雪球今日话题 2024年11月14日
价值因子和股债配置
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html

 

本文探讨了股债配置模型在投资中的应用,以及如何利用价值因子和动量因子来优化模型。首先介绍了最简单的股债配置模型,即20%红利股票+80%长期国债,并展示了其过去20年的良好表现。随后,文章探讨了如何利用动量和价值因子来增强股债配置模型的收益,分析了价值因子存在的金融学解释,以及如何利用股债收益差进行择时。最后,文章总结了价值模型和动量模型的合成策略,以及不同投资标的在价值模型中的表现,并指出红利低波指数更适用于价值因子择时。

🤔 **最简单的股债配置模型:**过去20年,A股最简单的固收+策略是配置20%红利股票+80%长期国债,年化收益率达到8%,夏普率为1.21,表现稳定。

📈 **动量和价值因子增强收益:**文章探讨了利用动量和价值因子来增强股债配置模型收益,例如通过过去6个月的月收益率均值判断是否持有股票或债券,以及利用股债收益差进行择时。

💡 **价值因子金融学解释:**价值因子背后的逻辑可以从风险溢价和错误定价两个角度解释,高BM股票可能存在更高的财务困境风险或对期限利差的更大暴露,也可能是投资者对过去表现的简单外推导致的错误定价。

🔄 **价值模型和动量模型合成:**将股债动量模型和估值股债模型等权配置,可以提高收益率的稳定性,并提升正收益年份的概率。

📊 **不同投资标的价值模型效果:**文章分析了不同投资标的(如沪深300、红利低波)在价值模型中的表现,发现红利低波指数由于其更强的反转特性,更适合使用价值因子进行择时。

一、股债配置模型

1、最简单的股债配置模型

过去20年,A股最简单的固收+策略就是股债配置组合,采用分散化的资产配置理念,配置利率债和红利股票,权重大致按照各自波动率的反比,配置20%红利股票+80%长期国债;其表现如下,在过去20年(2005.01-2024.10)时间内,只有4年时负收益,正收益概率为80%,年化收益8%,夏普率1.21

2、用动量去增厚股债配置模型

之前在文章用动量去增强全天候组合中,在全天候组合(配置15%红利股票+25%的黄金ETF+60%长期国债)加入一个动量因子的战术性配置,长期可以获取的稳定的超额收益。当然我们也可以去掉黄金,只用动量去配置股债两种资产,其步骤如下

1、基准组合:全天候中国组合,即20%中证红利全收益+80%30国债总财富,基准模型的权重大致按照其长期波动率的反比估算取整

2、回测区间:2005.01-2024.10,30年国债总财富指数时间不足的区间利用国债指数和10年国债总财富指数补全

3、动量指标:过去6月月收益率均值,大于0则持有,小于0不持有

4、仓位计算:持有仓位按照基准比例等比例扩张至100%(若只有黄金的动量>0,则黄金仓位为100%),若没有资产动量大于0,则配置100%货币基金

3、利用价值因子去配置股债组合

1)组合年化收益率增加(8%至11.6%),但是其风险也大幅增加,其夏普率是下降的(1.21到0.80),之前文章中动量效果能减少波动是因为资产多了一个黄金,但是单纯的股债两种资产,动量未必能做的很好。

2)所以我们考虑利用价值因子,就是股债的收益差去择时股债模型,争取东另外一个维度对股债模型进行战术配置,结合动量模型提供更稳定的收益。

二、价值因子概述

价值因子的含义简单而明确:相比估值较高的股票,那些估值较低的股票有着更高的预期收益率。

1、动量效应长期存在于大类资产之间

1)价值因子的研究也起自 20 世纪 80 年代,并由 Fama and French (1993) 发扬光大,而以账面市值比(Book-to-Market Ratio,简称 BM)为变量构建的价值因子也正式确立为系统性的因子。

2)Aras and Yilmaz (2008) 和 Cakici, Fabozzi, and Tan (2013) 分别检验了 12 和 18 个新兴市场并发现了显著的价值效应。Fama and French (2012, 2017) 表明在北美、欧洲和亚太地区都存在显著的价值效应,且在日本之外的区域,价值效应随着股票市值增大而变弱

3)Asness, Moskowitz, and Pedersen (2013) 则更进一步,研究了 8 个不同的国家和股票、债券、商品及外汇等不同资产,并指出在不同国家、不同资产中广泛而持久地存在显著的价值效应。。

可以看出,无论在股票内部,还是在资产之间,价值因子长期存在

2、价值因子的金融学解释

对于因子的解释,一般会有两种,一个是风险溢价(risk-based),就是从风险补偿的角度去想这个问题,另外就是错误定价(mispricing),从行为金融学的角度去解释因子怎样利用了人性的弱点

1)风险溢价(risk-based):系统性风险补偿

第一种可能是,高BM很可能反映着更高的财务困境风险(例如金融企业,其虽然便宜,但是杠杆率很高)

第二种解释是,高BM企业对期限利差有着更大的暴露,因此获得更高的预期收益,因为高BM企业通胀是重资产企业,其投资周期较长,类似于期限更长的债券,所以需要更大的风险补偿。

2)错误定价(mispricing):行为金融学的角度

第一种可能是,投资者倾向于将过去的表现简单外推来评估企业前景,从而会对过去盈利不佳的企业过度悲观,这便导致了价值效应。

第二种可能是,机构投资者倾向于买入有正面无形信息的股票,使得无形收益的均值回复在有更多机构投资者的股票中更加显著,因而BM也在这类股票中表现更好

三、利用价值策略改进股债平衡组合

1、基准组合:20%中证红利全收益+80%30年国债总财富

2、回测区间:2005.01-2024.10,30年国债总财富指数时间不足的区间利用国债指数和10年国债总财富指数补全

3、估值指标:股债收益差(中证红利股息率-10年国债收益率)的Z值,就是(当前值-过去4年均值)/过去4年标准差,10年国债收益率不足的区间按照5年国债收益率补全,因为采用过去4年指标,实际回测区间为2009.01-2024.10

4、仓位计算:

1)当Z>1.2时,股票更具吸引力,配置80%股票+20%国债

2)当Z<-1.2时,债券更具吸引力,配置0%股票+100%国债

3)剩余Z值在-1.2至1.2之间的时候,按照基准组合配置(20%股票+80%国债)

5、回测表现,如下图

1)组合年化收益率增加(8%至10.7%,估值因子择时收益为2.7%),但是其风险并没有大幅增加,其卡玛比是增加的(0.69到0.92),在简单的股债两种资产的轮动中,动量没有价值好。

2)如下图,其相对于基准组合的超额收益率很平稳

四、价值模型和动量模型的合成

合成中国股债动量估值模型:简单等权配置股债动量模型(50%)和估值股债模型(50%)

1、合成模型在过去20年的正收益年份为19年,超过动量模型和价值模型的17年,确实两类策略其收益率有低相关甚至负相关特性

2、合成模型的收益率、夏普率等指标均在两个模型中间

五、价值模型和改进

股债估值模型的投资标的:若保持估值指标为股债收益差(中证红利股息率-10年国债收益率)的Z值,但是投资标的换成沪深300全收益或者红利低波全收益后,期估值模型的效果是变好了还是变差了

1、中证红利变为沪深300

1)估值因子择时收益为2%

2)相对于中证红利,沪深300股债模型其持有收益率下降(8.0%-7.4%),估值因子择时带来的收益率也更少(2.7%-2.0%)

3)模型的波动率和回撤率都更大

2、中证红利变为红利低波

1)估值因子择时收益为2.9%

2)相对于中证红利,红利低波股债模型其持有收益率上升(8.0%-8.5%),估值因子择时带来的收益率也更少(2.7%-2.9%)

3)模型的波动率和回撤率较中证红利没有增加

这里我的理解是,价值因子具有反转特征,更合适具有反转特征的指数;因为红利低波的效果好于中证红利、中证红利的效果大于沪深300;红利指数反转特性更强,是由于红利指数本身含有权益和红利两个因子,两因子具有相反特性,若在红利上加上低波,则其反转特性更强。

六、总结

1、普通人采用股债配置模型,可以获取稳定收益

2、价值效应长期存在于股票和大类资产之间,背后是有行为金融学理论,利用价值效应可以战胜人性

3、利用动量、价值因子去改善股债配置模型,都可以增厚收益,两个模型同时配置更能提高其年收益率的稳定性

4、越具有反转特性的股票指数,越适用于用价值因子去择时股债配置,红利低波的效果好于中证红利、中证红利的效果大于沪深300

5、中国的股票为什么用红利指数而美国是宽基指数,请参看中美股市差异和红利投资

=========================================

文章书写不易,还望多多点赞、转发支持。

扩展阅读《资产配置投资策略文章合集》(新手必看)

雪球组合:极简投资人的永久投资组合全天候组合

=========================================

风险提示:本文内容仅供参考,不构成投资建议。投资有风险,入市需谨慎。请在做出投资决策前,仔细阅读并理解相关基金的法律文件,如《基金合同》、《招募说明书》等。过往业绩不代表未来表现,投资者应根据自身情况,审慎决策

=========================================

$A500指数ETF(SH560610)$ $中证红利ETF(SH515080)$ $沪深300ETF(SH510300)$

@今日话题 @ETF星推官 @雪球创作者中心 @雪球基金

#雪球ETF星推官# #雪球星计划# #资产配置#



本话题在雪球有2条讨论,点击查看。
雪球是一个投资者的社交网络,聪明的投资者都在这里。
点击下载雪球手机客户端 http://xueqiu.com/xz]]>

Fish AI Reader

Fish AI Reader

AI辅助创作,多种专业模板,深度分析,高质量内容生成。从观点提取到深度思考,FishAI为您提供全方位的创作支持。新版本引入自定义参数,让您的创作更加个性化和精准。

FishAI

FishAI

鱼阅,AI 时代的下一个智能信息助手,助你摆脱信息焦虑

联系邮箱 441953276@qq.com

相关标签

股债配置 价值因子 动量因子 资产配置 红利指数
相关文章