| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 金融/投资 |
| 基于Fama-French五因子风险分散投资策略 |
| 第745期 作者：□文/叶钰怡 毛昱皓 卢彦翰 时间：2025/1/16 11:12:13 浏览：12次 |
［提要］ 全球经济环境复杂多变，各国股市频繁波动，分散化投资策略成为投资者关注的重点。本文选取Fama-French五因子模型作为研究工具，选取2000年1月至2023年12月月度数据，剔除非蓝筹股，以确保数据稳定性，并通过清洗和预处理选取242只蓝筹股作为样本。选出各因子影响程度较大前十家企业作为投资组合备选股，构建投资组合时采用风险预算平价Risk Parity方法进行优化。回测结果证明该策略在A股市场的有效性，为追求低风险的稳健长期投资者提供新的思路。
关键词：风险分散；Fama-French五因子；风险预算平价Risk Parity
中图分类号：F83 文献标识码：A
收录日期：2024年8月9日
一、背景及意义
（一）背景。全球经济环境复杂多变，各国股市普遍出现大幅波动和下跌，投资者信心受到了严重打击，作为全球金融体系的重要组成部分，A股的表现也是不尽如人意。从过去几年的情况来看，A股市场经历了多次大幅波动，如2008年全球金融危机期间，中国的上证指数仅仅在几个月时间内，从6，124点急速下跌至1，664点，总市值蒸发了约七成；而在2015年的股灾中，上证指数的表现更是震惊全球投资者，在短短53个交易日内从5，178点猛跌至2，850点。近3年虽然没有发生过去那样的大规模系统性风险，但是沪深300指数从2021年初至2024年中旬，也下跌了30%以上，外部环境的不确定性和内部结构性问题使得市场整体走势依旧疲软。正是在这样的市场大背景下，如何有效控制风险逐渐成为了投资者关注的重点。
在风险控制方面，分散化投资策略被广泛认为是一种有效的手段。自资本资产定价模型提出以来，CAMP模型理论得到不断的发展和完善。分散化投资可以通过配置不同资产类别或不同行业的股票，降低单一资产或行业波动对整个投资组合的影响。除了传统的行业分散化，随着量化交易的兴起，因子分散化投资也成为一个热门的研究主题，其中较为著名的有Fama-French三因子模型，以及后续改进的五因子模型。通过多个因子的共同作用，多因子模型在稳定性上有更大的优势，这使得选股结果更加科学和可靠，提高了选出优质股票的概率。
关于因子分散化投资策略，学术界有许多研究提供了有价值的见解和实践指导。朱世清（2015）认为，通过多因子选股可以实现风险的分散，避免单一因子导致的投资风险；刘毅（2010）强调，多因子选股模型从估值因子、成长因子、财务质量因子、流动性因子和技术因子等多个角度考察股票的可投资性，通过多方面的综合考量，可以降低单一因子带来的风险，实现更加有效的风险分散；杨子伟（2021）提出了市场因子在我国A股市场的解释力度非常强的观点，并通过对五因子的改进构建了更适合中国市场的因子；马彬凯（2018）认为，Fama-French五因子模型在我国A股市场的表现是比较好的，尤其是对大规模股票组合的解释能力更强。可以看出，因子分散化投资不仅在理论上有大量的研究成果，而且在A股投资的实际运用和分析上，也有大量的数据支撑其适用性。
（二）研究意义。在市场低迷时期，投资者往往面临着更高的风险挑战，如何有效规避这些风险并获取稳定的投资回报，成为了他们普遍关注的焦点问题。在经济下行时期，投资者往往面临着资产贬值、市场波动加剧等风险。为了有效应对这些风险，投资者通常会采取分散化投资的策略。然而，不同类型的分散化投资策略在效果上可能存在较大差异。本研究对比了行业分散化投资与因子分散化投资的效果，以期为投资者提供更全面的参考。在此基础上，通过因子分散化投资策略，有助于投资者在复杂多变的市场环境中作出更为明智的投资决策，更有效地抵御市场上普遍存在的系统性风险，提高投资组合的整体收益水平。
本研究运用Fama-French五因子模型，对五因子资产定价模型在我国股市的应用，不仅能够借鉴和吸收国际先进的研究思想，还能进一步拓展我国金融市场相关学术研究的广度和深度，从而丰富和完善国内金融理论。通过分析和理解不同市场因子对投资组合表现的影响，投资者可以更好地把握市场动态，识别和利用因子投资机会。这有助于投资者更深入地了解市场的运作机制。这一研究不仅具有理论价值，更有助于指导我国金融市场的实践运作，为投资者提供更科学、更准确的投资决策依据。
二、模型建立
（一）数据处理。中国股票市场自20世纪90年代初成立以来，发展时间尚不足30年。在市场成立之初，由于缺乏健全的制度和管理经验，发展不够规范，经历了较长时间的探索和调整期。直到1999年《证券法》的出台，中国股市才逐步走上正轨。早期的中国股市股票数量较少，波动较大，信息反映不足。因此，本文剔除2000年前的数据，选取2000年1月至2023年12月共288个月的月度数据作为样本。
由于A股市场中的非蓝筹股波动性较大、流动性较低、信息披露不足、企业治理结构较弱、整体盈利和成长前景不稳定等劣势的存在，我们转向具有稳定性、可靠性和高度市场认可度的蓝筹股，股票数据和行业数据皆源于Wind数据库。
统一计量单位为月度数据；删除重复数据和无效数据；剔除至2023年12月上市不满60个月的股票。经过数据清洗和预处理，剩余242支样本股。
（二）行业分散与因子分散。风险分散是投资管理中的核心原则之一，可帮助投资者降低投资组合的特定风险，提高整体投资组合稳定性和回报。现有研究表明，行业分散和因子分散都是有效的风险分散策略。比较分析行业分散与因子分散的有效性程度，并选取其中效果更好的分散方式进行选股。使用皮尔逊相关系数反映风险分散有效程度，相关系数绝对值越小，说明风险回避越好。皮尔逊相关系数的取值范围是［－1，1］，其取值越靠近-1表示负相关性越强，越靠近1表示正相关性越强，取值为0表示两个变量之间没有线性关系。计算公式如下：
r=■
其中，Cov（X，Y）是X和Y的协方差，σX、σY分别是X、Y的标准差。以此来反映行业与行业之间、因子与因子之间的相关性。
2000年1月至2023年12月万得全A行业指数与Fama-French五因子相关系数热力图如图1、图2所示。（图1、图2）
从图1、图2可看出，在整体上行业指数的相关性显著较强，大部分数据高于0.5，部分数据甚至远高于0.7；Fama-French五因子大部分数据小于0.4，呈弱相关，部分数据小于0.2，为非常弱的相关性，只有个别数据大于0.5。选取相关性低的Fama-French五因子作为本文的选股模型。
（三）Fama-French五因子模型。Fama和French提出的Fama－French五因子模型如下：
R（t）-Rf（t）=a+bMKT（t）+cSMB（t）+dHML（t）+hRMW（t）+rCMA（t）+e（t）
其中，a为截距，R（t）-Rf（t）为风险溢价，b、c、d、h、r为各因子的系数；MKT为市场组合回报率（市场的整体回报率），SMB公司规模因子（小盘股与大盘股之间回报差异），HML为账面市值比因子（高账面市值比公司与低账面市值比公司之间的回报差异），RMW为盈利能力因子（高盈利公司与低盈利公司之间的回报差异），CMA为投资风格因子（激进投资公司与保守投资公司之间的回报差异）。
对每只股票进行多元线性回归分析，计算Fama-French五因子模型中的因子回归系数，结果如表1所示。（表1）
通过买入不同的因子的解释力度分别选取其解释力度最强的企业以此来分散分风险，接下来要说明的则是通过各因子如何选取股票。
三、股票选取
Fama-French五因子模型的五个因子分别是风险溢酬因子（MKT）、市值因子（SMB）、账面市值比因子（HML）、盈利因子（RMW）和投资因子（CMA）。
MKT衡量了股票市场上的整体系统性风险，代表了投资者承担市场风险所能获得的预期超额收益。系统性风险包括利率汇率、商品价格、宏观政策等方面的影响，市场整体的情况可能导致股票价格的波动。在市场不景气或者风险偏好较低的时期，整体股票市场的表现较为疲软，市场回报较低。此时，将MKT取小值，有助于降低整体的市场风险，减少由市场波动引起的不必要的风险暴露。根据MKT因子选取的10家企业如表2所示。（表2）
SMB反映小市值股票相对于大市值股票的超额收益，通常使用公司总市值或流通市值表示。通常小市值股票比大市值股票波动性更大，风险更高，因此需要更高的收益率进行风险补偿，导致“规模效应”出现。在主打风险分散的投资中，市场风险偏好增加导致投资者更倾向于选择大市值股票，从而选择SMB较小值。根据SMB因子选取的10家企业如表3所示。（表3）
HML反映了低市盈率股票相对于高市盈率股票的超额收益，也称为市净率风险因子。通常使用账面市值比衡量公司的价值高低，低账面市值比股票（即价值股）往往能够获得比高账面市值比股票（即成长股）更高的超额收益，即产生了“价值效应”。价值效应的产生往往来自于投资者对公司历史业绩的过度反应，价值股由于历史走势欠佳而被低估，成长股由于历史走势良好而被高估，过度反应造成的价格偏差修正后，价值股需要更高的收益进行风险补偿。如果一个投资组合或资产在市值上的暴露越大（即HML越大），那么其预期收益的解释力就越高，从而提高因子模型的有效性和准确性。因此，HML取大值通常与较高的股票收益相关联，有时价值股可以获得更高的收益。根据HML因子，选取的10家企业如表4所示。（表4）
RMW衡量高盈利股票相对于低盈利股票的超额收益，高盈利能力公司通常伴随的风险更高，需要更高的超额收益进行补偿，因此高盈利股票往往会产生比低盈利股票更高的超额收益。高盈利能力公司（RMW取大值）相对于低盈利能力公司表现好，反映了市场对高盈利能力公司的偏好，这些公司有更高的盈利潜力和稳定性，同时帮助解释股票的价格波动和超额收益。根据RMW因子选取的10家企业如表5所示。（表5）
CMA衡量低投资股票相对于高投资股票的超额收益。低投资股票即为投资保守型公司，高投资比例股票即为投资激进型公司，投资保守型公司通常为创业阶段的公司，有更高的风险，需要更高的超额收益进行补偿。保守型公司和进取型公司在不同市场环境和经济周期中，可能表现出不同的投资行为和财务稳定性。将CMA取大值有助于在因子模型中更有效地反映这种差异。CMA因子取大值可以帮助投资组合经理更好地理解和管理公司投资风险。保守投资（高投资比率，CMA取大值）相对于激进投资表现好，这是因为市场风险偏好减弱，投资更倾向于选择安全性较高的投资，从而提振保守投资公司的股票表现。根据CMA因子选取的10家企业如表6所示。（表6）
四、投资组合构建
（一）投资组合模型。上文已选出了备选股，将备选股进行投资组合的优化，让投资组合的风险进一步下降。主要运用风险贡献度相等（风险预算平价Risk Parity）的方法来进行投资组合优化。约束个股权重后，让所有的股票对投资组合拥有相同的风险贡献度。通过资产组合的有效前沿，可以观察到，在约束整体投资组合风险在14.2%的水平下，预期年化收益大约为14%。（图3）
（二）投资组合回测。在完成投资组合优化后，对投资组合进行了回测（回测区间：2019.05～2024.06），样本外的回测结果可以观察到，投资组合的年化收益为16.84%，高于样本内的14%，超越沪深300指数128.24%，年化夏普比率为0.9，年化波动率17.01%，略高于样本内测试的14.2%。（图4）
通过表7分析了投资组合分阶段的样本外回测，投资组合的整体表现优于大盘基准，投资组合获得了更高的预期收益、更低的年化波动率以及持续的超额收益。（表7）
（三）本次投资组合配置。根据最新的数据，在代入投资组合优化模型后，得到了如表8所示的投资组合配置。（表8）
五、结论与启示
本文通过比较行业分散和Fama-French五因子模型在风险分散方面的效果，发现Fama-French五因子模型在捕捉市场多维度风险因素方面表现更为优异。因此，本文选择该模型作为研究工具，进行了详细的实证分析。选取2000年1月至2023年12月的月度数据，并通过数据清洗和预处理选取了242只蓝筹股作为样本。基于Fama-French五因子模型，选出各因子影响程度较大前十家企业作为投资组合备选股，并采用风险预算平价（Risk Parity）方法进行优化。优化后的投资组合在2019年5月至2024年6月的回测中表现优异，年化收益率达16.84%，显著超过沪深300指数。投资组合的年化夏普比率为0.9，年化波动率为17.01%，整体表现优于大盘基准，展示了更高的预期收益和持续的超额收益。回测结果证明了该策略在A股市场的有效性。
本文通过实证分析和模型应用，证明了Fama-French五因子模型在A股市场中的有效性。在全球经济环境复杂多变的背景下，该研究为投资者提供了一个有效的分散化投资策略和新的投资思路，具有重要的实践意义和应用价值。
（作者单位：浙江工商大学杭州商学院）
主要参考文献：
［1］马彬凯.Fama-French多因子模型在我国股票市场的适用性研究［D］.天津：天津工业大学，2018.
［2］张欣悦.我国商业银行个人理财业务风险控制研究［J］.现代商贸工业，2018.39（32）.
［3］朱世清.多因子选股模型的构建与应用［D］.济南：山东财经大学，2015.
［4］刘毅.因子选股模型在中国市场的实证研究［D］.上海：复旦大学，2012.
［5］杨子伟.Fama-French五因子模型在中国A股市场有效性的检验和改进［D］.上海：上海财经大学，2021.
|
|
|
|
