447种股票市场异常,你看花眼了吗?!

x
用微信扫描二维码
分享至好友和朋友圈

  是的,三位牛人测试了美股市场上447种市场异常(Market Anomaly)!先别忙,我们来看看【市场异常】、【因子】、【超额收益】,这3个概念,到底有何区别和联系?

  市场异常

  Market Anomaly(市场异常),根据Wiki的解释:

  

  “Amarket anomaly(ormarket inefficiency) is apriceand/orrate of returndistortion on a financial market that seems to contradict theefficient-market hypothesis”

  

  市场异常,又称为是市场无效性,是金融市场中价格或者回报的失真,而这种失真,往往跟市场有效性假说(EMH)相冲突。市场异常就是人们在研究股票的时候,发现的一些跑赢大盘的股票的数据特征。

  比如市场上常见的两种异常:

  小市值股票的超额收益(Small Cap Firms Outperform):小市值股票往往回报比大盘高。

  低市净率股的超额收益(Low P/B Ratio):低市净率的股票,往往回报比大盘高。

  

  还有其它非常多的市场异常。其实只要你通过数据发现了在某一段时间内,某种特征的股票跑的比大盘好,你都能把这个特征叫做市场异常。比如说A股以前常说的【熊市中,喝酒吃药】:买白酒股,买医药股,这些股票在熊市中跑的好。

  这些市场异常,往往与市场有效性假说(EMH)相冲突,因为根据EMH,投资人只能赚取平均回报,市场上的价格和回报失真,会被套利交易者的套利行为所消除。

  那么问题就来了,你说你找到了新的市场异常,能够带来超额收益,但是为什么会有人相信你?

  这时我们就要把眼光转到学术界了,因为全世界这么多优秀的金融学教授,每天都在做金融市场的学术研究,他们的很多研究结果,就是针对市场异常。研究的目的主要有这么几个:

  这个市场异常是如何得来的?

  如何解释这个市场异常?

  这个异常现象是否经得起检验?

  因子

  这个时候,因子(Factor)就出现了。比如最早的CAPM模型,里面的Market Beta(市场贝塔,市场平均回报减去无风险收益),就是学者们为了解释风险资产的回报,而设计出来的一种因子。

  这个模型能够解释风险资产大概65%的回报,剩下的无法被解释的35%的回报,当时就被认为是超额收益了。

  随着CAPM的出现,Fama和French,又在此基础上发展出了多因子模型,因为单个因子的解释力度不够。最早的F-F 3 因子模型:Market Beta,Size,Value (市场贝塔,市值,价值),通过这些因子,模型的解释力度增强了。

  由于大家的信仰和研究方向不同,构造因子的方式也会有不同。比如AQR也有自己构造的多因子。

  

  这些因子,在学术研究人员的眼里,就像是基因,可以利用他们进行测序,从统计学上认识某种回报是否能被已知的因子解释,或者能否使用因子来获取这种策略带来的风险敞口和回报;又像是各种维生素,B1,B2,B3,B4,不同的维生素能够带来不同的效果,所以通过不同的组合,能够带来不同的回报表现。

  关于因子的介绍和实操,可以看这篇《史上最全的美股量化因子实操手册》

  关于如何利用因子来检验某种策略,可以看这篇《如何甄别一只好的SmartBeta ETF - 美股价值股ETF篇》

  超额收益

  那么市场异常和因子,还有超额收益,有什么关系呢?拿股神巴菲特来做栗子

  

  股神年化19%的收益,就是一种市场异常,因为带来了超额收益;为了解释他的超额收益,大家(AQR)就拿4种因子去做检验,最后发现股神的回报中,有20%的回报,无法被已知的因子所解释,那么这部分无法解释回报,就是实实在在的超额收益了。

  可以被解释的那部分,就被认为是一种风格回报,比方说价值股风格、低风险风格、质量风格。投资人通过购买具有这些风格回报敞口的策略,可以构建类似股神的投资策略。

  寻找超额收益的过程

  在寻找超额收益的过程中,大部分的研究也遵循此流程:

  先是通过学术研究或者是数据挖掘,构造出一种或者多种市场异常(Market Anomaly );

  然后再通过已知的、公认比较可靠谱的因子, 来检验市场异常;

  通过统计检验,如果市场异常还存有显著的超额收益;

  并且传统金融学和行为金融学有相关理论支持的,那么这个市场异常,就会很有潜力成为一种量化策略,为客户带来潜在的超额收益。

  在这个过程中,Kewei Hou, Chen Xue,Lu Zhang三位教授合著的论文《Replicating Anomalies》(下面简称HXZ),让我们直观感受到了学术界对于市场异常研究的狂热、执着和严谨。

  他们花了3年的时间,基于大量的学术研究成果,用1967年到2014年的美股市场数据,复制了447种学术界和业绩里号称能够带来超额收益的市场异常,并且做出了检验。

  447种,太厉害了!

  

  那么这些市场异常类别的具体描述是什么?

  

  这么庞大的市场异常库,非常让人兴奋,里面肯定有很多可以拿来做量化策略吧?先别高兴的太早,HXZ在论文摘要中说到:

  

  ...With microcaps alleviated via NYSE breakpoints and value-weighted returns, 286 anomalies (64%) including 95 out of 102 liquidity variables (93%) are insignificant at the 5% level. Imposing the t-cutoff of three raises the number of insignificance to 380 (85%). Even for the 161 significant anomalies, their magnitudes are often much lower than originally reported. ...

  

  随着小盘股股票权重的减少,并且在使用了市值加权来组合股票后,286个市场异常(64%)的超额收益,在5%的置信水平下,都不显著。当T值提升到3时,380个市场异常(85%)的回报都变得不显著了。

  也就是说大部分这些号称能够赚取超额收益的市场异常,在统计上都不有效。而161个在统计上显著的市场异常,他们的超额收益(多空)也比之前号称的要低很多。

  坑爹啊。。。

  

  这里面最主要的原因是,很多号称能够带来可观的超额收益的市场异常,在之前的测试中,其股票池都包含了数量相当的小盘股。在股票数量上,小盘股占美国三大交易所60%的股票数量,但是在市值上,它们大约只占了3%。

  这些小盘股流动性很差,经常几百手买进去,就能撼动其股价了。很多策略在回测的纸面上很好看,但是一操作起来就一塌糊涂,关键就是交易成本过高,量上不去,一旦有较大量的资金涌入,会导致非常高的市场冲击。

  HXZ通过更加贴近实际应用的手段,调整了小盘股在各个市场异常中所占的比重,而且回测的组合,都是市值加权。

  想要具体了解这447种市场异常怎么构建的,请参考HXZ的论文原文,447种我这里没办法一一列出。

  哪些市场异常是有效的?

  以下图片中m的意思是,月度多空组合的平均回报,比如来自于高动量减去低动量的股票。以下的结果因为数据时间段上有所不同,导致有效和非有效的市场异常数量跟上面的所提到的有所不同,但是总体特征是还是非常相似的。

  动量类

  

  动量类的市场异常有33个有效,比如这个R11(1 )的意思是做多过去11个月涨的多的前10%的股票,做空过去11个月跌的多的前10%的股票,每个月再平衡。这个策略平均每个月有1.58%的收益,也就是年化20%左右的回报,并且在经过因子模型测试后,统计上显著。

  价值和成长类

  

  价值股类的市场异常有24个有效,比如这个Bm,就是book-to-market,也就是市净率,低市净率前10%股票,平均每月跑赢高市净率前10%的股票1.41%,也就是年化18%左右

  投资类

  

  投资相关的市场异常有25个有效,其中Nsi(net stock issuance),股票净发行,净发行少的前10%的公司,平均每月跑赢净发行多的前10%的公司0.87%,年化11%左右。

  利润类

  

  利润和质量相关的市场异常有41个有效。比较常见的有Atoq1(季度资产周转率),资产周转率最高的前10%的股票,每月平均跑赢最低的前10%的股票0.94%,年化12%左右。

  无形资产类

  

  

  无形资产相关的市场异常有22个有效。比较常见的有Adm(广告费用与市值比),广告费用比最高的前10%的股票,每月平均跑赢最低的前10%的股票0.83%,年化10%左右。

  交易摩擦类

  

  交易摩擦类的市场异常只有9个有效。其中Sv1(与SP500 100天波动率指数的风险敞口)回报比较高,这个敞口越小的前10%的股票,平均每月跑赢敞口大的前10%的股票0.99%,年化12%左右。

  写在最后

  Kewei Hou, Chen Xue 和Lu Zhang三位教授的这篇论文中,数据和内容太多太多了,再次感谢他们辛苦的认真的研究。光是看完里面的表格,每天4小时,我觉得都要花个5天时间。

  如果你真的想钻研美股市场的异常收益现象,寻找可投资的量化超额收益策略,这篇文章就是你的宝库。上面的这些市场异常测试的简写,比如R11(1),在论文的第54页开始就有对照,更加详细的理论和构造方式,需要继续往下走,从第79页开始。

  花时间好好看吧!论文下载@https://papers.ssrn.com/sol3/Papers.cfm?abstract_id=2961979

  如果要总结此论文,那么有以下几点非常重要:

  市场在大部分时候,还都是非常有效的想要寻找免费的午餐(市场异常、可靠的超额收益),比较困难。

  HXZ并没有全盘否定市场异常的无效,他们肯定了这些经过检验后还是有效的超额收益:由于市场存在套利限制,这些比较可靠的市场异常,无法被完全抹去。

  市场异常其实也是市场均衡下的一种表现。市场均衡不代表市场是有效的,因为根据客观和主观条件,在不同的限制下有不同形态的均衡。

  市值越小的股票池中,市场异常越明显,但这不代表这些市场异常真正有效。

  平均加权比市值加权,更够带来更高的回报。

  HXZ在文章中的检验中,也使用了他们自己在2015年提出的一个新的4因子模型,q-factor ,4个因子分别是市场超过无风险的部分,市值因子,投资因子和ROE因子。

  通过他们之前的研究发现,F-F的5因子模型,不能解释q-factor中产生的超额收益,但是q-factor可以反过来解释F-F5因子模型的超额收益。关于这里的讨论,篇幅有限,以后再聊吧。

  延伸阅读

  如何甄别一只好的SmartBeta ETF - 美股价值股ETF篇

  A股到底能不能做股票量化投资?

  如何在股灾中赚取超额收益? 动量选股是王道:勇敢追涨,该出手时就出手 投资中的预期差(Expectation Errors) - 价值投资和成长投资

  本文为原创,转载请申请白名单。微信公众号” 新全球资产配置(ID:smartgaa)”。谢谢支持。

  文章内容不可视为投资意见。资本市场有风险,入市投资需谨慎。

  关注请长按,喜欢请分享

特别声明:本文为网易自媒体平台“网易号”作者上传并发布,仅代表该作者观点。网易仅提供信息发布 平台。

跟贴 跟贴 0 参与 0
© 1997-2017 网易公司版权所有 About NetEase | 公司简介 | 联系方法 | 招聘信息 | 客户服务 | 隐私政策 | 广告服务 | 网站地图 | 意见反馈 | 不良信息举报

新全球资产配置

投资路上的坑,我帮你填。

头像

新全球资产配置

投资路上的坑,我帮你填。

16

篇文章

11

人关注

列表加载中...
x

用户登录

网易通行证/邮箱用户可以直接登录:
忘记密码