前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >翻译系列(二):如何提升动量因子策略的表现?

翻译系列(二):如何提升动量因子策略的表现?

作者头像
量化小白
发布2019-06-03 15:29:44
1.6K0
发布2019-06-03 15:29:44
举报
文章被收录于专栏:量化小白上分记

作者:Nicolas Rabener

2001年,斯坦福大学胡佛研究所的John H. Cochrane把投资中不断增长的因子称为因子动物园。但从字面上理解这一说法并把动物分配给因子相当有挑战性,价值代表着廉价的股票,但是什么动物是便宜的?

动量是最容易和动物联系起来的因子,它基本上是变色龙。动量因子买入跑赢的股票并卖出跑输的股票,不考虑是什么因素驱动了股价变动。就像变色龙不断变化颜色以适应环境一样,因子组合也适应市场。

另一种观点是,把动量视为一种反映了价值、低波动等所有在给定时间点表现好的因子的元因子。

尽管这些特征使得动量很有吸引力,但过去二十年以来,动量因子在美国市场上表现很差。股票的负回报率一部分可以用2009年的因子崩溃解释。

在本篇报告中,我们将研究如何提高美国市场上的动量因子表现,或者说,让变色龙再次伟大。

【结论】

· 2000年以来,美国市场上动量因子表现很差。

· 因子估值spread无法提升因子表现。

· 与其他因子及因子波动进行组合,能得到较好的结果。

01

方法论

我们关注的是美国股票市场的动量因子,定义为买入跑赢的股票并卖出跑输的股票。计算过去12个月(不包括上个月)的股票回报,取前10%和后10%的股票构建多空、beta中性的组合。仅考虑市值超过10亿美元的股票。组合月度调仓,交易成本10bp。

02

美国市场的动量因子

根据Kenneth R.French图书馆的数据,动量因子多空组合自1926年以来显著优于价值和规模因子,但这一结果没有考虑交易成本,动量因子具有高换手率的特征,因此实际上高估了组合回报。

过去20年以来,动量因子的表现不佳,特别是在考虑了交易成本的情况下。2000年科技泡沫时期波动很大,2009年股票市场刚从全球金融危机中恢复时,又出现了严重崩溃。

03

动量因子组合

金融行业几乎没有免费的午餐,分散化是其中一个。考虑到这一点,投资者可以考虑把动量因子和其他因子进行组合。基于此,我们使用了交叉模型,通过多个指标同时对股票进行排序,并展示了与其他六个因子组合的结果。

我们发现所有组合相较于仅使用动量因子,都会带来更高的回报,这也反映了分散化的好处。低波动和价值因子组合表现最好,但仅部分消除了2009年的崩溃。

由于有一定的理论支撑,动量和规模经常被组合在一起。便宜并表现好的股票可能预示着公司的好转,买入这样的股票可以避免价值陷阱。相反,买入表现好但合理定价的股票,有助于绕过高投机的公司。

对于低波动和动量因子组合,也有类似的理论,但是也可能有数据挖掘的风险。低波动是过去20年表现最好的因子,加入低波动能改善各种类型的多因子组合。

04

因子估值

虽然投资者可以将动量与其他因素结合起来,但数据挖掘也存在风险。另一种方法是分析动量因子有多贵或多便宜。如果动量因子很贵,投资者应该避免在动量因子上的暴露。

因子可以通过多空投资组合构建,对于动量因子,多头组是表现好的股票,空头组是表现差的股票。这两个组合可以通过PB等估值指标进行分析。多空组估值差可以用来分析因子相较于历史有多贵。spread越大,因子越贵。

我们发现估值spread被2000年的科技泡沫严重扭曲,2000年表现好的股票具有异常高的PB。2001年以来,spread不那么极端,高点在2008年和2016年。值得强调的是,这两个年份的动量因子都反映了繁荣和萧条周期。

投资者会认为,如果因子很贵,类似于股票估值,那么接下来一段时间因子的收益不会很好。

因此,我们构建了一个滤波器,当估值spread在前四分之一分位数时,可以避免组合在动量因子上的暴露,滤波器滚动测量,以避免后视偏差。

具体来说,我们使用了两个滤波器,一个从2000年开始,另一个不包括2000年,因为技术泡沫期间的极端估值可能会被视为异常年份。

我们发现使用估值滤波器并不能提升动量因子的效果,有大量的时间段里因子比它自身的历史情况要贵,导致零配因子,但实际表现看起来跟估值无关。

这样的结果并不出乎意料,因为对股票的相似分析也表明,估值仅和长期回报存在关系。

05

因子波动率滤波器

风险平价是多因子组合中一个常用的配置模型,最终会给高波动的因子配低权重,低波动的因子高权重。这些方法有一些争议,因为一些因子比如价值的分布是右偏的,导致高波动时的收益率很高,但动量因子是左偏的,高波动反映了低收益。

我们设计了一个滤波器,对于三种不同的因子波动率情况,把动量因子的配置减小到零,滤波器在滚动基础上测量以避免后视偏差。

我们发现在过去20年里,波动率滤波器可以提高动量因子的表现,这可以部分解释2009年的崩溃现象。此外,也能减小2016年因子经历繁荣萧条周期时的回撤。

06

减少动量崩溃

最后,我们比较了所有策略过去20年的最大回撤,发现分散化和波动率滤波器是最有效的。

值得注意的是,尽管动量和低波动的组合回报是最高的,但与其他组合相比,它的最大回撤并不比其他组合小。相反,动量和价值的组合能显著减小回撤,这或许反映了两个因子之间的低相关性或者负相关性。

07

总结

动量因子有两个问题:近期表现不佳和形象问题。我们强调动量因子的表现可以通过与其他因子的组合或加入波动率滤波器来改进。

但是,投资者在价值上的投入超过动量,部分原因在于动量的简单性,尽管长期来看策略有高收益,但对于有经验的投资者来说似乎没有吸引力。当然,更好的表现也会带来更多的投入,因此这两个问题有些循环。

END

【参考链接】

https://www.factorresearch.com/research-improving-the-momentum-factor

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-05-31,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 量化小白躺平记 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档