1
投資
估值
眾所周知，估值能預測長期資產回報（估值較低代表未來回報較高）。這對資產類別、個別股票和股票投資組合來說是對的。但這並不一定代表估值是有效捕捉時機的訊號。例如，自 2010 年以來，美國股市表現遠高於經週期性調整的歷史平均市盈率或 CAPE （由 1880 年起的數據）。然而，任何人按此減持美股或調整投資組合的話都可能後悔莫及，因為即使估值如何過高，美股市場由 2010 年 1 月到 2018 年 8 月的表現一直保持強勁。
正如 Cliff Asness 和 AQR 的同事在文章《反向捕捉因子看似困難》（Contrarian Factor Timing is Deceptively Difficult）（註三）中爭拗一樣，如果使用估值來捕捉市場時機是困難的話，那麼將它們用於捕捉因子則可能更難。因為這些投資組合的流轉率減低了他們估值的預測能力，許多現有持股不會長期留在投資組合中。投資組合層面的估值對於高流轉率策略（如動量）尤其不可靠。
估值與因子表現之間的關係充其量只是輕微的。在過往一篇文章中（註四），按照 1987 年 6 月至 2016 年 8 月的數據，我發現價值股與增長股、小型股與大型股的估值差價，以及估值和小規模因子往後五年的表現，全都擁有適度的正向關係。然而，這種影響大部分可歸因於 1999 年和 2000 年的極端估值差價和隨後的市場逆轉。此外，質量因子的結果參差不齊，我亦沒有發現市場上低波動率和動量因子的估值差異，及其未來表現存在任何重要關係。
其他捕捉估值的方法可能導致不同的結果。貝萊德發現，捕捉估值的方法，對傾向過去三年相較歷史價格最便宜的因子來說比較有效。因此，如果質量股票的現行估值遠低於近期，而價值股票僅比正常便宜一點的話，那麼這種捕捉時機的策略將有利於質量。但是，靠估值來捕捉時機的效用取決於其定義方式，所以其效用並不特別強大。理想情況下，我們希望在同一個設想的不同版本中看到類似的結果，因為這代表其度量標準並非被刻意挑選，從而提供了更強信心，即它可以在樣本之外運行。
實戰時，市場上兩隻運用估值的捕捉因子 ETF 皆使用逆向效能訊號來捕捉因子傾斜的時間，而非使用傳統的估值訊號。這個想法是投資者可能會對一連串壞表現過度反應，在價格變得便宜之後放棄這種風格。諾貝爾得獎者塞勒（ Richard Thaler ）和他的同事德邦特（ Werner De Bondt ）在 1985 年發表的論文《股市是否過度反應？》（ Does the Stock Market Overreact? ）（註五）中證明了股票的長期表現會逆轉。
類似的影響似乎在投資組合層面同樣發生。為了測試這點，我制定了一個策略，針對圖表中的五個因子指數（本文第 1 部分），抽出過去五年表現最差的三個指數，以相等權重，使用 2003 年 11 月至 2018 年 8 月的數據，每年重新平衡一次，發現這比起五個指數的靜態等權重組合每年跑贏 92 個基點。所以說，這種方法可能是有用的。與使用經濟數據相比，它更少受數據挖掘風險的影響，並且已從樣本中進行了更廣泛的測試。
動量
雖然相對表現長線往往打回原形，但短線卻傾向持續。這種短期持續性，即所謂的動量，在金融市場幾乎無處不在，就像估值一樣。鑑於有充分紀錄證明它有預測短期表現的能力，我預計它將成為捕捉因子裏最有前途的訊號。但是，儘管貝萊德發現以動量驅動的捕捉因子訊號有效，我卻沒有得出這結論。
我使用逆向策略中相同的五個因子指數測試了一個策略，針對過去 12 個月中表現最佳的三個因子指數，由 1999 年 11 月到 2018 年 8 月的表現，發現該策略落後於靜態等權重因子指數。僅針對表現最佳的指數以及兩個表現最佳的因子，便得出相類似的結果。這表明動量本身並不是一個強大的捕捉因子訊號。
離散度
使用離散度作為捕捉時機訊號的論點是，當用於構建因子組合的指標在起始領域中的股票之間分離擴大時，每個因子的回報就會更高。例如，如果利潤豐厚股票比盈利能力較弱的股票更有利可圖，那麼盈利能力／質量因子應該做得更好。
貝萊德發現，當離散度獨立用作捕捉時機時表現最弱，但與估值和質量因子合作起來則比其他因子好。該公司的研究著眼於過去三年相對於它們個別歷史上離散度最闊的因子，這些因子具有一定的預測能力。
為了測試離散度作為捕捉時機訊號的穩定性，我用每個因子的估值、規模、動量、低波動率年度數據，以及 French Data Library 中 1964 年到 2018 年的盈利能力，比較它們的回報與用來構建其指標的差異之間的相關性。這方法比貝萊德使用的方法更為複雜，但如果離散度的預測能力好，那麼結果應該是指向同一方向的。
可是，我只證實了估值因子的關係，而且相關性只屬中等，與我對估值捕捉時機的調查結果一致。規模、盈利能力與過去動量差異與這些因子的表現之間幾乎沒有關係。而且，出乎預料的是，當過去的波動率差異較大時，低波動率因子表現會更糟。這表明離散度只是一個較弱的捕捉因子訊號。
未有定論
鑑於捕捉因子策略的複雜性，潛在數據挖掘問題，還有對這主題的研究有限，以及看似不健全的研究結果，我們需要更多樣本以外的測試和表現來建立對其效用的信心 。雖然我們暫時不會判定捕捉因子無效，但重要的是不要忽視多因子投資的重要目標之一：分散風險。在不同時間傾斜某些因子會減弱分散風險的能力，加上，若果捕捉因子時機模型錯誤的話，更可能會增加風險。這裏還存在一重風險，依賴估值或動量的捕捉因子時機模型可能會雙重押注在這些因子上，有可能導致投資組合表現承受更大估值或動量股票的風險。
若果捕捉時機的因子在投資組合裏起著任何作用，那麼保持因子適度傾斜以保持多元化便很重要。最好的方法是在多個有用的訊號之間進行多元化，當它們失效時就能減少損失。
註三：Asness, C.S., Chandra, S., Ilmanen, A., & Israel, R. 2017. “Contrarian Factor Timing is Deceptively Difficult.” SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2928945
註四：Bryan, A. 2016. “Don’t Try to Time Factor Strategies.” ETFInvestor – October 2016.
註五：De Bondt, W.F.M., & Thaler, R. 1985. “Does the Stock Market Overreact?” J. Finance, Vol. 40, No 3. https://breesefine7110.tulane.edu/wp-content/uploads/sites/110/2015/10/Debondt-and-Thaler.pdf
《Morningstar》授權轉載
【延伸閱讀】
93734
