因子投资 石川(因子投资中FM回归的自变量)

领500g书库，关注公众号:程叫兽的宝藏 (长按可复制！)

热门下载区==>点此链接进入<<<

本文节选自《因子投资 石川》

第7章因子投资实践本章共分为8节，从不同角度系统地解读业界的因子投资实践，为读者更好地进行因子投资打下坚实的基础。其中7.1节、7.2节和7.3节将分别从收益率模型、风险模型和投资组合优化三个部分阐述主动管理中如何利用多因子模型作为一个量化工具〈quantitativetool)来获取超过基准的收益。这三部分是所有关于因子投资材料的必备内容。本章的亮点包括以下几方面。7.1节首先通过对术语的解读，阐明了业界常挂在口边的“阿尔发因子\"和学术界的多因子模型式〈1.3)之间的关系。在此基础上，对如何筛选优秀的预测变量进行了系统的说明。7.2节的内容关注风险模型。除了在截面上预测预期收益率，多因子模型的另一个作用是在时序上研究股票收益率的波动，并通过降维方便地求出股票的协方差矩阵。这部分内容以著名的Barra模型为例，成体系地阐述如何构建一个优秀的风险因子模型，从而在事前准确地预测股票收益率的协方差抵阵。接下来，7.3节将目光转向投资组合优化。业界无论是公募还是私募、无论是买方还是卖方，各家都有自有〈proprietary)收益模型，而对于风险模型则一般使用现成的商业模型。由于收益

因子投资的时间效力

模型和风险模型中的因子不同，造成了两个模型之间的错位。如果不加处理，那么这种错位将导致投资组合优化给出错误的结果。关于错位问题，海外业界在近年来提出了很多修正方法，然而却尚未得到国内的重视。本节的介绍将填补这方面的空白。除此之外，7.3节还将说明不同目标函数之间的等价条件，让读者在选择不同的目标函数时能够有据可依。7.4节将非常细致地介绍因子指数和SmartBeta投资的相关内容。如果说将多因子模型视作量化工具是主动管理人获取超额收益的法宝，那么SmartBeta的普及毫无疑问是普通投资者享受因子投资盛宴的利器。因为无论是通过复杂数学模型和优化得到最优的投资组合，还是仅仅通过排序法透明、低成本地复制因子投资组合，其本质都是利用了因子预测股票收益率的能力。学术界几十年来关于因子和异象的研究为SmartBeta的鞍勃发展商定了坚实的基础。接下来的7.5节将介绍一个“泌手的山芋\"一一因子择时。进行因子投资，因子择时是一个红不开的话题。但大量基于实证数据的研究表明，样本外因子择时成功《〈即战胜等权重配置)的难度都非常高。因此，本节的目标并非不切实际地告各省和和全站生生而生让作全和卫

因子投资的背景

生个的大系性天全训区除了获取更高收益或控制风险外，多因子模型的另一个重要作用就是分析主动投资的业绩表现。在多因子模型普及之前，这个任务似乎无法可依，然而多因子模型的出现让它迎丸而解。7.6节和7.7节将分别以风格分析和风险归因为研究对象，说明如何使用多因子模型对主动投资业绩的收益率和风险进行归因，这有助于投资者了解和掌握一文基金的投资风格和风险控制水平。本音的最后一节是对因子投资的展望，包括两部分内容。7.8.1节将介绍近年来非常火的一个概念:另类数据。随着量价和财务数据被过度使用，很多因子的表现变得越来越不尽如人意。这使得人们将目光转向了潜在的新的收益源，即另类数据。然而另类数据真的像人们想象的那样是一片蓝海、“即插即用”吗?本节将会给出讨论和思考。最后7.8.2节将介绍如何使用因子进行大类资产配置。随着对因子和资产关系理解的加深，业界现已普遍认为不同大类的资产〈例如股票、债券、商品、外汇、房地产等)的收益率背后都是由底层的一些公共因子所驱动的。因此多因子模型的研究可以被完美地应用于大类资产的配置中，并从资产配置思维转变到因子配置思维。这就是7.8.2节要讨论的问题。

因子投资和价值投资区别

综上：因子投资中FM回归的自变量值得推荐阅读