要素投资101：一种发现具有良好基础的廉价公司的方法

标普BSE指数

寻求确定有技能的活跃管理者的投资者希望将基金的业绩分解为由因子风险敞口和可归因于基金经理技能的阿尔法产生的回报，这反过来又会影响资金流向。

用于解释该概念的类比将因素与营养物质和食品的库存收益相关联。不同的食物（例如豆类，牛奶，蔬菜，面包，汉堡，比萨等）含有不同比例的营养素（例如碳水化合物，维生素，蛋白质，脂肪，矿物质等）。

同样，可以将股票的风险/回报特征视为由不同的风险因素来解释。因子指数旨在对具有类似风险/回报特征的股票进行分类。

扩展这个比喻，不同的个体（例如，运动员与从事伏案工作的人）具有不同的营养需求，因此他们将食用不同的食物组合。

同样，具有不同风险偏好的投资者将相应地分配给不同的因素以产生收益。例如，热衷于低风险或防御性投资组合的投资者可能会希望将较高比例分配给低波动性和质量因素，而积极的投资者则可能希望增加价值和规模（小型股）因素的敞口。

基于因子的投资提供了一种途径，可以客观地捕获廉价公司（通过价值因子）或资产负债表稳定且股本回报率稳定（通过质量因子）的公司。

引发有关要素投资的讨论的第一个模型是资本资产定价模型（CAPM），该模型表明，市场风险是一个因素驱动股票的风险和回报。

CAPM建议，市场因素无法解释的收益是特殊的或特定于公司的驱动因素。渐渐地，Fama-French模型除了考虑广泛的市场收益外，还考虑了其​​他因素，例如规模和价值。

Carhart和Pastor-Stambaugh的后续研究得出了两个新因素，分别是动量和流动性。随着学术研究的发展，新的因素，例如增长，质量，股利和波动性也被认为也归因于股票收益。

基于因子的投资可以通过基于旨在基于特定规则的方法的特定因子敞口的因子指数而被动实施，这些方法比基于主动管理的投资组合更具成本效益和透明度。

在全球范围内，智能贝塔产品在智能贝塔股权ETF / ETP资产中获得了极大的普及，在截至2017年9月的五年中，AUM的复合年均增长率达到316.4亿美元，复合年增长率超过31％。

截至2017年9月，智能beta ETF / ETP占所有股权ETF / ETP AUM的近19％。

要素指数并非旨在替代市值加权指数。基础广泛或市值加权的指数代表了为市场参与者设定的全部可投资机会。

他们的目标是通过低投资组合营业额，高交易流动性和大投资能力来捕获长期股权风险溢价。因子索引旨在遵循基于规则的透明索引方法来捕获目标风险溢价。

这些指数的股票选择不仅基于特定因子标准，而且股票权重还与股票的因子得分有关，后者用于在指数投资组合中创建因子倾斜。

与基于广泛指标的被动产品相比，基于因子的策略可以为市场参与者提供一个机会，使他们可以主动放弃基于市值的投资组合。

因此，像活跃基金一样，从长远来看，应对照市场资本化加权基准来评估要素绩效。