量化投资中的那些技术因子
- 发布时间：2015-07-03 05:49:58 来源：经济日报 责任编辑：罗伯特
多因子模型已成为量化投资领域的一个标配工具。不过，多因子模型在建模过程中比较复杂，任何环节有所疏漏都可能导致投资业绩偏离预期。此次，笔者谈谈对于超额收益有影响的技术因子，如规模因子、动量因子、流动性因子等。
规模因子一般通过总市值、流通市值或自由流通市值体现，其意味着小盘股的长期收益往往在大盘股之上，比如，纳斯达克指数基日以来的年化收益率已达17.05%，而标普500基日以来的年化收益为13.63%。我国股票市场中小公司的规模效应更加明显，而且，小盘股作为新兴产业的集散区，常具备更加优秀的成长性，也就自然可以获得更高的未来收益。然而，高收益往往意味着高风险，规模因子中的大范围风险暴露也会带来组合收益的大幅波动，尤其是在大小盘风格切换的时候，组合可能面临巨大回撤。
海外市场对动量反转效应的研究已有多年历史，其中比较著名的是BSV 模型，BSV模型认为，保守型偏差导致投资者对新信息反应不足，使得股价在短期表现出动量效应，而选择性偏差会导致投资者对新信息反应过度，进而股价反转。不同于海外成熟市场，我国股市往往表现出反转效应，即过去超跌的股票可能在未来取得更高的超额收益，这与我国个人投资者主导的市场结构不无关系。相对于规模因子而言，反转因子的风险更低，当然收益也更低。
流动性因子的构建也是多因子模型中必不可少的一环。流动性溢价理论认为，低流动性的资产会获得额外的流动性补偿，该观点得到了学术界的广泛认可。然而，不同于规模和反转因子，流动性因子需要寻找代理变量，最简单的流动性代理变量非换手率莫属，即成交量与流通股本之比，反映了单个资产的交投活跃度，且事实证明以换手率作为流动性的代理变量确实效果不错，低换手率的股票具有更为明显的超额收益。
这些较为常见的几类因子，尽管投资逻辑均比较简单，但在具体投资模型构建过程中仍需要精雕细琢，一方面要确保因子绩效的最大化，另一方面则要适当创新，以避免模型的同质化。当然，市场中还有波动因子、预期因子、舆情因子等，因子的研究框架万变不离其宗，首先是要求逻辑清楚，其次是统计有效，这也是多因子投资的核心方法论。
- 股票名称 最新价 涨跌幅
