量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，荣获年度AMMA优秀品牌力、优秀洞察力大奖，连续2年被腾讯云+社区评选为“年度最佳作者”。
本期遴选论文来源：The Journal of Portfolio Management Quantitative Special Issue 2023作者：Michele Aghassi, Cliff Asness, Charles Fattouche, and Tobias J. Moskowitz标题：Fact, Fiction, and Factor Investing
前言
因子投资已经存在很长时间了，学术界和实践中都有大量的文献致力于研究它。然而，关于它的许多困惑仍然存在。我们已经讨论过价值、动量、低风险和规模等风格因子投资的事实和误解（Fact and Fiction），这篇文章将结束本系列文章，回顾关于一般因子和多因子投资方法的事实和误解。
系列的其他文章如下：
Alquist, R., R. Israel, and T. Moskowitz. 2018 "Fact, Fiction, and the Size Effect." Journal of PortfolioManagement 45 (1): 34–61.Alquist, R., A. Frazzini, A. Ilmanen, and
L. H. Pedersen. 2020. "Fact and Fiction about Low-RiskInvesting." Journal of Portfolio Management 46 (6): 72–92.
Asness, C., A. Frazzini, R. Israel, and T. Moskowitz. 2014. "Fact, Fiction and Momentum Investing."Journal of Portfolio Management 40 (5): 75–92.
——. 2015. "Fact, Fiction and Value Investing." Journal of Portfolio Management 42 (1): 34–52.
从2018年到2020年，许多极端的回撤动摇了投资者对多因子投资的信念，并催生了关于多因子投资的神话。在回撤之后，从2021年开始反弹——尽管有时会出现波折——并持续到2022年。在某些情况下，这个反弹平息了关于因子的争论，而在另一些情况下，它也夸大了某些神话。我们的目标是关注因子投资的长期属性，同时探讨从极端的短期收益波动中可以学到的投资者行为。
我们在这里讨论的问题比最近的回撤存在的时间要长得多。而且，虽然神话经常在极端时期重新出现，有些似乎永远不会完全消亡，但在考虑因子投资时，它们也是重要的考虑因素。这些神话通常是由那些不使用或不接受因子的人提出的，但有时也由那些使用或接受因子的人提出。我们的目标是澄清事实和消除误解，但也要理解为什么有些困惑会不断出现。
我们关注学术文献和实践中普遍存在的主要因子：价值、势头、利差和防御性/质量投资。这些因子主导了学术金融中使用的实证模型。在此过程中，我们还将尝试使用来自学术界的现成和公开的数据，这些数据使用简单、可复制的测量方法。虽然这些简单的策略在设计上可能是naïve（例如，忽略交易成本、明确的风险管理、税收和其他考虑因素），但它们很好地说明了基本思想，并且可以很容易地复制。此外，我们还将介绍对可以提高收益、降低风险和降低实盘成本的因子进行实用性的调整。与我们之前的文章一样，我们使用已发表和同行评审的学术论文来阐述因子投资的事实和误解，并使用最知名和最直接的公开数据进行测试。
接下来，我们将探讨以下10个与因子投资有关的事实和误解：
误解1
因子投资是基于数据挖掘的因子，没有经济逻辑
社会科学，尤其是那些反复使用相同或相似数据的科学，容易受到数据挖掘和过拟合的影响。学术文献中充斥着大量声称可以预测回报的因子，考虑到市场的总体效率，这似乎令人惊讶。因此，批评者经常指责我们的领域有错误的发现，也就是说，这些因子不是真实的，而是在研究人员数十年来一直在挖掘的同一数据样本中偶然发现的。
一个经常被引用的对因子投资的批评是，它是基于数据挖掘的因子，没有好的经济逻辑。当然，这是一个非常合理的担忧。事实上，反驳这种批评的一种方法是考虑一个因子背后的理论。为什么一个因子会产生异常正的回报?一个随机的错误发现背后是没有逻辑的。除了理论支持之外，还有其他因子有效性的评估，包括样本外的统计检验，也解决了过拟合的问题。
经济理论
因子投资的理论基础是，在实践中建立有效的投资组合有更多的维度，而不仅仅是承担市场风险。某些因子能够带来超出市场风险的正回报，要么是因为它们为一些投资者所关心的有效市场中的额外风险敞口提供了补偿，要么是因为它们一些不同偏好或信仰的投资者的对手方。前者的特征是对因子投资的基于风险的解释，通常是由Merton(1973)和Ross(1976)等经典理论驱动的，这些理论产生了市场之外的多种因子，为投资者提供风险溢价或正预期回报的来源。后者的特征是行为解释，侧重于偏好或信念，因此产生定价偏离风险补偿。
重要的是，这两套理论——基于风险的理论和行为理论——都为因子提供了一个角色，可以在市场之外提供持续的正预期回报。然而，仅凭经济理论并不足以证明这种溢价是合理的。另外两个重要的（相关的）考虑因子是，为什么溢价没有被套利，以及是否有一组可持续的投资者愿意成为这些因子交易的对手方?
每个投资者唯一可以同时持有的投资组合是市场投资组合，因为它是所有投资者头寸的总和。因此，任何偏离市场的行为，比如因子投资，都必须有人愿意站在另一边。因此，举例来说，对于每一个喜欢并增持廉价股票而非昂贵股票的价值投资者来说，一定会有另一个投资者愿意减持廉价股票而增持昂贵股票。
“谁是对手方”的想法是理解与一个因子相关的回报来源的重要考虑因素，为什么人们会期望这种回报持续存在。继续低价股和高价股的例子，如果每个人都决定增持廉价股，而没有人愿意满足这种需求，那么廉价股的价格就会上涨，它们就不再便宜了。这些动态反映了套利的过程，这将消除未来购买廉价股票的任何回报来源。因此，一个重要的问题是，为什么这些因子没有被套利。
根据基于风险的观点，廉价股票之所以便宜，是因为它们确实有风险——它们暴露在一些投资者不喜欢也不想拥有的风险来源之下。这种观点隐含的是，不喜欢这种风险是理性的——否则它就属于行为范畴。因此，愿意承担这种风险的投资者将获得回报溢价，以补偿她所承担的风险，而另一个不愿意承担这种风险的投资者则愿意“付钱”以避免这种风险，不持有廉价股票。行为学的解释原理类似，那些偏好或信念导致他们喜欢廉价股票的投资者，以偏好与昂贵股票一致的投资者为代价获得回报。例如，便宜的股票可能属于老旧的、乏味的技术公司，这些公司不具备彩票般的回报潜力，也不像新技术成长型公司那样富有活力。如果一些投资者叫嚷着买入新的成长型公司，推高了它们的价格，那么愿意持有乏味的价值型公司的投资者就会以低于合理价格的价格买入它们，并获得更高的回报。
表1提供了一些基于风险和行为理论解释的简要总结，为实践中使用的文献中的因子提供了理论。这些理论还解释了每个因子的另一方是谁。
简而言之，因子投资策略几乎没有套利机会。它们提供了长期的正预期回报，但偶尔也会在短期内表现糟糕，或中期令人失望，甚至长期徒劳。基于风险的解释要求这些风险确实存在并且无法避免——如果它们可以避免，它们就不会有风险——而且通常情况下，它们会在最痛苦的时候受到伤害!事实上，这些理论明确指出，如果不经历这些风险，就不会有溢价。因此，尽管经历这些风险并不令人愉快（见下一节），但长期投资者应该感到欣慰的是，风险本身意味着随着时间的推移应该会有溢价。
当然，基于风险与行为的解释并不相互排斥。与一个因子相关的溢价可以由风险和行为力量驱动。重要的一点是，这两套理论都给出了一个坚实的经济学理论基础，解释了为什么溢价存在，并预计将继续存在，在简单地观察回报背后往往有可测试或可观察的含义。此外，随着时间的推移，投资者不断变化的风险偏好和/或偏好和信念会导致这些溢价大小的变化。一个悬而未决的问题是，这种变化是否可以测量或预测，这是我们在本文的第4部分将要讨论的主题。
更严格的统计测试
最近在有很多论文，批评了因子的统计测试过于宽松，认为应该进行更严格的统计测试，以规避数据的过度挖掘。所有这些论文都提高了统计显著性的标准，从而减少了可靠因子发现的数量，对以前的一些结果提出了质疑。然而，这些论文也表明，许多因子通过了这些更严格的统计检验。例如，与价值、势头、利差和防御性/质量相关的因子似乎符合条件。事实上，许多最响亮的批评者都有自己的因子模型，这些模型很大程度上是由这些权威因子的变体组成的。因此，批评者根本不否认因子，而是相当合理地希望有一个更严格的选择程序，其中因子很重要。当应用这些更严格的统计标准时，诸如价值、动量、利差和防御/质量等因子仍然是重要和可靠的因子。
有说服力的样本外表现
也许反驳数据挖掘批评的最令人信服的方法是在发现这些基于因子的策略在样本外的表现。由于错误是随机的，如果研究通过数据挖掘在原始样本中过度拟合错误，那么当应用于一个新的独立样本时，这些策略将不再产生显著的结果。有几种方法可以找到样本外的证据，包括原始样本中的其他时间段、其他市场，以及其他资产类别。
Mclean和Pontiff(2016)的结果强调了相当大比例的因子在样本外产生了显著的回报。Ilmanen等人(2021)使用跨越多个市场和资产类别的一个世纪的数据，研究了我们关注的主要因子（价值、势头、利差和防御性）的样本外表现。他们分析了这些因子在美国股票、全球股票、股票指数、货币、固定收益和大宗商品中的表现。图2突出显示了他们的研究结果，结果表明，这些因子在所有市场和资产类别中都是一致的，并且它们的表现在样本内外是稳定的。
Jensen、Kelly和Pedersen(2021)最近发表的一篇论文质疑我们的领域是否真的存在复现危机问题，题为《金融存在复现危机吗?》在他们的论文中，作者首先指出，人们声称的所谓的大量因子（例如，400+）是严重夸大的，因为这些因子中有许多是同一类型因子的不同版本。例如，有超过80种高度相关的价值因子(例如，账面价值比和盈利价格比没有太大差异)，还有数十种动量指标。这些因子不应被视为独立因子。更准确地说，不是有几百个因子，而是可能有几十个因子。
我们已经提到，学术界发现的因子并不是400多个，而是几十个因子大类，其中包含衡量同一概念的轻微变化。但是，即使在这些大类中，也不是所有的因子都应该被平等对待。例如，一个具有更强的样本内统计显著性、更强的样本外证据和更好的经济故事的因子应该被赋予更大的可信度（以及在定量模型中更大的权重）。尽管因子发现出现了爆炸式增长，批评者也指出了大量因子作为数据挖掘的证据，但学术金融研究人员通常使用的因子数量相当少。
例如，金融中使用的主导因子模型只包含少数几个因子，如Fama和French(2015)的五因子模型或Hou, Xue, and Zhang(2015)的四因子模型。该领域根本没有采用400因子模型。科学界一致认为不存在400个因子。更有趣的是，在学术界受到最多关注的因子恰恰是那些满足我们所支持的确定因子可靠性的三个标准的因子：坚实的经济理论、强的样本内统计显著性和一致的样本外表现。
为了支持这一说法，我们使用谷歌Scholar来记录与每个因子相关的论文的学术引用数量，图表3按因子绘制引用数（千）。图表显示，到目前为止，被引用最多的因子是价值、规模、动量、防御（beta和质量）因子。并非巧合的是，这些因子也有最好的经济逻辑、最强的统计证据和持续的样本外表现。在实践中，大多数量化公司也关注相同的因子，尽管每个基金经理对这些因子的衡量可能略有不同，可能对一两个主要因子类别有不同的看法。当面临现实世界的摩擦时，如交易成本、杠杆和风险约束、流动性问题等，一些因子可能会被证明成本太高而无法实施，或者在考虑这些实施成本后不那么有吸引力。因此，实际操作时会进一步减少可行因子的数量。应用所有这些标准，我们发现与价值、动量、利差和防御性/质量相关的因子仍然存在，如图3中蓝色部分所示。
如前所述，对抗数据挖掘的重要方法是拥有良好的理论和可靠的样本外证据。但是对现有因子的研究经常被忽视，因为学术界和实践中的大多数研究人员都想寻找新的想法和新的回报来源。这种搜索虽然有价值，但也很困难（市场的效率相当高），而且充满了错误（过度拟合）。为现有因子寻找新的支持是有价值的，而且可能更容易，更不容易出错。它也可以带来更好的表现。例如，为一个因子找到一个更好的经济故事，不仅让人们对该因子的有效性有了更大的信心，还可能激发出更好的衡量方法。此外，正如我们接下来将讨论的那样，因子几乎肯定会在困难时期受到影响。为了获得与某个因子相关的长期回报，能够坚持短期下跌，需要一定程度的信念和信心。事实上，这样的理解可以让你放心，你期望从这个因子中获得的溢价，正是因为你正在经历的痛苦。
事实1
因子投资是具有风险的
多因子投资拥有强劲而长期的业绩记录，特别是在2018年之前，它的表现和受欢迎程度都达到了近10年的全盛时期。在某种程度上，这些平静的日子可能给了一些投资者一种虚假的安全感，尽管事实上，因子投资的风险在学术文献中早就有记载。正如前面提到的，一个因子的长期溢价可能会带来短期的潜在痛苦。基于风险的因子溢价理论需要这样痛苦的时期。行为理论也可能会在艰难时期做出让步，因为在市场调整之前，情绪可能会继续朝着同一个方向移动。毕竟，如果你是根据你认为的别人的错误进行交易，就很难严格限制这些错误会有多大。在这两种情况下，因子溢价背后的经济学理论都确定了长期回报来源和短期表现不佳的可能性——这些可能是传统投资组合的绝佳补充，但它们不是套利机会。历史表明，这些表现不佳的时期可能持续数年。
在图4中，我们考察了在过去的一个世纪中，四个因子（价值、势头、防御和利差）的滚动、三年期实现夏普比率的范围和平均值，以及这四个因子应用于五个不同资产类别（股票和行业、股票指数、固定收益、货币和大宗商品）的多因子投资组合。如图所示，这些因子和多因子投资组合中的每一个，无论它们应用于什么资产类别，在大约三年的时间里都经历了显著的负夏普比率。因子和多因子投资组合与传统市场的相关性，虽然在长期内接近于零，但随着时间的推移，从负到正的相关性显著变化。除了投资期限的考虑外，将因子组合成多因子投资组合有助于减轻尾部事件。
例如，分别应用于股票和行业选择的价值和动量在短期内会有肥尾，即价值正倾斜，动量负倾斜。当将价值和动量结合在一起时，这些尾部属性会显著减弱，并与其他因子（包括传统市场）相当。2009年的动量崩盘就是一个很好的例子。2009年3月至5月，在全球金融危机之后的市场急剧逆转中，动量经历了一个非常有意义的负标准差事件，而价值和动量的同等加权组合则出现了一个相对温和的回撤。虽然经历多年的业绩下滑绝非易事，但这些艰难时期是要素投资策略所固有的，对于在均衡状态下产生因子溢价可能确实是必要的。正如我们将要讨论的，如果因子是一顿免费的午餐——肯定有正回报，没有风险——它们的溢价会因为套利活动而迅速消失。
误解2
因子分散化往往在你最需要的时候失败
2018-2020年期间经常发出的一种往往是误导性的抱怨是，因子分散化”往往在你最需要的时候失败”。这种说法有两种不同的版本。一个版本侧重于因子之间“无法分散化”的情况。另一个版本是关于因子投资”未能分散”糟糕的市场表现。我们将依次讨论这些问题。这两个版本的误解都有两个问题。第一个问题是过度关注短期。在短期内，可能结果的范围更大（回想一下我们刚刚提到的短期内尾部更宽的情况），而从长期来看，人们期望回报和相关性与他们的预期趋同。第二个问题是将分散化误认为是一种对冲，对冲是一种抵消风险的赌注，通常不会得到长期的回报，而且通常要付出一些代价。（如买入看跌期权，以防范股市下跌)。相反，分散化只要求两个回报流不是完全一致的（即，它们的相关性小于1）。随着时间的推移，这种分散化可能是非常有益的，但它不能使分散化资产成为一致的对冲。
在2020年初Covid引发的股市抛售期间，这种误解是一个许多讨论的话题，当时世界似乎正在崩溃，市场中立的多因子投资同时遭受损失。“市场中性”既不意味着也不要求“市场抵消”（一种对冲）。当然，市场中性只是表明表现将与市场无关。无关并不意味着无论市场走势如何，回报都为零或相同。这意味着平均而言，没有模式可以将回报与市场回报相关联。从历史上看，当市场下跌时，因子投资的表现好坏参半，平均相关性接近于零。事实上，虽然许多市场中性、多因子策略在2020年初的市场抛售中遭受了损失，但这些策略在2022年初市场下滑时表现非常好。相反，它们在1998-2000年牛市期间表现不佳，在21世纪初熊市期间表现良好。在某个时候，当市场暴跌时，市场中性战略肯定会表现不佳，就像2020年一样。在其他时候，它将在市场低迷期间表现得非常好。这就是多样化的运作方式。它不是短期波动的免疫，而是长期的降低风险的效果。虽然因子投资不能对冲市场，但它可以提供有价值的分散化。
如表7所示，它显示了在一个大幅下跌的市场中各种任意投资方法的假设预期结果。股市假设超额长期预期回报率为5%，年化波动率为15%。“股票对冲”假设与具有相同波动率和-5%预期回报的股票市场的相关性为-0.99。”不相关替代方案”假设与股票市场零相关性，年化波动率为10%，夏普比率与市场相同（0.33）。“多元化长期投资组合”（例如，风险平价投资组合）假设与市场的相关性为0.65，波动率为10%，夏普比率为0.33。在这里，市场中性的多因子策略将属于”不相关的替代方案”类别，所选择的假设符合这些策略的平均合理表现。我们在这里看到，在市场暴跌时，对冲基金在一个非常狭窄的范围内赚钱。但其他两项投资虽然平均赚钱，但结果要广泛得多。当然，其他两个的优势是，与对冲不同，它们有积极的长期预期回报! 现在让我们转向因子在最需要的时候”未能”彼此多样化的说法。因子多样化并不意味着每时每刻组合收益都会来自多个因子，而是阶段性某一个因子会暂时主导。
事实2
因子投资在许多市场和条件下都起作用
关于价值、动量和防御/质量的原始研究集中在美国个股，有充分的证据表明，这些因子同样适用于许多其他市场、其他资产类别，以及一个市场内的资产子集。虽然回报的幅度可能会在不同的股票子集之间变化，通常对较小和波动性较高的证券来说更大，但它们在所有这些细分市场上的存在都是稳健的。此外，在发达国家和新兴市场的国际股票市场中，因子溢价似乎都很强劲。不同市场的溢价幅度大致相同，往往会一起上下波动。这些因子也被应用于其他资产类别，包括股票指数期货、政府债券、公司债券、大宗商品、货币、期权，甚至体育博彩合约。证据压倒性地支持了因子投资在许多市场和资产类别中同样有效的观点。这些证据，加上随时间推移的样本外证据，表明因子溢价是稳健和可靠的回报来源，遍布所有市场和资产类别。
误解3
因子投资在新兴经济环境下不起作用
我们听过多少次“这次不一样”了?我们将简称为“TTID”。当一些通常有效的东西在一段持续的时间内不起作用时，TTID的言论最常见。“新经济”导致因子投资-实际上不仅是因子投资，而且是基于理性因子的积极传统选股-死亡的说法已经被提及过不止一次，最近一次是在2018-2020年，以及在20世纪90年代末的科技泡沫期间。就因子投资而言，我们认为TTID的想法倾向于低估因子对不同环境的稳健性。首先，在过去的几个世纪里，出现了许多非凡的革命性变化：铁路、蒸汽船、工业革命、大萧条、第二次世界大战、冷战、太空探索、滞胀、里根经济学、个人计算、互联网和社交媒体，仅举几个例子。然而，尽管这些变化正在发生，即使是在过去几十年里发生的变化，我们仍然看到一些因子继续发挥作用。
鉴于基于风险和行为的因子解释在新旧经济条件下是不变的，这种持续的长期成功应该并不奇怪。随着世界的发展，对风险的补偿并没有变得不必要，投资者也没有神奇地变得完全理性。以价值因子为例。有人认为它无法应对技术变革，这是一种误解（从几十年甚至几个世纪的根本性变革中，人们可以看到它的长期成功）。投资者通常很清楚技术变化。如果价值是因为行为原因而起作用，那是因为投资者过度推断了变化是否会发生（在某些情况下，变化实际上会导致过度推断）。
Israel、Laursen和Richardson(2021年)在题为”基本面对股票回报仍然重要吗?”的文章”（系统性）价值投资死了吗?”中进行了一个简单的测试，以确定基本面确实仍然重要。具体来说，他们模拟了一个对未来收益有完美预见的简单价值策略。毫不奇怪，从长远来看，由此产生的夏普比率相当高，包括在科技泡沫之后（事实证明，知道未来会有所帮助）。类似地，他们证明了同期盈余预期的变化通常可以解释股票回报差异的很大一部分。但他们也记录说，2018-2020年期间和科技泡沫一直是这些关系的异类，这些关系的基本面并不那么重要。简单地说，基本面可以在上述短期内停止”重要”，但它们往往在大多数时候和长期都很重要，毫不奇怪在2021-2022年继续重要。
事实3
过去和现在，因子都不太拥挤
如果每个人都知道这些因子，怎么可能不太拥挤呢？
许多关于因子溢价存在的最佳经济学解释依赖于一组愿意站在因子投资的另一边的投资者。在这些解释下，投资者意识到因子溢价，但选择不投资于它们，因为他们既不喜欢与因子相关的风险。这种动态允许因子溢价在均衡中可持续，永远不会”过于拥挤”或被套利。
这个解释不同于纯粹的，来自错误定价或新信息的特质阿尔法。无风险阿尔法是所有投资者都想要的东西，因此它将很快被竞争殆尽。换句话说，无风险阿尔法策略存在不可长期持续的另一面，如果存在，它很容易很快被套利（挤出）（尽管存在时很好！）。
当然，即使在基于风险或行为的因子解释下，为谁站在另一边提供了理由，随着对风险的品味和偏好的变化，如果每个人都决定投资于因子，但没有人愿意站在另一边-每个人的风险偏好和/或偏好都一致的不太可能的情况-因子溢价肯定会消失。更现实的是，在某些情况下，如果相对于那些希望投资于因子的投资者，愿意采取另一种投资方式的投资者更少，那么因子投资可能会显得”更拥挤”。相反的情况也可能发生，当有更多的人愿意押注于不利因素而不是有利因素时。这种需求的涨跌应该会在价格和估值比率中体现出来，因此未来的预期回报也会体现出来。
因此，衡量因子“拥挤”的一种方法是看估值，比如价值利差——定义为一个因子的多头相对于空头的平均账面价格比之间的差异。最近因子表现不佳的一些故事遵循了这一逻辑，声称因子投资的日益商品化和普及导致了2018-2020年期间的回报预期下降。然而，如果是由于过度拥挤，这种因子效率的下降看起来更像是缓慢地下降到零，而不是突然急剧地下降到负回报区间。这个常见的故事，即因子过于拥挤导致2018-2020年的痛苦，实际上是向后的。他们并没有过度拥挤，而是被卖空了！
此外，各种因子的估值比率并不支持这类故事。图12绘制了价值（HMLDEVIL）、动量（UMD）、盈利能力（GPOA）、防御性（BAB）和质量（QMJ）因子的估值利差的时间序列。价差表明一个因子相对于其历史而言是”便宜”还是”昂贵”，这是一个迹象，表明一个因子是拥挤的还是拥挤的。比较各因子之间的价值利差时间序列表明，拥挤不太可能是2018年至2020年业绩不佳的原因。例如，在2018年之前，价值因子相对便宜，此前十年的表现相对较低，这表明价值因子缺乏拥挤。然而，正是价值因子经历了2018年至2020年最严重的下降。相反，防御因子看起来相对昂贵，因此可能拥挤，但它在随后的2018-2020年期间表现得非常好这些模式与人们从拥挤的故事中所预期的正好相反。
误解4
每个人都应该进行因子投资
根据定义，因子投资组合偏离了市场组合的权重。但又因为所有东西加起来都是市场权重，如果每个人都投资于因子（没有人愿意选择另一边），那么价格就会变化，直到它们与市场组合权重匹配，那么溢价就会消失。这正是因子溢价的存在要求有人愿意选择另一方的原因。考虑到这一点，考虑到那些确实投资于这些因子的人应该了解他们为什么投资于这些因子以及它们所承担的风险，也是有启发意义的。
例如，因子溢价不是免费的午餐。它们不能提供无风险的异常回报来源。相反，它们为承担额外的风险或与之相关的不受欢迎的特征提供补偿。也就是说，一定有一些投资者不想投资于这些因子，任何因子投资者都必须理解和接受这个原因。如果这是风险，那么要知道你正在接受并暴露在这种风险中。如果这是一种行为偏好，那么要知道，你正在投资于其他投资者认为没有吸引力的东西。知道你为什么投资于一个因子，对坚持你的投资决定很重要。正如我们所表明的，在很长一段时间内，因子溢价是可靠的，
因此，为了从因子投资中获得回报，投资者必须愿意坚持下去，即使在黑暗时期。理解为什么因子投资能提供高于市场的回报，有助于在这些艰难时期坚持下去。成功的因子投资的关键是能够长期坚持下去。不是每个投资者都可以或应该这样做。
事实4
因子投资的纪律性通常胜过择时、修补和交易
近年来，在银子投资从业者中争论最激烈的话题之一是因子时机选择的有效性，学术研究和我们内部研究都表明，通过因子择时为多元化的多因子投资组合增加价值是极具挑战性的。
Asness et al.(2017)研究了因子投资组合的价值择时。在一个已经包括价值的因子投资组合的背景下，作者发现实施战术价值择时几乎没有额外的好处。这样做会导致对价值的押注超过预期，并放弃其他因子的多元化而削弱业绩。
下图说明了这一点，多因子投资组合中实施的价值择时看起来很像静态价值投资，可能会削弱战略多样化的好处。考虑到与择时相关的额外交易成本，扣除成本后的业绩进一步下降。这一经验提醒我们，因子择时是困难的，你永远不可能完全正确，但从长远来看，这可能是值得的，特别是在最近经历的历史性错位等极端情况下。除了价值择时，其他常用的因子择时方法包括因子动量(Gupta and Kelly, 2019)和宏观经济择时。成功的基于宏观经济的因子择时需要“两次正确”：1）正确预测宏观环境，2）预测因子对宏观条件的暴露程度，正如之前的所述，在大多数情况中，宏观条件的暴露程度很弱，甚至不存在。
误解5
你知道什么时候在回撤/恢复期，什么时候减少/增加暴露
这个误解只是另一种错误观念的变体，即因子选择很容易。然而，这个误解不是关注相对于彼此的因子权重的择时，而是关注策略总体波动性（或跟踪误差）。许多投资者试图把握整体市场的时机，采取”逢低买入”或相反的”逢高卖出”等方法。在下跌的过程中，无论是在市场的背景下还是在积极的策略的表现下，很难知道什么时候是低谷，或者在它变得更好之前，它能变得多糟糕。
下图使用价值策略的说明了这一点。该表展示了在下降20%后的24个月内所有实现的回报路径，并强调平均回报路径与长期预期回报所暗示的路径非常相似。虽然下图说明了单纯通过查看过去的回报来知道何时减少或增加阿米达提款的风险是困难的，但这并不意味着没有其他工具可以帮助进行这项工作。正如事实4所解释的那样，在价值因子的背景下，衡量价格和基本面之间脱节的程度可以帮助更好地理解损失是更多地是对基本面预测的错误，还是更多地是基本面变化不大的价格走势。然而，这种方法仍然不能保证成功。
事实5
因子投资很难坚持，但很值得！
尽管我们一直主张坚持并严格遵守因子投资，但这很难做到。如果这很容易，每个人都可以做!这也创造了那些愿意持有另一方以提供未来可持续回报溢价的人。让坚持投资变得特别困难的是，因子投资将不可避免地经历回撤，但你不知道何时或能够很好地把握时机。此外，你也无法轻易解释他们。尤其难以坚持的是，当因子遭受损失时，可能很难回答”为什么”这个问题（或者更准确地说，”为什么现在”）。因子偏离市场，其风险不同于纯粹的市场风险。这种差异的好处是多样化，它提高了投资组合的效率。这种差异的缺点是，除了一些明显的陈词滥调外，通常没有一个直观的解释来解释糟糕的表现。当股市普遍下跌时，人们通常可以归咎于宏观经济(例如:当债券市场受到冲击时，人们可以把矛头指向美联储和利率。但多空市场中性因素，如价值或势头？当他们受苦的时候，不容易找到一个简单的故事。事实上，这些因子通常被构建为相对不受宏观经济的影响的投资组合。因子表现在短期内很难解释，因此在遭受痛苦时很难坚持。这既是一种诅咒，也是一种祝福，因为它使因子在困难时期更加难以坚持，但这也允许因子为投资者的投资组合带来急需的多样化（这是好处）。
最后，也是最令人沮丧的是，即使它们在缩减后复苏，复苏也不会是平稳和轻松的。在各种因子失宠后，市场不会在一天内收回所有损失，即使在漫长的大规模复苏中，也会有痛苦的时期。所有这些都使坚持因子投资变得困难。想想2018年至2020年最近的价值下降，2020年初，也就是股市下跌的两年后，价值的便宜程度接近极端，对近期复苏的预期似乎是合理的。然而，价值在一年多的时间里继续遭受损失，加剧了损失的痛苦，但更重要的是，可能给预期复苏的投资者带来了心理上的损失。事实证明，无论是出于实际原因还是人为原因，坚持它以及更广泛地坚持因素策略都很困难。在实际方面，杠杆、风险和现金限制迫使一些投资者随着资金继续减少而屈服。
但正如上图所示，长期来看因子投资给我们带来了显著的正回报。这就是为什么不是每个人都可以（或应该）成为因子投资者。
这就是为什么我们不应该过于担心因子的拥挤，以及为什么因子被广泛知道不是一个问题。这也是为什么我们继续写关于因子投资的文章，并试图更好地理解它。这就是为什么因子投资会有回报。
本文来自微信公众号“量化投资与机器学习”，文章版权归原作者所有，内容仅供参考并不构成任何投资及应用建议。
