1.因子收益
因子的收益往往可分解成两个主要的构成部分。一部分是自身的风险溢价(risk-premium)。因为因子实际上常常代表的是某一类型的风险,当投资者主动使用因子时,他会因为理性地承担了因子的风险而获得相应的额外补偿。另一部分的收益源自于市场的非有效性造成的错误定价(mis-pricing)。毋庸置疑,我们的市场并不是完全有效的,同时投资者不理性行为也在市场中长期存在。信息的不对称,加上投资者的过度反应/不充分反应,最终导致资产的错误定价。价格回归正常的过程便带来了因子的收益。
当因子的风险溢价占主导时,这类的因子常常被称作为风险因子。因需要承担一定风险,这类因子常常“不受待见”。而当来自错误定价的收益占主导时,因子则被归类为Alpha因子。因为收益来自于对错误的纠正,更符合常规的逻辑/认知,这类因子往往更受欢迎。
2.因子有效性
不管是风险因子还是Alpha因子,都有其有效性的限制。当某个有效的因子被发现以后,会出现越来越多的资金交易这个因子。过多的资金涌入,会造成因子收益的摊薄,使得因子的有效性逐步减弱(近年来,量化基金的表现相较前几年有显著的落后,原因之一也是同质化的模型被大量使用,引起了模型的“失效”)。以上的演化造就了因子的周期性:(1)没有永恒的Alpha因子;(2)理论上长期有效的因子同样会出现短期失效。因此,从因子投资的角度,若想获得稳定的因子收益,要么进行因子择时,要么不断的开发新的因子。因子择时,也就是对因子的有效性进行前瞻性的判断。当下学术界和业界讨论较多的因子择时方法是因子拥挤度指标。当因子拥挤度处于高位时,因子收益往往也处于高位,未来出现回撤的可能性很大。但值得注意的是,因子拥挤度是一个偏中长期的择时指标,短期的择时效果有限。对于拥挤度高的因子,从风险控制的角度来说,或以降低组合在此因子上的暴露为宜。相反,对于拥挤度低且长期有效的因子,则适合再次重点关注。
3.Alpha场景示例
关于Alpha的一种解读是其来自于错误定价。错误定价的发生首先要求资产有一个“基础价格”作为基准,否则无法评判资产被高估/低估。 这个“基础价格”由市场和资产相互影响而定,在实际中很难用某一指标去定夺。由于基准难以确定,错误定价所带来的Alpha就变得难以捕获。但是,在一些场景中,我们可以不需要知道这个“基础价格”就可以判断出资产价格是偏离的。这个判断由资产的价格走势给出(偏技术分析,或者说是技术分析交易带来的一个结果)。对于一些资产,市场往往有给出一个“底价”。当股价触及“底价”时,可以认为资产是低估的。此时买入,可预期价格的恢复带来收益,也就是常说的“触底反弹”。当然,这个情景可行的前提是资产的基本面没有发生重大的恶化。如若能对股价形态作出一个很好的刻画同时对“底价”作出一个量化的定义,“触底反弹”或可构建成一个Alpha策略。