如何聪明的配置Smart Beta？

smart beta ETF的出现简化了投资，使得他们可以不仅仅满足于平缓的beta。但同时，经历过过去十年的表现不佳，也使那些配置价值ETF的投资者意识到，smart beta并不总是优于beta。

但好在投资者有各种各样的smart beta可以选，这些smart beta都可以用来追求高收益。一旦投资者决定构建一个多因子组合，就会面临一个问题：如何聪明的配置策略？

本文我们会研究美国股票市场上smart beta资产配置策略的情况。

【结论】

① 大多数smart beta策略自1990年以来跑赢市场，但最近几年几乎没有。

② 多样化的策略降低了绩差风险。

③ 大量用于多因子组合的资产配置模型，最终得到了相似的结果。

01

方法论

我们使用美国市场上的 价值、规模、动量、低波动、质量、成长 和红利 七个因子构建组合。对因子排序后取前30%的股票作为多头方，并按市值加权计算组合收益。因子定义与学术文献一致，只保留规模小于10亿美元的股票。组合月频调仓，交易费率10bp。

需要说明的是，由于价格数据获取的限制，我们并没有使用smart beta ETF的真实收益数据。第一批成长、价值ETF在2000年推出，而低波动smart beta ETF仅在2009年有数据。但我们最近的研究发现，如果将理论的多头因子组合基准化为smart beta ETF，跟踪误差相对较小。详见报告《Benchmarking Smart Beta ETFs》【1】

02

smart beta 策略在美国市场的表现

几乎所有7个smart beta策略从1990年至今跑赢市场，除了低波动和质量因子。但这些策略在不同时间段的表现差异很大，尤其是在2000年的科技泡沫期，动量和成长显著跑赢其他策略。

图片来源： FactorResearch

挑剔的人可能会质疑这些结论，因为绝大多数因子跑赢市场也使不同寻常的。值得注意的是，分析的起点对于回报计算有很大影响，如果我们从更晚的时间点开始计算，结果会有明显变化：如果从2000年开始算，只有半数因子显著优于市场，如果从2010年算，七个因子中只有两个优于市场。

各个因子回报的变化凸显了因子切换的频繁，也让投资者有动力去使用更多的因子，以获取高一致性的超额回报。

图片来源：FactorResearch

03

smart beta 策略配置模型

投资者可能会考虑对所有smart beta策略进行简单等权配置或者使用更复杂的配置模型。我们在月度再平衡条件下，分别评价这些模型。

【动量（总收益）】使用过去12个月的数据计算各个smartbeta策略的总收益，每次选7个策略中表现最好的三个并进行等权配置。

【动量（夏普）】使用过去12个月的数据计算各个smartbeta策略的夏普，取表现最好的三个策略，等权配置。

【等权】7种策略等权分配。

【风险平价】每种策略的权重使用过去12个月的波动率倒数占比确定，因此波动率越高，配置权重越低。

我们发现所有多因子smart beta组合自1991年以来都跑赢市场，这表明大部分策略都有独立的异常回报。两种动量驱动的组合获得了最高的回报，而等权和风险平价组合表现较差并且几乎一致。这些策略在2000年左右有巨大的差异，这源于动量驱动的策略通过动量、成长、质量因子上的暴露配置了高科技股票。

图片来源：FactorResearch

为什么等权和风险平价组合表现没有显著差异，这是一个值得探究的问题。后者是一个成熟的大类资产配置框架，往往呈现出低或负相关性并具有独特的风险特征。相比之下，所有smart beta策略表示的多头权益组合，都具有高相关性和类似的波动率特征，此时使用这种方法配置和等权不会有显著差异。

为了减小初始点的影响，我们分别统计了不同时间段的收益。我们发现没有一个资产配置模型能始终优于其他模型。两种动量驱动的模型相比等权和风险平价模型有略高的回报，但我们必须警惕这些结果对于回测区间、因子池及其他假设是非常敏感的，很容易过度解释。

图片来源：FactorResearch

最后，我们把视角转向风险调整回报，发现了不一样的结果，这再次表明没有最优的smart beta配置模型。以上分析表明smart beta使得投资者有比市场更多高的风险收益比而几乎无视所用的模型。

各种模型换手率上有所差异，这主要是因为动量策略总是根据策略的表现调入调出smart beta策略，而等权和风险平价模型几乎不增加或减小配置。

图片来源：FactorResearch

04

总结

本文比较了美国市场上四种具有相对可比风险回报比的smart beta资产配置策略，这使得做选择变得困难。虽然动量组合的换手率非常高，但如果投资者不了解换手率情况，选择可能会基于个人偏好。