报告通过实证分析,提出因子收益具有内在的周期性波动,构建了Quant周期模型,将周期划分为正常阶段、成长反弹或价值崩溃阶段及逆转阶段,揭示传统宏观经济指标难以解释因子表现波动,投资者应关注因子内生的行为驱动周期,有助于因子策略的长期布局与择时 。
| Quant周期阶段 | 市场因子回报% | 价值因子回报% | 动量因子回报% | 低风险因子回报% | 组合回报1/N% |
|---|---|---|---|---|---|
| 正常阶段 | 10.0 | 4.7 | 6.9 | 9.0 | 6.0 |
| 成长反弹 | 15.5 | -19.5 | 19.7 | -9.3 | -0.6 |
| 价值崩溃 | -28.2 | -15.3 | 19.4 | -5.4 | 3.1 |
| 熊市逆转 | -20.5 | 28.4 | 10.4 | 17.0 | 16.6 |
| 牛市逆转 | 46.6 | 10.3 | -71.5 | -5.8 | -17.1 |
| 转换状态(12个月无条件概率) | 正常阶段 | 成长反弹/价值崩溃 | 逆转阶段 |
|---|---|---|---|
| 正常阶段 | 84% | 16% | 0% |
| 成长反弹/价值崩溃 | 5% | 52% | 43% |
| 逆转阶段 | 52% | 0% | 48% |
报告标题: Quant因子周期【集思广译·第33期】
作者: 张欣慰、陈可
发布机构: 国信证券经济研究所
发布日期: 2022年2月16日
研究主题: 本报告聚焦于传统量化投资中的选股因子的周期性表现,尤其是价值因子在2018-2020年间的显著失效现象,试图通过“Quant周期”理论解析因子回报的内在周期规律,探讨其对投资者行为及资产配置的启示。
核心论点与结论简述:
报告首先指出传统量化因子如价值、动量、低波动性和质量因子表现具有显著波动,且其周期性变化难以通过宏观经济变量(如经济周期指标、通胀率、IS采购经理指数等)进行准确择时。风险溢价视角未必能完整解释因子回报的周期性。
作者基于因子收益本身,提出“Quant周期”框架,将因子周期划分为:正常阶段、成长反弹阶段和价值崩溃阶段,以及随后的逆转阶段。该周期性约为十年一次,正常阶段约占三分之二。成长反弹或价值崩溃往往持续约两年。在非正常阶段,价值和低波因子表现低迷,而动量表现强劲。投资者应当关注因子自身内隐的周期,而非传统宏观框架,以指导中长期量化投资策略。,1]
报告开篇点明传统量化因子表现面临“量化危机”,尤其是价值因子出现持续失效(2018-2020年)。报告强调外生宏观经济变量难以有效解释因子回报的周期变化,因子价格效应更多源于投资者行为及情绪驱动的内在周期。
引用Fama-French价值因子的长期溢价约为3%,但短期年回报波动剧烈(如1998-1999年年回报率跌至-20%),显示因子表现具有明显周期性且与宏观经济关系不强。研究提出应从行为金融的角度审视因子周期。,1]
报告考察了美国市场1963年7月至2020年12月期间,价值、质量、动量和低波动等多种因子及其经典定义(如HML、CMA等),并考量市场因子与规模因子表现。其中规模因子的溢价近40年表现减弱。
检验NBER经济周期(图1)期间,经济处于衰退约12%的时间。图2显示市场因子在扩张与衰退期差异巨大(扩张8.8%,衰退期-7.4%),而其他因子收益差异明显较小,说明因子溢价与经济周期关系有限。
针对通胀周期分析(图3、图4),通胀期内市场平均回报为-5%,动量因子收益走强,低风险因子表现疲软(符合债券类资产通胀敏感特征),但价值和质量因子表现稳定。
基于ISM采购经理人指数(图5、图6),无论该指数表现乐观还是悲观,因子回报均较稳定,强调经济景气度指标对因子预测力不足。
投资者情绪指数(贝克-沃格勒指数,图7、图8)对因子回报表现区分力较强。积极情绪状态下,价值、质量、低风险因子表现更佳;动量因子对情绪不敏感;而负面情绪时,规模因子和市场因子却表现相对较好。
总结以上,传统宏观指标难以准确择时因子表现,情绪指标虽有效但实时计算及解释困难,且因子溢价在多数情形下仍为正,因此弹性有限。,2,3,4,5]
报告提出:因子表现周期本质是行为驱动的,周期转折点与宏观经济转折点不同步,但与投资者情绪变化相关。因而应从因子收益本身识别周期,而非依赖间接经济或情绪指标。
利用价值因子丰富的波动性作为周期划分标识,经典事件约每十年一次显著回撤。价值因子大幅下跌可能源于成长型股票的反弹(牛市环境)或价值型股票崩盘(熊市环境)。动量因子在此类极端时期通常表现相反:价值亏损对应动量盈利。
定义Quant周期三个阶段:
阶段转换路径以图9形式展示,正常状态是多数时间状态,其他状态为波动和调整期,典型周期持续约十年,逆转阶段后多回归正常。
通过实证回溯,图10重现量化周期,确认正常阶段占约66%,大约十年一遇的成长反弹和价值崩溃阶段持续约两年,紧接着是逆转期。
详细例证:
图11数据展示了各因子在不同阶段的表现:
图12饼图则说明具体阶段占比,正常阶段占比最大,其他阶段较少,型号符合周期定义。
阶段迁移概率(图13,表13)显示:
报告指出,由于历史样本有限,对于条件概率的更细致估计仍缺乏足够数据支持。,8,9]
报告未涉及估值定价模型及对应的市值或现金流量估值分析,重点在于因子表现周期的统计特征与行为金融驱动机制。
报告并无针对具体投资组合风险管理的传统风险提示,但风险提示部分提及:
模型局限性:
基于因子自身表现划分周期,缺乏外生变量的具体解释力,虽克服了传统宏观周期弱关联问题,但也使得周期本身难以预判且可能滞后识别。
数据样本限制:
由于特别事件(如价值崩溃)次数较少,对周期切换的过渡概率及条件概率的估计具有统计不确定性。
情绪指标的实际应用难题:
虽情绪指数效果优于传统宏观指标,但计算复杂、解释反直觉(如牛市期间情绪多数时间为负面),限制投资执行。
无收益预测与策略建议落地:
本报告鲜有明确的量化策略指导,更多停留于周期定义与描述,缺乏盈亏预测与操作建议,限制应用层面的直接参考价值。
内涵矛盾部分:
报告一方面强调因子周期内生性,另一方面又指出与宏观经济周期存在一定“某种联系”,需进一步澄清二者的交叉影响。
报告系统揭示了传统量化因子表现存在明确且稳定的周期性,其周期非由宏观经济变量驱动,而更可能反映投资者行为与情绪变化的内生机制。
通过构建“Quant周期”理论框架,将因子生命周期划分为正常、成长反弹/价值崩溃与逆转三大阶段,详细识别和量化了因子表现的历史循环规律。实证结果显示该周期模型对因子回报解释力远优于传统宏观经济周期分期。
报告关键发现包括:
图表和数据深入佐证这一锁定因子内在循环的创新理解,为量化投资理论增添了行为金融视角。该研究有助于投资者更理性认识因子周期的规律及波动根源,有助于构建更稳健的多因子配置策略。
不过,因数据样本限度及因子周期的复杂性,实操中还需结合进一步指标及定量模型完善,警惕周期预测难度带来的投资风险。
全文溯源页码:,1,2,3,4,5,6,7,8,9]
本报告对量化投资中的因子周期问题提供了高质量、详实且创新的行为金融视角解读,通过大量数据分析和图表展示系统阐释了因子表现周期的结构特征,以及传统宏观周期指标的局限性。其研究成果对量化投资者理清因子回报波动的成因,优化多因子策略配置,规避风险具有理论和实际指导意义。
Quant因子周期【集思广译·第33期】.pdf