何以战胜基准指数系列之一：基于风格配置战胜基准指数的方法解析
对于资产管理机构来说，中证800是常用的业绩基准，如何长期稳定战胜中证800是值得探索的问题，其本质上是如何在主动承担一定风险暴露的情况下获得超额回报。本文从风格资产配置视角给出解决思路。 从因子配置模型的视角出发，宽基指数就像是一道水果拼盘，决定其品质的是其背后的风格因子配置，也即拼盘中的水果品类和权重。本文验证了基于Smart Beta风格因子复制宽基指数的可行性。与此同时，根据模拟组合的权重变化可以看到历史以来中证800内部风格结构的变化。 五因子拟和模型通过优选Smart Beta，在复制中证800指数的基础上获取了年化1.77%的稳健超额收益，跟踪误差仅为2.51%。模拟组合具备显著更好的稳定性和抗跌能力，夏普比率为0.256，超越原指数的0.170。 利用风格因子复制主流市场指数的初衷，是可以帮助资产管理人轻易地将原有对市场指数的配置方案应用到风格因子组合上，并获得配置风格带来的风险收益表现的提升。此外，被动型Smart Beta产品具备透明低费率、所见即所得等特征，FOF类管理人亦无需担心由于子基金管理人投资风格切换对整体组合的影响。 风险提示：本报告结论完全基于公开的历史数据进行计算，分析结论并不预示其未来表现，也不能保证未来的可持续性，亦不构成投资收益的保证或投资建议。模型假设风险；模型估测不准确风险。 1.因子配置与Smart Beta 我们在风格资产配置的视角下，引入Smart Beta作为底层资产，构造因子配置模型，在控制跟踪误差的前提下，给出宽基指数增强方案，追求在长期收获超越业绩基准的“Smart”收益。 随着我国资本市场的有效性水平不断抬升，被动投资的性价比愈发受到投资者的青睐，ETF市场规模和产品数量屡创新高。截至2023年10月，股票型ETF共计695只，管理规模合计约1.41万亿。其中，Smart Beta策略类ETF产品近年来异军突起，规模从2017年底的31亿快速提升至2023年10月的413亿，已然成为ETF市场中备受瞩目的增量品类之一。 Smart Beta的本质是具备一定特殊风格的资产组合，其本质是针对特定风格因子的配置，因而其理论底层是经典的因子投资模型。国内外的广泛理论与实证分析均论证了市场中存在一些长期有效的SmartBeta，例如成长、价值、质量、红利、低波等。 与此同时，A股市场中的主要宽基指数往往存在长期波动剧烈、夏普比率偏低的问题，作为长期被动投资的跟踪标的稍显吸引力不足。基于上述背景，本篇报告以Smart Beta为工具，立足于因子配置理论，给出基于风格资产配置视角的宽基指数增强方案，以期在长期较为稳定地战胜诸如中证800指数等宽基业绩基准。 本报告主要分为三个部分：第一部分是针对因子配置模型和Smart Beta的概念与原理进行梳理和解析。第二部分是基于风险模型，利用Smart Beta风格因子组合对中证800指数进行了“复制”。在该模型下，资产管理人可以非常容易地将现有对市场指数的配置方案应用到相应的Smart Beta组合上，在不改变原有大类资产配置比例的同时获得配置风格因子带来的风险收益提升。该部分采用中证800成长和中证800价值两个Smart Beta指数构造双因子拟和模型作为先导测试，验证了利用风格资产复制宽基指数的可行性。第三部分是通过因子优选，筛选出A股市场中具备长期风险溢价的Smart Beta，构造更为系统的五因子拟和模型。 在此基础上，验证了该策略在控制跟踪误差的前提下实现了相对于中证800宽基的稳健超额回报的可行性。 1.1.因子配置模型：破解资产收益率差异的钥匙 经典的CAPM模型（Sharpe等，1964）指出风险资产相对无风险资产具有超额收益（又称风险溢价，Risk Premiums），是因为投资者承担了额外的风险，因此市场均衡时将给予风险资产相匹配的收益补偿。 在该思想的引领下，金融资产定价理论蓬勃发展，尤其是Ross（1976）提出的套利定价理论（Arbitrage Pricing Theory，APT）和Fama-French三因子模型（Fama和French，1992）等重要文献奠定了投资者对于风险因子的认知框架。因子是对个体资产横截面(Cross-Sectional)收益率的差异具备解释力的特征(Daniel和Titman，1997)。因此，为了更好解释资产定价的金融学机理乃至利用因子预测资产未来收益，学界与业界对于有效定价因子开展了孜孜不倦的挖掘。Feng等（2020）称之为驯服因子动物园（Taming the Factor Zoo）以及因子赛马（Horse Racing）的尝试，通过主动暴露于具有稳定风险溢价的定价因子，可以谋求获取超越市场基准的超额收益。 根据因子自身的特征和层级，Bender et al. (2010)对资产的收益率进行了分解，并归纳出三种因子类别，分别是对各大类资产具有共同影响的因子、风格因子和策略因子，并将收益中不能被这三类因子解释的部分视作管理能力带来的超额收益。如下图所示，第一类主要是宏观因子（如通膨因子、经济增长因子），其决定了各个大类资产类别的截面收益差异。 第二类则是风格因子，其来源于某个资产类别内部对特定风格的风险暴露，例如Cahart四因子模型中的SMB（规模因子）、HML（价值因子）和UMD（动量因子）。风格因子也正是本文所聚焦的Smart Beta类产品的核心立足点。第三类是策略因子，即为于对一类指定投资策略的执行，例如商品期货投资中常用的趋势投资策略或外汇交易中的利差交易策略（Carry Trade）。 图1 Bender et al. (2010)的收益分解与三类因子归纳 在因子配置的框架下，资产收益可以表示为： 𝑁 ∑+ 𝑅 =𝛼 𝛽 𝑓 +𝜀 𝑖,𝑡 𝑖,𝑡 𝑖,𝑗,𝑡 𝑗,𝑡 𝑖,𝑡 𝑗=1 其中，𝑅是𝑡时刻投资组合𝑖的收益率，𝛼为不可被所有因子所解释的截距项，也即Alpha收益。𝑓为风险因子𝑗在𝑡时刻的取值，𝛽为投资组合对于风险因子𝑗的风险暴露水平，𝑁为用于解释横截面收益差异的因子总量，𝜀为残差。 𝑖,𝑡 𝑖,𝑡 𝑗,𝑡 𝑖,𝑗,𝑡 𝑖,𝑡 总结而言，因子配置模型可以形象类比为制作一道水果拼盘。每一种水果都对应一种特定的风险因子，投资者需要根据自己的风险偏好、投资期限等约束，挑选适当的水果品种和比例，尝试组合为一道品类丰富同时交相辉映的美味拼盘。 1.2.Smart Beta：风格因子配置的应用实践 将因子配置思想应用于被动指数投资领域，即诞生了Smart Beta（又称为Alternative Beta、ExoticBeta）为代表的投资策略与产品。在金融学语境下，Beta代表投资组合相对于整个市场组合的波动程度，亦可理解为对于某个基准的风险暴露水平。传统的Beta投资策略往往指跟踪某只市场基准指数，获取被动投资收益。SmartBeta则顾名思义，有别于完全被动接受市场基准指数的Beta，而主动性“聪明”地修正投资组合针对于不同风格因子的配置权重，以使得投资组合更多暴露于风险溢价高的定价因子，从而实现在控制跟踪误差的前提下获取超额回报。 目前市场上SmartBeta主要有两种设计方案。第一是基于风险因子的角度，通过主动调节投资组合在不同定价因子间的暴露程度，例如价值因子，红利因子，波动率因子等，从而提升针对高性价比因子的暴露以获取更高的收益。第二则是通过优化加权方案的角度，在经典的市值加权方案以外采用更多样的设计。例如沪深300指数采用的是市值加权法，一种潜在更“Smart”的做法是在不改变成分股的前提下采用等权加权法，从而使得投资组合更多暴露于小市值因子（也即Fama-French的SMB因子）。 上述两种SmartBeta的设计方案均具备不主动择时、高透明性、严格纪律性等投资特点，这使得此类产品在盛行被动投资的成熟市场非常流行。 国内外实践表明，股票市场存在一些长期有效的SmartBeta，相对股票市场整体可以获得长期风险溢价，其中最为市场熟知的因子包括成长、价值、质量、红利、低波等。 比较具有代表性的案例是Andrew Ang教授加盟BlackRock后基于风格因子配置的思路（Ang，2014），指导BlackRock的因子投资部门围绕着市场中常见的风格因子，构造了一系列Smart Beta产品。例如iShares MSCI USA QualityFactor ETF代表了质量因子（Quality），该产品截至2023年10月的管理规模高达314亿美元，这也与下图所示质量因子在近20年表现最为突出息息相关。此外还有iShares MSCI USA Value Factor ETF代表价值因子（Value）、iShares MSCI USA Momentum Factor ETF代表动量因子（Momentum），iShares U.S. Small-Cap Equity Factor ETF代表市值因子（Size），iShares MSCI USAMin Vol Factor ETF代表低波动因子（Low Volatility）等等。 图2六因子的年化夏普率（1963-2000与2001-2022两时段对比） 表1 BlackRock在管规模超50亿美元的SmartBeta产品 2.基于Smart Beta的宽基指数业绩归因与复制 对于资产管理机构来说，如何长期稳定战胜作为基准的宽基指数是值得探索的问题。该问题的核心是如何在主动承担一定风险暴露的情况下获得超额回报。本节立足于前文因子配置模型与Smart Beta的理论与应用，从风格资产配置视角给出解决思路。 具体而言，本节将论述如何利用可投资的风格因子组合对市场主流指数进行“复制”。通过这一方法，管理者可以分析原有配置方案下资产内部的风格组成，并且在不改变原有方案的同时获得稳定配置风格因子带来的风险收益表现的提升。进一步，可投资的风格因子组合将是风格配置研究的天然配置标的，管理人可以结合主观或因子择时的研究结果对资产内部的风格因子权重进行调整以达到主动管理的目标。 2.1.基于Smart Beta复制宽基指数的原理与算法 随着我国资本市场的有效性水平不断抬升，被动投资的性价比愈发受到投资者的青睐，追踪各类基准指数的ETF市场规模和产品数量屡创新高。 被动指数类ETF产品由于其简单透明、费率低廉、所见即所得等特征，尤其受到FOF类资产管理机构的偏爱。 然而与美国资本市场中股债长期夏普率基本均衡，股权投资平均年化收益率约为8%的特征事实不同，A股资产的长期夏普比率往往远低于债券资产的夏普比。如表2所示，以中证800指数为例，其在近十年的多个时间窗口的夏普率表现均远低于同期的中债指数。因此，如果单纯地配置于主流的宽基指数，往往存在波动率剧烈、“折返跑”以及长期表现不佳等问题。那么在此背景下，是否存在某种策略，能够在维持资管机构原有战略资产配置方案（SAA）的前提下，在战术资产配置层面上（TAA），增强配置宽基指数的收益呢？ 表2中证800指数与中债指数长期夏普率对比 解决该问题的钥匙正藏在前文因子配置模型的思想之中，一个资产组合就类似于一份精美的水果拼盘，其收益的本质来源是其所配置的风险因子。因此，如图3所示，诸如中证800指数长期业绩表现欠佳的背后，原因可能是构成该份水果拼盘的水果品种本身并非优选。换言之，中证800指数所暴露的风格因子组合中，存在有效性偏弱、长期风险溢价为负的因子。 因此，利用可投资的风格因子组合（即Smart Beta）对市场主流指数进行“复制”，就可以破解资产内部的风格组成，也即获悉了水果拼盘中的品类和权重。在此基础上，我们可以优化资产内部的风格组成，提升对有效风格因子的暴露，从而在跟踪误差可控的前提下，获取超额收益。 图3资产内部的风格因子拆解与优化示例 Madhavanet al
