来源:量化投资与机器学习
来自:Financial Analysts Journal
标题:Is Sector Neutrality in Factor Investing a Mistake?
作者:Sina Ehsani、Campbell R. Harvey、Feifei Li
想象一下,有一家科技公司,它的账面市值比(Book-to-Market Ratio,简称BM)在科技行业内算是比较高的,但如果和非科技公司比起来,它的BM就不算高了。尽管在科技行业内部,这家公司可能被视为价值型公司,但如果我们按照BM来排序,可能会选择卖空它,因为科技行业的公司普遍BM较低。
在这个例子中,整个市场中BM的预测能力来自于两个方面:一是行业BM可以预测行业内的回报情况,二是公司特定的BM可以预测公司自身的回报情况,或者是这两方面的结合。换句话说,一个按照BM排序的投资组合的回报,来自于两个部分:一部分是它的行业暴露(即它在特定行业中的投资比例),我们用 表示;另一部分是行业中性化的部分(也就是公司特定的那部分),我们用 表示;那么该因子的总收益:
简单来说,就是一家公司的价值不仅取决于它在同行业公司中的比较,还取决于它自身的特性。投资者在构建投资组合时,会同时考虑公司所在行业的整体情况和公司本身的表现。
如果一个公司的账面市值比(BM)的内部部分(即与同行业其他公司相比的部分)比整体部分(即与所有行业相比的部分)更能准确预测回报,那么基于内部部分进行交易会比基于整体部分进行交易更有利可图,我们就会说内部部分的夏普比率()大于整体部分的夏普比率()。
问题来了:一个追求均值-方差最优(即在给定风险下追求最大回报,或在给定回报下追求最小风险)的投资者,是应该使用原始的包含这两个部分的BM因子,还是只使用更能准确预测回报的那个部分进行投资呢?
简单来说,就是如果我们知道一家公司在它所在行业中的BM值相对于其他公司来说更能预示它的股票表现,那么我们就应该更多地依赖这个信息来做出投资决策。投资者需要权衡的是,是使用一个包含了可能有用的、但也可能有噪声的信息的复杂因子,还是只使用一个更纯净、更直接的因子。这需要通过分析不同因子所产生投资组合的表现来做出选择。
我们可以将基于预测因子(例如行业账面市值比BM)进行交易所形成的投资组合视为一种资产。并求解组合最优时across部分的权重如下等式: