20170822-天风证券-金融工程专题报告_海外文献推荐_第13期_22页_2mb

金融工程海外文献推荐 第13期总结

核心内容

本次报告推荐了三篇金融工程相关的海外文献，分别探讨了社会责任共同基金的分类与绩效衡量、股票市场波动性与投资学习以及因子择时风险导向模型。这些研究为投资策略、资产定价模型和基金绩效评估提供了新的视角和方法。

主要观点

1. 社会责任共同基金的分类及其绩效的衡量

• 本文构建了一个六因子模型，通过加入两个社会责任因子（TMB因子和AMS因子）将传统的四因子模型扩展。
• TMB因子反映了良好的员工关系等标准，通过计算公司股票在五个社会责任标准中排名的最高和最低的1/3之间的收益差值得出。
• AMS因子反映了排除“回避”公司等标准，通过计算被接受的公司股票与被回避的公司股票之间的收益差值得出。
• 通过六因子模型分类共同基金，可以更准确地识别具有社会责任感的基金，与晨星分类方法一致。
• 在绩效衡量方面，六因子模型下的α值通常低于四因子模型，表明部分α值在四因子模型中被转化为TMB和AMS因子的β值。
• 通过分析基金的TMB和AMS得分，可以更深入地了解基金在社会责任方面的表现。

2. 股票市场波动性与投资学习

• 本文提出了一种基于消费资产定价模型的理论框架，该模型允许投资者对价格行为有主观信念，从而解释股票价格波动。
• 理性投资者通过学习过去的市场数据来更新其对股票价格的预期，这使得动量交易策略和均值回归策略得以引入。
• 模型在解释股票收益波动、股息率波动与一致性，以及长期收益的可预测性方面表现出色。
• 投资者对价格增长率的主观预期反过来影响价格增长率，这种“内在理性”模型在考虑了微小偏离理性预期（RE）的情况下，可以更好地解释市场行为。
• 该模型在实证研究中得到了验证，并且在计量经济学检验中表现良好，能够解释资产定价的事实。

3. 因子择时风险导向模型

• 本文提出了一种动态多因子模型，使用预测IC对各因子进行赋权，以提高模型的适应性。
• 通过分类树方法估算预测IC，并将其用于因子加权，使模型在不同市场环境下更具灵活性。
• 实证结果显示，动态模型在扣除交易成本后的风险比率约为0.52，是静态方法的四倍。
• 模型通过按月度和季度动态加权，提高了投资组合的绩效表现。

关键信息

1. 社会责任共同基金的分类

• TMB因子和AMS因子是社会责任基金分类的核心。
• TMB因子的β值为正，表明高社会责任公司股票在市场中表现更好。
• AMS因子的β值为负，表明被回避公司股票表现较差。
• 通过六因子模型，可以更准确地分类社会责任基金，例如Green Century Equity fund被归类为社会责任基金，而Reynolds Blue Chip Growth fund则不被晨星归类，但被六因子模型归类为社会责任基金。

2. 股票市场波动性与投资学习

• 模型在考虑投资者主观信念和预算约束的情况下，能够解释股票价格波动。
• 投资者通过学习历史数据，不断更新其对价格的预期，这导致了动量效应和均值回归。
• 该模型在实证研究中表现良好，能够解释股票收益波动、股息率波动与一致性，以及长期收益的可预测性。

3. 因子择时风险导向模型

• 动态多因子模型通过预测IC进行因子赋权，提高了模型的适应性。
• 模型在扣除交易成本后的风险比率约为0.52，是静态方法的四倍。
• 模型通过按月度和季度动态加权，提高了投资组合的绩效表现。

图表概览

• 图1：1992年1月-2012年6月的因子收益。
• 图2：因子收益之间的相关系数。
• 图3：不同指数的TMB和AMS因子β值比较。
• 图4：不同共同基金的TMB和AMS因子β值比较。
• 图5：基金分类。
• 图6：TMB和AMS因子组之间的年化α值均值差异。
• 图7：美国资产定价事实。
• 图8：股息变化计算式，总需求变化式，预期效用函数，预期效用式。
• 图9：消费债券股票关系式，预算限制，边界限制。
• 图10：最佳计划的特性，该模型的唯一RE解。
• 图11：近似式。
• 图12：均衡股价式的变化，更新规则，更新函数的性质。
• 图13：已实现的价格增长等式。
• 图14：由（23）得来的二维相图。
• 图15：βt递归式。
• 图16：MSM估计和统计学检验相关式。
• 图17：γ = 5 和 γ = 3 的结果。
• 图18：PD比率的时序结果实现。
• 图19：γ = 80 的估计结果。
• 图20：约束。
• 图21：约束1-4的检验数据。
• 图22：进一步检验结果。
• 图23：对约束1的拒绝频率。
• 图24：对附加非线性工具的拒绝频率。
• 图25：约束2-4的检验结果。
• 图26：预测变量。
• 图27：分类树方法。
• 图28：加权方式。
• 图29：累计收益月度赋权。
• 图30：累计收益月度赋权-分段。
• 图31：累计收益月度赋权-分段，增加交易成本。
• 图32：累计收益季度赋权-分段。

风险提示

本报告不构成投资建议。

作者信息

• 吴先兴：分析师，SAC执业证书编号：S1110516120001，邮箱：wuxianxing@tfzq.com，电话：18616029821。
• 阙文超：联系人，邮箱：kanwenchao@tfzq.com，电话：18717948990。

相关报告

1. 《金融工程：专题报告-基金经理管理业绩分析-国泰估值优势偏股混合型基金》2017-07-18
2. 《金融工程：专题报告-私募EB正股的投资机会》2017-07-11
3. 《金融工程：专题报告-基金经理管理业绩分析》2017-07-06
4. 《金融工程：定期报告-2017年6月沪深重点指数样本股调整预测》2017-05-06
5. 《金融工程：专题报告-预知业绩能有多少超额收益？》2017-04-16
6. 《金融工程：专题报告-策略的趋势过滤》2017-03-22
7. 《金融工程：专题报告-日间趋势策略初探》2017-03-10
8. 《金融工程：专题报告-基于自适应破发回复的定增选股策略》2017-03-09
9. 《金融工程：专题报告-定增节点收益全解析》2017-03-06
10. 《金融工程：专题报告-量化CTA策略概述》2017-02-14
11. 《金融工程·专题报告-潜伏业绩预》（未完整）