学术研究让股市收益可预测性消失了？

（原标题：学术研究让股市收益可预测性消失了？）

□阎志鹏

量化投资经理和研究员很清楚，在他们了解并使用某因子时，很可能有成百上千的人也在使用该因子。研究成果公布确实引起投资者对这些因子的关注和利用，并产生了效应。所以实践中使用的模型，更多时候是将数个甚至几百个不同的因子捆绑在一起，投资经理们往往还会加工和改变一些因子。

随着对量化投资策略研究的增多，我越发体会到金融学家施蒂芬·罗斯“金融是理论和实践离得最近的社会学科”这句话的含义。事实上，他就是将理论和现实结合的标本。无论是他的APT(套利定价模型)、二叉树期权定价模型(Cox-Ross-Rubinstein)，还是利率动态模型(Cox-Ingersoll-Ross)及代理理论(agency theory)，至今仍被广泛应用与讨论。

可是问题也接踵而来：如果金融理论和投资实践联系是那么紧密，如果投资经理们随时准备将最新学术研究成果应用于投资实践，如果学术大拿们随时准备开公司或做投资公司策略顾问将他们的研究成果产业化，那么这些策略还能赚钱吗？

2016年一篇发表在顶尖金融学术期刊《金融学期刊》的论文“学术研究是否破坏了股票收益的可预测性？”被美国金融协会评为年度最佳资产定价论文。两位作者McLean和Pontiff从众多金融、会计和经济学学术文章中选取了97个可预测不同股票收益的因子，作了样本外和研究正式发表后的投资组合收益可预测性检验。读者可将“因子”看成是投资信号。假设研究发现平均来说市盈率高的股票未来3个月收益会低于市盈率低的股票，那一个简单的量化投资策略便是买入市盈率低的股票，做空市盈率高的股票。这里“市盈率”就是个量化因子。两位学者研究了包括了公司年龄、信用评级、资产周转率、分红率、现金流方差、利润率变动、分析师推荐的改变、公司所在行业的集中度等在内的因子。这大体可分为四类：围绕某个事件的因子，如分析师推荐的改变；以交易量、股价、股票收益率等市场信息为基础的因子，如过去半年股价变动率；价值因子，如市盈率、市净率等；以财务报表信息为基础的因子，如债务资产比率。

量化投资经理和研究员非常清楚，在他们了解并使用某因子的同时，很可能有成百上千的人也在使用该因子。所以实践中使用的模型，更多时候是将数个甚至几百个不同的因子捆绑在一起，投资经理们往往还会加工和改变一些因子。如果研究发现过去半年股价涨跌较快的股票通常还会继续涨跌一段时间，那根据市盈率和过去半年股价变动这两个因子，可设计稍复杂的策略：对这1000支股票双向排序，买入低市盈率、过去半年股价上涨快的200支股票，同时卖空高市盈率过去半年股价下跌快的200支股票。

McLean和Pontiff比较了三个不同阶段基于每个预测变量(因子)的投资组合回报：一，针对某因子的原始学术研究中使用数据的样本期；二，原始样本期之后但研究正式发表之前；三，论文出版之后。以“公司年龄”因子为例，最初针对这个因子研究的样本时间段在1931年至1982年，论文发表在1984年。所以1931年至1982年就属原始样本期；1983年属样本外但正式研究发表前阶段；1984年后属于研究发表后阶段。他们发现，基于97个量化因子的投资组合收益在原始样本期的月平均收益率为0.582%；在样本外但发表前的月收益率为0.402%；而在研究成果正式发表后的月收益率则为0.264%！也就是说，基于因子的投资收益在样本外下降了26%，在研究发表后相对样本期间下降了58%。研究公布使基于这些因子带来的收益下降了32%！

样本内投资组合收益越高(信号越强，越能“赚钱”)的因子在研究发表后收益下降越大。那些仅利用价格和交易数据的量化因子，偏重流动性强和低个体风险股票的因子，基于其设计的投资组合收益率在研究发表后衰减得更厉害。流动性强和低个体风险股票一般来说更多是大盘股、交易量大的及买卖价差小的股票，针对这些股票的套利成本较低。这意味着，一旦价格偏离价值，套利者能以较低成本使价格回归价值。因此，由较多此类股票组成的多空投资组合回报率就会低。

学者们还比较了研究成果发表前后因子投资组合中股票交易的变化：针对某个因子的研究发表后，基于该因子选择的股票交易量增加了。更有趣的是，被做空的股票实际做空量，与被买入股票的实际做空量的差异在研究发表后加大了。假设在研究发表前，针对股票ABC和XYZ的做空比例分别为10%和8%，两者之差为2%。假设基于某因子设计了一个多空投资组合，买入XZY，卖空ABC。研究发布后，市场针对ABC的做空比例升至12%，而针对XYZ的做空比例降至6%，两者之差变为6%。这个发现说明，学术研究成果公布引起投资者对这些因子的关注和利用，并产生了效应。

从学术研究中获得投资因子是一种方式，另一种方式是少读或干脆不读投资相关文献。这种研究方式的假设前提是凡公开(无论已发表的，还是在学术会议上讨论的，或当公布尚未发表)的研究成果都不能带来任何超额回报。遵循此道的研究者通常研究所有与股价走势相关的信号和数据，他们画价格走势图，计算波动性，利用机器学习模型等等，最终目的是设计自己的独特信号。

这两种研究方式都有人采用。多数人采用第一种方式。遗憾的是，现在少有公司能如此“大度”给员工三年时间去开发某个交易模型。以定量模型为主要投资模式的文艺复兴技术有限公司(Renaissance Technologies LLC)或许是个特例。该公司一些研究项目有时需要几年才能完成。该公司通常只雇用拥有数学、统计、计算机、工程背景的博士，而不愿雇佣金融或经济博士及有华尔街工作经验者，这些人被认为具有相似的投资理念，会设计出相似的投资策略。