本报告深入比较了两种多因子组合法——自上而下(Top-Down)“单因子多组合”与自下而上(Bottom-Up)“多因子单组合”,通过理论推导和海外、A股多实证验证,发现Bottom-Up组合在预期因子敞口、风险调整收益上优于Top-Down组合,尤其因子相关性低时表现更突出。报告推荐简单有效的因子组合如“价值+盈利”、“价值+盈利+增长”等,并指出理论假设的局限与风险提示,为多因子量化策略构建提供系统参考.
| 因子类型 | 因子定义 | 年化超额收益 | 年化跟踪误差 | 信息比率 |
|---|---|---|---|---|
| 规模 | 总市值 | 6.90% | 16.28% | 0.42 |
| 价值 | EP, BM, 股息率 | 9.94%, 9.32%, 6.37% | 9.30%, 10.09%, 5.73% | 1.07, 0.92, 1.11 |
| 低波 | 波动率, 特质波动率 | 4.92%, 8.03% | 8.60%, 8.33% | 0.57, 0.96 |
| 盈利 | ROA, ROE | 6.70%, 6.79% | 13.21%, 9.35% | 0.51, 0.73 |
| 增长 | dROA, dROE | 8.78%, 8.56% | 10.92%, 9.64% | 0.80, 0.89 |
| 组合类型 | 因子数量K | 年化超额收益 | 年化跟踪误差 | 信息比率 | 平均持股数 | 因子敞口 |
|---|---|---|---|---|---|---|
| 单因子 | 1 | 7.63% | 10.15% | 0.80 | 80 | 1.75 |
| Top-Down | 2 | 7.59% | 7.76% | 1.06 | 149 | 0.89 |
| Bottom-Up | 2 | 9.37% | 7.08% | 1.13 | 209 | 0.59 |
| Top-Down | 3 | 7.55% | 8.60% | 1.25 | 80 | 1.23 |
| Bottom-Up | 3 | 10.29% | 6.90% | 1.12 | 263 | 0.43 |
| Top-Down | 4 | 7.51% | 8.48% | 1.38 | 80 | 0.85 |
| Bottom-Up | 4 | 11.30% | 7.02% | 1.07 | 313 | 0.31 |
| Top-Down | 5 | 7.47% | 8.75% | 1.46 | 80 | 0.72 |
| Bottom-Up | 5 | 12.71% | 7.49% | 1.70 | 343 | 0.28 |
价值(BM)+盈利(ROA)组合:
价值(BM)+盈利(ROA)+增长(dROA)组合:
核心论点:
Top-Down(自上而下)方法:
先针对每个单一因子排序股票,选择排名前X%的股票构建单因子组合,多个单因子组合再等权集成成多因子组合,属于“单因子多组合”模式。
数学上通过联合标准正态分布的性质,计算组合因子打分期望,定义分位点 (x) 和Mills比率等参数,并利用因子间的平均相关系数 (\bar{\rho}) 来计算组合预期因子敞口。
Bottom-Up(自下而上)方法:
先将所有因子分数加总为多因子打分,按此多因子分选择排名靠前股票构建组合,是“多因子单组合”方法。
同样利用联合正常分布及等权原则,得到复合因子分数及组合预期因子敞口,计算出组合收益和风险。
理论预期比较:
Bottom-Up组合的期望因子敞口为 (\sqrt{K(1+(K-1)\bar{\rho})} \cdot \frac{p(\varphi^{-1}(x))}{1-x}),
Top-Down组合为 ((1+(K-1)\bar{\rho}) \cdot \frac{p(\varphi^{-1}(x))}{1-x}),
其中因子数量K相同时,Bottom-Up组合的因子敞口预期更大。
组合预期收益率与因子敞口呈正比,预期波动率分析则更为复杂。
理论推导:
进一步解读两种组合在风险收益层面的区别,特别指出当因子之间截面相关系数较低时,Bottom-Up组合与Top-Down组合的预期收益率差异更加明显。
如果单因子组合股票无重复,则两者信息比(IR)相当;若存在重复,则Bottom-Up组合IR更高。
海外实证(施罗德基金Ashley Lester研究):
使用MSCI All Country指数成分股,选择多类典型因子(价值、动量、盈利、规模、质量),计算因子之间的截面相关均值为0.032,接近正交假设。
按Top-Down和Bottom-Up方法分别构建组合,结果显示:
选择因子:
选取国内市场中常用且流动较好的10个因子,涵盖规模(总市值)、价值(EP、BM、股息率)、低波动(波动率、特质波动率)、盈利(ROA、ROE)、增长等类别。
因子相关性分析:
表4显示A股因子相关系数均值为0.12,显著高于海外市场0.03,因子不完全正交性。这种相关性降低了多因子组合潜在收益。
单因子组合表现:
数值显示大多数单因子组合年化超额收益在5%-10%,股息率因子波动较低信息比好,价值因子表现整体较优(IR约1+),规模表现较弱(IR约0.42)。
图1 & 图2
多因子组合构建与表现(表6):
图3 & 图4:
描述因子截面相关系数均值与Bottom-Up/Top-Down组合信息比率比值间负相关关系,相关性低时,此比值较大,表明Bottom-Up组合优势更显著。
模型假设局限:
风险提示:
图1(价值类单因子组合相对净值,A股2010.12-2019.2)
展示EP、BM及股息率因子的单因子组合相对中证800的净值走势。整体表现呈稳健增长趋势,EP和BM超额收益与波动率较高,股息率组合表现平稳但波动较小,信息比均保持在1左右。强化价值因子在长线投资中的优势。
图2(低波类单因子组合相对净值,A股2010.12-2019.2)
波动率及特质波动率因子组合净值走势对比,特质波动率组合优于波动率组合,2017年共经历较大下挫,提示低波策略在A股表现波动较大。
图3 & 图4(因子相关系数均值与BU/TD组合信息比率比值)
以散点图显示因子相关性与信息比率比值间关系,均为负相关。因子相关性低时,Bottom-Up组合在信息比上优势明显,验证理论中分散化效应增强的预期。
图5(BM+ROA组合相对净值,A股2010.12-2019.2)
该组合净值呈持续上升态势,表现出高风险调整后收益特征,履行价值与盈利因子结合的有效性。
图6(BM+ROA+dROA组合相对净值,A股2010.12-2019.2)
增长因子加入后净值路线平滑上扬,收益提升,但风险略有增加。整体表现依旧稳健且优于简单组合。
本报告核心关注组合构建方法与风险收益特征分析,无涉及企业估值,因此无相关估值模型和目标价分析。
本文深入探讨了多因子股票组合构建的两大主流方法:自上而下(Top-Down)的单因子多组合和自下而上(Bottom-Up)的多因子单组合。在理论上,基于联合标准正态分布的假设和线性多因子模型,Bottom-Up组合因因子得分复合机制引导拥有更高的预期因子敞口,进而享有更高的预期收益,同时通过更有效的股票分散减少非系统性风险,保持良好的风险调整收益。
海外资本市场实证——施罗德基金Ashley Lester基于MSCI All Country指数的研究,验证了理论模型的结论。实证数据表明,Bottom-Up组合在年化超额收益、跟踪误差、信息比率等指标方面均优于Top-Down组合,且因子间重叠稀少时该优势更加明显。
中国A股市场内,中证800成分股的实证研究同样支持了该结论。国内市场因子相关性较高(约0.12),但依然观察到Bottom-Up组合优于Top-Down组合的表现,且随着因子数量增加,Bottom-Up的优势更加显著。实证中,“价值+盈利”和“价值+盈利+增长”的因子组合被证实拥有良好的风险调整后收益,表现如图5和图6所示的净值稳定上升,信息比高达1.85以上,表明其在A股具备良好实用性。
图表视觉化数据清楚展示了各种组合在近十年内的超额收益积累和风险表现趋势,流畅支持文本论述。另外,对因子相关性与组合信息比率的关系数据深入揭示了因子间独立性对组合表现的影响机制。
总体来看,报告科学地结合理论推导与海内外实证,系统论证了Bottom-Up组合在多因子投资中的优势,并辅以明确的风险声明和理论假设局限提示,为投资者构建有效多因子投资组合提供了重要参考。
但同时投资者应警惕因子表现可能的非稳定性和模型简化假设偏离实际的风险,灵活调整投资策略。
内容主要基于报告页码:0-12,关键图表页码:9-11,图表和数据均详尽解释于报告正文中。
引用标记示例:, , , , , ,
因子投资与Smart Beta研究(四):“单因子多组合”还是“多因子单组合”.pdf