【研报分享】长江证券:事件驱动策略的 Smart Beta 化

事件驱动
标签: #<Tag:0x00007fc0725f54a8>

(hu1996) #1

事件驱动策略的 Smart Beta 化

报告要点

 国内 Smart Beta 发展滞后
国内 Smart Beta 类型的指数编制数量较多,但种类丰富程度不多,落实到产品化的更是稀少,主要的类别也是集中在较为简单的等权 Smart Beta,相比于美国市场仍有较大的差距;

 基于长江事件驱动评估系统的事件驱动因子化
主流的事件驱动型策略往往针对单一事件进行组合构建,我们则根据事件发生后的风险收益特征,尝试将事件驱动因子化;

 事件驱动策略的 Smart Beta 化,提供了在事件驱动因子上风险暴露的投资工具不同于成分股内选股策略,采用 Smart Beta 中对成分股权重的改变来实现在事件驱动上的风险暴露,实现 Smart Beta 策略最重要的目的,提供了在事件驱动因子上风险暴露的投资工具。在沪深 300 与中证 500 上的测试构建中,Smart Beta 策略以接近 10%左右的风险暴露获得了年化超额 3.66%、4.00%的收益。

目录

事件驱动投资策略
Smart Beta 简介
1、什么是 Smart Beta
2、国内外 Smart Beta 基金发展
1、美国 Smart Beta ETF 现状
2、国内现状
3、Beta、Smart Beta 与 Alpha
事件驱动的 Smart Beta 化.
1、事件驱动因子构建
事件冲击评估系统
脉冲因子体系
2、事件驱动的 Smart Beta 化
加权方式
策略表现

图表目录
图 1:脉冲因子各组表现
图 2:美国 Smart Beta 基金规模
图 3:美国 Smart Beta 基金各类别规模
图 4:美国 Smart Beta 基金类型分布
图 5:300 高贝指数
图 6:国内 Smart Beta 基金规模
图 7:国内 Smart Beta 基金类型分布
图 8:Beta、Smart Beta、Alpha
图 9:CS 定增指数表现
图 10:事件冲击评估系统流程图
图 11:沪深 300Smart Beta
图 12:中证 500Smart Beta
图 13:沪深 300 Smart Beta 与原指数权重对比
图 14:沪深 300 Smart Beta 与原指数权重对比
图 15:沪深 300 Smart Beta 与原指数市值对比
图 16:中证 500 Smart Beta 与原指数市值对比
表 1: 中国 Smart Beta 指数
表 2: 中国 Smart Beta 基金
表 3: 中国美国 Smart Beta 基金类型区别
表 4: CS 定增指数指数
表 5: Smart Beta 沪深 300 与 Smart Beta 中证 500

事件驱动投资策略

在证券投资领域,事件驱动可以说是最为直观而有效的投资方法:当公司发生某类正面事件时,公司股价大概率会出现上涨,从而介入获得收益。然而,事件驱动投资面临的很大一个问题在于事件影响的不确定性,被纳入考量的事件往往呈现相似的规律,即胜率低而盈亏比高,使得事件驱动的策略往往收益可能显著但回撤也让人难以忍受。另一方面由于发生事件公司数量有限,对于全市场选股的策略可选样本较多,但针对限定的指数成分内数量就会小很多。因此,事件驱动构建全市场选股的策略较为容易,在我们的《量化事件冲击的组合构建——基于多事件的综合评估体系》报告中给出的策略结果就能够说明这一点,如图 1。

这张图展示的是我们根据各个事件风险收益特征建立的事件驱动因子——脉冲因子,构建出的全市场选股的策略组合。可以看到策略的表现还是不错的,但是全市场选股尚且只能筛选出如此有限的股票,如果我们想要做指数的增强就更为困难了。所以,我们想要借鉴 smart beta 的思想来构建一个事件驱动型的指数投资方案,利用Smart Beta 分散化投资并在某些因子上实现风险暴露的特性,来构建事件驱动的 Smart Beta 话投资策略。

Smart Beta 简介

1、什么是 Smart Beta

传统的指数型基金产品,往往采用流通市值或市值来对成分股进行加权,一方面与跟踪的标的指数的编制方式相同,另一方面使得基金的持仓规模与流动性相一致。这样的策略被动地跟踪指数走势,通过减少跟踪误差以获得指数收益。

而 Smart Beta 策略则从加权方式出发,尝试用不同于市值加权的方法来构建投资组合,包含等权、股利、基本面、多因子等多种加权方式来对指数成分中的股票进行加权。

然而这样的加权方式改变的本质其实是投资组合在不同的风险因子上进行暴露的过程,包括传统的市值加权的配置方式也同样是指数成分股在大市值这个因子上的风险暴露,不同的 Smart Beta 策略区别只在于在哪一个风险因子上暴露。

2、国内外 Smart Beta 基金发展

1、美国 Smart Beta ETF 现状

美国 Smart Beta ETF 规模已经达到了 2454 亿,占全市场 ETF 规模10%-20%,近年来更是规模上增长极为迅速。

Bloomberg 上对于 Smart Beta 类基金的分类是根据各只基金所选股票权重分配方式来划分的,美国市场上的 Smart Beta 基金可以划分为等权、多因子、股利、基本面和其他加权方式。图 3 中为美国不同类型 Smart Beta ETF 基金规模变化情况,可以看到,股利、多因子 、等权三种类型的 Smart Beta 基金规模快速增长。


图 3 为各类型 Smart Beta 基金在 2015 年底时的占比情况,可以看到,股利和多因子类的 Smart Beta 基金规模占了总规模的 70%以上,而基本面类和其他类的规模占比较小。

2、国内现状

相较与国外,国内 Smart Beta 类型的基金数量较少,总体仍处于起步阶段,市场上可以定义为 Smart Beta 类型的基金大概在 24 只左右。不过中证指数公司推出了一系列的指数,其构成的方法可以认定为 Smart Beta 类的策略。表 1 罗列了中证指数公司发布的 Smart Beta 类指数。



图 5 为 300 高贝指数与沪深 300 指数的走势图,可以看到 300 高贝指数与沪深 300 的走势较为接近,两者的跟踪误差则体现着沪深 300 在高贝塔上的风险暴露带来的收益。

国内目前上市的基金中可以认定为 Smart Beta 基金的大约有 24 只:



Uploading: 10.png…

根据图 4 中国内 Smart Beta 基金规模的变化情况,我们可以看到,我国 Smart Beta 基金的规模总量是很低的,最高峰时为 100 亿左右,占全市场股票型基金比重为 2.5%左右。与成熟的美国市场仍然存在较大的差距,中国市场投机性交易占比更高,传统化的指数型投资产品受欢迎程度较低。

Smart Beta 类基金产品或许并不是中国市场投资者纯粹投资的标的,这也并不是 Smart Beta 基金的最主要目的,Smart Beta 基金在设计目的中应该是作为一个在某些因子上实现风险暴露的投资工具,从而根据这些投资工具组合出适宜自身风险偏好的资产配置方案。

国内的 Smart Beta 基金仍主要集中在等权类的较为基础的 Smart Beta 类型,同时基本面与股利也构成了极大的占比,而美国市场的股利与多因子类型占比较高,国内 SmartBeta 类型的基金种类仍有待丰富。


13

3、Beta、Smart Beta 与 Alpha

alpha 与 beta 是投资领域中收益追求的两个方向,alpha 类的策略追求稳定的、回撤小的绝对收益,而 beta 类策略则期望在跟踪指数的情况下获得相对指数收益。而 Smart Beta 策略的投资逻辑则是借鉴了 alpha 模型的 beta 策略,他们之间的相互关系如下图:

14

从图中我们就可以看到,Smart Beta 策略本质上是运用了 Alpha 因子来对指数内的成分股权重进行重分配,通过这一种方式来实现某个或某些因子上的风险暴露,获取这一部分风险的收益补偿。同时 Smart Beta 策略又有着指数投资分散风险的特性,对于成分股内该风险因子超额收益不显著的成分股也会选择相应配置,从而降低单一因子风险的暴露程度,并一定程度地承担市场风险。

Smart Beta 类的策略的目的是在跟踪指数的基础上,通过一定程度的风险暴露,来提高组合整体的收益率,以获得超额指数的相对收益。

事件驱动的 Smart Beta 化

国内目前没有基于事件驱动类型的 Smart Beta 基金,但是中证指数公司发布了两只关于事件驱动的 Smart Beta 指数:CS 增持、CS 定增指数我们以 CS 定增指数指数为例来介绍中证指数公司编制的事件驱动类 Smart Beta 指数:


16

可以看到 CS 定增指数表现还是相当不错的。不过也可以明显的看到在事件驱动的研究过程中遇到的问题,发现根据事件驱动这一个因子来建立的策略往往呈现高收益与高回撤的特性,单一事件的策略尤其明显。另外一方面,CS 定增的编制方法严格上来说并不能算是 Smart Beta 策略,更多的是定增这一事件的指数化表现。

因此,我们想要做的是对多事件进行整合,构建出一个衡量事件冲击影响的因子,然后构建出对应 Smart Beta 策略,提供能够实现在事件驱动上进行风险暴露的投资工具。首先我们介绍一下我们的事件驱动因子的构建方式:

1、事件驱动因子构建

市场中发生的各类事件对于公司股价的影响究竟几何,为了探究这一问题,我们建立了一套事件评估系统,并据此来评估市场上发生的各类事件对于股票超额收益的影响。

事件冲击评估系统

在对事件影响的评估过程中,我们发现市场行情对于股价的影响、小盘股效应对股价的影响、涨停没有买入机会等,给评估事件冲击的收益带来了很大的困难。为了解决这三个问题,我们设定了对应的解决方法,即制定计算真实超额收益的方法:
1、事件发生后,从下一交易日始,选择首次开盘涨幅低于 9%的首个交易日作为评估起始日 T+1;
2、计算自 T+1 日至 T+N 日,发生事件公司(A)超额对应中信一级行业收益率 Ra;
3、筛选 A 公司所在中信一级行业内,与 A 公司在 T+1 日市值最为接近的 5 家公司(以市值±30%为限),计算这些公司超额该中信一级行业的平均收益 Rm;
4、计算该公司相对同行业近市值公司收益率 Ra-Rm,并计算累计收益率pi R;
5、所有测算剔除 ST、*ST。

通过以上的流程,我们可以计算得到某个事件发生后,对于公司股价较为真实的影响。计算得到了超额收益率,但是平均收益表现并不是衡量事件好坏的准确标准,因为简单平均将不同样本的偏离给掩盖了,该事件的风险也就被掩盖了,因此在对事件冲击进行评估的过程中,我们需要兼顾收益与风险。

因此,我们运用计算得到的超额收益将事件冲击转化为一个可度量、可量化的指标:

17

脉冲因子体系

在上一部分中,我们建立了事件冲击的评估系统,通过该系统,可以对市场上的事件冲击对股价的影响直观地展现出来,但是研究事件冲击的最终目的仍然是要落实到投资中。

很多事件冲击存在着时间上的随机性、密集性,给策略的资金管理带来了很大的难度,往往需要构建一个调仓不规律并且仓位波动大的驱动策略,同时也很难将单独的事件冲击与其他的选股策略相结合。

因此,如果能够将事件冲击也转化为一个可度量、可量化的指标,以上事件驱动策略面临的问题也就迎刃而解了。

根据上一部分中建立的事件冲击评估系统,我们来建立市场脉冲指标体系:

19
20

2、事件驱动的 Smart Beta 化

加权方式
通过quasi - Sharp(n)指标,我们可以对全市场发生事件的公司发生事件后的一段时期内给予这些公司受事件冲击影响大小的评估。从而在每个时间截面上得到全市场所有公司在事件驱动上的得分,我们希望运用这个得分来作为对指数内成分股权重确定的标准:
1、选取对应指数,并将全部有得分公司筛选出来;
2、对没有得分的公司按原权重分配得分,保证加权得分为有得分公司中最低得分;
3、行业中性,每个行业的总权重与原指数对应;
4、在行业内,根据各公司得分分配权重;
根据上述的权重确定规则,我们对沪深 300 与中证 500 两个指数内的成分股权重进行了重新调整,调整周期为月,每个月月初时按照权重调整规则进行权重分配。

策略表现

通过上文提到的权重分配方式,我们重新构建了融入了事件驱动因子的成分股权重,构建了事件驱动因子的 Smart Beta 策略。
我们分别在沪深 300 与中证 500 两个指数上做了测试。

21
22
23

可以看到策略的表现并没有纯粹的选股策略表现出色,这是很自然的,也是 Smart Beta类指数投资的特点,其收益仍然会与指数呈现相当高的相关性,跟踪误差较小。从 SmartBeta 与原指数权重的对比图中,我们可以看到,有事件驱动得分并予以超配的成分股的平均权重,沪深 300 和中证 500 分别为 10.78%、9.76%,超额原权重的平均值为8.14%、7.33%,因此大约 10%左右的权重为事件驱动因子上的风险暴露。

而市值角度来观察策略与原指数的区别可以看到,平均的市值比为 91.30%与 97.56%,极端情况下市值比偏差较大,沪深 300 指数的市值波动更大,这也是因为沪深 300 内大市值的股票较多,从而权重变化对加权市值的影响较大。

24
25
26

总结

在本文中,我们对 Smart Beta 基金进行了研究探讨,对比了国内外这一类型的投资策略的发展情况。同时结合我们在事件驱动方面的研究,构建了 Smart Beta 化的事件驱动指数,建立了在事件驱动上实现风险暴露的 Smart Beta 策略。我们对研究的成果总结如下:

1、国内 Smart Beta 类型的指数编制数量较多,但种类丰富程度不多,落实到产品化的更是稀少,主要的类别也是集中在较为简单的等权 Smart Beta,相比于美国市场仍有较大的差距;
2、主流的事件驱动型策略往往针对单一事件进行组合构建,我们则根据事件发生后的风险收益特征,尝试将事件驱动因子化;
3、不同于成分股内选股策略,采用 Smart Beta 中对成分股权重的改变来实现在事件驱动上的风险暴露,实现 Smart Beta 策略最重要的目的,提供了在事件驱动因子上风险暴露的投资工具;
4、在沪深 300 与中证 500 上的测试构建中,Smart Beta 策略以接近 10%左右的风险暴露获得了年化超额 3.66%、4.00%的收益。

风险提示:

历史回测不代表对未来业绩的保证

作者:长江证券金工团队