MSCI 因子配置模型历史：从8大类因子到指导多资产配置
由qxiao创建，最终由qxiao 被浏览 139 用户
本文翻译来自MSCI研报《Factor Allocation Model: Integrating Factor Models and Strategies into the Asset Allocation Process》
关键发现
因子模型使投资者能够理解和管理投资组合风险的来源。
因子策略反映了因子，为投资者提供了捕获因子溢价的能力。
在因子分配中，因子取代资产类别作为资产分配决策的驱动因子。
摘要
因子是推动不同投资范围内投资组合风险和表现的潜在力量。本文首先综述了因子模型的理论基础和实际应用。然后讨论了将因子整合到不同类型的投资策略中的问题。最后，他讨论了因子模型和策略如何使投资者能够通过资产分配过程管理总投资组合的风险，并通过资产配置过程捕获风险溢价。
因子建模的理论基础可以追溯到开创性的学术研究。Markovitz（1952） 提供了一个分析上易于处理的风险定义，并建立了均值-方差优化作为一种形式的方法通过权衡风险和回报来建立投资组合。
Sharpe（1964）引入了资本资产定价模 型， 它优雅地抓住了市场是投资组合表现最重要的驱动因子的观点。
Ross （1976）扩展了市场模型，包括可能影响资产价格和投资组合回报的多种因子。
罗森博格和Marathe（1976）提出了一种理论，即宏观经济事件对个股的影响可以通过微观经济特征，如行业、金融结构或增长导向来捕捉。 过去40年的实证研究试图确定影响不同资产类别和市场中投资组合风险和回 报的共同因子的性质。
在股票方面，除了国家和行业外，还有八个因子组已通过实证研究得到记录，并已广泛应用于风险模型和投资策略：**价值、规模、动量势头、波动性、质量、收益率、增长和流动性。在不同的资产类别中也发现了一组类似的共同驱动因子，包括在顶层：**股票、利率、通货膨胀、信贷和 实体资产。
一旦确定了这些共同的驱动因子，投资者在构建因子模型方面将面临一些实 际挑战(Melas2018)。第一个挑战是如何通过实际数据来捕获因子。最好认为是使用多个描述符（财务比率和其他资产级特征）来捕获一个因子。多种描述符 可以阐明价格和基本面之间关系的不同方面。此外，在用来估计因子模型的回归中，使用了多个描述子，克服了缺失的数据，并减少了因子之间的横截面相关性（共线性）。
下一个需要解决的重要问题是，这一组因子是否会随着时间的推移而保持不 变。新的常见因子并不经常被发现。例如，1989年推出的第一个Barra全球股票模型包括四个风格因子：价值、规模、动量和波动性。2015年引入的最近的MSCI全球股票模型包括八个因子组：价值、规模、动量、波动性、质量、收益 率、增长和流动性(Morozov等。2015).
目前的研究工作集中在探索新的潜在的 共同驱动因子：情绪、可持续性和气候。新的因子捕捉到了资本市场的演变和 投资过程。它们还反映了学术研究的进步、数据可用性的改善，以及投资者对 风险和回报来源的更好理解。
建立稳健因子模型的最后一个挑战是通过适当的统计技术(估计方法)将选定的因子连接起来。多元横截面回归是建立基本因子模型的一种常用方法，其中资产水平超额收益是根据基本特征(因子风险暴露)回归来估计因子收益的。基于基本特征的模型的基础在Rosenberg(1974)的开创性论文中奠定。Fama和MacBeth(1973)的开创性论文中也描述了通过资产特征上的资产收益率的横截面回归估计因子收益的过程。
Grinold和Kahn（1994）提供了支持横断面因子模型有效性的证据。他们报告R统计数据为30%至40%，这意味着该模型解释了观察到的股票回报率全市场横断面方差的30%至40%的方差。因为该模型的目标是解释投资组合风险，所以评估 该模型的更好方法是考虑它所解释的投资组合风险的比例。对于美国的基准投 资组合，作者报告说，该模型解释了98%的投资组合方差。
在过去的50年里，因子模型受益于广泛的学术研究和现实世界的经验，已成 为整个投资行业的实际投资组合管理的主力。世界领先的机构投资者在其投资 过程中使用因子模型和分析。Zangari（2003）描述了估计因子模型所涉及的步 骤，并展示了如何将它们用于投资组合的构建和风险管理。实际应用程序包括 风险分析、风险预测、绩效归因、策略回测、风险敞口对冲以及跨多个经理和资产类别的总投资组合风险分析。这最后一个应用程序使因子模型成为资 产配置中的一个关键工具。
因子策略
尽管因子模型为理解和管理投资组合风险的来源提供了一个工具，但将因子 整合到不同类型的投资策略中，为投资者提供了新的途径来表达他们的积极投 资观点，并寻求通过资产配置来获取因子溢价。
在安全选择中使用共同特征在投资组合管理中有着悠久的传统。例如，价值投资的根源可以追溯到格雷厄姆和多德（1934）的开创性工作，此后一直由几位著名的投资经理进行实践。事实上，许多活跃的基本面经理根据共同特征来描述他们的投资过程；例如，在选择股票时，投资者通常会检查公司的估值 （价值因子）、资产负债表强度（质量因子）、增长属性（增长因子）、机构接受度（动量因子）等等。
需要系统地纳入定量策略的前两个因子是价值和规模。虽然早期的研究报告价值和规模与正超额回报有关(例如， Basu1977和Banz1981)， 但Fama French（1993）的开创性论文导致了价值和规模作为长期风险溢价相关因子的更广泛 的认可和接受。随后，其他因子也与时变的风险溢价有关。Jegadeesh和Titmah （1993）确定了横断面动量，Carhart（1997）将其添加到Fama French的三因子 模型中。Haugen和Baker（1991）以及Frazzini和Pedersen（2014）记录了低波动性效应，并将低波动性作为超额回报的潜在来源。Sloan（1996）显示，会计应计收益与股票回报呈负相关，而Novy-Marx（2013）发现高盈利公司获得更高 的回报。
投资者在通过策略获取一个因子方面面临的一个关键挑战是消除剩余的押 注(residual bets)。一个完全基于目标因子的指标来选择证券的简单策略将不可避免地产生结 构性偏差和意外风险。例如，使用任何绝对估值衡量标准选择全球公司，可能会导致对某些国家（新兴市场）、行业（工业、材料、公用事业）和因子（低增长、低质量、高波动性）的持续押注。
明断的投资组合的建设可以消除其中的 一些偏差。例如，通过比较行业内的估值来选择股票，消除了一些结构性行业 的押注。在因子模型中，这些调整是通过估计过程（多元横断面回归）进行 的，允许这些模型捕获所谓的纯因子返回。这些纯因子回报对应的是不容易投 资的投资组合（数以千计的多头和空头头寸以及高周转率）。这就是为什么在 可投资因子策略中，各种基于规则和优化组合构建技术被用来最小化或消除任 何投资组合中的意外因子暴露(Melas等2010)。
这些和其他类似的研究努力导致了对风险和回报来源的更深层次的理解，并 刺激了不同的投资策略的发展，以获取系统因子。除了自由支配和定量策略 外，直到20世纪90年代中期才被用于代表细分市场的指数，开始反映学术文献 中报道的、并在投资实践中使用的共同因子（表1）。因此，现在有了一系列的 因子策略，使投资者有机会在其资产分配过程中通过可自由支配和指数化的投 资工具来瞄准因子溢价。
因子配置
综合多资产类别因子模型与基于因子的投资策略相结合，有重新定义资产配 置过程的潜力。在传统的范式下，投资者分配到不同的资产类别，如股权、固 定收益和衍生品。所有后续决策都围绕着监控和管理对资产类别和市场的配置。投资组合分析侧重于了解风险敞口和将风险归因于资产类别。例如，在传 统观点下，投资组合的总风险可归因于股票、固定收益、房地产和私募股权。 在这种观点中，不可能理解不同资产类别之间的共性（例如，相同的潜在因子 在多大程度上解释了上市股权和私募股权风险）。
这种资产类别驱动的配置框架是基于权宜之计和必要性。最初，投资者没有 工具来了解细分市场和整个投资组合中的风险来源。20世纪70年代，针对特定 市场和资产类别的因子模型的发展，使它们能够衡量和确定细分市场内的风 险。上世纪80年代遵循了全球模式，使资产所有者能够监测国际和全球投资组 合的风险。20世纪90年代的多资产类模型提供了第一套能够评估整个投资项目 风险的分析工具（表2）。
然而，构建集成模型的最初努力集中于通过适当估计的协方差矩阵连接现有 的单资产类别模型，但未能明确地识别出资产类别之间共同驱动因子的存在。 最近的研究(例如，Asness, Moskowitz, and Pedersen2013)表明，尽管捕获它 们的精确定义和机制可能不同，但价值和动量等因子在市场和资产类别中普遍 存在。下一代多资产类别因子模型旨在考虑跨资产类别的这种共同风险来源。
现代多资产类别模型的多层结构使资产所有者能够识别跨资产类别的共同驱 动因子，并通过不同级别的粒度和聚合来管理风险（表3）。在最低水平，分析 首先从投资组合分为资产类别和市场开始。风险可以通过实现细粒度报告的局 部因子来归因于这些部分。然后，通过逐步更集中的因子层来聚集风险，从而 促进下层的战术分配和高层的战略分配。这些战术和战略分配可以通过自由裁 量、定量或索引跟踪因子策略来实现。通过这种方式，资产所有者使用因子模 型和因子策略来执行几个关键的资产分配功能，包括风险报告、风险预算、投 资组合构建、战术分配、战略分配和董事会报告。在新的范例中，共同因子驱 动资产配置决策，而资产类别和个人证券成为实施工具。
基本因子模型和因子策略是现代投资管理的基础，长期以来已经充分满足了投资者的需求。基于因子分解的工具的持久成功源于它们是由学术理论指导的，有经验证据支持，并反映了投资实践。研究和产品 开发工作继续集中于发展和扩展基本因子模型和战略，以确保它们仍然适合目的，并继续满足未来投资者 的需求。因子投资包括三个不同但同样重要的投资支柱。第一个因子模型是使投资者能够拆分风险站和管理投资组合风险来源的工具。第二种是因子策略，是允许投资或寻求获取因子回报的工具。第三个支柱，因子配置，引入了一个新的资产配置悖论m：因子取代资产类别作为资产配置决策的驱动因子，因为因子是投资组合风险和回报的不良因子。
/wiki/static/upload/ab/ab259896-00a9-4cf4-b0dc-b26af4a44f64.pdf
\