Quant Decoded Research·行為偏差·2026-03-08·13 min

因子擇時:你能掌握因子的時機嗎?

關於因子擇時的證據令人警醒。雖然價值利差、動量訊號和總體經濟指標在理論上顯示出一定的預測能力,但大多數戰術性因子擇時嘗試在扣除交易成本後都會損毀價值。AQR和學術研究表明,紀律嚴明、多元化且基本靜態的因子配置優於大多數擇時策略。

來源: AQR Capital Management

核心要點

因子擇時——基於訊號動態調整價值、動量、品質等因子曝險的嘗試——是量化投資中最具爭議的主題之一。證據很明確:雖然某些擇時訊號在長期研究中顯示出邊際預測能力,但大多數戰術性因子擇時在實務中會摧毀價值。複雜性、交易成本和行為陷阱會壓倒微小的理論優勢。對於大多數投資者而言,紀律嚴明、多元分散且基本保持靜態的因子配置才是更優的方法。

因子擇時的誘惑

因子投資已成為主流。數千億美元的資金流入了追求價值、動量、品質、低波動度和規模溢酬的策略中。但與所有投資一樣,因子也會經歷長時間的表現不佳。價值因子在2017年至2020年期間遭遇了歷史性回撤。動量因子在2009年崩潰。低波動度因子在新冠疫情後的反彈中嚴重落後。

這些痛苦的時期產生了一種難以抗拒的誘惑:我們能否預測哪些因子將表現良好,並據此調整投資組合?如果價值利差處於歷史高位,我們是否應該加碼價值因子?如果總體經濟指標暗示經濟衰退即將來臨,我們是否應該轉向品質因子和低波動度因子?

其智識上的吸引力十分強大。即使我們只能適度地把握因子擇時,風險調整後報酬的提升也可能是巨大的。但理論與實施之間的差距很大,學術界和實務界的證據都在呼籲審慎。

基於利差的擇時:阿斯尼斯方法

因子擇時最嚴格的架構來自克利福德·阿斯尼斯(Clifford Asness)及其AQR的同事們。他們的核心洞察是:因子的估值利差——多方相對於空方的便宜程度——包含了關於未來報酬的資訊。

當價值股相對於成長股極度便宜時(寬價值利差),隨後的價值因子報酬往往更高。當利差較窄時,預期報酬較低。Asness、Moskowitz和Pedersen在多個因子和地區記錄了這一關係。

這一邏輯令人信服,也映射了投資的更廣泛教訓:低價買入往往會隨著時間的推移獲得回報。當因子的估值利差處於歷史極端水準時,均值回歸暗示著未來將迎來一段強勁報酬期。

然而,其實際含義遠比表面看起來要微妙得多。

訊號微弱且變化緩慢。 估值利差在回歸之前可能在極端水準維持數年。價值利差在2019年處於歷史高位,但價值因子在反轉最終到來之前又持續低迷了18個月。僅根據利差加碼價值因子的投資者,在獲得回報之前會遭受顯著的額外回撤。

所需的投資期限非常長。 基於利差的擇時在5到10年的期限內效果最佳。對於季度或年度再平衡決策而言,預測能力充其量只是溫和的。大多數機構委託和個人投資者的耐心無法容納如此長的期限。

這種關係並不穩定。 利差與隨後報酬之間的對應關係隨時間發生了變化,這可能源於市場的結構性變化、因子投資本身的成長以及總體經濟體制的變化。

基於總體經濟的擇時

第二種方法試圖利用總體經濟指標來擇時因子。其直覺是,不同因子在不同的景氣循環階段表現各異。

景氣循環階段通常表現強勁的因子通常表現疲弱的因子
早期擴張價值、小型股低波動度、品質
晚期擴張動量、品質價值
衰退品質、低波動度價值、小型股
復甦價值、小型股、動量低波動度

來自MSCI、景順(Invesco)和多位學者的研究記錄了這些週期性模式。該架構在直覺上是合理的:價值股(通常是週期性、高槓桿公司)受益於經濟復甦,而品質股(盈餘穩定的公司)在經濟下行期表現優異。

但實施挑戰十分嚴峻。

即時識別景氣循環階段是出了名的困難。 NBER衰退日期的公布存在顯著時滯。等你確認身處衰退時,大部分因子輪動已經發生了。

因子-總體經濟關係不穩定。 2020-2021年期間,品質因子和動量因子的表現相對於歷史模式出現了意想不到的變化。新冠疫情創造了一個獨特的總體經濟環境,打破了標準的投資劇本。

交易成本侵蝕了優勢。 基於總體經濟的擇時要求在市場波動最劇烈、交易成本最高的時刻進行投資組合周轉。當應用現實的摩擦成本後,理論優勢大幅縮水。

為什麼大多數擇時會摧毀價值

Research Affiliates的Arnott、Beck和Kalesnik在2016年發表了有影響力的研究,表明大多數因子擇時策略的表現不及靜態分散化因子配置。他們的分析考察了數十種擇時方法——基於利差的、基於總體經濟的、基於動量的,以及各種組合。

核心發現令人警醒。

交易成本至關重要。 因子擇時比靜態方法需要更頻繁、更積極的再平衡。每筆交易都會產生價差成本、市場衝擊成本,以及潛在的稅務後果。對於預期溢酬適中(每年2-5%)的因子而言,這些摩擦成本可能消耗掉全部的擇時收益。

過度擬合無處不在。 許多擇時模型建立在樣本內數據之上,在紙面上看起來令人印象深刻。但在樣本外,其表現急劇下降。潛在擇時訊號的數量非常龐大(利差、總體經濟變數、情緒指標、跨因子動量),造成了多重檢定問題,誇大了表面上的能力。

行為陷阱放大了損失。 即使擁有合理的擇時模型,實施也需要在最不舒適的時期逆勢而行。在成長股主導的泡沫期間加碼價值因子需要非凡的信念。大多數投資者——無論是機構還是個人——在其擇時模型表現不佳時都缺乏堅持到底的紀律。

模型風險是巨大的。 因子擇時在本已不確定的因子溢酬之上又增加了一層模型風險。你需要同時對因子溢酬的存在和擇時訊號做出正確判斷。任何一個判斷錯誤,都可能將正的預期報酬轉變為實際損失。

靜態因子配置的理由

AQR的Ilmanen、Israel和Moskowitz在2021年的研究中有力地論證了:採用靜態權重的多元化多因子投資組合能夠捕獲約90%的可實現因子溢酬,而其複雜性和風險遠低於擇時方法。

這一論點建立在以下幾個支柱之上。

跨因子分散化本身就是一種擇時形式。 由於因子之間的相關性較低,同時持有多個因子可以減少回撤並平滑報酬。價值和動量呈負相關;品質因子在危機期間提供穩定性。靜態多因子投資組合已經透過因子領導地位的自然輪動適應了不同的市場環境。

簡潔性降低了實施成本。 靜態配置要求更低的周轉率、更少的監控、更少的交易決策和更簡單的治理。對於採用委員會決策的機構投資者而言,這是一個重大優勢。

長期紀律更容易維持。 靜態配置消除了在回撤期間放棄因子的誘惑。因子投資中最大的風險不是因子選擇,而是因子放棄——在因子表現不佳後賣出,從而錯過隨後的復甦。

判斷失誤的機會成本很高。 如果你的擇時模型建議減碼動量因子,而動量因子隨後交出了20%的年報酬,那麼相對於靜態配置的績效差距是痛苦且顯而易見的。許多投資委員會無法容忍這種追蹤誤差。

擇時可能增加價值的情況

證據並非完全一面倒。在一些狹窄的情況下,因子擇時可能增加適度的價值。

極端利差訊號。 當價值利差達到歷史極端水準(高於歷史觀察的第90百分位或低於第10百分位)時,預測能力顯著增強。這些是罕見事件——大約每十年發生一次——並且需要以年而非月來衡量的耐心。阿斯尼斯曾論證,新冠疫情後的價值利差就是這樣一個時刻,隨後價值因子的復甦部分驗證了這一觀點。

風險管理覆蓋。 利用因子特徵在高壓力時期降低投資組合風險——例如,當動量波動度飆升時減少動量曝險——比追求報酬的擇時具有更多的實證支持。這是防禦性擇時(減少曝險以避免崩潰)而非進攻性擇時(增加曝險以捕獲溢酬)。

非常長的投資期限。 對於主權財富基金、捐贈基金和其他真正的長期投資者而言,基於利差的擇時在10年期限內歷史上曾增加適度的價值。關鍵約束是這些投資者必須具有真正承受多年表現不佳的能力,而不會被迫改弦更張。

實務建議

對於大多數投資者而言,證據支持以下因子曝險方法。

從多元化多因子配置開始。 將價值、動量、品質和低波動度以大致等風險權重的比例進行組合。這提供了對多個報酬來源的廣泛曝險,同時具有自然的分散化效益。

保持配置基本靜態。 定期(季度或半年度)再平衡至目標權重,但不要基於擇時訊號進行大幅戰術性傾斜。再平衡本身透過買入已變便宜的因子和賣出已升值的因子,提供了適度的逆向投資效益。

僅在極端情況下考慮適度傾斜。 如果你有耐心、專業知識和治理結構來實施擇時,請將其限制在極端利差環境下,並保持傾斜幅度較小(相對於中性不超過20-30%的加碼或減碼)。偏離中性的門檻應該非常高。

專注於實施品質。 實施良好的靜態因子投資組合與實施不佳的靜態因子投資組合之間的差異,通常大於任何擇時阿爾法。耐心執行、稅務管理和成本控制才是真正可實施優勢的來源。

在回撤期間保持紀律。 因子投資中最重要的決策是在表現不佳期間堅持投資。因子溢酬在完整週期中獎勵了耐心,而在回撤後放棄因子是摧毀價值的最可靠方式。

局限性

反對因子擇時的證據雖然有力,但並非絕對。未來的市場環境可能與歷史樣本不同。市場的結構性變化(被動投資成長、演算法交易、相關性變化)可能改變因子動態。新的擇時訊號可能出現並真正增加價值。研究本身在定義什麼構成極端利差時可能存在前瞻偏差。最後,跨因子的策略性配置與戰術性擇時之間的界限有些模糊——任何定期再平衡都包含隱含的擇時因素。

參考文獻

  1. Asness, C. S., Moskowitz, T. J., & Pedersen, L. H. (2013). "Value and Momentum Everywhere." The Journal of Finance, 68(3), 929-985. https://doi.org/10.1111/jofi.12021
  2. Arnott, R. D., Beck, N., Kalesnik, V., & West, J. (2016). "How Can 'Smart Beta' Go Horribly Wrong?" Research Affiliates Working Paper. https://www.researchaffiliates.com/publications/articles/442-how-can-smart-beta-go-horribly-wrong

僅供教育。