2.3 投资者的常见问题

2.3.1 投资者为什么要关心智能贝塔因子

投资者确实应该关注智能贝塔因子，原因如下。第一，与市场因子非常相似，智能贝塔因子可能代表无法被分散的系统性风险来源，因而需要溢价补偿。事实上，这些因子已被证明在跨市场、跨国家和跨时间的各类市场中均持续绩优（persistent market out-performance）。这些因子收益可能代表了构建股票投资组合的第一层主动收益，随着智能贝塔因子产品的出现，投资者可能能够通过透明、多元化和低成本的金融产品创设来获取这些收益。第二，单个证券的风险和收益也取决于它们对这些额外的市场回报因子的敞口。因此，与CAPM相比，多因子模型在解释单个证券的收益差异方面做得更好。因此，智能贝塔因子在解释预期收益的截面特征方面起着至关重要的作用。第三，由于证券定价受智能贝塔因子敞口度的影响，大多数主动管理的投资组合也可能通过持有证券而存在对智能贝塔因子的敞口，其业绩表现可能受到这些敞口多寡的影响。因此，如果投资者希望更好地理解和管理其投资组合中的风险和收益来源，那么了解这些因子敞口是很重要的。第四，通过风险分解分析，多因子模型已经被证明在分析和理解主动管理投资策略的性能方面非常有用。这种模型允许投资者潜在地识别技能（即，经因子调整的阿尔法），继而结合智能贝塔因子创建更有效的整体投资组合结构。（我们将在第10章中更详细地讨论这些主题。）

2.3.2 对共同因子的可识别集合是否有共识

CAPM模型为为什么说市值加权市场投资组合是一个溢价补偿共同因子（rewarded common factor）奠定了理论基础。但许多其他的溢价补偿因子缺乏这样的理论支持。这些超市场因子（extra-market factors）是实证研究所得。而通过实证得以定价度量的共同因子（empirically priced common factors）并不是由理论驱动的。这使得整个行业普遍难以接受实证因子。但这不应该是忧虑担心的理由。在金融领域，鲜有整个行业业已达成共识的事物。在一个非常基本的层面上，例如在低波动率异常的背景下，学术界和实务界甚至无法就风险和收益之间的确切关系达成一致。

但是，在实际操作中，要使真正的超市场公共因子真正有用，它们至少应：①承载CAPM调整后的收益溢价；②显示出可持续性；③在给定范围内解释预期收益的截面特征；④能够解释各种其他横截面异象和主动管理投资策略。

可持续性可以从多个维度进行评估。一个维度是跨细分市场的可持续性。这意味着给定因子和因子规范（factor specification）的表现在不同的细分市场（如，大盘、中盘和小盘）中是差不多的，因此可以说该因子在给定的整个样本空间中均有效。另一个维度是地理持久性。这是指给定因子在包括发达市场和新兴市场在内的全球股票市场中表现出相似的效果，那么便可得出这样的论点：该因子在全球股票中起系统性作用，而与特定市场或经济环境无关。另一个重要维度是随时间推移的可持续性。这意味着，当因子第一次被记录下来的时候，该因子在样本外的表现与样本内的表现类似。如本章所述，智能贝塔因子已显示出在这些维度上的可持续性。

在解释预期收益的截面特征和其他股票异象及主动管理投资策略方面，法玛和弗伦奇三因子模型和卡哈特四因子模型已成为行业标尺。需要重点指出的是，法玛和弗伦奇三因子模型被扩展到了包括动量因子，因为它无法完全解释依动量因子进行分类的投资组合（momentum-sorted portfolios）的表现。同样，四因子模型也不能完全解释基于波动率和质量因子的策略。因此，正如许多其他研究者以及我们的观点所认为的那样，将一组公认的共同因子扩展到囊括波动率和质量因子是顺理成章的。

基于这些考虑，业内人士在一定程度上一致认为规模因子、价值因子、动量因子、波动率因子和盈利能力构成了一组合理的超额市场回报因子，就其本身而言，已成为智能贝塔因子策略的焦点。

2.3.3 如果动量因子是解释主动管理型基金经理（如，成长型基金经理）业绩的一个重要因子，那么它不应该同价值因子和成长因子一样被视为一种风格吗

如前所述，动量因子的存在及其对许多主动管理型基金经理业绩的解释能力确实引起了人们对当前“价值-成长”投资风格范式（value-growth style paradigm）的适用性和相关性的严重关注。为了使一个股票特征在定义广泛的投资风格时具有实用性，该特征不仅应该体现实际的特征选择，还要代表大量主动管理型基金经理的投资组合敞口。在当前风格范例中，成长投资风格是根据高估值比率和/或高收益成长特征来定义的。如果价值风格有效，那么从长远来看，这些成长特征与市场表现应不相关。可为何大量的主动管理型基金经理会投资于这些特征呢？换句话说，当长期溢价已经成为价值是众所周知的事时，为什么基金经理会遵循成长投资风格？大多数所谓的成长型基金经理不会如此。所有证据都表明，成长型基金经理实际上是动量玩家（例如，格林布拉特等（1995），加尤尔等（2010））。动量因子也可作为比成长因子更好的对价值因子的分散，因为它产生独立的市场绩优表现，同时其主动管理收益表现出与价值因子的负相关性。显然，对比价值因子和成长因子，价值因子和动量因子更好地定义了主动管理型基金经理的投资风格。但更重要的是，目前没有任何一家指数编制商像提供价值因子和成长因子那样提供市值加权动量指数。对于其他投资风格，例如低波动率投资和质量因子投资，也可以得出类似的论点。这些是主动管理型基金经理通常遵循的投资风格。如果风格分类的目标是帮助投资者构建更好的投资组合和/或为风格型基金经理创建更合适的风格基准，那么我们认为当前的“价值-成长”投资风格范式过于简单，并不完整，甚至对于这个行业而言是帮倒忙。

2.3.4 智能贝塔和传统的量化管理有什么区别

传统的量化策略通常是多因子方法。智能贝塔家族中囊括了各式各样的产品，其中一些产品（如，基本面指数（fundamental indexation）、最大多元化投资组合（maximum diversification portfolio）或单因子策略（single factor strategies））与传统的量化管理完全不同。智能贝塔因子多元化策略可能最接近传统的多因子量化管理。但是，智能贝塔因子多元化策略可能在几个维度上与传统的量化管理相左，例如因子和因子规范（factor specification）的选择、投资组合的构建方法、其他投资流程的特征以及具体实施细节。

智能贝塔策略倾向于关注几十年来被无数的研究者研究、检验、审查过的因子和因子规范。这些因子被称作溢价补偿因子（rewarded factors），在解释数据挖掘或多重检验的研究中保持统计显著性，并在样本外描述业绩表现的可持续性。另外，许多量化策略可能包括各种新的专有因子（proprietary factors）和/或包括对传统溢价补偿因子规范的专有增强（proprietary enhancements），例如对不同的国家或行业使用不同的价值度量标准，或者将短期动量策略和/或反转策略组成的传统动量相结合。如果这些专有因子和/或因子规范未予公开，它们就没有像智能贝塔因子那样受到公共审查。

在创建投资组合方法论方面，智能贝塔因子多元化策略也不同于传统量化策略。智能贝塔倾向于使用简单、基于规则和透明的构建方法，并有助于理解策略中包含的风险和收益的来源。许多智能贝塔策略也以公共指数的形式发布，并有一个完全公开披露的指数编制方法。典型的主动管理的量化投资策略则使用更为复杂的投资组合创建技术且其专有投资流程可能不会充分披露。

其他在投资流程上的特征也可以用来区分智能贝塔和主动管理量化策略。例如，智能贝塔产品可能采用旨在提高多元化、降低换手率和提高策略容量的方法。最后，在具体实施方面，从管理费和实操便捷性角度来看，智能贝塔可以代表一个在捕获溢价补偿因子方面成本较低的选项。在某种程度上，智能贝塔策略可以作为指数来提供，资金方可以在内部或通过其被动基金管理人在各种许可协议中复制它们，以降低执行成本。

前面提到的智能贝塔策略和传统量化策略之间的这些区别不应被解释为划定了智能贝塔的边界。例如，在其他条件相同的情况下，与专有规范相比，经过彻底审查的因子规范可能更为可取。然而，还必须记住，目前为人们所接受的智能贝塔因子曾经是主动管理型基金经理使用的专有因子（如，动量因子）。投资组合构建的简单性和透明度可能是需要的，但它也可能会失去灵活性和更好的风险管理能力。较低的换手率可能是首选，但它也可能降低可反映因子信号变化的投资组合更新频率。