之前在社区中读到 @我爱长颈鹿咕咕 和 @小兵哥 对于质量因子的探讨感觉非常有趣，正巧最近读到@Rob Reider的一篇更为详细的文章，涉及对质量因子的介绍、使用时的调整以及自己对于Novy Marx思路的实现，拿过来和大家分享一下思路。 文章中作者从以下五个方面进行了探讨 1. 什么是质量因子？ 2. 质量因子有哪些优点？ 3. 行业中性质量因子 4. 测试Novy-Marx质量因子 5. 质量因子的factor timing ###1.质量因子是神马？### 正如其名，“质量”股票被定义为具有应具有较高价格的特征的股票。例如有高利润的股票（如ROE、资产收益率（ROA）、毛利润、毛利率）、高增长（例如上述项目5年增长），稳妥的会计（例如较低的非现金费用）和高支出（例如较低的净资产和发行债券，高派息率），但这些不是全部。例如会计学教授Piotroski的F-score选择九种会计变量选择长期和短期证券。**质量因素的一个关键特征是，与价值因素（例如市净率）使用市场价格以确定是否股票被高估或低估不同，它们完全基于会计变量**。 ###2.质量因子好在哪里？### 对于质量因子研究处于前沿的Novy Marx提出“毛利率”，用公式表示即： **（收入–成本）/资产账面价值 ** Novy认为毛利率比基于盈利或现金流更好，例如资本支出和研发减少现金流和盈利，但可能会改善未来的业务。 作为一个独立的因素，毛利率表现良好，但这样质量因子的优势建立在其与价值因素的相互作用。质量因子通常与价值因子呈负相关，如回归模型 ![gaitubao_com_14944946832172.png][1] 当价值因子欠佳时，质量因子可以进行很好的补充，反之亦然，因此质量因子是一种很好的辅助手段。但最重要的是，既有价值又有质量的股票比单个因素的总和要好。购买具有高质量分数的价值股票显然避免了“价值陷阱”--股票价格便宜但很少盈利。可以买入质量因子和账面市值比较高的股票，卖空质量因子和市净率较低的股票。 除Novy Marx外，其他研究者也注意到价值和质量因素之间的关系。例如Joel Greenblatt的“The Little Book that Beats the Market”使用质量因子（ROC）和价值因子（P / E），都用了测量企业价值（资产+负债）而不是资产（他们认为它更容易比较不同资本结构的企业）。由于这些因素涉及纯会计变量，它们随着时间的改变变化较小。这种交易策略具有非常低的成交量，因此交易成本也相对较低。 ###3.如何处理不同行业部门差异性？### 在测试过程中还有一个很难避免的问题就是如何应对行业和产业的差异。当涉及到会计数据时，不同部门之间会存在较大差异。例如利润率，在金融，公用事业，技术和消费者自由支配的股票中有很大的差异，其他类似股息率、毛利率、专利、员工变化，研发，利息，股票期权费用化（和许多其他人）在各部门间都有很大的不同。在选择股票时，更普遍的做法是将公司与同行业其他公司进行比较。 处理部门差异有许多方法，如：根据板块来选择因子、板块内通过Z-score的方法将因素标准化、采取严格的板块中性（例如计算每个板块的分位数）、消除某些板块（例如金融股票和公用事业）以及基于表现选择性地消除行业。 作者较为推荐的是Novy Marx的所谓“下降”策略。在他所进行的回测中降低战略减少了波动并增加夏普比率和平均收益。 选择性地减少板块在技术上很容易做到，尤其是通过alphalens之类的工具。这种方法在实践中已被多次使用。雷曼兄弟公布了他们的定量选股模型，其中一个特点是他们采用了27个因素，但将它们有区别的应用到不同的行业。例如在医疗保健板块，他们使用的质量因子是EBITDA（税息折旧及摊销前利润）／EV（企业价值），ROE，incremental net margins，无形资产／总资产和盈利修订率。相比之下，在技术板块，他们使用流通股变动、市盈率、雇员的变更、债务／资产的变更、盈利修正和异常收益变动。因素的权重在各部门也各不相同，基于回归结果和他们的部分的主观性。这种方法确实具有一定的合理之处，例如对于石油公司，涉及探明储量的比率可能比收益（revenue）更有用。内幕交易对于在有更多的信息不对称的经理和投资者对未来的产品的部门可能是一个更强的信号，如在技术和制药行业。 ![gaitubao_com_14944947453159.png][2] ###4. 对Novy Marx Paper的测试### 作者将股票根据毛利率进行排序并分为10档，此时夏普比为0.46， 14年的总回报为53%。因为质量因子和价格因子相互补充，一个简单的50-50混合毛利率和账面市值比组合有相同的平均收益率比只参考任何单一因素有更高的夏普比率。 然而简单对毛利率和账面市值比的50-50混合并没有充分利用两个因素之间的相互作用。利用二者的**综合作用**其中一个方法是**买入两类因子表现好的指标，卖出两类因子表现差的指标**。将所有股票分别按照这两个因子排序，然后将排名加和再进行从高到低排列，买入前150只股票，卖出后150只股票。回测结果显示同时考虑质量和价值因子比单独考虑任何一个表现都要好。同时作者提到市净率P/B是一个相对薄弱的价值信号，质量因子和价值因子如P/S或者P/CF结合会有更好的效果。 ![gaitubao_com_14944947154501.png][3] ###5. Factor timing 的运用### 通过运用质量因子，Asness等人认为，如果有一定时期高质量的股票有较高的估值（利用市净率衡量），那么市场已经对于高质量的股票有了较高的定价，这种高定价导致未来较低的回报率。相反当质量因子没有包括在定价中时，质量应该有更高的未来回报。 文章作者对Asness等的策略进行实现，做法是按月份回归各股票市净率以及毛利润，同时标准化了P/B和毛利率，以降低离散值的影响，也可以更容易地解释回归系数。结果表明少数策略有所改善，但大多数都比静态策略更糟。 作者记录了斜率系如何随时间的变化。对于大多数的测试期，它的范围从约0.20至0.33。并且规定，如果回归斜率超过阈值，只交易价值因素；如果斜率低于另一个阈值，只交易质量因素。 这决不是做factor timing的唯一方法。例如Hua，Kantsyrev，Qian，“Factor-Timing Model”提出超出了纯粹的统计方法的timing策略。他们运用VIX（市场波动指数），联邦基金利率，美国消费者信心指数、月份，债务市值比率范围（the debt-to-market capitalization ratio spread）, 以及市净率范围（the book-to-price ratio spread）。 ##一点探究## 作者给出了其他可供选择的质量因子，阿鼠准备近期尝试一下： • Return on capital • Return on equity • Gross margin • Five year growth of above • Percentage change in shares outstanding • Net debt issuance-to-assets • Non-cash accruals • Percentage change in total employees • Taxes paid-to-pretax income • Asset turnover • R&D-to-sales [1]: https://image.joinquant.com/798960e606a8b0bcc0e829e633089a8e [2]: https://image.joinquant.com/826ef06e40932aebd61c387d5690e264 [3]: https://image.joinquant.com/6f5bebae51131731e0e6444c11e4516d