巴克莱-美股股票策略：形成风险因素观点-2021.3.24-25页

2021年3月24日发布时间：格林尼治标准时间21年3月24日，05：10完成时间：格林尼治标准时间21年3月24日02:59完成时间：21年3月24日格林尼治标准时间03:17发布时间：格林尼治标准时间21年3月24日，05：10受限-内部股权研究2021年3月24日美国股票策略形成样式因子视图我们使用最近推出的巴克莱股权风格因子基础设施，提供了一种差异化的框架来形成因子视图，我们在计算它们与“非时髦”因子的重叠时，可以将其与宏观变量或主题催化剂提供最佳的一致性。启动巴克莱股权因素：我们的目标是帮助越来越多的投资者通过要素视角来研究资产配置。尽管我们意识到已经有大量的因子供应商（并且我们的因子方法并没有什么不同），但拥有整个过程使我们能够进行更细微的分析。我们关注七个标准的“样式”因素：价值，增长，质量，产量，动量，低波动性和规模。考虑到美国风格因素回报的波动性，因素时机对于投资者而言变得非常重要：从长远来看，美国要素收益率一直没有得到持续的鼓舞。甚至表现更好的“价值”和“规模”最近也都在挣扎。我们表明，改变因素篮子结构（例如，是否进行部门中和），市值与权重相等）方法并不会实质性地改变这些结论。差异化且灵活的框架以形成要素视图：将宏观观点直接转换为因素是棘手的，因为美国因素回报与宏观变量（例如，经营阶段，通货膨胀，利率）之间的关系不一致。我们的方法是从“非时髦的”宏观因素开始，该宏观因素被构造为对宏观变量提供最佳的一致曝光，并计算它们当前与样式因素的重叠。这种“重叠”方法非常灵活，因为它可用于表达对特定时期主题催化剂的看法（例如COVID-19曝光，中国贸易战等）。我们用三个非时尚因素来说明这一点，每个因素都指向价值超额表现。量度因素基本原理：我们构建了一个综合的计分卡，它使我们能够量化每个因素的基本面。因此，我们计算了价值因子的质量得分，该得分告诉我们价值因子的“质量”相对于历史记录是高还是低。目前，大多数因素（成长除外）的价值得分都很高。包括非时髦因素对于理解股票收益的横截面分散很重要：因子的常见用法是了解是什么在给定的时间段内驱动着股票间收益率的变化。考虑到要素收益之间的高度相关性，仅查看移动最频繁的要素可能会提供误导性信息，我们更愿意对样式和非样式因素进行联合回归。我们讨论了一些案例研究，这些案例研究说明了不包括非时尚因素的陷阱。重点美国股票策略Maneesh S.德什潘德+1 212 526 2953埃里亚斯·克劳克利斯+1 212 526 9376巴克莱资本公司和/或其附属公司之一与该公司研究报告中所涵盖的公司开展业务并寻求开展业务。因此，投资者应注意，该公司可能存在利益冲突，可能会影响本报告的客观性。投资者应将此报告视为做出投资决定的唯一因素。请参阅从第22页开始的分析师认证和重要披露。已完成：21年3月24日，格林尼治标准时间03:17发布：21年3月24日，格林尼治标准时间限制-外部 巴克莱银行|美国股票策略2021年3月24日2021年3月24日3尺寸最近的市场大写Compustat D介绍巴克莱股票风格因素我们最近与巴克莱定量投资组合策略团队合作推出了巴克莱股权因子风格因子。在介绍巴克莱公平因素（今天发布）中详细讨论了该方法。为了方便起见，在这里我们提供一个简短的摘要。我们的动机是帮助越来越多的投资者通过要素视角来研究资产配置。尽管我们意识到已经有大量的因子供应商（并且我们的因子方法并没有什么不同），但拥有整个过程使我们能够执行更细微的分析，这将在后续部分中进行讨论。我们关注七个标准的“样式”因素：价值，增长，质量，产量，动量，低波动性和规模。整个美国和欧洲的构建方法是一致的，这将使投资者能够进行苹果对苹果的比较。对于美国而言，我们的范围仅限于标准普尔500指数，因此这些因素可以被投资。我们的因素是使用大多数投资者熟悉并认为直观的属性构建的，如图1所示。图1.美国因素属性，来源和排名顺序要素属性来源排名最新的按价格计算的Compustat A价值过去12个月的追踪按价格销售Compustat A未来12个月收益增长至当前销售额Refinitiv一种过去5年的销售增长Compustat一种生长过去5年的收入增长Compustat一种质量过去12个月的股本回报率Compustat A过去5年的收入稳定度Refinitiv D势头过去12到1个月总计返回Compustat A低的挥发性过去252个交易日总收益挥发性Compustat D资料来源：巴克莱研究对于要素构建，我们首先在月末将GIC部门中的每个属性按百分等级排序（以保持部门中立），从0到100。某些因素以升序排列（账面价格/收益增长），其中较高的值被认为更好，而其他因素则以降序排列（净债务/权益）。这些属性等级是每个因素组中的平均值（即，书/价格，销售/价格和远期收益/价格的排名值相加，因为它们都在价值因子之内）。然后，将已排序属性的平均总和在扇区内重新排序。这是我们最终的行业中立因素排名，每个月末对这7个因素中的每一个都进行重复。为了构建最终的可交易因素，我们按GIC部门将每个部门中性因素排名分组为四分位数（按计数分为四组股票）。要素排名的最高四分位数（前25％）是“最高”四分位数，这是该要素的长边，而最低四分位数（下25％）是“最低”四分位数或短四分位。现在，我们每个月都有大约125个名字的“顶部”和“底部”购物篮。 “最高”和“最低”的收益仅仅是按市值加权的每月重新平衡的收益。最近的（净）债务权益比率Compustat D收益率过去12个月的总收益率Compustat A过去6到1个月总计返回Compustat A未来12个月市盈率Refinitiv A 巴克莱银行|美国股票策略2021年3月24日2021年3月24日4相对于市场（标准普尔500，每月重新平衡）的“最高”篮子的收益是要素收益，我们将在下面讨论（称为“最高四分位数–市场”）。另外，我们还可以查看“顶部”购物篮相对于“底部”购物篮的收益率，以确定因子收益率（称为“顶部–底部”）。美国风格因素退货–随时间推移不一致图2显示了自1989年以来美国风格因子的长期绩效指标。我们显示了与长期相关的顶部四分位，底部四分位市值加权因子以及顶部-底部四分位（TB）相对绩效的回报。空头投资者和与多头投资者相关的顶级四分之一市场（“ TM”）相对表现。我们使用市值加权，因为这似乎是大多数指数提供者所采用的方法，它使与（市值加权）市场指数的比较更加合适。图2.美国风格因素表现：从长期来看并不令人兴奋年化总收益生长低电压势头质量尺寸价值屈服最高四分位数10.7%11.1%11.3%11.2%13.3%13.0%11.8%底部四分位数11.1%11.1%10.6%8.4%10.6%10.9%10.7%上四分位-下四分位-0.4%0.0%0.7%2.8%2.7%2.1%1.1%前四分位数-市场-0.2%0.3%0.4%0.4%2.4%2.1%0.9%年度标准差最高四分位数15.6%13.3%15.0%13.7%18.0%17.8%14.7%底部四分位数15.2%20.6%17.8%18.7%14.6%15.0%16.9%上四分位-下四分位8.2%12.3%11.6%9.6%9.6%10.9%8.7%前四分位数-市场4.1%4.3%5.0%3.5%8.1%7.4%4.4%退货/标准差最高四分位数0.690.840.750.820.740.730.80底部四分位数0.730.540.600.450.730.730.63上四分位-下四分位-0.050.000.060.290.280.190.13前四分位数-市场-0.040.070.080.110.300.290.21注意：指标是使用1989年10月至2021年2月的月度总回报率计算的。市场是标准普尔500总回报率指数。要素收益按市值加权。资料来源：巴克莱研究中心，Refinitiv一些关键要点是：•在此时间范围内，只有美国规模和美国价值跑赢大市。尽管美国质量和美国收益率的风险调整后收益与美国规模和美国价值相似，但其他因素的绝对收益要低得多。•除美国质量指标外，前四分位数-市场风险调整后的收益要好于前四分位数-后四分位数的收益，这表明大多数alpha值实际上位于前四分位数。为了简洁起见，我们没有显示所有详细信息，但这是以下事实的结果：在我们遇到四分位数时，对于许多因素而言，收益并不单调。•即使整体表现并不令人吃惊，但如果这些因素与市场不相关，它们也可以提供多元化的收益。检查一下各因素之间的相互关系。图3显示了整个时期的这些相关性，我们看到其中一些相关性的幅度很大。在 巴克莱银行|美国股票策略2021年3月24日2021年3月24日5特别是，虽然美国价值与美国增长之间的巨大负相关并不意外，但美国价值似乎与大多数其他因素呈负相关，而与规模呈正相关。正如2021年3月3日在《美国股权战略：为更高的通货膨胀做准备》中所讨论的那样，我们确实拥有构建可投资篮子的技术，可以帮助缓解这一问题。图3.美国因素彼此之间以及美国市场之间的相关性很高生长低量动量质量大小值屈服市场11%-44%-10%-35%19%22%-12%低电压3%势头26%18%质量20%44%8%尺寸-29%-49%-29%-44%价值-49%-40%-35%-38%68%屈服-36%15%-28%16%9%27%注意：相关性是使用1989年以来的每月最高市场总回报率计算得出的。市场是指S＆P 500总回报率指数资料来源：巴克莱研究中心，Refinitiv我们注意到，除了选择用于创建因子得分的属性外，因子构建方法的选择也至关重要。 确实，尽管我们在本报告中重点关注的是市值加权的四分位数因子，且该因子具有行业中和的因子得分，但肯定还有其他方法可以创建因子。 因此，不清楚图2中有多少因子性能是我们的因子构建方法的结果。 在一种极端情况下，可以创建均方差优化因子，并分配给宇宙中的所有股票。 一个更简单的变化是创建等加权的四分位数因子，可以说，鉴于市场集中度很高，尤其是在美国股票方面，这可以提供更好的多样性（某些大型高科技股票在我们的几个因子中的权重大于25％）。 为了说明这一点，图4比较了按市值加权和均等加权的美国因素，经上下四分位数风险调整后的收益，对部门内和整个可投资领域（而不是部门内）的因素进行了排名。 我们看到，尽管在所有方法上，美国规模的风险调整后收益都是相似的，但在其他因素上，它们却大不相同。 跨行业排名（ATU）和市值加权结果使美国质量成为最强因素，其中权重相等的行业中性排名使美国收益率表现出色。幸运的是，要素收益率的迹象不会发生变化（除了美国经济增长略有下降），因此定性结论仍应成立。 巴克莱银行|美国股票策略2021年3月24日2021年3月24日6图4.要素构建方法会严重影响风险调整后的要素收益年化回报率/标准差0.50.40.30.20.10.0-0.1-0.2-0.3-0.4-0.5生长低量动量质量大小值 产量MW /部门MW / ATU均衡/部门EQ / ATU注意：风险调整后的收益-最高-最低四分位数因子。 MW =市值加权，EQ =等加权，部门=部门内排名，ATU =跨领域排名（不在部门内）资料来源：巴克莱研究中心，Refinitiv在我们的其余分析中，我们将研究“顶级市场因素”的表现，因为这与机构投资者最相关，也是大多数指数/ ETF的构建方式。接下来，我们查看累积因子收益，以检查它们的一致性（图5和图6）。与图3一致，我们看到美国规模和美国价值因素高度相关。两者在2015年都有不错的表现，尽管在最近的两次衰退中都有一些表现不佳的表现，但自那时以来，它们在过去五年左右的时间里一直表现不佳。这种较高的相关性可能是因为大型电商股票以越来越高的估值交易越来越多，因此不太可能出现在美国价值因素中。我们强调，我们的美国规模因素是由标准普尔500指数成分股构成的，因此，更常见的基准将是中型股，而不是像传统的规模因素中那样的小型股。图5.美国价值和美国规模因素跑赢大盘，但近来承受着