AQR | 测量因子暴露度：应用&滥用

标星★公众号，第一时间获取最新研究

近期原创文章：

♥ Two Sigma用新闻来预测股价走势，带你吊打Kaggle

♥ 预测股市 | 如何避免p-Hacking，为什么你要看涨？

♥ 优化强化学习Q-learning算法进行股市

▎作者：Ronen Israel and Adrienne Ross

▎原刊：The Journal of Alternative Investments

▎仅用于学术交流，原版本归作者和刊物所有

摘要

A growing number of investors have come to view their portfolios (especially equity portfolios) as a collection of exposures to risk factors. The most prevalent and widely harvested of these risk factors is the market (equity risk premium); but there are also others, such as value and momentum (style premia). Measuring exposures to these factors can be a challenge. Investors need to understand how factors are constructed and implemented in their portfolios. They also need to know how statistical analysis may be best applied. Without the proper model, rewards for factor exposures may be misconstrued as alpha, and investors may be misinformed about the risks their portfolios truly face. This paper should serve as a practical guide for investors looking to measure portfolio factor exposures. We discuss some of the pitfalls associated with regression analysis, and how factor design can matter a lot more than expected. Ultimately, investors with a clear understanding of the risk sources in an existing portfolio, as well as the risk exposures of other portfolios under consideration, may have an edge in building better diversified portfolios.

研究的问题是什么?

1、投资者真的能区分A

lpha

和Beta吗？了解投资组合中的风险敞口及其对Alpha的贡献，有哪些要点?

2、在学术文章中构建策略的方式与实际执行那些对投资者有影响的策略方式之间有区别吗？

什么是学术见解?

这有点复杂。要将Alpha和Beta分开，有两件事是必须的：第一，是风险模型；第二，使用回归将投资组合的回报与其风险敞口匹配起来。与投资组合产生的回报相关或解释回报的适当风险因素（CAPM、Fama-French等）是什么？一旦确定，就进行回归分析，将投资组合回报分解为投资组合中存在的风险组成部分。投资组合回报再次回归，完成分离的风险变量回报需要分离Alpha。任何与风险敞口无关的回报都是真实的Alpha。几个这样的回归结果下表所示。从基本CAPM（模型1）开始，估算四个风险模型，并依次添加三个Fama-French因子（模型2，3，4）。注意，随着风险变量的增加，Alpha值从6.1%下降到1.8%，因为它本质上被重新分配到实际包含风险敞口的投资组合中。

Model 1

Model 2

Model 3

Model 4

尽管在直觉上并不明显，但学者进行研究的方式是为了阐明一个理论，并希望将结果发表出来。这些研究显然不是为了说明投资者应该如何实现他们的成果。请注意，以下可能会导致实际投资组合的表现与已发表的学术成果存在差异。

首先，学术界可能不考虑实际成本，包括管理费、交易成本等。其次，由于可投资性的原因，从业者通常对大中型企业感兴趣。学者们可以构建他们的研究来涵盖所有的资本阶级。因此，他们的结果可能是研究中包含较小资本化范围的比例的函数。学术研究往往不关心行业风险，而且在大多数情况下，它们采用等权的办法。虽然这些研究非常关注对结果进行风险调整（即确定Alpha的存在）但他们并不关心在投资组合中维持特定主动风险立场的实际要求。因子研究通常使用美元和市场中性的多空头寸构建投资组合，以检验他们的理论。尽管从业人员也可能构建多空投资组合，但他们经常受到实际考虑因素的限制，比如控制主动风险敞口和维持资产配置的需要。最后，如何度量因子（单个因子与多个因子）之间的差异可能会产生或多或少的稳健结果。

有什么联系?

当投资者在基金经理和提供的各种产品中进行选择时，Alpha和Beta的比较可能比较棘手。这些因子在基金经理之间是否相似，并且与实现成本一致？基金经理是否提供因子偏向组合并且与投资目标一致？与已发表的因子研究相比，业绩上的任何差异都可以用因子和投资组合构建过程来解释吗？最终，投资者希望区分提供因子偏向组合的基金经理与真正Alpha的基金经理。

推荐阅读

01、经过多年交易之后你应该学到的东西（深度分享）

02、监督学习标签在股市中的应用（代码+书籍）

03、全球投行顶尖机器学习团队全面分析

04、使用Tensorflow预测股票市场变动

05、使用LSTM预测股票市场基于Tensorflow

06、美丽的回测——教你定量计算过拟合概率

07、利用动态深度学习预测金融时间序列基于Python

08、Facebook开源神器Prophet预测时间序列基于Python

09、Facebook开源神器Prophet预测股市行情基于Python

10、2018第三季度最受欢迎的券商金工研报前50（附下载）

11、实战交易策略的精髓（公众号深度呈现）