1.什么是Smart Beta
近年来，Smart Beta成为投资管理中的一个普遍主题，是金融行业中增长最快的细分市场之一。Towers Watson在2007年使用了Smart Beta这一术语来指代他们的基本面加权策略。Ang(2015)提出，Smart Beta是基于因子投资的策略，通常是纯多头策略，并且通常在某单一资产类别内实施。Kahn (2018) 认为，Smart Beta通常指的是依赖第三方指数的纯多头产品。
总结来说，Smart Beta策略旨在通过基于规则的透明策略捕捉收益驱动因素，是因子投资的一个实现形式。随着因子投资的发展，很多Smart Beta ETF金融产品相继问世，极大地丰富了资产配置的工具。如今的Smart Beta ETF已经包括了除基本面因素之外具有广泛因子敞口的产品，并涵盖了除了市值加权之外的所有形式的指数化。下图从策略形式、回报来源、自由裁量程度等方面对市值加权指数基金、因子投资、主动基金、Smart Beta ETF以及直接指数投资进行了对比。图1：因子投资、指数投资、Smart Beta与主动管理的框架说明
来源：CFA Institute Research&Policy Center2.Smart Beta的特征
Smart Beta的特点包括捕捉易于理解的收益驱动因素，策略透明，容量较高等。关于Smart Beta策略的一个常见问题是，它们究竟是主动管理还是被动管理。实际上，Smart Beta策略介于两者之间。Smart Beta策略具有一定的主动性，因为它们试图通过暴露于已证明能够增强风险调整后收益的因子来超越市场表现。同时，这些策略在执行上类似于传统的被动策略，因为它们是透明的、系统的，并且基于规则进行构建。这意味着投资组合的构建基于一套广泛披露的规则，并且几乎不需要或完全不需要投资组合经理的主观判断。与传统的主动管理策略相比，Smart Beta策略通常拥有更低的费用和更高的容量。表1：比较被动、主动和Smart Beta策略的特征
来源：Smart Beta: Defining the Opportunity and Solutions, BlackRock3.Smart Beta的目标及优势
Smart Beta策略旨在提升收益、降低风险并增强投资组合的多样化。尽管某些因子在历史上长期表现出色，但它们的表现可能受到市场周期变化的影响，任何单一因子在特定的月份或年份内都可能产生正回报或负回报。然而，在足够长的时间范围内，长期投资者能够通过持续暴露于这些因子而获得回报。随着Smart Beta产品的丰富及规模的扩大，投资界对Smart Beta的兴趣不言而喻。原因在于Smart Beta策略的潜在作用：改善投资组合结果、降低投资组合成本以及增加透明度。下图展示了包括价值(寻找便宜股票)、动量(跟随趋势)和收益(寻求收入)在内的几个股票因子指数，与表征全市场的指数（MSCI全球基准指数）相比的历史风险和回报。可以看到，与全球指数相比，因子指数具有较高的年化收益，且部分因子指数兼具较高收益及较低风险。图2：MSCI全球基准指数表现(1975/11/28 – 2015/6/30)
因子指数不仅作为单一投资策略或产品具有投资优势，而且可以为投资组合改善表现。下图展示了60%股票和40%固定收益的投资组合的几种策略的回报对比。基准投资组合投资于股票和固定收益的市值加权指数。低波动性投资组合旨在相对于基准市场投资组合降低总波动性，而寻求超额收益投资组合则旨在超越基准投资组合。图3：投资组合表现比较
先锋集团（Vanguard Group）的创始人约翰·伯格（John C. Bogle）是低成本投资理念的重要倡导者。他认为投资成本对长期投资回报有着显著的影响，高额费用在长期复利效应的放大下会侵蚀投资者的收益，而较低的投资成本可以显著提高投资者的净回报。因此伯格鼓励投资者采取长期视角，提倡简单而有效的投资策略，支持高度透明的投资产品和结构。在过去十几年中，基于指数的投资积累了大量资产，投资者的投资决策越来越受到投资成本和扣除费用后的表现驱动，将投资组合转向更具成本效益的结构。Smart Beta策略使投资者能够寻求增强的风险调整回报，成本低于主动策略，同时保留许多传统指数策略的好处。一般而言，Smart Beta策略的成本介于传统指数策略和主动策略之间。与传统指数策略一样，Smart Beta策略遵循预设规则来确定证券选择、投资组合构建和再平衡的过程。这些规则不会根据市场条件的变化而调整。这些规则通常由第三方基准提供商发布。透明度的水平意味着投资者应对构建规则和投资组合特征有充分的了解，从而增强他们做出明智配置和构建更为多样化投资组合的能力。Smart Beta策略起源于因子投资理念，后者致力于识别并利用那些广泛存在且具有长期稳定性的收益驱动因素。在因子投资框架下，投资者可以主动构建投资组合以捕捉特定的市场因子，比如价值投资（专注于发掘被低估的企业）或者质量投资（倾向于选择财务状况稳健的公司等）。传统投资哲学早已成为积极资产管理中的重要组成部分，而因子投资则进一步将这些直观的投资风格系统化、规则化，并通过透明度高的策略来实现对潜在超额回报的有效追踪。学术界对于因子的研究可以追溯到20世纪30年代，Graham and Dodd（1934）提出了价值溢价，并且他们的著作《证券分析》成为了行业内的经典之作。到了60至70年代，资本资产定价模型（CAPM）与套利定价理论（APT）的提出，为因子研究提供了重要的定量分析工具。自20世纪70年代起，学者们开始注意到按照特定风格或特征“打包”的股票组合往往能够获得超越市场的回报。其中最著名的发现包括Basu（1977）所揭示的价值溢价效应以及Banz（1981）发现的小盘股效应。这些发现因违背了当时盛行的有效市场假说而被称作“异象”。正是从这一时期开始，针对不同市场因子的研究迅速兴起，开启了学术界深入探索因子投资的新篇章。随着因子研究的不断深入，学术界和业界持续发掘出新的因子，使得因子投资成为了投资者工具箱中不可或缺的一部分。在基于特定因子构建投资组合的过程中，必须考虑到可投资性的限制条件。成功的因子投资不仅依赖于理论基础，还要求对从理论到实践的每一个环节都给予充分的关注。对于投资者而言，理解每个因子背后的逻辑至关重要。选择与自身风险承受能力相匹配的因子，并运用适当的金融工具（如Smart Beta ETF）进行投资，则显得尤为关键。这样可以帮助投资者更有效地实现其财务目标，同时也能更好地应对市场波动带来的挑战。2.什么是因子
因子投资超越了传统的资产类别标签，聚焦于真正的经济回报驱动因素（如经济增长或通货膨胀），或者经过验证的投资特征（如价值和动量）。从因子的角度出发，投资者能够更深入地理解其投资组合的构成，从而实现更有效的风险管理，并提高达成既定投资目标的可能性。正如Ang（2015）所比喻的那样，因子对于资产的作用类似于营养素对食物的影响——就像牛奶和牛排都富含脂肪和蛋白质一样，经济风险也普遍存在于公共股票、私募股权、高收益债券及大多数对冲基金中。因此，正如注重健康的饮食者会通过分析食物成分来选择合适的膳食一样，了解因子可以帮助投资者跨资产类别识别风险与收益的真实来源。构建一个恰当的投资组合需要深刻理解这些基础性的经济因子。通过对这些收益驱动因素的深入了解，投资者可以创建出更加稳健且多样化的投资组合，从而更好地应对市场的不确定性并提升长期回报潜力。图4：因子暴露的示意说明
3.因子类型及收益来源
股票因子研究通常比其他资产类别更为普遍，尽管许多这些因子在其他资产类别中也同样存在。某些因子在长期内展现出正的预期总回报，这主要受到塑造风险偏好、投资者行为和市场结构的强大因素驱动。这些因子可以分为以下几类：
图5：投资组合风险与回报的来源
来源：Smart Beta: Defining the Opportunity and Solutions, BlackRock行为偏差：投资决策中的心理因素。投资者在做出决策时常常受到认知偏差的影响，如过度自信、羊群效应和损失厌恶等。这些行为偏差导致市场定价偏离基本面，从而为某些因子提供了持续的超额回报机会。
风险溢价：基于市场风险的解释。某些因子之所以能提供正的预期回报，是因为它们代表了不可分散的风险。投资者为了承担这些风险，需要获得相应的补偿。例如，价值因子通常与经济周期紧密相关，因此在经济衰退期间可能会表现不佳，但在长期内却能提供正回报。
- 结构性障碍：投资者面临的障碍，这些障碍通常未在学术研究中得到充分解决，例如税收、仅限多头的约束等。结构性障碍限制了投资者的投资选择，导致某些资产或策略被低估。例如，一些机构投资者由于法规限制只能持有多头头寸，这可能导致某些高风险资产被过度卖出，从而产生超额回报的机会。
这些因素共同作用，使得某些因子能够在长期内持续存在并提供正的预期回报。理解这些因子背后的原因对于投资者来说至关重要，可以帮助投资者在构建投资组合时做出更明智的决策，并更好地管理风险和回报。4.因子的学术界探索及业界实践
20世纪50年代，Harry Markowitz（1952）提出了现代投资组合理论（Modern Portfolio Theory, MPT），这一理论为评估投资组合中风险与收益之间的关系提供了一个系统性的框架。随后，在1964至1966年间，William F. Sharpe（1964）、John Lintner（1965）、Jack Treynor（1961）和Jan Mossin（1966）分别独立地发展出了资本资产定价模型（Capital Asset Pricing Model, CAPM）。CAPM指出，一个资产的预期超额回报率取决于市场组合的预期超额回报率以及该资产相对于市场的风险敞口，这里的市场组合也被称为市场因子。CAPM的提出奠定了后续多因子模型研究的基础。到了20世纪90年代，Eugene Fama和Kenneth French（1993）提出了著名的三因子模型。紧接着，Mark Carhart（1997）在其基础上引入了动量因子。至今，学术界已经识别出超过400个不同的因子，包括定价因子和所谓的异象因子等，这些发现极大地推动了金融学领域对于资产定价机制的理解。
自20世纪70年代末以来，业界开始将学术研究成果有效地应用于实践。Barr Rosenberg在这一时期创立了Barra公司，专注于开发和推广多因子模型。到了90年代，随着Barra模型的不断完善，它被广泛应用于风险管理、绩效归因及投资组合优化等多个领域。1987年，罗素投资（Russell Investments）推出了首批风格指数，分别代表价值型和成长型股票。随后，标准普尔（S&P）、明晟（MSCI）等机构也相继推出了各自的风格指数。最初，这些指数的主要目的是为了评估主动基金经理的表现。然而，很快就有基金产品开始复制这些指数，其中最著名的当属先锋集团（Vanguard）。1992年，先锋推出了第一只价值指数基金和第一只成长指数基金，这两款产品一经推出便受到了市场的热烈欢迎，被视为低成本替代主动管理的价值投资策略。鉴于价值因子的成功，业界逐渐将目光转向其他由学术界发现的有效因子，并据此构建了一系列Smart Beta ETF产品。这些产品不仅降低了投资成本，还为普通投资者提供了更加多样化和精细化的投资工具，进一步推动了被动投资与因子投资的发展。中诚信指数基于对海内外论文的高效复现，构建了成体系的因子基准指数，同时基于因子指数形成了特色策略指数和特色主题指数，帮助投资者简化股票投资流程的同时捕捉历史上具备长期超额的股票组合。中诚信股票指数已形成自身特色的因子体系，每个因子都由表征各自风格的二级因子复合构建。构建方法参考学术界和指数公司主流方法，具有较强的经济学解释，且经历史检验具有显著的溢价效应。图6：因子举例
1.因子指数构建要点
因子指数旨在为被动投资者提供一种捕捉风险调整后回报溢价的途径，这些溢价以往通常只有通过主动管理者才能获得。一个因子指数能否比整体市场提供更好的风险调整后回报，与其设计和维护密切相关。在构建因子指数时，一个重要的考虑因素是因子暴露与可投资性之间的权衡。另一个关键因素是因子指数的加权方案。确保指数具有高度的可投资性和流动性，可以承载机构投资者的配置需求。以MSCI的可投资性评估框架为例，主要由四个部分组成：表1：可投资性框架
构建指数时使用的加权方案决定了指数对风险的暴露程度。主要目标通常是最大化对目标因子的暴露，最大化可投资性并减少换手率(从而降低再平衡成本)。
因子指数可以分为高暴露和高容量两类。高暴露指数旨在满足可投资要求的情况下最大化对目标因子的暴露；高容量指数旨在打造能够承载大规模投资的指数产品，专注于最大化可投资性和减少换手率。以MSCI为例，其因子指数有高暴露和高容量版本，高暴露指数通过基于排名方法(通常是z分数)从股票池中选择一个子集来构建。高容量指数使用整个股票池，但将权重倾斜向目标因子。
高容量指数通常有两种可能的加权方案。第一种是因子加权，该方法根据描述符计算每只股票的因子得分，股票在指数中的权重则是股票得分除以所有股票评分之和；第二种方法是倾斜加权，考虑市值因素，一只股票的权重是其市值乘以得分，再除以所有股票的市值乘以得分的总和。第一种方法对目标因子的暴露更高；第二种方法使因子指数更接近市值，增加对大盘股的敞口，提高了可投资性。2.Smart Beta 潜在的收益贡献 - 通过归因评估回报的组成部分
Smart Beta能否复制一部分主动管理的收益？主动管理在基金收益中的贡献究竟有多大？Ang（2015）通过对基金回报的分解研究，强调了因子溢价对基金回报的重要性。这表明，Smart Beta可以作为一种低成本的投资工具，为投资者创造价值。Sharpe（1991）提到，总体而言，主动管理型投资在扣除相关成本后的表现往往不尽如人意。这引发了市场对主动管理的价值、主动管理超额回报分解的思考。从收益产生来源的角度看，主动管理的超额回报可以被拆解为以下部分：静态因子溢价回报（如对价值或动量股票的倾斜）、因子择时能力、证券选择能力。具备才华的基金经理能够通过精准地把握市场转折点或挑选出绩优证券来展现其价值；然而一些投资经理或许仅因为倾向于持有高beta值的股票而在市场上升时获得超越平均的回报。下图展示了2005年至2015年间主动管理的美国风格箱共同基金的季度股票持仓数据。这个收益分解数据显示，有一些基金经理并没有贡献主动管理收益，甚至其换手率和费用可能实际上削弱了投资回报，但他们仍然能够通过静态因子溢价维持收益。而取得正回报的基金中，静态因子暴露及因子择时对收益贡献比例很大。主动基金经理的静态的因子倾斜策略可以通过ETF轻松复制，而Smart Beta策略有相对较低的投资成本。图7：左-所有美国主动风格箱共同基金(1267个)；右-正向主动回报的基金(352个)
来源:BlackRock，Bloomberg，Barra，Morningstar，Thomson Reuters3.Smart Beta 产品发展概况
Smart Beta 产品通过系统化的方法捕捉市场中的各种因子溢价，为投资者提供了易于操作且成本显著低于主动管理的投资工具。随着市场对更精细风险管理的需求不断增加，以及越来越多的投资者意识到传统市值加权指数的局限性和投资成本的重要性，Smart Beta 产品的受欢迎程度持续上升，已成为资产配置中的一个重要组成部分。如下图所示，美国Smart Beta ETF产品规模呈上升趋势。截至2023年底，美国Smart Beta ETF存量产品数量超过900只，规模合计1.72万亿美元。图8：美国Smart Beta ETF产品规模
随着A股市场有效性进一步增强以及投资者对Smart Beta产品的认知度持续提升，境内市场Smart Beta指数型产品迎来新的发展时期。截至2024年6月底，策略ETF共71只，规模合计774亿元，较2023年底规模增加235亿元，增幅43.59%，主要覆盖红利、价值、成长等因子类型。图9：境内市场Smart Beta ETF产品规模
数据来源：wind
4.Smart Beta 策略应用要点
Smart Beta领域竞争激烈，对于投资者来说，可选择的策略多种多样。投资者可能需要通过遵循一个系统的、有逻辑的框架，利用传统指数和主动管理策略的评估技术，来理解所选择的Smart Beta策略的潜在影响，从而实现他们的投资目标。投资者可以从下面几方面入手，选择适合需求的Smart Beta策略。
明确投资目标：投资者需要厘清投资目标，例如希望增强现有投资组合的回报，还是希望改变其风险特征。如果投资者有特定的长期表现、风险或风格导向目标，找到合适的因子暴露将更容易实现这些目标。
- 验证因子的价值和可投资性：投资者需要确认因子是否经过充分研究，策略能否创造价值，以及产品是否能充分捕捉所需的因子暴露。
- 评估在不同市场环境下的潜在表现：具有经济逻辑的因子通常会在长期内奖励投资者，但这也要求投资者承担可能导致相对于广泛市场的表现不佳的风险。投资者应意识到不同因子在不同市场情景下的表现差异。
- 理解策略的构建规则：为了更好地运用工具，投资者需要了解选择指数成分的指标、成分券的数量和权重、基础指数的调仓频率、换手率和流动性特征。
- 在现有投资组合的背景下考虑：投资者需要考虑Smart Beta策略如何与现有投资组合的其他部分适应，是否可以替换其他策略或资产，以及是否能够服务于整体的风险回报目标。
- 考虑产品及其竞品的成本：投资者需要比较不同产品的，包括管理费、交易成本和其他隐性费用。在复利作用下，低成本的产品通常能提供更高的长期回报。
5.Smart Beta 策略的潜在挑战
与传统ETF相比，Smart Beta ETF通常需要更高的换手率，以维持目标因子暴露并实现其投资目标。这种高换手率增加了复制成本，可能会影响基金的整体表现（Johnson, Bioy & Boyadzhiev 2016）。因此投资者应当谨慎考虑，通过Smart Beta ETF获得因子暴露是否值得比市值加权基金更高的成本。此外，投资者还应根据期望的回报评估所需因子暴露的程度（Rabener 2019）。Smart Beta ETF旨在通过暴露于单一因子或一组因子来产生回报，因此这些产品本身往往不够多元化。然而，正如前面提到的，这种较为集中的投资工具可以作为整体策略的一部分，用以平衡风险和实现分散化。Smart Beta ETF也面临许多与市值加权ETF相同的问题，包括在初始指数构建过程中涉及的决策风险。此外，虽然“因子动物园”持续扩大，并且大量新因子声称能产生独立且显著的回报，但是在顶级学术期刊中正面确认的几百个因子中，很多可能只是偶然显著（Harvey & Liu 2019; Harvey, Liu & Zhu 2016）。而且，许多最新出现的因子相比于先前识别的因子，解释力非常有限（Feng, Giglio & Xiu 2020）。因此，Smart Beta产品应当在其因子暴露的有效性和简洁性方面进行分析，同时考虑投资者整个投资组合的情况。此外，随着某些因子受到关注，人们也开始担忧这些因子可能会变得过于拥挤，因子策略所获得的超额回报可能会减少（Jacobs & Levy 2014）。然而，Amenc、Bruno & Goltz（2020）的研究发现，在历史数据中并没有充分证据表明因子存在过度拥挤。他们得出结论：关于因子拥挤的困惑可能会给投资者带来负面影响，导致他们投资于新颖但实际回报较低的异象因子，面临更高的数据挖掘风险。Amenc 等人建议投资者应了解Smart Beta投资的风险，并通过分散化投资采取适当的预防措施。尽管Smart Beta策略对套利和拥挤具有一定的抵抗力，投资者仍需保持警觉。Smart Beta策略旨在捕捉所有证券所基于的基本驱动因素的风险和回报。然而，在较长的时间框架内，这些基本驱动因素可能会发生变化，因子也可能变得拥挤。因此，持续监测因子的健康状况对于任何Smart Beta策略都是至关重要的。具体来说，可以通过以下方式来监测因子的健康状况：随着Smart Beta在市场中的重要性日益增加，这些流动性和估值指标将变得更加关键。这种持续的监控有助于投资者更好地管理风险，并确保Smart Beta策略能够继续有效地运作。
Smart beta策略可以在战术、战略和风险管理三个主要领域应用，以实现不同的投资目标。在战术应用中，目标是提高回报并降低风险。实施措施包括沿因子维度进行战术调整以及引入明确的下行风险保护等。在战略应用中，目标同样是提高回报和降低风险。就提高回报而言，需要在保持透明度和效率的同时提高预期的风险调整回报；就降低风险而言，需要替代并补充主动策略，实施一种透明、良好分散且低成本的低风险主动策略替代方案。在风险管理方面，目标是多样化。实施措施涉及管理因子暴露、补充现有策略等，从而减少不必要的风险。图10：smart beta的应用
因子可以在长期内由于风险溢价、结构性障碍或金融市场中的行为异常而获得正回报。它们是长期投资组合配置中潜在增量回报的来源。然而，单个因子可能具有高度周期性。尽管从历史上看，这些因子的长期回报通常是正的，但在特定的月份或年份，任何单一因子的回报可能是正的也可能是负的。对于长期配置而言，跨因子实现多样化可以帮助减轻短期内的潜在波动。对于更具战术导向的投资者，单个因子的周期性特征和独特性使其成为一种新的工具，可以用来表达投资观点，并可以作为现有配置的补充。当各个因子之间的主动相关性较低的时候，这些因子可以创建出在各种市场环境下表现良好的多元化投资组合。根据不同的风险/回报目标，不同的组合可能具有吸引力。如下图所示，股票投资者可以通过不同比例结合价值、最低波动率、规模等因子，创建出符合风险、回报目标的定制化投资组合。图11：不同全球发达单一股票因子组合的风险-回报特征
Smart Beta策略能够帮助投资者实现多种目标，后文中将使用案例来展示Smart Beta对以下目标的实现。1.构建以结果为导向的投资组合
这个案例研究采取了最直接的方法，对投资组合中的每个因子暴露进行了等权重配置。投资组合1：防御型因子投资组合，目的是为了最小化风险。使用了防御型因子暴露（最低波动率和质量），同时结合价值因子，相比基准MSCI世界指数具有更低的波动性。投资组合2：平衡型投资组合，由五个因子（规模、最低波动率、动量、价值和质量）组成，采取中立观点，通过等权重配置多个单因子暴露来实现跨多个因子的多元化暴露。投资组合3：动态型因子投资组合，由三个因子（规模、动量和价值）组成。该组合包含历史上显著跑赢MSCI世界指数但波动性更高的顺周期因子，目标是创建一个更具进攻性的股票投资组合。图12：投资组合配置和因子暴露
这些投资组合在十年期间的风险和回报特征如下图所示，表现与最初的设定目标一致。防御型投资组合1相比基准略微提高了回报，风险降低。平衡型投资组合2承担了稍高的风险，但在累计表现上优于投资组合1。正如预期的那样，动态型投资组合3实现了最强劲的超额收益，但有时其年化波动率会高于基准。图13：动态、平衡和防御性投资组合的回报与风险
来源:BlackRock，MPI，Morningstar，MSCI，Bloomberg从这个例子中可以清楚地看到，使用单一因子暴露来创建以结果为导向的组合具有很大的灵活性。这种暴露的一个关键特点是地理和行业多元化与基准保持一致，这使得这些投资组合能够有效地整合到资产配置中，而无需大幅改变投资组合内的任何战术性超配或低配。当然，这是一个单独且重要的考虑因素，应当综合考虑和分析整体结果，以确保总体配置在可接受的范围内。图14：平衡型、防御型和动态因子投资组合的区域和行业暴露
2.在战略资产配置中实施多因子暴露
对于寻求“一站式”Smart Beta解决方案的投资者来说，多因子指数为传统的被动或主动策略提供了补充。它们可以结合质量、价值、规模和动量等因素，以类似的风险水平实现对宽基市场的增强回报。使用这些多因子指数可以改善整体的风险回报特征而无需做出复杂的决策。
多因子暴露（例如MSCI世界多元化多因子指数）可以与宽基指数结合使用，从而增强回报。下图对比了包含和不包含MSCI全球多元化多因子指数的资产配置的收益表现。在分析的10年期间，多因子暴露使年化回报率从4.75%提升至6.19%，风险调整后的回报从0.43提高到0.56。
图15：包含和不包含MSCI全球多元化多因子指数的资产配置
来源:BlackRock，MPI。2005-2015，季度调仓如果投资组合风险是实施Smart Beta策略时的一个特别关注点或目标，那么多因子策略可以与单因子策略（如最低波动率）结合使用，利用最低波动率策略来降低整个投资组合的波动性可以成为管理整体风险的有效工具，尽管可能会牺牲一些回报。下图展示了使用最低波动性策略与多因子策略后的资产配置的收益表现。图16：使用最低波动性与多因子策略
来源:BlackRock，MPI。2005-2015，季度调仓3.表达投资观点
单个因子的表现受到不同的市场现象驱动，因此在应对市场事件和全球经济周期时往往表现出独特的行为。长期以来，投资者将股票板块的表现与商业周期联系起来：例如，在经济增长强劲时，消费周期性股票往往表现良好；而在风险厌恶的环境下，当投资者有避险需求时，像公用事业这样的防御性板块通常会上涨。同样的平行关系也可以在因子的行为中看到。小型且更灵活的公司（小盘股策略强调的）往往在经济复苏的早期阶段表现良好。相反，财务状况稳健的稳定公司（质量策略强调的）则倾向于在经济周期的后期阶段表现最佳。单一因子的Smart Beta策略为投资者提供了有用的工具，以表达他们的投资观点。
4.实施战术因子倾斜
具有针对性的Smart Beta策略，例如单因子基金，可以被战术性地用来根据投资者当前的市场观点增加回报或降低风险。这个案例研究中有三个独立的投资组合，并与MSCI世界指数进行了比较。
投资组合1：增加10%的规模倾斜，以强调在商业周期早期阶段表现良好、运营灵活公司。
投资组合2：增加10%的最低波动性倾斜，以改变投资组合的风险特征，以应对市场波动性增加的预期。
投资组合3：同时增加20%的规模和最低波动性倾斜，以寻求在管理总风险的同时提高回报。
图18：因子倾斜投资组合及其因子暴露
图19：因子倾斜投资组合的超额回报表现
来源:BlackRock，MPI，Morningstar，MSCI，Bloomberg5.调整非预期的因子倾斜
对于自下而上的全球投资组合，最终的投资池有时可能会出现非预期的因子倾斜。因子ETF可以用来管理这种倾斜，并中和投资组合中的非预期因子暴露。目标投资组合（下图左侧，投资组合1）包含了多种全球发达市场的公司，并且在地理上偏向日本。经过因子分析后，发现该投资组合无意中偏向了波动性较高的股票。使用低波动率股票的因子ETF能够中和这种非预期的因子倾斜（下图右侧，投资组合2），并使投资组合的因子特征与MSCI世界指数保持一致。从分散化的角度来看，投资组合2大体上维持了对日本股票的超配，但实现了更接近MSCI世界指数的行业和地区配置。图20：使用单一因子暴露来解决投资组合中的意外因子倾斜
6.在现有因子配置中添加流动性功能
因子ETF可以为核心的非ETF的因子配置提供流动性“套层”解决方案。历史上，许多大型机构投资者使用定制化的因子委托来实现预期的长期因子暴露。为了确保因子的权重与整体策略保持一致，因子ETF可以提供一种成本效益高且灵活的流动性“套层”解决方案，以管理投资组合中随时间推移而出现的原始权重偏差。如下图左侧所示，初始投资组合分配在三个工具上，其中主动动量基金、全球价值因子基金具有全球股票因子暴露，另外还有一个低成本的全球股票指数基金。如下图右侧所示，因子ETF使投资者能够在两个基于因子的核心配置和传统委托周围构建流动性套层，同时在再平衡过程中最小化交易成本。图21：在资产配置中使用smart betaETF作为流动性套层
过去几年对Smart Beta策略的关注促进了研究和产品设计，旨在通过透明且基于规则的策略来改善投资结果。大多数产品开发和客户实施集中在纯多头股票上，但这种策略也可以应用于其他资产类别。虽然基于股票的Smart Beta可能会继续增长和发展，但包括固定收益和商品在内的其他资产类别也提供了创新的机会。1.固定收益Smart Beta
市值加权的固定收益指数通常提供了较高的风险调整后回报，并为股票市场风险提供了重要的平衡。投资者越来越关注如何管理驱动债券组合回报的常见风险因素。广泛固定收益指数的风险和回报很大程度上可以由两个风险因子解释：利率风险和信用风险。此外，固定收益市场中的市场结构现象也创造了潜在机会，债券市场的投资者往往对信用质量和期限结构有特定偏好。基于对固定收益市场中风险和回报性质的理解，使用Smart Beta可以提供的改善目标如下：作为示例，以下展示了一种分散宏观经济风险因子暴露的方法。历史上，在像Barclays美国综合指数这样的基准指数中，利率风险一直是占主导地位的因素，而信用利差在风险或回报方面的贡献相对较小，见下图左侧所示。一种增加分散化的方法是平衡信用风险和利率风险。这可以通过重新调整Barclays美国综合指数的底层成分来实现。通过识别来自利率暴露的贡献和来自信用利差暴露的贡献，可以分解假设的风险平衡策略的风险和回报，从而测试这种方法的有效性，如右图所示。图22：Barclays美国综合指数与假设风险平衡策略的风险与回报
下图为风险平衡策略与Barclays美国综合指数的表现对比。两者的回报非常相似，但风险平衡策略的波动性更低，到期收益率更高。图23：Barclays美国综合指数与假设风险平衡策略的表现比较
许多投资者正在寻求更加多元化和因子意识更强的固定收益投资方法，Smart Beta在固定收益投资的应用可能有助于投资者解决对收益、风险及流动性方面的需求。2.商品Smart Beta
大宗商品提供了包括通胀保护在内的多种好处。由于实物交割的各种复杂性，大宗商品的暴露主要通过展期期货合约来实现。指数的构建需要对考虑总回报的构成（现货价格变动、展期收益/损失以及利息收入）。除回报构成外，指数的编制还须考虑：这些因素共同决定了大宗商品指数的构成及其表现。通过仔细选择和设计，可以创建出符合特定投资目标和风险管理需求的大宗商品指数。第一代大宗商品指数，如标普GSCI和彭博大宗商品指数，考虑广泛的大宗商品，并在选择底层资产和加权时考虑了诸如产量数量以及合约流动性等特征。虽然这种方法提供了对大宗商品市场的广泛暴露，但它使投资者容易受到某些重要特征的影响，例如由于展期期货合约而产生的负展期收益。第二代指数包括特定的功能，以减少负展期收益的影响，通过在多个到期日进行投资来捕捉更广泛的期货曲线暴露，使用调整后的滚动窗口和调整后的合约安排，以及捕捉季节性效应（某些大宗商品由于供需动态表现出强烈的季节性）。下图展示了第一代和第二代大宗商品指数的例子，分别是彭博大宗商品指数和彭博展期选择指数。在所考虑的时间段内，展期选择策略的风险回报特征表现更优。这是通过在方法论中增加一个规则来实现的，该规则考虑了期货曲线上更远期合约的展期收益，并选择收益率最高的合约。图24：商品指数的表现分析
与其他资产类别一样，在大宗商品中理解风险和回报的驱动因素是很重要的。目前的一些重要的驱动因素包括展期收益、流动性和季节性等。更先进的因子策略可能会采用多空方法来对冲某些风险，并以更有针对性的方式捕捉所需的因子。Smart Beta研究将继续发展，学术界和业界将持续寻求更加动态的方式来管理风险因子。虽然目前在各资产类别中，股票Smart Beta发展较为迅速，但未来几年，其他资产类别的Smart Beta可能会取得突破性进展。Sharpe, W. F. (1991). The arithmetic of active management. Financial Analysts Journal.Kozlov, M., & Petajisto, A. (2013). Global return premiums on earnings quality, value, and size.Ang, A. (2015). BlackRock Smart Beta Guide. BlackRock.Shores, S. (2015). Smart beta: Defining the opportunity and solutions. BlackRock.Johnson, B., Bioy, H., & Boyadzhiev, D. (2016). Assessing the true cost of strategic-beta ETFs. Journal of Index Investing.Kahn, R. N. (2018). The future of investment management. CFA Institute Research Foundation.石川, 刘洋溢, & 连祥斌. (2020). 因子投资: 方法与实践. 电子工业出版社.Doyle, J., & Hayman, G. (2024). Smart beta, direct indexing, and index-based investment strategies. CFA Institute Research and Policy Center.Rabener, N. (2019, February 11). Smart beta: Broken by design? Enterprising Investor, CFA Institute.Harvey, C. R., & Liu, Y. (2019, February 25). A census of the factor zoo.Harvey, C. R., Liu, Y., & Zhu, H. (2016). ... and the cross-section of expected returns. Review of Financial Studies.Feng, G., Giglio, S., & Xiu, D. (2020). Taming the factor zoo: A test of new factors. Journal of Finance.Jacobs, B. I., & Levy, K. N. (Eds.). (2014). Smart beta versus smart alpha. Journal of Portfolio Management.
Amenc, N., Goltz, F., & Lodh, A. (2012). Choose your betas: Benchmarking alternative equity index strategies. Journal of Portfolio Management.
免责声明：本报告内容旨在进行行业相关探讨、经验交流、模式评述。本报告及其所含任何信息均不构成任何证券、金融产品、衍生品或其他投资工具或任何交易策略的投资依据或建议。本报告中的信息、观点以及数据有可能因提供日之后的行情或其他因素的变更而不再准确或失效，对任何因直接或间接使用本文内容而造成的损失，包括但不限于因有关内容不准确、不完整而导致的损失，或本材料内容中的任何错误或缺失，中诚信指数服务（青岛）有限公司（以下简称“中诚信指数”）不承担任何法律责任。任何机构或者个人在遵守中国有关法律法规与本免责声明的前提下，可基于非商业目的浏览、使用本报告内容。但非经中诚信指数事先同意，无论是否明示出处，任何机构或个人不得在任何媒介上转载本报告内容。
京公网安备 11010102005802号法律声明