MSCI:如何用因子投资房地产?
由qxiao创建,最终由qxiao 被浏览 367 用户
导语
据彭博报道,受新冠疫情Covid-19影响,商业房地产等某些行业陷入困境之后,投资者正在关注房地产市场寻找机会。今(2021)年4月,Two Sigma 宣布将成立一个投资私人房地产资产的集团。 WeWork 房地产投资平台管理合伙人的 Rich Gomel 已加入 Two Sigma Real Estate 担任首席投资官,本部分业务管理规模为 30 亿美元,Two Sigma 最初将投资自有资金,最终将向外界开放房地产部门。
Read more at: https://www.bloombergquint.com/markets/two-sigma-takes-quant-expertise-into-real-estate-investing Copyright © BloombergQuint
而10月MSCI也发布研报《Could Factors Help Explain Asset-Level Real Estate Performance?》小Q帮各位翻译如下:
作者:Bryan Reid Executive Director, MSCI Research
Fritz Louw Senior Associate, MSCI Research
主要观点
基于房地产类型和地理位置的细分传统上是投资者查看其房地产投资组合的主要视角。
然而,在对英国数据的分析中,我们发现传统细分平均只能解释 2002 年至 2020 年资产级别总回报变化的 17%。
我们测试了五个潜在的“风格因子”,发现它们有助于解释另外 9% 的总回报变化。这表明因子框架对于寻求超越房地产类型和地域的投资者来说可能是一个有用的工具。
对于许多房地产投资者而言,房地产类型和地理细分是他们衡量和管理投资组合的主要视角。无论是定义资产配置、构建基准、归因绩效、预测或模型风险风险,基于财产类型和地理分类的细分都发挥着重要作用。然而,在我们对2002年至 2020 年间超过 25,000 处英国房产的分析中,我们发现传统的房产类型/地理细分平均仅解释了17%的资产级别总回报变化。通过测试五个潜在的房地产风格因子,我们能够解释另外9%的资产水平变化,这表明房地产因子可以在帮助投资者更系统地管理其投资组合方面发挥作用。到目前为止,任何超出房地产类型和地理位置的回报变化都被认为是特殊的,并归因于股票选择——经理找到优质资产并妥善管理的能力。虽然我们测试的因子并未全部显示出结论性的结果,也不意味着被视为确定性的,但结果突出了这领域进一步发展的潜力。随着许多投资者接受房地产技术和另类数据/大数据,数据量有所增加,这些因子可能会提供一个框架,帮助投资者将这些增加的数据转化为战略,并随后理解它们在推动业绩方面的影响。
房地产投资的应用
一般而言,术语“因子”用于描述任何有助于解释资产风险和回报表现的特征。在股票市场,因子已成为投资者武器库中的成熟工具。因子建模和因子投资源于 1960 年代中期的资本资产定价模型、1970 年代的套利定价理论以及 1990 年代初 Fama - French 的三因子模型。早期的因子包括规模和价值,但增加了许多其他因子来帮助解释股票回报和风险的变化。 为了测试房地产作为资产投资的风格因子的潜在可行性,我们借鉴了股票中采用的横截面回归技术,并构建了下表中的五个因子。
模型因子
因子 | 变量 |
---|---|
市值因子(size) | 资产价值(Capital value) |
产量因子(Yield) | 收益率(Equivalent yield) |
租赁状况(Leasing Profile) | 占地面积占用率、加权平均剩余租期(Floor-space occupancy rate and weighted average remaining lease term) |
成长因子(Growth) | 市场租金变化(Market rental-value growth) |
动量因子(Momentum) | 总回报(Total return) |
因子敞口在总回报期前 12 个月计算。例如,对于 2020 年 12 月的回归,等效收益率敞口计算截至 2019 年 12 月。租赁概况仅是 2007 年 9 月之前的入住率敞口。在此日期之后,它是入住率和剩余租赁期敞口的同等加权组合。
之所以选择这些因子,是基于先验经验,以及它们在权益市场能够直接对比(These factors were selected because they generally have some parallel in the equity space and because of additional a priori beliefs.)例如,有时会假设,由于较高资本价值的房产更难购买,因此它们可能会吸引非流动性溢价。 然后在多因子模型中对 2002 年至 2020 年 MSCI 英国季度房地产指数中超过 25,000 个零售、办公和工业物业的样本进行了测试。在五个测试因子中,三个(收益率、租赁状况和动量)显示出前景结果。
测试因子滚动年度回报
测试因子的样本统计
因子 | 平均值 |t| | % |t| > 1.96 | 12 个月平均回报率 (%) | R2 增益R2 Gain (bps) |
---|---|---|---|---|
市值 | 2.6 | 52.1 | -0.1 | 15 |
收益 | 7.5 | 86.3 | 0.8 | 129 |
助力状况 | 9.2 | 86.3 | 1.4 | 167 |
成长 | 2.8 | 61.6 | 0.4 | 17 |
动量 | 10.5 | 86.3 | 1.6 | 184 |
平均值 |t| 是 73 个季度回归中因子的平均绝对 t 统计量。
% |t| > 1.96 表示绝对 t 统计量大于 1.96 的季度百分比。
平均 12 个月回报 (%) 是平均滚动年度因子回报。
R2 增益是多变量横截面回归中 R2 的增加,这是由于在回归中存在所有其他因子时添加了该因子。
也许同样重要的是,当我们查看具有五个风格因子变量的回归的解释力时,我们看到与仅针对传统的英国财产类型/地理细分的基线回归相比,有显着的改进。
添加风格因子使回归的解释力平均提高了 9%
因子有潜力解释房地产投资表现
本分析并不寻求提供对房地产因子的最终评估。除了我们在此对来自单一国家市场的数据进行测试的五个因子之外,还有更多潜在因子需要探索。该分析确实表明,除了传统的房地产类型和地理细分之外,还有系统性的风险和回报驱动因子,并且资产级房地产风格因子的发展可以帮助投资者更好地了解和管理他们的投资组合。
我们在此分析中包含的标准细分是:购物中心;标准零售——东南;标准零售——英国其他地区;零售仓库;办公室——城市;办公室 - 西区和中城;办公室——东南部其他地区;办公室——英国其他地区;工业——东南部;和工业——英国其他地区
\