101 lines
5.9 KiB
Markdown
101 lines
5.9 KiB
Markdown
# 因子投资：方法与实践
|
||
|
||
<p align="center">
|
||
<img src="https://cdn.weread.qq.com/weread/cover/1/YueWen_33831337/t6_YueWen_33831337.jpg" width="350">
|
||
</p>
|
||
|
||
<div align="center">
|
||
|
||
| | |
|
||
|:---|:---|
|
||
| **作者** | 石川等 |
|
||
| **出版社** | 电子工业出版社 |
|
||
| **分类** | 经济理财-财经 |
|
||
| **ISBN** | 9787121394287 |
|
||
| **出版时间** | 2020-09-01 00:00:00 |
|
||
| **阅读进度** | 6% |
|
||
| **阅读时长** | 189小时1分钟 |
|
||
| **开始阅读** | 2025-06-08 08:10 |
|
||
| **最近阅读** | 2025-06-09 00:52 |
|
||
| **划线数量** | 17 条 |
|
||
|
||
</div>
|
||
|
||
> 本书在统一视角下，体系化地介绍了因子投资中的重要研究方法，并针对中国A股市场给出了独立的、可复制的、高质量的因子实证分析结果，是一本真正可操作、可上手的因子投资手册。本书主要内容包括：因子投资基础、因子投资方法论、主流因子解读、多因子模型、异象研究、因子研究现状和因子投资实践。书中还以附录的形式对理解资产价格的研究脉络进行了梳理。本书的写作既注重学术文献的严谨，也注重普通读者的阅读体验。书中虽然涉...
|
||
|
||
---
|
||
## 划线笔记
|
||
|
||
### 1.1 统一视角下的因子投资
|
||
|
||
> 学术界的主流多因子模型通常包括3～5个因子，本书的第4章将对这些模型进行系统的阐述
|
||
> 🕐 2025-06-09 00:47
|
||
|
||
---
|
||
> 首先，很多因子之间都存在一定的相关性，高度相关的因子代表的是资产收益率所暴露的同一类风险。在选择模型包括的因子时，必须要考虑相关性的影响，人们希望加入模型的因子是相互独立的、每个因子都能对解释资产预期收益率截面差异有显著的增量贡献。
|
||
> 🕐 2025-06-09 00:46
|
||
|
||
---
|
||
> 它表明多因子模型研究的是不同资产预期收益率之间的差异，而非单一资产收益率在时间序列（又叫时序，书中为了不同对应关系，两种叫法会混用）上的变化。
|
||
> 🕐 2025-06-09 00:42
|
||
|
||
---
|
||
### 2.1 投资组合排序法
|
||
|
||
> 条件双重分组关心的是当第一个变量被控制之后，第二个变量是否对解释收益率有增量信息
|
||
> 🕐 2025-06-11 08:49
|
||
|
||
---
|
||
> 但不要忘记，排序法仅仅是构建因子模拟投资组合的一个相对“粗暴”的方法。根据定义，因子模拟投资组合应该在非目标因子上没有暴露，然而排序法却难以控制其他因子的影响，这是它最大的缺点
|
||
> 🕐 2025-06-11 08:49
|
||
|
||
---
|
||
> 代表规模的SMB因子是Small-Minus-Big的缩写，它则表示市值和收益率呈现负相关，即小市值股票的预期收益率高于大市值股票。
|
||
> 🕐 2025-06-11 08:49
|
||
|
||
---
|
||
> 在排序法中，将股票排序的变量（比如BM）被称为排序变量（sort variable，简称变量）。排序法中最核心的思想是使用个股在该变量上取值的大小来代替个股在该因子上暴露的高低。需要强调的是，该方法并没有假设变量的取值等于因子暴露，也没有假设这二者之间满足某种特定的数学关系。该方法仅假设变量和因子暴露是相关联的
|
||
> 🕐 2025-06-11 08:49
|
||
|
||
---
|
||
> 做多排名最高的第一组内的股票，并同时做空排名最低的最后一组内的股票而构建一个多、空对冲的投资组合，该投资组合又被称为价差组合（spread portfolio）。
|
||
> 🕐 2025-06-11 08:49
|
||
|
||
---
|
||
> 通过排序法，人们可以方便地构建因子模拟投资组合，计算因子收益率以及由排序法得到的L个投资组合的收益率。一旦有了这些数据，检验因子预期收益率，以及考察L个投资组合收益率的单调性就构成了检验的内容
|
||
> 🕐 2025-06-11 08:49
|
||
|
||
---
|
||
> 围绕诸如估值这类股票的财务信息或者量价数据构建的因子代表了最主流的一类因子，它们被称为股票的风格因子（style factor），典型的风格因子还包括市值、盈利、低波动等；而像围绕GDP这类经济数据构建的因子则被称为宏观经济因子。因子的种类远不止风格因子和宏观经济因子两类，上面的例子只是为了说明数据的属性决定了因子的类别
|
||
> 🕐 2025-06-11 08:49
|
||
|
||
---
|
||
> 为了尽可能排除其他因子的干扰，常见的做法是使用多个变量进行双重排序或三重排序，这些方法统称为多重排序法。
|
||
> 🕐 2025-06-11 08:49
|
||
|
||
---
|
||
> 换句话说，只有尽可能地排除特质性风险的影响、使得该投资组合的收益中的绝大部分都由目标因子驱动，才能够准确地计算因子的收益率
|
||
> 🕐 2025-06-11 08:49
|
||
|
||
---
|
||
> 在学术界针对美股市场异象的研究中，双重排序法经常被使用。为了检验一个新的异象变量可以获得超额收益，学者们往往用它和已有的因子变量进行双重排序，从而排除已有因子的影响
|
||
> 🕐 2025-06-11 08:49
|
||
|
||
---
|
||
> 因此，风格比变量本身能更清晰地传达出因子所代表的含义。其次，在业界的因子投资实践中，出于稳健性的考虑，往往使用多个指标构建某种风格的因子。比如，业界会同时使用BM和盈利市值比（earnings-to-priceratio，即EP）等多个估值指标构建价值因子。在这种情况下，选择某个指标对因子命名就会以偏概全。
|
||
> 🕐 2025-06-11 08:49
|
||
|
||
---
|
||
> 由于个股在变量上的取值并非一成不变的（即代表它们在该因子上的暴露也是随时间变化的），因此需要定期进行上述两步，完成对因子模拟投资组合的更新。学术界通常称上述更新为再平衡（rebalance），且再平衡的频率多为每月或每年。
|
||
> 🕐 2025-06-11 08:49
|
||
|
||
---
|
||
> 而从前文可知，首先需要有因子模拟组合才能计算因子收益率，而因子暴露又是构建因子模拟组合的前提条件。这种矛盾似乎让人们陷入“先有鸡还是先有蛋”的怪圈
|
||
> 🕐 2025-06-11 08:49
|
||
|
||
---
|
||
### 第2章 因子投资方法论
|
||
|
||
> 因子投资中的一个重要内容是通过异象获取多因子模型无法解释的超额收益，
|
||
> 🕐 2025-06-09 00:51
|