因子投資：方法與實踐

第1 章因子投資基礎
1.1 統(tǒng)一視角下的因子投資 1
1.1.1 一個公式 1
1.1.2 因子、多因子模型和異象3
1.1.3 再論異象和因子 5
1.1.4 因子投資包含的內(nèi)容6
1.1.5 實證資產(chǎn)定價與因子投資9
1.2 因子投資的學術起源 11
1.2.1 實證資產(chǎn)定價 11
1.2.2 研究現(xiàn)狀 13
1.3 因子投資的業(yè)界發(fā)展 14
1.3.1 因子投資和管理人15
1.3.2 因子投資和投資者16
1.4 本書的結構 19
第2 章因子投資方法論
2.1 投資組合排序法 22
2.1.1 因子模擬投資組合22
2.1.2 排序法及其檢驗 24
2.1.3 多重排序法 28
2.1.4 因子命名約定 33
2.2 多因子模型的回歸檢驗 34
2.2.1 時間序列回歸 36
2.2.2 截面回歸 39
2.2.3 時序回歸vs 截面回歸42
2.2.4 Fama–MacBeth 回歸45
2.2.5 不同回歸方法比較48
2.3 因子暴露和因子收益率 48
2.3.1 引入工具變量 50
2.3.2 使用公司特征 51
2.3.3 兩類模型 52
2.4 異象檢驗 53
2.4.1 時序回歸檢驗異象54
2.4.2 計量經(jīng)濟學問題 55
2.4.3 White 估計量和Newey–West 估計量57
2.4.4 截面回歸檢驗異象59
2.5 多因子模型比較 60
2.5.1 GRS 檢驗 61
2.5.2 均值--方差張成檢驗62
2.5.3 從幾何角度比較GRS 和均值--方差張成 66
2.5.4 α 檢驗 70
2.5.5 貝葉斯方法 70
2.6 因子正交化 72
2.6.1 簡單一元回歸 73
2.6.2 回歸的幾何意義 73
2.6.3 用正交化過程求解多元回歸 75
2.7 廣義矩估計 78
2.7.1 樣本均值的方差 78
2.7.2 分析框架 80
2.7.3 數(shù)學基礎 84
2.7.4 有效性 86
2.7.5 不應成為黑箱 88
2.8 研究方法建議 89
第3 章主流因子解讀
3.1 數(shù)據(jù)和流程 91
3.1.1 數(shù)據(jù)來源 91
3.1.2 量價數(shù)據(jù)處理 92
3.1.3 財務數(shù)據(jù)處理 95
3.1.4 因子構造流程 102
3.1.5 實證設定 106
3.2 市場因子 107
3.2.1 市場因子起源 107
3.2.2 對CAPM 的質(zhì)疑108
3.2.3 市場因子實證 109
3.3 規(guī)模因子 112
3.3.1 規(guī)模因子起源 112
3.3.2 規(guī)模因子成因 113
3.3.3 規(guī)模因子實證 113
3.4 價值因子 117
3.4.1 價值因子起源 117
3.4.2 價值因子成因 118
3.4.3 價值因子實證 119
3.5 動量因子 124
3.5.1 動量因子起源 124
3.5.2 動量因子成因 125
3.5.3 動量因子實證 127
3.6 盈利因子 131
3.6.1 盈利因子起源 131
3.6.2 盈利因子成因 132
3.6.3 盈利因子實證 134
3.7 投資因子 138
3.7.1 投資因子起源 138
3.7.2 投資因子成因 139
3.7.3 投資因子實證 140
3.8 換手率因子 146
3.8.1 換手率因子起源 146
3.8.2 換手率因子成因 147
3.8.3 換手率因子實證 148
第4 章多因子模型
4.1 主流多因子模型綜述 153
4.1.1 Fama–French 三因子模型154
4.1.2 Carhart 四因子模型156
4.1.3 Novy–Marx 四因子模型 157
4.1.4 Fama–French 五因子模型158
4.1.5 Hou–Xue–Zhang 四因子模型 161
4.1.6 Stambaugh–Yuan 四因子模型 164
4.1.7 Daniel–Hirshleifer–Sun 三因子模型 167
4.2 A 股中被定價的因子 171
4.2.1 Fama–MacBeth 回歸實證設定 171
4.2.2 Fama–MacBeth 回歸結果172
4.3 多因子模型比較：來自A 股的例子 173
4.3.1 兩個模型 173
4.3.2 BM、ROE 與預期收益174
4.3.3 模型比較的實證結果176
4.4 多因子模型的簡約性 187
第5 章異象研究
5.1 估值高低中的異象 191
5.1.1 價值因子與價值投資192
5.1.2 F-Score 193
5.1.3 G-Score 195
5.1.4 通過預期差獲取超額收益198
5.2 基本面錨定反轉 202
5.2.1 金融學依據(jù) 203
5.2.2 A 股市場中的基本面錨定反轉 204
5.3 特質(zhì)性波動率 210
5.3.1 套利不對稱性和特質(zhì)性波動率 212
5.3.2 A 股市場中的特質(zhì)性波動率異象 213
第6 章因子研究現(xiàn)狀
6.1 p-hacking 和“因子動物園”222
6.1.1 何為p-值 222
6.1.2 在追逐p-值的道路上狂奔223
6.1.3 硬科學與軟科學 224
6.1.4 正確認識p-值的含義224
6.1.5 多重假設檢驗 226
6.1.6 先驗的重要性 229
6.2 從“因子動物園”到“因子大戰(zhàn)” 231
6.2.1 形同意不同的投資因子232
6.2.2 q5 模型 233
6.2.3 因子大戰(zhàn) 234
6.3 用行為金融學解釋異象和因子236
6.3.1 套利限制 238
6.3.2 預期中的偏差 240
6.3.3 風險偏好中的偏差244
6.3.4 認知限制 250
6.3.5 行為金融學與市場異象251
6.3.6 行為有效市場 255
6.4 投資者情緒 256
6.4.1 投資者情緒的度量257
6.4.2 投資者情緒與異象表現(xiàn)259
6.4.3 投資者情緒與市場表現(xiàn)261
6.5 風險補償、錯誤定價還是數(shù)據(jù)窺探 262
6.5.1 風險補償檢驗 262
6.5.2 錯誤定價檢驗 263
6.5.3 數(shù)據(jù)窺探檢驗 266
6.6 因子樣本外失效風險 268
6.6.1 曝光導致錯誤定價減弱269
6.6.2 因子擁擠 270
6.6.3 交易成本 271
6.7 因子投資難以取代基本面分析273
6.7.1 基本面分析 274
6.7.2 基本面量化投資 275
6.7.3 基本面投資“因子化”的不足 277
6.7.4 思考和討論 279
6.8 機器學習與因子投資 280
6.8.1 線性模型 281
6.8.2 非線性模型 283
6.8.3 模型評估與實證研究285
6.8.4 主成分分析和因子選擇287
6.8.5 機器學習的問題 290
第7 章因子投資實踐
7.1 收益率模型：獲取“阿爾法”293
7.1.1 基本術語 293
7.1.2 尋找預測變量 294
7.1.3 挑選預測變量 295
7.1.4 收益率預測 299
7.2 風險模型：以Barra 為例307
7.2.1 Barra 多因子模型307
7.2.2 模型求解 309
7.2.3 純因子投資組合 311
7.2.4 協(xié)方差矩陣求解及調(diào)整313
7.3 投資組合優(yōu)化 319
7.3.1 錯位的收益與風險模型319
7.3.2 目標函數(shù) 322
7.3.3 不同目標函數(shù)的比較324
7.3.4 約束條件 326
7.3.5 交易成本模型 330
7.4 Smart Beta：因子投資的捷徑331
7.4.1 因子指數(shù)和Smart Beta332
7.4.2 為什么要投資Smart Beta339
7.4.3 如何投資Smart Beta342
7.4.4 應用實踐 348
7.4.5 更多討論 356
7.5 因子擇時 357
7.5.1 按因子估值擇時 357
7.5.2 按因子動量擇時 359
7.5.3 按因子波動擇時 359
7.5.4 按市場情緒擇時 360
7.5.5 按宏觀因素擇時 361
7.5.6 因子擇時很難 363
7.6 風格分析 363
7.6.1 經(jīng)典風格分析 364
7.6.2 基于多空因子的風格分析366
7.6.3 實例：巴菲特的投資風格367
7.7 風險歸因 370
7.7.1 兩種傳統(tǒng)風險歸因方法371
7.7.2 風險的三要素 371
7.7.3 從風險角度看收益相關性373
7.7.4 將三要素公式應用于多因子模型 375
7.8 因子投資展望 376
7.8.1 另類數(shù)據(jù) 376
7.8.2 用因子實現(xiàn)大類資產(chǎn)配置381
后記
附錄A 　理解資產(chǎn)價格
參考文獻