复上述回归,结论也是一致的。TSMOM 和 XSMOM 在每个资产类别中都相关,R 平方从汇率期货(FX)的 56%到固定期货的 14%。同时,TSMOM 的 alpha 也保持了显著大于零的特征。当然,这些回归分析还发现了其他一些有趣的现象,TSMOM 和 XSMOM 的相关性甚至存在于资产类别之间。例

32、如,商品期货类资产的 TSMOM 不仅和其自身的 XSMOM 相关,还与汇率的 XSMOM 有。再如,股指期货类资产的 TSMOM 也不单和它内部各个的XSMOM 相关,还和个股的 XSMOM 有关。而固定类资产的 TSMOM 同时和它本身以及股指期货的 XSMOM 相关。这些结果都表明,不同资产类别的时间序列和截面动量之间也有着显著的相关结构。5.2 TSMOM 能否解释截面动量和其他因子?表 5 的 Panel C 将 TSMOM 作为解释变量来检验它对其他风险因子的解释能力。首XSMOM,看看 TSMOM 能否捕捉到所有资产类别以及每个资产类别内部的截面先动量效应。如前五行所示,TSMO

33、M 完全可以解释商品、股指、债券和汇率这四类资产的截面动量。XSMOM 的截距或 alpha 和 0 没有显著的区别,表明 TSMOM 能够解释这些市场上 XSMOM 的溢价。唯一一个正的 alpha 出现在股指的 XSMOM 回归中,对应的 t 统计量为 1.86,勉强称得上显著。此外,本文还使用根据个股计算的 Fama-French 的截面动量因子 UMD 作为被解释变量,研究 TSMOM 的解释能力。从回归结果来看, TSMOM 同样能捕捉到个股 UMD 的溢价。TSMOM 的回归系数为 0.49,而 alpha 仅为-0.28(t 统计量=-0.93),不显著。本文对其他两个 Fama

34、-French 因子,HML 和 SMB,也进行了类似的检验。HML 和 TSMOM 呈负相关但不显著,因此 TSMOM 不能解释价值效应。而 SMB 在 TSMOM 上的回归系数则接近于零。最后,本文检验了 TSMOM 策略和两个最流行的指数“管理期货”(Managed Futures)指数和“全球宏观”(Global Macro)指数之间的相关性。正如表 5 Panel C 中最后两行所示,指数在 TSMOM 因子上的载荷十分显著。而且,对于管理期货指数,TSMOM 能够完全捕捉到它的平均(alpha不显著)。从这个意义上来讲,想要获得管理期货指数的,用 TSMOM 策略就行了。TSMOM

35、 策略强大的表现及其解释常见因子与指数的能力,表明它是资产的价格行为中一类重要的特征。因此,在未来的研究中,完全应当考虑到其他一些资产定价模型和时间序列动量效应的。6. 结论通过对过去 25 年几类主要的资产类别内的 50 多个期货合约的研究,本文发现了一个显著且持续存在的时间序列动量效应。回归分析表明,它对那些标准的风险因子有着很小的载荷,并且在市场中也表现出色。所有这些都对随机游走假设和传统的定价模型提出了。更加有趣的是,不同资产类别之间的时间序列动量效应远强于同一资产类别内部。这一现象似乎意味着,有一个共同的力量在驱动着上述这些资产类别的价 格行为。金融工程研究 金融工程专题报告 14基

36、金经理在业绩比较基准上是否具备择时能力文献来源:Berk A. Sensoy 1, Steven N. Kaplan 2, “Do Mutual Funds Time Their Benchmarks?”, University of Chicago Working Paper. Berk A. Sensoy, Fisher College of Business, Ohio State University; Steven N. Kaplan, Booth School of Business, University of Chicago; National Bureau of Econom

37、ic Research (NBER).人:田本俊推荐理由:大部分学术研究显示主动管理权益类基金经理不具备显著的择时能力。这些学者采用的研究方法比较类似,即观察基金股票投资比例升降与市场指数涨跌的相关性,他们发现基金经理不能够在市场指数上涨前提高基金的股票投资比例,反之亦然。 本篇报告提出了不同的观点:基金经理通过调整股票组合的 Beta(而不是股票投资比例) 来做择时,同时提供了长时间、大样本的历史数据做实证支持。从实践的角度讲,这种观点具有一定的合理性,基金经理出于基金契约限制、公司内部控制以及相对排名等原因,可能无法“自由地”调整股票投资比例,但是可以在判断市场上涨时,选择投资更具弹性的股

38、票,在判断市场下跌时,选择防御性股票,以此来实现择时。对于国内主动股混基金,如果从股票投资比例角度,结论同样是基金经理整体上不具备择时能力,这篇报告提供了一个新的思路,可以从股票组合 Beta 角度基金经理择时能力。1. 研究原因与相关学术研究介绍作者希望通过研究论证主动股混基金经理是否有能力判断基金基准指数的涨跌。相 比于以往的学术研究,作者在以下三个方面有所贡献:(1)研究基金经理是否有能力通过调整基金股票投资比例来择时。Graham&Harvey (1996)等人的研究均基于小样本,作者采用了更大的样本数据;(2)以往关于择时能力的大部分研究基于基金率数据,比如 Treynor&

39、amp;Mazuy(1966) 和 Henrikkson&Merton (1981)。Jiang, Yao& Yu (2004)的观点是基金持仓数据比率数据更有效,但是他们仅仅考虑基金经理对于股票市场整体的择时能力,没有研究其对于基金业绩比较基准的择时能力;(3)作者的研究重点是基金经理对于业绩比较基准指数的择时能力。相比于股票 市场整体,基金业绩比较基准更有意义的原因是:a.基金季报披露基金相对于业绩基准的超额基准的超额,不披露相对于市场整体的;b.基金做市场时更关注其相对于业绩情况,同时研究显示基金相对于业绩基准的超额对资金流入有显著的正面影响;c.部分基金是风格化的,比如

40、专门投资于大盘或小盘股等,基金经理更专 注于判断其业绩基准的走势而非市场整体。首先,作者研究了基金经理能否通过调整股票投资比例来择时,结果是基金经理倾 向于在基准指数上涨前降低股票投资比例,在基准指数下跌前提高股票投资比例,即从 股票投资比例角度,基金经理没有体现出对业绩比较基准指数的择时能力。之后,作者研究了基金经理在业绩比较基准上的择时能力,即基准 Beta。如果基金经理接下来一段时间基准的超额大于 0,则可以通过提高组合 Beta 获益。作者发现基金的基准 Beta 与基准指数的超额正相关,说明基金经理整体上在业绩比较基准上有择时能力,如果区分价值与成长风格,则均衡与成长风格基金经理具备

41、 Beta择时能力,价值风格基金经理不具备。2. 数据样本包括 2901 只基金,剔出指数、行业与混合基金之后有 2024 只基金。其中 91.8% 的基金具有以下业绩比较基准:S&P500、Russell 1000、Russell 1000 Value、Russell 1000 Growth、S&P Midcap 400、Russell Midcap、Russell Midcap Value、Russell金融工程研究 金融工程专题报告 15Midcap Growth、S&P Smallcap 600、Russell 2000、Russell 2000 Value、R

42、ussell 2000 Growth。数据包括了基金持仓,频率是每半年,数据期限是从 1994 年到 2004 年。业绩基准方面,52.4%的基金采用 S&P500 指数做基准,12.9%的基金用 Russell 2000,5.5%的基金用 S&P400 指数。图1 基金样本与业绩比较基准资料来源:Do Mutual Funds Time Their Benchmarks3. 实证结果3.1 择时能力检验股票/现金比例作者在这部分基金经理能否通过调整股票/现金比例来择时。首先,计算基金相 邻时期组合里现金比例,如果基金经理能够在业绩比较基准指数下跌(上涨)前提高(降低)现金持有

43、比例,则说明其具备择时能力。其次, 绩比较基准涨跌的关系。基金现金持有比例绝对数与业² 简单数据统计基金经理往往在业绩比较基准指数上涨前提高组合里现金持有比例,在业绩比较基 准指数下跌前降低组合里现金持有比例,说明从现金持有比例的角度,基金经理不具备 择时能力。Panel A 的数据说明,如果将所有业绩基准都统计在内,计算 1、3、6、12 个月这4 个时间期限,基金经理提高现金持有比例后,业绩基准指数上涨的比例分别是 48.4%、48.1%、65.2%、61.4%;基金经理降低现金持有比例后,业绩基准指数上涨的比例分别 是 43.9%、46.6%、64.0%、59.4%。Panel

44、 A 同样说明,基金经理提高现金持有比例后,业绩比较基准指数的超额高于基金经理降低现金比例后。比如,基金经理提高现金比例 12 个月后,业绩比较基准指数的超额是 6.21%,基金经理降低现金比例 12 个月后,业绩比较基准指数的超额是 5.31%。对于不同业绩比较基准的基金,统计结果相近。金融工程研究 金融工程专题报告 16图2基金现金持有比例升降与业绩比较基准指数后续涨跌比较资料来源:Do Mutual Funds Time Their BenchmarksPanel B 显示,现金持有比例绝对数较高时,业绩基准指数后续上涨更大。比如, 当现金比例超过 5%,12 个月业绩基准指数上涨的比例

45、是 61.3%,当现金比例超过 15%, 12 个月业绩基准指数上涨的比例是 63.3%。图3 基金现金持有比例绝对数与业绩比较基准指数后续涨跌比较资料来源:Do Mutual Funds Time Their Benchmarks² 拟合统计结果以上是简单数值统计的结果,这里采用拟合的方法进一步确认。(1)因变量是 tt+n 月业绩比较基准指数超额样本里现金持有比例高于上期的基金占比。大于 0 的比例,自变量是 t 月时基金金融工程研究 金融工程专题报告 17如果系数 b 小于 0,则说明基金经理具备通过调整现金比例择时的能力。然而,拟合结果显示系数 b 都大于 0,虽然结果不能通

46、过显著性检验。图4 基金现金持有比例与业绩比较基准指数后续涨跌的拟合资料来源:Do Mutual Funds Time Their Benchmarks3.2 择时能力检验业绩基准 Beta虽然基金经理不能通过调整股票/现金比例来择时,但是这不能证明基金经理不具备择时能力。可能的原因如下:(1)基金经理不能自由地决定开放式基金的股票投资比例,资金的流入流出影响了基金经理的调仓结果;(2)基金公司限制基金经理持有过多的现金,使得基金经理无法通过增减股票投资比例来择时。作者在这里研究另一种择时方式,即基金经理通过调整业绩基准 Beta 来择时。如果基金经理判断接下来一段时间业绩基准指数上涨,则可以

47、通过投资更具弹性的股票来获取超额,即提高组合的业绩基准 Beta。基金组合的业绩基准 Beta 使用基金股票组合对业绩基准指数在过去 36 个月拟合的 Beta。² ² 简单数据统计基金经理通过调整业绩基准 Beta 来择时的能力。基金经理提高业绩基准 Beta 后, 业绩基准指数上涨的比例分别是 52.3%、58.4%、72.7%、70.9%;基金经理降低现金持有比例后,业绩基准指数上涨的比例分别是 42.9%、40.1%、47.7%、46.5%。同时,基金经理提高业绩基准 Beta 后,业绩基准指数上涨比例更大。比如,基金经理提高业绩基准 Beta12 个月后,业绩比较

48、基准指数的超额是 9.18%,基金经理降低现金比例 12 个月后,业绩比较基准指数的超额是 1.58%。统计数据显示,对于价值风格基金来说,比如采用 Russell 1000 Value、Russell Midcap Value、Russell 2000 指数做基准的基金,基金经理不具备业绩基准 Beta 的择时能力。金融工程研究 金融工程专题报告 18图5 基金业绩基准 Beta 升降与业绩比较基准指数后续涨跌比较资料来源:Do Mutual Funds Time Their Benchmarks² 拟合统计结果以上是简单数值统计的结果,这里采用拟合的方法进一步确认。(2)因变量是

49、 tt+n 月业绩比较基准指数超额样本里业绩比较基准 Beta 高于上期的基金占比。大于 0 的比例,自变量是 t 月时基金拟合统计结果与上述数值统计结果一致。拟合检验显示,对于基金整体,拟合系数b 均显著大于 0,说明当基金经理提高业绩基准 Beta 后,业绩基准指数往往有正的超额。同时,对于不同期限,1 月份的拟合结果不显著,3、6、12 月的拟合结果均显著,这也说明相对于中长期走势来说,股票指数的短期涨跌更不容易。对于不同业绩基准来说,价值风格基金的拟合结果不显著,这也与上述简单数值统 计结果一致。图6 基金业绩基准 Beta 升降与业绩比较基准指数后续涨跌的拟合金融工程研究 金融工程专

50、题报告 19资料来源:Do Mutual Funds Time Their Benchmarks² 分解业绩基准Beta将业绩基准 Beta 分解作两部分:(1)股票投资比例的变化;(2)股票组合相比于业绩基准的 Beta。(3)图7基金业绩基准 Beta 升降与业绩比较基准指数后续涨跌的拟合资料来源:Do Mutual Funds Time Their Benchmarks拟合数据显示,对于基金整体,系数 b 在 3、6、12 月期限均小于 0(不显著),说明基金经理提高组合股票投资比例之后,业绩基准指数的超额 往往小于 0;系数 c 在各个期限均大于 0(显著),说明基金经理提高

51、股票组合 Beta 后,业绩基准指数的超额 往往大于 0。分解业绩基准 Beta 后的结论与上述数值统计、分解前拟合的结论一致。4. 结论许多研究显示,基金经理不具备择时能力,作者对这个命题做了更细致的研究。基 金经理的择时操作可以分作两个方面:(1)调整基金组合里股票/现金的比例,即看好业绩基准的后续走势时,提高股票投资比例降低现金持有比例;(2)调整股票组合的弹0性,即看好业绩基准的后续走势时,提高股票组合相对于业绩比较基准的 Beta。通过研究发现,基金经理普遍不具备第一项择时能力,在基金经理提高组合里现金持有比例之后,业绩比较基准指数获得正的超额的概率更高;但是基金经理具备第二项择时能

52、力,在基金经理提高股票组合弹性之后,业绩比较基准指数获得正的超额收 益的概率更高。可能的原因是由于投资者进出以及基金公司内部控制等因素,基金经理 无法自由地调整股票/现金比例,所以基金经理通过调整股票组合相对于业绩基准的弹性来实现择时操作。1趋势因子文献来源:A trend factor:any economic gains from using information over investment horizons?Yufeng Han, Guofu Zhou andYingzi Zhu, ssrm, February , 2016.人:罗蕾推荐理由:作者将短期、中期和长期的价格趋势结合起

53、来,构造了一个趋势因子。该因子的表现远优于单独的短期反转、动量以及长期反转因子,夏普比例是后者的两倍。在最近的金融中,趋势因子平均每月可获 0.75%的,高于市场-2.03%,也高于上述三个单独因子(分别为-0.82%、-3.88%和 0.03%)。此外,在不同构造方法以及控制不同风险因子的条件下,趋势因子的超额仍非常显著。1. 简介许多研究表明,市场存在 3 种价格模式难以被经典因子模型解释。这 3 种状态分别是短期反转(日度、周度和月频)、动量效应(6-12 月)以及长期反转效应(3-5 年)。很多学者已单独研究过这三个现象,那么把这 3 个时间区间综合起来会有什么效果呢?在本篇文章中,短

54、期、中期和长期价格信号一个趋势因子,囊括时间区间 3 至 1000 天。在每个月末,基于股票率与趋势因子构建横截面回归模型,并获取各股票的预期率。然后预期率最高的股票组合、做空预期率最低的股票组合,两组合率之差即为趋势因子的率。实证结果表明,趋势因子存在显著超额。从 1930 年 6 月至 2014 年 12 月,趋势因子月均1.63%,而短期反转、中期动量和长期反转的率分别为 0.79%、0.79%和 0.34%;同时,也高于市场0.62%。从夏普比例来看,趋势因子月度值为0.47,是短期反转因子的两倍多。此外,在最近一期金融中,该因子仍能获得 0.75%的月度,而市场为-2.03%。由于动量因子是三种现象中讨论最为广泛的因子,因此我们更详细地将它与趋势因 子进行对比。首先需要明确的是,这两个因子的多头(空头)组合相关性很高,为 88%(84%)。但是趋势因子表现更优,多头组合月均1.93%,高于动量因子 1.81%;空头组合月均0.31%,低于动量因子 1.02%。此外,趋势因子表现更为稳定,无论在上涨还是下跌市中,均较高。例如,动量因子表现4 个月份的分别为-89.70%、-83.25%、-59.99%和-55.74%;而趋势因子则仅为-19.96%、-15.06%、-12.66%和-10.53%。综合来看,趋势因子左部尾端风险较低

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论