一、跑赢市场 3 个百分点的基金经理
这一讲要回答的问题是:除了"市场"这一个因素,还有哪些共同因素在系统性地影响股票的收益?知道了这些,对判断一个投资结果有什么用?
先看一个场景。
你在比较两只主动管理的股票基金。过去 20 年:
- 基金甲平均每年比标普 500 多赚约 3 个百分点,贝塔接近 1。按 CAPM,它的阿尔法大约是 3%,看起来非常出色。
- 基金乙平均每年比标普 500 只多赚约 0.6 个百分点,贝塔约 0.9。按 CAPM,阿尔法大约 1.5%,看起来平平。
你会选哪一只?
翻开两只基金的持仓,你发现甲一直偏爱小公司和便宜的公司(股价相对于账面价值很低的公司);乙则大多持有大公司和增长型的公司。
这一讲结束时你会看到,用一个更完整的模型来看,甲的"超额收益"几乎全部可以用它的风格来解释,真正的阿尔法甚至是负的;而乙反而可能更有本事。
二、给房子定价
打个比方。你在一个城市看二手房,想判断一套房子的价格是贵了还是便宜了。
只看"每平方米多少钱"是不够的。房价会受到好几个因素的影响:
- 面积:大房子总价高。
- 地段:市中心比郊区贵。
- 学区:好学区的房子更贵。
- 房龄:新房比老房贵。
房地产评估师的做法是:先根据这几个因素,估计出"一套有这样面积、地段、学区、房龄的房子,通常卖多少钱",然后拿实际报价和它比较。报价比"通常的价格"高很多,才说明它贵了;比"通常的价格"低,才说明它便宜。
如果你只用面积这一个因素来判断,会把所有好学区的房子都判断成"太贵了",把所有郊区的房子都判断成"很便宜"。这不是房子真的贵了或便宜了,而是你漏掉了其他决定价格的因素。
股票也一样。CAPM 只用市场这一个因素来判断"一只股票或一个基金应该赚多少"。如果还有别的系统性因素在影响收益,只用 CAPM,就会把"押对了某种风格"误认为"有本事"。
这个比方后面会回来好几次。
三、Fama-French 三因子模型
3.1 两个反复出现的规律
第十五讲提到过,1992 年 Fama 和 French 发现,贝塔解释不了美国股票平均收益的很大一部分差异。真正有解释力的,是两个看起来很朴素的特征:
规模:小公司的股票,平均收益比大公司高。这个现象最早由 Rolf Banz 在 1981 年记录。
价值:股价相对于公司账面价值(大致是公司资产减去负债,也就是会计上股东拥有的净资产)较低的公司,平均收益比股价相对于账面价值较高的公司高。前者叫价值股,后者叫成长股。
一年以后,也就是 1993 年,他们把这两个规律变成了一个模型。
3.2 因子是怎么做出来的
他们的做法是:把这两个规律各自做成一个"多空组合",作为新的因子。
- 规模因子(SMB,Small Minus Big):买入一篮子小公司股票,同时卖空一篮子大公司股票。这个组合每年的收益,就是"小公司比大公司多赚了多少"。
- 价值因子(HML,High Minus Low):买入一篮子账面市值比高的价值股,同时卖空一篮子账面市值比低的成长股。这个组合每年的收益,就是"价值股比成长股多赚了多少"。
加上原来的市场因子(市场超额收益),就是三因子模型:
股票的超额收益 = 阿尔法 + 市场贝塔 × 市场因子 + 规模贝塔 × 规模因子 + 价值贝塔 × 价值因子 + 残差
它就是第十六讲多因子套利定价的一个具体版本:套利定价说"期望收益由若干个因子决定,但没说是哪些",Fama 和 French 从数据里给出了一个答案。
回到房子:市场因子是面积,规模因子和价值因子是地段和学区。
3.3 近一百年的真实数据
Kenneth French 在他的网站上公开了这些因子从 1927 年开始的历史数据。下面是用这些数据算出来的年度统计(截至 2025 年):
| 因子 | 时期 | 年均收益 | 年波动率 | 收益为正的年份比例 |
|---|---|---|---|---|
| 市场(股票减国库券) | 1927–2025 | 8.9% | 20.1% | 71% |
| 规模(小盘减大盘) | 1927–2025 | 2.5% | 13.3% | 49% |
| 价值(价值减成长) | 1927–2025 | 4.2% | 15.2% | 60% |
规模和价值两个因子,长期平均都是正的,说明小公司和价值股在这将近一百年里确实平均跑赢了大公司和成长股。但它们的波动也很大,有相当多的年份是负的。
四、用因子模型给基金经理"验房"
4.1 拆开基金甲
现在回到开头的基金甲。用三因子模型分析它过去 20 年的收益(具体做法是回归,和第十三讲算贝塔的方法一样,只是同时对三个因子做),得到:
- 市场贝塔 1.0
- 规模贝塔 0.6(明显偏向小公司)
- 价值贝塔 0.5(明显偏向价值股)
为了说明方法,用上表里三个因子的长期平均收益作为"每个因子的风险溢价":市场 8.86%、规模 2.50%、价值 4.22%。按三因子模型,一个有这样风格的组合,“应该"赚的超额收益是:
- 市场部分:1.0 × 8.86% = 8.86%
- 规模部分:0.6 × 2.50% = 1.50%
- 价值部分:0.5 × 4.22% ≈ 2.11%
- 合计:约 12.47%
假设基金甲的实际平均超额收益是 12.0%,比市场的 8.86% 多出了 3 个多百分点。但按三因子模型,它的阿尔法是 12.0% − 12.47% ≈ −0.47%。
也就是说,基金甲跑赢市场的那 3 个百分点,全部来自它对小公司和价值股的偏好,而且还不够。一只简单地持有小盘价值股的低成本指数基金,就能做到同样甚至更好的结果。
4.2 拆开基金乙
基金乙的情况正好相反:
- 市场贝塔 0.9
- 规模贝塔 −0.1(偏向大公司)
- 价值贝塔 −0.2(偏向成长股)
按三因子模型,它"应该"赚的是:0.9 × 8.86% − 0.1 × 2.50% − 0.2 × 4.22% ≈ 7.97% − 0.25% − 0.84% ≈ 6.88%。
假设它的实际平均超额收益是 9.5%,阿尔法约为 9.5% − 6.88% ≈ 2.62%。
基金乙偏向的是长期来看溢价为负的方向(大公司、成长股),按因子模型的标准,它本该比市场赚得少,结果却赚得更多。
回到房子:基金甲像是一套好学区、好地段的房子,价格高是理所当然的,并不说明它"超值”;基金乙像是一套郊区的房子,却卖出了市中心的价格,这才说明它真有过人之处。
(当然,第十三讲说过,阿尔法很难估准。20 年的数据下,2.62% 的阿尔法可能仍然在误差范围之内。这里的重点是方法:判断一个投资结果,要先扣掉风格能解释的部分。)
五、动量:赢家会继续赢一阵子
5.1 一个更奇怪的规律
1993 年,Narasimhan Jegadeesh 和 Sheridan Titman 发表了另一个影响很大的发现:过去 3 到 12 个月涨得最多的股票,在接下来的几个月里,平均会继续比那些跌得最多的股票表现更好。 这叫动量效应。
1997 年,Mark Carhart 把动量做成了第四个因子(赢家减输家,常写作 MOM 或 UMD),和三因子一起,叫做四因子模型。它在评价基金经理时被广泛使用:一些看起来很厉害的基金,扣掉动量以后,阿尔法就消失了。它们只是一直在追涨。
5.2 真实数据
用 Kenneth French 的数据:
| 时期 | 动量因子的年均收益 |
|---|---|
| 1927–2025 | 8.6% |
| 1927–1999 | 11.3% |
| 2000–2025 | 1.1% |
动量在长期内是所有因子里平均收益最高的之一。但它有一个非常危险的特点:偶尔会突然崩盘。
2009 年是动量因子历史上最差的一年,全年收益约 −83%,其中 2009 年 4 月一个月就亏了约 34%。2008 年金融危机期间,“赢家"大多是防御性的股票,“输家"大多是暴跌的银行股和周期股。2009 年 3 月市场见底反弹时,那些跌得最惨的输家反弹得最猛。一个"买赢家、卖空输家"的组合,在反弹中两头挨打。
这正是第六讲说的负偏:平时稳定地赚,偶尔一次亏掉很多年的利润。
六、盈利能力和投资
2013 年,Robert Novy-Marx 发现,盈利能力强(毛利相对于资产高)的公司,平均收益比盈利能力弱的公司高。几乎同时,研究者也发现,资产扩张得慢、投资保守的公司,平均收益比大肆扩张的公司高。
2015 年,Fama 和 French 把这两个规律加进了模型,形成五因子模型:
- 盈利因子(RMW,Robust Minus Weak):买入盈利能力强的公司,卖空盈利能力弱的公司。
- 投资因子(CMA,Conservative Minus Aggressive):买入投资保守的公司,卖空投资激进的公司。
真实数据(这两个因子的数据从 1964 年开始):
| 因子 | 1964–1999 年均收益 | 2000–2025 年均收益 | 1964–2025 年均收益 |
|---|---|---|---|
| 盈利 | 2.4% | 4.8% | 3.4% |
| 投资 | 3.5% | 2.1% | 2.9% |
有一个有意思的发现:加入盈利和投资因子以后,价值因子的解释力大大下降了。原因之一是,价值股往往就是那些投资保守的公司。不同的因子之间,本身也是相互关联的。
七、因子会消失吗
7.1 前一段和后一段
把各个因子的历史切成前后两段来看:
| 因子 | 前一段 | 年均收益 | 后一段 | 年均收益 |
|---|---|---|---|---|
| 市场 | 1927–1981 | 8.1% | 1982–2025 | 9.8% |
| 规模 | 1927–1981 | 4.7% | 1982–2025 | −0.2% |
| 价值 | 1927–2006 | 5.9% | 2007–2025 | −3.0% |
| 动量 | 1927–1999 | 11.3% | 2000–2025 | 1.1% |
规模因子的切分点选在 1981 年,正是 Banz 发表规模效应的那一年。在那之后的 40 多年里,小公司整体上没有跑赢大公司。
价值因子在 2007 年之后经历了它历史上最长的低迷。1927 年到 2006 年,价值因子组合累计增长了约 47 倍;2007 年到 2025 年,它累计亏损了约 58%。2020 年一年就亏了约 47%,那一年科技成长股暴涨、传统行业的价值股遭受重创。
⚠️ 这里要非常小心解读。前后切成两段来看,一个因子"后一段变差了”,可能有三种完全不同的解释:
- 它真的消失了。 规律被发现、被公开以后,大量资金涌进来利用它,把价格推到了不再有超额收益的水平。
- 它只是在经历一段坏运气。 第七讲说过,风险溢价本身就是有风险的。这段时期价值因子的年波动率约 17%,19 年的数据估计出来的平均值,误差大约是 17% ÷ √19 ≈ 3.9%。−3.0% 的平均值,和"真实溢价仍然是正的几个百分点"并不矛盾。
- 它从一开始就不存在,只是数据挖掘的产物。
只靠数据,很难在这三种解释之间做出确定的判断。研究者至今仍在争论。
7.2 发表以后效果打折
2016 年,David McLean 和 Jeffrey Pontiff 研究了学术文献里发表过的近百个"能预测股票收益的规律”,比较它们在发表之前和之后的表现。他们发现,平均而言,这些规律在发表以后的收益比发表前的研究期间低了约 58%。
一部分下降可能是因为原本的发现里就有数据挖掘的成分(发表后的样本外数据把它暴露了出来),一部分是因为投资者读了论文、开始利用这些规律。不管是哪种,结论都很清楚:历史上的因子收益,很可能高估了未来的因子收益。
7.3 因子动物园
1993 年以后,学术界发表的"新因子"越来越多。2011 年,芝加哥大学的 John Cochrane 在美国金融学会的主席演讲里,把这种现象称为因子动物园。2016 年,Campbell Harvey、Yan Liu 和 Heqing Zhu 统计了学术文献中提出的 300 多个因子,并指出:如果有几百个研究者在同一份数据里各自寻找规律,按传统标准"统计上显著"的发现,很多只是运气。他们建议把显著性的门槛大幅提高。
回到房子:如果房产中介给你列出几百个"影响房价的特色",比如门牌号是否带 8、楼下是否有便利店、窗户朝向东南还是西南,你会怀疑其中很多只是巧合。真正可靠的因素,应该有清楚的道理,在不同城市、不同时期都能观察到。
八、为什么会有因子溢价
如果一个因子真的有长期的溢价,为什么它没有被套利消灭?主要有两种解释。
风险解释。 这些溢价是对某种系统性风险的补偿,只是这种风险不是 CAPM 里的市场贝塔。比如,价值股往往是那些陷入困境、在经济衰退时可能倒闭的公司。持有它们,意味着在经济最差的时候承担额外的损失。投资者要求额外的补偿,是合理的。按这种解释,因子溢价是"赚的辛苦钱",未来应该会继续存在。
行为解释。 这些溢价来自投资者系统性的错误。比如,人们倾向于把过去的好消息或坏消息过度外推:对增长很快的成长股过于乐观,把它们的价格推得太高;对陷入困境的价值股过于悲观,把它们的价格压得太低。等到现实证明增长没有那么快、困境没有那么糟,价格就会修正,价值股就跑赢了成长股。1994 年 Josef Lakonishok、Andrei Shleifer 和 Robert Vishny 的研究就提出了这种解释。动量也常被解释成投资者对新信息反应不足。按这种解释,如果投资者变得更理性,或者有足够多的资金去利用这些错误,溢价可能会缩小。
两种解释很可能都有一部分道理。下一讲讲有效市场假说、再下一讲讲市场效率的证据时,还会回到这个争论。
九、对个人投资者意味着什么
用因子模型评估基金。 这是这一讲最直接的用途。一只主动管理基金宣称自己长期跑赢了市场,先看看它的因子暴露:它是不是一直偏向小盘股、价值股或者动量股?扣掉这些风格能解释的部分,还剩多少阿尔法?如果几乎不剩,那么一只低成本的因子指数基金可以用更低的费用给你同样的东西。
因子基金是存在的。 市场上有很多按因子构建的指数基金和 ETF,常被称为"聪明贝塔"或"因子投资"产品,比如小盘价值基金、动量基金、高质量(高盈利能力)基金。它们的费用通常比主动管理基金低,但比全市场指数基金高一些。
如果要用,要有心理准备。 因子溢价是有风险的。价值因子可以连续十几年表现不佳,动量因子可以一年亏掉八成。如果你持有一只因子基金,在它长期跑输市场时卖掉,就会在最差的时候离场,错过可能的恢复。第五讲的"金额加权收益率"在这里会表现得特别明显。
不确定性很大。 历史上的因子溢价很可能高估了未来,有些因子可能已经弱化或消失。对大多数人来说,一只低成本的全市场指数基金仍然是最简单、最可靠的起点;因子偏好可以作为在此基础上的一小部分调整,而不是全部。
十、几个容易混淆的地方
“跑赢市场就说明基金经理有本事。” 跑赢市场可能只是因为承担了某种因子风险。扣掉因子能解释的部分,剩下的才是阿尔法。
“小公司和价值股长期一定跑赢。” 历史上平均是这样,但它们有很长的低迷期。规模因子在 1982 年以后几乎没有溢价,价值因子在 2007 年以后表现很差。
“动量就是追涨杀跌,一定会亏。” 历史上动量因子长期平均收益很高,但它会偶尔崩盘,比如 2009 年。它的问题不是平均收益低,而是负偏的风险。
“发现的因子越多,模型越好。” 很多因子可能只是数据挖掘的产物。发表后的因子收益平均下降了一半以上。
“因子溢价消失了,说明它从来就不存在。” 也可能只是一段坏运气,或者是被发现后被套利压缩了。只靠十几二十年的数据很难判断。
十一、小结
回到开头那两只基金:基金甲跑赢市场 3 个百分点,但扣掉对小盘和价值的偏好以后,三因子阿尔法约为 −0.5%;基金乙只跑赢 0.6 个百分点,三因子阿尔法却约有 2.6%。
- 像给房子定价要考虑面积、地段、学区一样,判断股票和基金的收益,要考虑多个系统性因素,而不只是市场。
- Fama-French 三因子模型(1993)在市场之外加入了规模和价值;Carhart(1997)加入了动量;Fama-French 五因子模型(2015)又加入了盈利能力和投资。
- 1927 年到 2025 年的美国数据里,市场、规模、价值、动量因子的年均收益分别约为 8.9%、2.5%、4.2%、8.6%,但都有很大的波动和很长的低迷期。动量在 2009 年一年亏损约 83%。
- 用因子模型扣掉风格能解释的部分,才能看清一个基金经理真正的阿尔法。
- 因子会变弱:规模因子在 1982 年后、价值因子在 2007 年后几乎没有溢价;发表后的因子收益平均下降约 58%。学术界提出了几百个因子,很多可能只是数据挖掘。
- 因子溢价的来源有风险解释和行为解释两种,至今仍有争论。
思考题
- 一只基金的市场贝塔 1.1、规模贝塔 0.3、价值贝塔 −0.4。用正文里的因子溢价(市场 8.86%、规模 2.50%、价值 4.22%),按三因子模型它"应该"赚多少超额收益?如果它实际的平均超额收益是 10%,三因子阿尔法是多少?
- 一只基金过去 15 年按 CAPM 计算的阿尔法是 2%,加入动量因子以后,阿尔法变成了 0,动量贝塔是 0.3。这说明了什么?
- 价值因子在 2007 年到 2025 年的年均收益约为 −3.0%,年波动率约 17%。用第十三讲估计误差的方法,这个平均值的误差大约是多少?能不能据此断定价值溢价已经不存在了?
- 动量因子的长期平均收益很高,为什么很多投资者仍然不愿意大量持有动量策略?结合第六讲的偏态说明。
- 一位理财顾问向你推荐一个"五因子增强"基金,回测显示过去 30 年每年跑赢标普 500 约 4 个百分点。根据这一讲的内容,你会问哪些问题?
思考题提示
- 1.1 × 8.86% + 0.3 × 2.50% − 0.4 × 4.22% ≈ 9.75% + 0.75% − 1.69% ≈ 8.81%。三因子阿尔法约 10% − 8.81% ≈ 1.19%。
- 这只基金按 CAPM 看起来的 2% 超额收益,可以完全用它对动量股的偏好来解释。它本质上是在系统性地买入过去表现好的股票。一只低成本的动量因子基金可能就能复制它的大部分收益。
- 误差约 17% ÷ √19 ≈ 17% ÷ 4.36 ≈ 3.9%。−3.0% 的平均值离 0 不到一个误差,离"真实溢价 +3%“也只有大约 1.5 个误差。仅凭这段数据,不能断定价值溢价已经不存在,也不能断定它仍然存在。
- 动量的收益分布是负偏的:平时稳定地赚,偶尔一次崩盘亏掉很多年的利润,比如 2009 年一年亏损约 83%。对风险厌恶的投资者来说,这种罕见但巨大的损失非常难以承受,第八讲说的"输掉的比赢到的更疼"在这里表现得很明显。而且崩盘往往发生在市场从底部急速反弹的时候,正是很多人最难坚持的时候。
- 可以问:回测里用了哪些因子?这些因子的规律是在回测期间之前还是之后才被发现的(如果是之后,回测里就有"后见之明”)?扣掉费用和交易成本以后还剩多少?有没有样本外的实盘记录?在价值因子低迷的 2007 年以后,它表现如何?它在 2009 年、2020 年这样的因子崩盘年份亏了多少?