牛市因子和熊市因子

来源：Chihiro Quantitative Research ，作者：刀疤连未经授权严禁转载！

1.前言

因子化投资近年来越来越火热，是量化投资领域的主流方向[1]。因子投资指在某个资产内部，使用一个或多个具有风险溢价的因子来确定组合持仓或权重，通过在目标因子上有所暴露，从而获得更高的收益或者降低组合风险。经典的因子包括价值、规模、低风险、盈利、成长、动量和红利等，投资者可以通过Smart Beta基金低成本参与因子投资的盛宴。

量化策略不存在圣杯，没有哪些策略能够持续稳定赚钱。就像天气一样，因子的表现具有典型的周期性，在某些时候表现会非常强劲，在某些时候就大跌眼镜。例如这两年讨论得很多的“价值是否已死”，价值因子从2007年开始已经经历了13年的糟糕表现，但并没有明确证据表明其已经失效，拥泵者们坚信价值因子的春天很快就会到来。

因子何时表现更好，是因子择时的研究内容，通过利用可得的信息，对因子的买卖时点进行把握。完美的择时具有令人眼红的效果，研究者们从因子估值、动量、宏观信息和市场环境等角度做了大量尝试，依然得不出一个钟意的方案。描述和解释很容易，预测就变得非常困难。

本文将从市场环境的角度，探究因子的牛市和熊市特征，讨论哪些因子在牛市具有进攻性，哪些因子在熊市具有防御性，从而帮助投资者更好地进行因子选择和配置。

2.已有研究

Baker and Wurgler(2006)详细讨论了市场情绪和因子表现之间的关系。一般来说，在市场情绪较为乐观时期，投资者会偏爱具有进攻性质的股票，例如小盘股、新股和成长股；当市场情绪较为悲观时期，投资者会偏爱具有防御类型的股票，例如低波动和基本面好的股票。正是因为在乐观时过度追逐进攻性股票，在悲观时过度追逐防御性股票，导致这些股票价格被推高至较高水平，过分高估带来未来预期收益降低。因此在乐观时期后，进攻性股票表现不及防御股票；相反，在悲观时期后，防御型股票表现不及进攻股票。

Ung and Luk(2016)将市场定义为3种状态：熊市（从市场顶部到底部）、恢复市（市场底部后12个月）以及牛市（恢复期后到新的市场顶部），然后统计了不同状态下价值、成长、质量、低波动、动量、规模和红利等7个因子的表现，见表1。

可以看到，在牛市行情中，成长和动量表现较好，具有很强的进攻能力，低波动、小市值和红利跑不过标普500指数；在熊市中，质量、红利和低波动持续展现出良好的保护作用，超额收益率突出，价值和小市值也能获得正的超额收益，动量和成长此时就完全不；在恢复市中，价值、红利、小市值和成长具有较大的弹性，能大幅跑赢标普500，质量略微跑输基准，动量和低波动大幅跑输标普500。

可以看到，在市场乐观时，价值、成长和动量表现较好，低波动超额收益率为负；在中性状态时，成长和动量效果优秀；在市场悲观时，低波动、质量和红利等防御因子异常优秀，年超额收益率均超过10%，而成长和动量此时效果较差。如果能有效预测市场波动率水平，在高波动市场中高配价值和动量，在低波动市场中高配质量和低波动，那么大概率能获得更令人满意的结果。

3.A股因子指数

3.1 因子列表

因子投资在A股已经不是什么新东西，图1列示了Smart Beta类ETF的规模和数量。从走势可以看出，A股市场中因子投资的理念越来越深入人心。因此，了解这些ETF基金背后的因子特性，或许能更好地进行因子投资。

在因子投资的世界里，常见7大类因子：价值、规模、动量、盈利、成长、红利和低风险，它们能够涵盖绝大多数Smart Beta类型基金。表2列举了这些因子的详细介绍，包括基本含义和衡量指标。

3.2 因子指数

为了跟踪上述大类因子的表现，BetaPlus小组设计了BetaPlus 1000指数，并在其基础上构建了7个因子指数[2]。每个指数在目标因子上有较大暴露，可以理解为宽基指数贝塔加目标因子阿尔法，能最大限度追踪和体现目标因子的表现。

图2展示了因子指数的长期累计收益率，表3展示了因子指数的风险收益指标，起始时间为19991230，结束时间为20200731。从年化收益的角度来看，BetaPlus 1000 指数年化收益率为7.85%，7个因子指数均能战胜基准指数，其中盈利、成长和价值表现最佳，动量因子表现垫底；从风险的角度来看，所有指数最大回撤超过66%，其中动量最大回撤超过70%。

表4展示了因子指数超额收益率之间的相关系数矩阵，其中超额收益率基准为BetaPlus 1000 指数。总体来看，不同因子之间相关性较低，代表了不同的风险和收益来源。

3.3 Smart Beta ETF

Smart Beta ETF是因子投资的捷径，表5列举了A股市场常见的Smart Beta ETF，投资者可以低成本地利用这些ETF进行因子投资。不同因子在不同状态具有不同的特性，如果投资者对未来状态持有观点，则可以通过Smart Beta ETF进行表达。

4.不同状态下表现

4.1 状态划分

要研究不同状态下因子的表现，除了构造因子指数外，还得清晰地定义状态，这可以借鉴Garg et al.(2019)的方法。Garg et al.(2019)认为，市场短期和长期信号是否一致性能帮助区分趋势还是转折点。当两者信号不一致的时候，直觉上市场可能会进入转折点；当两者一致的时候，暗示市场可能是一个顺畅的趋势行情。基于此逻辑，他们定义了四种市场状态，如表6所示。

按照Garg et al.(2019)的方法，对BetaPlus 1000指数进行了状态划分，如图3所示。总体来说，划分结果符合直觉，几种状态划分明确清晰；但也不得不说，由于行情错综复杂，上面四个状态并不是顺次发生，不同状态可能相互切换。

图4统计了四个状态的持续时间。可以看到，上涨市占比最高（占比35.1%），下跌市次之（占比28.2%），牛转熊占比最低（约16.1%）。

4.2 因子表现

最后看看本文最重要的一个统计，图5统计了7个smart beta指数月超额收益率在4个市场状态下的均值。在上涨行情中，小市值、高动量和高成长股票具有较好表现，显示出强劲的进攻性；在熊转牛阶段，低估值、高成长和小市值表现较好；在牛转熊时，高盈利一骑绝尘，远远优于其他因子；在下跌行情中，高股息、高盈利和低波动具有较好的防御能力。

5.总结

长期来看，在宽基指数的基础上，通过在某些因子上进行暴露，能实现更好的投资效果。投资者可以通过Smart Beta ETF，方便快捷并且低成本地参与因子投资的盛宴。大类因子并不多，常见的也就那么几个，它们逻辑各异，在上涨和下跌时各显神通，具有不同的风险收益特征。如果对这些因子没有偏好，建议选择混合的多因子ETF[3]；如果具有择时能力，则可以在市场乐观时选择进攻性因子，在市场悲观时选择防御性因子。

参考文献

Garg, A., Goulding, C. L., Harvey, C. R., & Mazzoleni, M. (2019). Momentum Turning Points. Available at SSRN 3489539.

Baker, M., & Wurgler, J. (2006). Investor sentiment and the cross‐section of stock returns. The Journal of Finance, 61(4), 1645-1680.

Ung, D., & Luk, P. (2016). What's in Your Smart Beta Portfolio? A Fundamental and Macroeconomic Analysis. The Journal of Index Investing, 7(1), 49-77.