BARRA模型的实现效果与量化基金浅析
吴 炜
2018-6
1 概述
1.1 说明
BARRA 模型作为一种量化选股模型而应用于量化基金。
笔者参考证券公司对外发布的文章、相关的理论书籍与网上资料，借助万德数据库，用R建立了一个BARRA选股实验模型，每月更新一次持仓股票组合。
从数据回测的结果来看，从2012到2017共6年时间，有5年时间实验模型的年收益率是超过沪深300指数的年收益和私募排排网上公布的千只以上股票型私募基金的年度业绩中值的。
实验模型在2014-2015年的牛市表现出色。
1.2 结论
量化基金值得在牛市中配置，建议在2020年美联储结束加息进程时就开始配置，并视业绩变化而调整配置权重。
2 投资收益对比（2012-2017）
从数据回测的结果来看，从2012到2017共6年时间，有5年时间实验模型的收益率是超过沪深300指数的年收益率和私募排排网上公布的千只以上股票型私募基金的年收益率中值。也就是说，在过去6年里，BARRA模型选股组合有5年时间是战胜了被动投资者和平均水平的主动投资者的。
证券公司对外发布的文章提到，要对指数做对冲，只追求跑赢指数的alpha收益，不过从模型回测的结果来看，直接追求绝对收益也是可行的，好年景时获得的高收益完全可以弥补差年景时的亏损。
3 实验模型的投资组合详细记录
4 实验模型的投资组合业绩月度变化示意图
5 量化基金在市场中的历史表现
从《华尔街见闻》网站上的报道来看，多数量化基金的“2012年以来收益率”也超过了沪深300指数的年收益率和千只以上股票型私募基金的年收益率中值。
6 量化基金在2017年业绩失色的原因
上文提到《华尔街见闻》网站上的报道已经说明了，主要由于：
1）投资者抱团几只大公司，规模因子失效
下图为建模时拟合出来的规模因子收益率的时序图：
规模因子为公司市值的对数，规模因子收益率的正负符号体现了公司市值与股票收益率的关系，当两家上市公司除了市值以外其它基本面信息都相近时，通常大市值公司的股票收益率是低于小市值公司的，（因为资金流入小盘股对股价的提升作用显然大于流入大盘股时对股价的提升作用），所以公司市值与股票收益率是负相关关系，正如上图所示，从2008年到2016年，规模因子收益率基本长期为负。
但在2017年，规模因子收益率全年都反转为正值，对应股市出现“漂亮50和要你命3000”现象，此时模型无法依据2017年以前的数据来预测到2017年的规模因子收益率，从而影响了模型选股的性能。
2）追涨杀跌，反转因子失效
3）量化策略表现好的时间太长了
“漂亮50和要你命3000”现象可能说明：股票的收益率主要来自于其特异部分，而非共同（因子）部分，此时量化基金无法捕获到收益。
4）2017年下半年，一些私募产品清盘，造成踩踏
8 市场中的量化基金与实验模型性能存在差异的原因
市场中的量化基金与实验模型的业绩存在差异，原因可能有：
1）证券公司对外发布的文章提到，要对指数做对冲，只追求跑赢指数的alpha收益，以规避系统性风险。所以市场上的量化基金可能只捕捉了alpha收益。实验模型在计算收益时没考虑对指数做对冲，在不规避系统性风险的前提下捕捉了所有收益。
另外，当市场上的量化基金业绩无法跑赢指数时，将要承受额外的对冲损失。
2）实验模型的业绩不是实盘操作业绩，模型统一取股票的每月收盘价作为成交价，与市场上的量化基金在股票交易上存在交易时点与价位的差异：实验模型由于是回测，所以从投资策略的制定到执行之间没有时间差，而市场上的量化基金从投资策略的制定到执行之间必然存在时间差。
3）市场上的量化基金在做二次规划定义收益目标与风险目标时有可能引入了比较保守的约束条件；
4）实验模型没考虑交易费用，保守起见年收益可以考虑扣除3%作为交易费用（每月执行一次交易，全年共12次，每次买与卖的印花税加佣金费率共为0.2%）；
5）市场上的量化基金需要收取一定的管理费用；
6）实验模型基于2017年的因子收益率变化情况对其预测方式做了优化，如果没做优化，2017年业绩可能要下降10%以上。实验模型相当于将2017年数据作为了Trainging Set, 而市场上的量化基金只有在2017年结束后才能对模型进行调整优化。
9 量化基金是否还值得投资
量化基金建模所使用的因子有以下几类：
1）估值因子：比如PE/PB
2）成长因子：比如扣非净利润增长率
3）财务质量因子：比如ROE
4）杠杆因子：比如现金比率/流动比率
5）规模因子：比如市值对数
6）动量因子（反转因子）：比如最近3个月收益率
7）波动率因子：比如最近2个月日收益率标准差
8）换手率因子：比如最近2个月换手率
9）分析师情绪因子：Wind平均评级
10）股东因子：比如最大5个股东持股比例之和
11）技术因子：比如KDJ
本质上来说，估值因子、成长因子、财务质量因子、杠杆因子、分析师情绪因子也是价值投资流派制定投资策略时的的输入变量，用于筛选基本面健康而且股价具有安全边际的企业。
规模因子、动量因子、波动率因子、换手率因子、技术因子则更多的是趋势投资流派制定投资策略时的的输入变量，用于把握股市运动的规律。
量化基金相当于糅合了价值投资与趋势投资两种流派，只要这两种流派在股市中有其存在的空间，量化基金就具有生命力。
附录 参考文献
华泰证券，多因子系列之一：华泰多因子模型体系初探
Ruey S. Tsay, Analysis of Financial Time Series
Rob J Hyndman, George Athanasopoulos, Forecasting: principles and practice
知乎网 清华大学量化投资协会，【多因子模型】BARRA模型讲解
BARRA，BARRA Handbook USE3
Wind 资讯， Wind R 数据及交易接口