本文基于Kamara等人(2018)的研究,分析不同投资区间对系统性风险因子定价的影响。研究发现,短期投资者主要关注流动性风险,其短期流动性beta获得显著风险溢价;而长期投资者则更关注市场和价值因子的中长期风险溢价,短期流动性风险对长期投资者产生alpha收益。机构投资者持仓与其投资区间吻合,长区间投资者倾向于持有含高短期流动性风险和中期价值风险的资产。这揭示因子alpha或风险属性依赖于投资时间区间,投资者通过投资区间错配策略能够获得超额收益
| Horizon (months) | Market Beta Return Spread (%) | SMB Beta Return Spread (%) | HML Beta Return Spread (%) | UMD Beta Return Spread (%) | LIQ Beta Return Spread (%) |
|---|---|---|---|---|---|
| 1 | 0.17 | 1.66 | 1.16 | -2.91 | 2.31 |
| 2-4 | 3.03 | 2.71 | 0.97 | -2.22 | 4.06 |
| 5-7 | 4.80 | -1.86 | 1.27 | 0.42 | 4.16 |
| 11-13 | 3.80 | -1.17 | 3.39 | -0.10 | 0.86 |
| 23-25 | 0.14 | 1.11 | 4.87 | 0.32 | -0.50 |
| 因子 | Beta估计区间 (k) | 投资区间 (q) | Alpha (%) | t值 |
|---|---|---|---|---|
| HML | 24 | 3 | 3.3 | 1.7 |
| Liquidity | 3 | 36 | 8.6 | 3.1 |
| Market | 12 | 12 | 4.6 | 1.8 |
| 投资区间 | Short-Horizon 10 | Medium-Horizon 10 | Long-Horizon 10 | Long-Horizon Minus Short+Medium | 统计显著性 [t值] |
|---|---|---|---|---|---|
| 流动性beta | 0.131 | 1.468 | 0.324 | 1.933 | 6.93 |
| 市值beta | 0.004 | 0.049 | 0.140 | 0.201 | 4.78 |
| 价值成长beta | 0.068 | 0.535 | 0.410 | 1.060 | 6.35 |
报告标题: 短期的Beta还是长期的Alpha?
作者及团队: 吴先兴及天风金工团队
发布时间及来源: 2019年1月16日,天风证券研究所
研究文献原出处: Avraham Kamara, Robert Korajczyk, Xiaoxia Lou和Ronnie Sadka,2018年,《Short-Horizon Beta or Long-Horizon Alpha?》,发表于The Journal of Portfolio Management第45卷第1期,页码96-105。
主要主题: 本文分析投资者持有资产的不同投资区间对因子定价认知的差异,探讨同一因子在不同投资区间下对于风险还是Alpha的性质判定。特别聚焦于流动性风险因子、市场因子(MKT)、市值因子(Size)与价值成长因子(HML)在不同区间的表现及被定价情况。
核心论点摘要:
报告首先指出传统风险度量如系统性Beta,通常基于固定单一时间段的收益率(如一个月),然而实际上的Beta随观察区间长度而变化。基于不同投资者的投资区间长度不同,对同一资产的风险评估存在差异。
以举例说明:高杠杆的对冲基金关注短期流动性,因为流动性差的股票可能被迫折价出售。金融资产的多种因子(MKT、SMB、HML、UMD、LIQ)被用作风险测度,但它们在不同区间长度下可能表现出不同的风险特征。这些差异呼吁从投资区间长度视角审视风险与Alpha的界定。
作者通过简化的单因子模型公式,阐释不同时长区间的Beta估计机制:
[ r_{i,t} = \alpha + \beta_1 f_{1,t} + \varepsilon_{i,t} ]
定义k期整体Beta:
[ \beta_k = \beta_1 + \frac{k-1}{k} \cdot \frac{1}{VR(k) \cdot var(f)} \cdot cov(\varepsilon_{i,t}, \varepsilon_{i,t-1}) ]
其中,(VR(k)) 为因子方差比率,因股价对因子信息存在滞后反应,导致不同区间计算的Beta存在显著差异,且截面排序会随区间变化。这表明风险度量高度依赖于投资区间,进而影响因子是否被认定为风险因子还是Alpha因子。
实证使用纳斯达克、纽交所及全美交易所的上市公司股票数据,期为1965年1月至2015年12月。采集月度价格与收益率以及Fama-French三因子(市场因子MKT,市值因子SMB,价值因子HML)、动量因子UMD,并额外引入流动性因子LIQ。数据来源分别来自CRSP数据库、Ken French网站及Lubos Pastor网站。因子收益均基于组合多空收益计算而成。
假设短期投资者更关注流动性因子风险,期望流动性因子在短期区间体现风险溢价,而中长期投资者追求中长期区间的风险溢价。
通过表格数据(下文图2)分析不同月份区间(k=1,3,6,12,24…61)下的五因子风险溢价:
此结论强调了因子溢价的时间敏感性,短期内流动性溢价是被认可的风险溢价,中长期则主要为价值及市场风险溢价。
图3显示市场、价值、流动性因子在不同区间(k)下的平均超额收益:
alpha检验表(图4)展示了投资组合在不同投资区间q(1,3,12,24,36个月)下基于不同k值计算的年化alpha及其t统计量:
投资者的持仓行为通过换手率(CHURN指标)确定投资区间长度。定义投资者的投资区间为换手率的倒数,区间小于半年为短期投资者。该换手率指数随时间和分位点呈上升趋势,反映投资者行为持续存在异质性。
通过Fama-MacBeth回归检验,发现:
此结论支持了投资区间异质性导致风险溢价和alpha的产生机制。,5]
| 因子 | k(月) | 投资区间1 | 投资区间3 | 投资区间12 | 投资区间24 | 投资区间36 |
|---|---|---|---|---|---|---|
| HML | 24 | 3.6%(1.7) | 3.3%(1.7) | 0.3%(0.2) | 0.4%(0.2) | 1.7%(0.8) |
| Liquidity | 3 | 2.2%(1.0) | 2.4%(1.3) | 4.4%(1.6) | 6.5%(1.9) | 8.6%(3.1) |
| Market | 12 | 5.1%(2.2) | 5.0%(2.4) | 4.6%(1.8) | 4.8%(1.6) | 4.9%(1.4) |
| Short-Horizon 10 | Medium-Horizon 10 | Long-Horizon 10 | Long-Horizon Minus Horizon IO | Long-Horizon Minus (medium+short) IO | Total IO | |
|---|---|---|---|---|---|---|
| Beta MKT | 0.131 (5.23) | 1.468 (6.35) | 0.324 (-6.10) | 1.933 (6.93) | -0.454 (-6.21) | 1.319 (5.75) |
| Beta HML | 0.004 (-0.88) | 0.049 (-0.42) | 0.140 (4.78) | 0.201 (1.77) | 0.145 (4.86) | 0.099 (0.74) |
| Beta LIQ | 0.068 (-1.68) | 0.535 (-1.17) | 0.410 (4.43) | 1.060 (2.27) | 0.470 (5.28) | -0.310 (-0.63) |
本文属于学术与实证研究报告,未涉及具体公司估值,也未使用DCF、PE等传统估值方法,而是基于因子风险溢价和Alpha的统计测试展开分析。核心是对风险因子的定价区间依赖性及不同类型机构投资者投资区间的对应关系进行估值理解。
由于本文属于理论与实证研究性质,风险提示未着重强调,但文中已暗示以下潜在风险:
报告尾部明确提示研究内容基于文献,不构成投资建议,提醒投资者注意信息使用的适用范围。
该报告围绕“短期Beta是否转化为长期Alpha”的主题,阐述了投资区间对风险因子定价性质的显著影响。通过理论构建和实证验证,报告揭示:
总结来看,此文为资产定价理论增添了“投资区间异质性”视角,强调短期Beta不能简单映射为长期风险溢价,部分短期风险因子可能是长期投资者的超额Alpha来源。报告的图表数据清晰展示了这一点,实证结果严谨,具有较高参考价值和深远意义。
图1展示不同市值分组的Beta在不同月度区间的变化趋势,验证Beta区间依赖性。
图3描绘市场、价值和流动性因子的风险溢价随投资区间变化的动态,清晰反映不同因子的定价区间特征。
图4年化Alpha与统计显著性表明流动性因子的长期Alpha潜力显著优于其他因子。
图5反映投资者换手率的分布,实证投资区间的异质性。
图6通过Fama-MacBeth回归模型验证不同区间投资者持仓对Beta暴露的不同偏好,验证了区间依赖的风险承担行为。
结语: 本报告通过系统分析“短期Beta vs 长期Alpha”,结合理论和大量实证数据,为投资者理解和应用因子风险溢价提供新视角,强调了投资区间异质性在资产定价、风险评估和投资策略选择中的核心地位,为金融工程和多因子模型研究贡献有价值的参考框架。,1,2,3,4,5,8]
海外文献推荐(第71期):短期的Beta还是长期的Alpha?【天风金工吴先兴团队】.pdf