作者：BetaPlus 小組

摘要：高質(zhì)量是好東西，但并非所有質(zhì)量 alike 變量都能夠融洽的被放在質(zhì)量因子的外衣之下。勿要錯(cuò)以質(zhì)量之名。

1?引言

自 Fama and French (1993) 和 Carhart (1997) 以來，size、value、momentum 就成為定價(jià)模型中最重要的因子。然而，從上世紀(jì) 90 年代開始，另外一系列使用會(huì)計(jì)報(bào)表?xiàng)l目為變量構(gòu)造的因子逐漸興起，例如 Sloan (1996) 的 accruals 和 Novy-Marx (2013) 的 gross profitability。由于這些變量通常被視為和公司的“質(zhì)量”有關(guān)，它們被統(tǒng)一的放入了質(zhì)量（quality）因子的外衣之下。

然而……

到底什么是（高）質(zhì)量？

高質(zhì)量獲得更高預(yù)期收益背后的驅(qū)動(dòng)是什么？

哪些會(huì)計(jì)報(bào)表變量最適合被拿來構(gòu)造質(zhì)量因子？

為什么同被放在質(zhì)量因子外衣之下的不同會(huì)計(jì)報(bào)表變量獲得的超額收益有顯著的差異？

在學(xué)術(shù)論文中，Asness, Frazzini, and Pedersen (2019) 提出了著名的 Quality-Minus-Junk（QMJ）因子，把公司的質(zhì)量定義為盈利、成長(zhǎng)性和安全性三個(gè)維度。隨著 QMJ 因子（以及 BAB 因子）在美股中對(duì)解釋股神巴菲特的業(yè)績(jī)起到巨大作用（Frazzini, Kabiller, and Pedersen 2018），質(zhì)量因子（哪怕它的定義依然十分模糊）也正式走進(jìn)人們的視野，并受到了追捧。

但頗有意思的是，QMJ 因子的 working paper 版本早在 2013 年就有了。較其 2019 年最終發(fā)表的版本，該早期版本除了上述三個(gè)維度外，還有股息率第四個(gè)維度。可是為什么最后發(fā)表的版本砍掉了股息率呢？即便是 AQR 在定義質(zhì)量因子的時(shí)候也這么“隨意”嗎？在業(yè)界實(shí)務(wù)方面，各種質(zhì)量指數(shù)（quality smart beta index）也層出不窮，下表列出了最著名的幾個(gè)。但是它們使用的會(huì)計(jì)報(bào)表變量不盡相同，讓人無(wú)跡可尋。

從 smart beta 的角度來說，質(zhì)量因子和 size、value、momentum 這些早就被人們熟悉的因子并無(wú)區(qū)別；而上述在構(gòu)造、使用質(zhì)量因子時(shí)的不一致性說明它的定義遠(yuǎn)不如其他因子清晰。這也強(qiáng)調(diào)了回答本文一開篇拋出的四個(gè)問題的重要性。

正如 Eugene Fama 高呼 CAPM 的誕生打破了混沌，為資產(chǎn)定價(jià)建立了新秩序一樣；在研究質(zhì)量因子時(shí)，如果僅僅以最大化因子溢價(jià)為目標(biāo)拼湊基本面變量，實(shí)在本末倒置，人們真正需要的是可以開展研究并回答這四個(gè)問題的準(zhǔn)則。只有搞清楚了它們，才能明明白白地享受質(zhì)量因子的 risk premium。

從金融學(xué)估值模型和 common sense 出發(fā)，可以猜測(cè)公司質(zhì)量高應(yīng)該能導(dǎo)致其未來基本面的持續(xù)優(yōu)異，而公司股票的高收益率則是基本面優(yōu)異的結(jié)果。而最能反應(yīng)基本面持續(xù)優(yōu)異的變量大概要數(shù)未來盈利增長(zhǎng)（future earnings growth）。從另一個(gè)角度來說，未來盈利增長(zhǎng)可以被視為簡(jiǎn)化版的 SUE（用去年同期的 earnings 作為 na?ve estimate）。站在基本面量化的角度來說，好的基本面變量應(yīng)該能夠預(yù)測(cè) SUE，質(zhì)量變量理應(yīng)當(dāng)仁不讓。從實(shí)證數(shù)據(jù)來看，這點(diǎn)在美股和 A 股中均成立。

美股的論述留在本文第二節(jié)展開。先來看看 A 股。下圖來自天風(fēng)證券的報(bào)告。該圖在每年把股票按照當(dāng)年收益率的高低分成 10 組，然后考察這 10 組同期的扣非增速?？梢钥吹?，二者的相關(guān)性非常高，說明股票（中短期）的收益率很好的反映了盈利增長(zhǎng)。

結(jié)合上述實(shí)證結(jié)果，我們重述一下關(guān)于質(zhì)量因子的猜想：真正的質(zhì)量因子變量應(yīng)能預(yù)測(cè)未來盈利增長(zhǎng)，而高質(zhì)量股票獲得的高預(yù)期收益是投資者對(duì)盈利增長(zhǎng)反應(yīng)的結(jié)果，因此未來盈利增長(zhǎng)是高收益的驅(qū)動(dòng)；如果以某個(gè)會(huì)計(jì)報(bào)表變量構(gòu)造的因子能獲得超額收益，但該變量卻不能預(yù)測(cè)未來盈利增長(zhǎng)，那就不應(yīng)被視為質(zhì)量因子變量。

關(guān)于這個(gè)猜想和它的 empirical implication，Kyosev et al. (2020) 這篇發(fā)表在 Journal of Banking & Finance 上的文章針對(duì)美股以及全球其他代表性的發(fā)達(dá)和新興市場(chǎng)給出了系統(tǒng)和全面的論證。馬上來看一下。（本文第三節(jié)將對(duì) A 股給出全面實(shí)證。）

2?Kyosev et al. (2020)

Kyosev et al. (2020) 對(duì)上述猜想進(jìn)行了檢驗(yàn)，并針對(duì)全球各大發(fā)達(dá)和新興股票市場(chǎng)進(jìn)行了實(shí)證分析。該文通過 Fama and MacBeth (1973) regression 估計(jì)下面三個(gè)截面回歸模型來檢驗(yàn)上述猜想。

在模型一中，未來盈利增長(zhǎng)的定義如下：

其中 BE 為 book equity，下標(biāo) i 表示股票 i，τ 取值為 12， 36 和 60 分別代表未來 1、3、5 年的盈利增長(zhǎng)。模型一的作用是在控制了其他風(fēng)險(xiǎn)因子以及行業(yè)因子之后，檢驗(yàn)?zāi)男┵|(zhì)量變量能夠預(yù)測(cè)未來盈利增長(zhǎng)。模型二就是常規(guī)的檢驗(yàn)因子預(yù)期收益率的截面回歸模型。由于 Fama-MacBeth regression 每月進(jìn)行，因此被解釋變量是股票下個(gè)月的收益率，解釋變量為某個(gè)選定的質(zhì)量變量和其他控制變量。模型二的作用是檢驗(yàn)控制了其他風(fēng)險(xiǎn)因子和行業(yè)因子之后，哪些質(zhì)量變量能夠獲得超額收益；換句話說，能夠預(yù)測(cè)未來收益率。模型三和模型二長(zhǎng)得很像，但是這二者又有重要的差異。模型三中假設(shè)事前知道未來的盈利增長(zhǎng)，并把它作為控制變量加到回歸模型的 RHS。回歸模型的 LHS 仍然是股票未來的收益率。但是為了 match 盈利增長(zhǎng)的時(shí)間尺度，未來股票收益率是使用同期長(zhǎng)度計(jì)算的，而非下個(gè)月的。例如，當(dāng)使用未來一年盈利增長(zhǎng)作為控制變量時(shí)，被解釋變量就是未來一年股票的收益率。模型三的作用是當(dāng)額外控制了盈利增長(zhǎng)之后，考察質(zhì)量變量和未來股票收益率的關(guān)系。

如果本文第一節(jié)的猜想是正確的，即真實(shí)質(zhì)量變量通過能夠預(yù)測(cè)未來盈利增長(zhǎng)來獲得高收益，那么一個(gè)真實(shí)的質(zhì)量變量在上述三個(gè)回歸模型中的預(yù)期表現(xiàn)為：

在實(shí)證中，Kyosev et al. (2020) 考慮了學(xué)術(shù)界提出的常見的質(zhì)量變量，它們被匯總于下表。

由于這些變量和高質(zhì)量本身的預(yù)期符號(hào)有正、有負(fù)，為了更清晰的討論實(shí)證結(jié)果，Kyosev et al. (2020) 在計(jì)算變量取值的時(shí)候把對(duì)質(zhì)量變量的取值按預(yù)期符號(hào)進(jìn)行了調(diào)整 —— 比如對(duì)于 leverage、accruals 這些越小越好的變量，他們將原始取值乘以 -1，從而將它們也轉(zhuǎn)化成越大越好。經(jīng)過上述處理，真實(shí)質(zhì)量變量在前述回歸模型一和二中的回歸系數(shù)都均應(yīng)該是正數(shù)。下面來看實(shí)證結(jié)果（以美股市場(chǎng)為例）。首先是回歸模型一，下表同時(shí)匯報(bào)了一元回歸和多元回歸結(jié)果。再次強(qiáng)調(diào)，由于所有變量已經(jīng)調(diào)整過了符號(hào)，因此只有回歸系數(shù)顯著為正，才說明該變量能夠預(yù)測(cè)未來盈利增長(zhǎng)。在該文考慮的 8 個(gè)候選變量中，只有 gross profitability、accruals 以及 investment 滿足上述條件。

除上述三個(gè)之外，其他諸如 ROE、ROE growth、earnings variability 這些通過歷史 earnings 計(jì)算出的變量都和未來盈利增長(zhǎng)顯著負(fù)相關(guān)，說明它們自身有著某種均值回復(fù)的屬性。基于上述結(jié)果，這 8 個(gè)變量可以天然的被分為兩類。那三個(gè)能夠預(yù)測(cè)未來盈利增長(zhǎng)的被分到 earnings-predictive measures 類（簡(jiǎn)稱 EP）；剩下五個(gè)被分到 earnings-non-predictive measures 類（簡(jiǎn)稱 ENP）。將每類變量的取值取均值，就可以額外構(gòu)造兩個(gè)復(fù)合質(zhì)量變量，稱為 EP 和 ENP。

下表給出了原始 8 個(gè)變量和 2 個(gè)復(fù)合變量的回歸模型二檢驗(yàn)結(jié)果。不難看出，EP 以及全部三個(gè)該類的變量（gross profitability，accruals，investment）均被定價(jià)，且收益率非常顯著；而在 5 個(gè) ENP 類變量中，僅有 ROE 被定價(jià)，而 margin、ROE growth、leverage、earnings variability 均無(wú)法對(duì)解釋股票截面收益率的差異做出貢獻(xiàn)。由于這 5 個(gè)變量中 4 個(gè)都“不好使”，因此 ENP 復(fù)合變量自然也沒有被定價(jià)（t-statistic 1.73）。

最后來看回歸模型三的檢驗(yàn)結(jié)果。給出結(jié)果之前，先來回顧一下。模型三在模型二的基礎(chǔ)上加入了未來盈利增長(zhǎng)作為控制變量，并把作為被解釋變量的未來收益率調(diào)整到同期。如果真正質(zhì)量變量被定價(jià)背后的驅(qū)動(dòng)是它們和未來盈利增長(zhǎng)之間的正相關(guān)性，那么可以預(yù)期：

以下回歸模型三的檢驗(yàn)結(jié)果完全驗(yàn)證了上述兩點(diǎn)：除 leverage 之外，其他 ENP 變量（ROE、margin、ROE growth 以及 earnings variability 的回歸系數(shù)都很顯著）；而除 gross profitability 之外，accruals 和 investment 的回歸系數(shù)均不再顯著。除此之外，未來盈利增長(zhǎng)在下列回歸模型中均顯著（t-statistic 高達(dá) 18）。

所有結(jié)果說明未來盈利增長(zhǎng)才是高質(zhì)量股票獲得高收益的驅(qū)動(dòng)，而 EP 類和 ENP 類的變量和未來盈利增長(zhǎng)有著截然不同的關(guān)聯(lián)。

“All in all, our results indicate that a true quality definition should include measures that positively predict earnings growth and the abnormal returns will follow as a consequence of that.”

至此，本文第一節(jié)提出的四個(gè)問題均得到了回答。

3?A 股實(shí)證

本節(jié)依照第二節(jié)介紹的三個(gè)模型，針對(duì) A 股進(jìn)行實(shí)證研究。為了簡(jiǎn)化，本節(jié)的實(shí)證中均采用年報(bào)數(shù)據(jù)、以年度為周期進(jìn)行 Fama-MacBeth regression，并遵循 Kyosev et al. (2020) 的定義計(jì)算未來一年的盈利增長(zhǎng)。在模型二和模型三中，作為因變量的均是未來一年的股票收益率。實(shí)證區(qū)間是 2000 年到 2020 年。

由于 A 股臭名昭著的殼價(jià)值污染問題，我們也在剔除了市值最低的 30% 股票之后進(jìn)行了實(shí)證。無(wú)論使用全部 A 股還是規(guī)避殼價(jià)值污染之后，定性的結(jié)果完全一致，因此只匯報(bào)針對(duì)全 A 股的實(shí)證結(jié)果。此外，再提醒一句：和 Kyosev et al. (2020) 一樣，實(shí)證中對(duì)所有質(zhì)量變量的預(yù)期符號(hào)進(jìn)行了調(diào)整，因此以下回歸模型一和二的預(yù)期回歸系數(shù)應(yīng)該是正數(shù)。先來看模型一的結(jié)果。和美股一樣，實(shí)證中控制了價(jià)值、規(guī)模、動(dòng)量等風(fēng)格因子，并加入了行業(yè)啞變量?；仡櫼幌拢Ｐ鸵粰z驗(yàn)?zāi)膫€(gè)質(zhì)量變量和未來盈利增長(zhǎng)正相關(guān)，結(jié)果如下。

和美股實(shí)證結(jié)果相一致的是，gross profitability 和 accruals 和未來盈利增長(zhǎng)顯著正相關(guān)；此外 ROE growth 也能夠預(yù)測(cè)未來盈利增長(zhǎng)，因此將這三者歸為 EP 類。需要說明的是，在未來盈利增長(zhǎng)對(duì) ROE growth 的單變量回歸中，后者的回歸系數(shù)為負(fù)（雖然不顯著），因此在今后值得更深入的探討。除上述三個(gè)變量之外的其他變量則歸為 ENP 類，其中有意思的是 investment 在美股中屬于 EP 類。

再來看模型二的結(jié)果?；仡櫼幌拢Ｐ投z驗(yàn)?zāi)膫€(gè)質(zhì)量變量被定價(jià)（即能夠用來選股），結(jié)果如下。

EP 類的三個(gè)變量在 A 股中均被定價(jià)。對(duì)于 ENP 類變量，ROE 和 margin 在 A 股中被定價(jià)，它們背后的原因可以通過其他途徑來解釋；leverage 和 earnings variability 則在 A 股上沒有被定價(jià)（t-statistic 分別為 -1.1891 和 1.4634）；investment 則和未來收益率顯著負(fù)相關(guān)。

最后是模型三的結(jié)果（下表）。對(duì)于 EP 類變量，當(dāng)控制了未來盈利增長(zhǎng)之后，它們和未來收益率的相關(guān)性的顯著性降低了（其中 accruals 不在顯著了）。對(duì)于 ENP 類變量，若某個(gè)變量和未來盈利增長(zhǎng)負(fù)相關(guān)，那么一旦控制了后者，該質(zhì)量變量和未來收益率的相關(guān)性變得（更加）顯著。我們?cè)?ROE 和 margin 身上可清晰地看到這點(diǎn)。此外，無(wú)論使用哪個(gè)質(zhì)量變量，未來盈利增長(zhǎng)的回歸系數(shù)均顯著，說明它和未來股票的收益率正相關(guān)。

綜合上述分析，對(duì) A 股實(shí)證結(jié)果總結(jié)如下：

4?業(yè)界的質(zhì)量指數(shù)

前面討論了 empirical asset pricing 中質(zhì)量變量的選擇，本節(jié)來看看業(yè)界質(zhì)量因子的運(yùn)用是否和上述發(fā)現(xiàn)一致。以 Kyosev et al. (2020) 的結(jié)果為例，該文發(fā)現(xiàn)的 5 個(gè) ENP 類變量包括 ROE、margin、ROE growth、leverage 以及 earnings variability。而在本文第一節(jié)介紹的業(yè)界質(zhì)量指數(shù)中，明晟（MSCI）的質(zhì)量指數(shù)恰好包含其中 ROE、leverage 和 earnings variability 三個(gè)變量，成為天然的研究對(duì)象。由于 Kyosev et al. (2020) 一文主要針對(duì)美股，我們來看看 MSCI USA Quality Index 的表現(xiàn)（下圖）。在過去 15 年，MSCI USA Quality Index 毫無(wú)懸念的跑贏了其比較基準(zhǔn) MSCI USA Index。

在繼續(xù)感慨它驚艷的表現(xiàn)之前，再來看看它對(duì)其他因子的暴露和行業(yè)暴露。與基準(zhǔn)相比，該 quality index 并沒有在其他因子上特別偏離，而是在質(zhì)量因子上有更高的暴露（very nice）；然而從下圖右側(cè)的行業(yè)分布來看，該 quality index 較基準(zhǔn)而言有著不可忽視的行業(yè)偏離。

不知道是不是對(duì)行業(yè)偏離感到不舒服，MSCI 同時(shí)又推出了 USA Sector Neutral?Quality Index（行業(yè)中性質(zhì)量指數(shù)）。通過行業(yè)中性處理，得到的質(zhì)量指數(shù)更接近 Barra（現(xiàn) MSCI）深諳的純因子組合理論，它可以讓人們更準(zhǔn)確地估計(jì)目標(biāo)因子的預(yù)期收益。無(wú)獨(dú)有偶，在追蹤 MSCI USA Quality Index 的 ETF 產(chǎn)品 QUAL 關(guān)于其基準(zhǔn)的說明中，也有如下說明：

On 9/1/2015, QUAL began to track the MSCI USA Sector Neutral Quality Index. Historical index data prior to 9/1/2015 is for the MSCI USA Quality Index; index data on or after 9/1/2015 is for the MSCI USA Sector Neutral Quality Index.

該 ETF 曾經(jīng)的基準(zhǔn)是 MSCI USA Quality Index；而后來切換到了 USA Sector Neutral Quality Index。不知這是否傳遞出 Sector Neutral 是更合理的版本這樣的信息。下面是 USA Sector Neutral Quality Index 的表現(xiàn)。和非行業(yè)中性版本不同的是，行業(yè)中性之后的 USA 質(zhì)量指數(shù)較基準(zhǔn)而言僅有微弱的優(yōu)勢(shì)（且最近 5 年的年化收益跑輸基準(zhǔn)；最近 10 年也只是打個(gè)平手）。

檢查因子暴露發(fā)現(xiàn)，行業(yè)中性質(zhì)量指數(shù)在其他因子上的暴露較基準(zhǔn)指數(shù)并無(wú)顯著差異，主要是靠其在質(zhì)量因子上的暴露。

這個(gè)結(jié)果說明，當(dāng)額外剔除行業(yè)暴露之后，靠 ROE、leverage、earnings variability 三個(gè)變量所獲得的超額收益并不高。這和 Kyosev et al. (2020) 的實(shí)證結(jié)果是一致的。畢竟，在 Kyosev et al. (2020) 中，leverage 和 earnings variability 沒有被定價(jià)（回歸模型二中它們的收益率在統(tǒng)計(jì)上沒有偏離 0；t-statistic 分別為 0.36 和 0.02）。

5?理論指導(dǎo)實(shí)踐

長(zhǎng)久以來，金融學(xué)都是學(xué)界和業(yè)界聯(lián)系最緊密的一門學(xué)科。學(xué)術(shù)界的發(fā)現(xiàn)很好地指導(dǎo)了投資實(shí)務(wù)，投資實(shí)務(wù)也反饋給學(xué)界、促進(jìn)理論的進(jìn)步。那么，既然學(xué)術(shù)發(fā)現(xiàn)告訴我們挑選真實(shí)質(zhì)量變量的依據(jù)，那么本文第三節(jié)針對(duì) A 股復(fù)現(xiàn)的實(shí)證結(jié)果對(duì)于構(gòu)造質(zhì)量因子又有怎樣的啟發(fā)呢？根據(jù)第三節(jié)的結(jié)果，從 EP 和 ENP 內(nèi)挑選三個(gè)質(zhì)量變量，分別構(gòu)造質(zhì)量因子并檢驗(yàn)它們。其中，EP 類的變量包括 gross profitability、accruals 以及 ROE growth，并稱由它們構(gòu)成的質(zhì)量因子為 EP 質(zhì)量因子；ENP 類的變量包括 ROE、leverage 以及 earnings variability，并稱由它們構(gòu)成的質(zhì)量因子為 ENP 質(zhì)量因子。為了研究結(jié)果更貼近業(yè)界實(shí)務(wù)，實(shí)證中僅考察這二者多頭相對(duì)基準(zhǔn)的表現(xiàn)。對(duì)實(shí)證設(shè)定的說明如下：

首先來看無(wú)約束的版本，下圖給出了兩個(gè)質(zhì)量因子（多頭）以及中證 800 的累計(jì)收益曲線。從圖中不難看出，EP 質(zhì)量指數(shù)跑贏了 ENP 質(zhì)量指數(shù)，且它較基準(zhǔn)也有持續(xù)的超額收益。然而 ENP 質(zhì)量指數(shù)卻僅僅是在 2015 年之后才開始跑贏基準(zhǔn)；而在 2015 年之前并沒有超額。

再來看看行業(yè)中性的版本。在控制了行業(yè)暴露之后，EP 質(zhì)量因子表現(xiàn)依然穩(wěn)?。籈NP 質(zhì)量因子的表現(xiàn)較其無(wú)約束版本也有改進(jìn)，從 2005 年開始相對(duì)基準(zhǔn)持續(xù)有超額收益。比較二者，EP 質(zhì)量因子依然優(yōu)于 ENP 質(zhì)量因子；若以 Fama and French (1993) 三因子為定價(jià)模型（因子收益率來自 www.factorwar.com），EP 和 ENP 質(zhì)量因子多頭的超額收益分別為 0.38%（t-statistic 為 2.64）和 0.23%（t-statistic 為 1.40）。

如果把 EP 和 ENP 質(zhì)量因子各自的兩個(gè)版本（非行業(yè)中性 vs 行業(yè)中性）相互比較會(huì)怎樣呢？下圖給出了結(jié)果。其中 Panel A 為 EP 質(zhì)量因子，Panel B 為 ENP 質(zhì)量因子。結(jié)果顯示，對(duì)于前者，兩個(gè)版本的因子多頭組合收益率十分接近，說明其沒有受到時(shí)變行業(yè)暴露的影響。反觀后者，兩個(gè)版本的因子多頭組合雖然最終累計(jì)收益接近，但路徑截然不同。行業(yè)中性版本的超額比較持續(xù)，而無(wú)約束版本則是在 2015 年之后才“發(fā)力”，說明時(shí)變行業(yè)暴露對(duì) ENP 質(zhì)量因子有較大影響。另外，如果按照 ENP 質(zhì)量因子得分為權(quán)重，其 2015 之后的表現(xiàn)和行業(yè)中性的版本接近，遠(yuǎn)不如非行業(yè)中性的版本；前 100 支股票的 ENP 質(zhì)量因子暴露差異微弱，遠(yuǎn)遠(yuǎn)不及它們市值上的差異。

本節(jié)實(shí)證討論的最后一個(gè)問題是，非行業(yè)中性的 ENP 質(zhì)量因子在 2015 年之后雄起的原因是什么。檢查 ENP 質(zhì)量因子選出的股票可知，其在大市值、高動(dòng)量、高估值以及食品飲料、醫(yī)藥、電子元器件這些風(fēng)格和行業(yè)因子上有較大的暴露。當(dāng)控制住這些因子后，ENP 質(zhì)量因子的表現(xiàn)又如何？下表給出了 Fama-MacBeth regression 檢驗(yàn)相關(guān)因子收益率的結(jié)果。解釋變量包括 ENP 質(zhì)量、價(jià)值、動(dòng)量、規(guī)模以及所有行業(yè)因子。表中匯總了實(shí)證期分別為 2015 /1 到 2020/12 以及 2019/1 到 2020/12 兩個(gè)區(qū)間內(nèi)的結(jié)果。

當(dāng)控制了其他因子之后，ENP 質(zhì)量因子在 2015 到 2020 這段區(qū)間內(nèi)的月均收益率為 0.21%，其 t-statistic 為 2.94，因而是顯著的，但僅靠這個(gè)量級(jí)的月均收益率無(wú)法解釋 ENP 質(zhì)量因子多頭的表現(xiàn)。如果把實(shí)證區(qū)間聚焦到 2019 年之后，ENP 質(zhì)量因子的月均收益率降為 0.08%， t-statistic 僅有 0.66。Hoechle, Schmid, and Zimmermann (2020) 指出，通過 portfolio sort 來分析某個(gè) sort variable 是否被定價(jià)有著重要缺陷。若 sort variable 因與個(gè)股的特質(zhì)性高度相關(guān)而獲得超額收益時(shí)，人們會(huì)錯(cuò)誤的認(rèn)為該 sort variable 具有定價(jià)的能力。該文給出了新估計(jì)方法來解決這一問題。回到 ENP 質(zhì)量因子的多頭表現(xiàn)，若不考慮其他風(fēng)格和行業(yè)因子，那么它們的影響就將體現(xiàn)在個(gè)股的特異性之中。對(duì)于非行業(yè)中性的 ENP 質(zhì)量因子，它對(duì)上述因子的高暴露造成 sort variable 和特質(zhì)性部分高度相關(guān)，因此會(huì)讓人們?cè)诳陀^衡量其選股能力時(shí)出現(xiàn)錯(cuò)誤。

綜合本節(jié)全部實(shí)證結(jié)果，可以說第三節(jié)對(duì) A 股的發(fā)現(xiàn)能夠指導(dǎo)我們使用 EP 類的質(zhì)量變量、更合理的構(gòu)造質(zhì)量因子。

6?結(jié)語(yǔ)

隨著基本面量化投資的深入，越來越多從會(huì)計(jì)報(bào)表變量走進(jìn)了人們的視野，并以質(zhì)量為名，被放在了構(gòu)造質(zhì)量因子的候選變量中。然而，相對(duì)于其他大類風(fēng)險(xiǎn)因子，比如 value、size、momentum、idio-volatility、low risk 等，質(zhì)量因子的定義更加模糊和復(fù)雜、往往因人而異。以本文第一節(jié)給出的幾個(gè)質(zhì)量指數(shù)為例，它們使用的不同變量之間似乎有某些聯(lián)系和共性。但如果不在一個(gè)精確地框架下定量的分析，則很難說清楚這種關(guān)聯(lián)，以及它們?nèi)绾未怼案哔|(zhì)量”。難道僅僅是因?yàn)檫@些質(zhì)量指數(shù)編制公司認(rèn)為高質(zhì)量的公司應(yīng)該這樣嗎？這顯然太過粗糙。Kyosev et al. (2020) 一文是對(duì)解決上述困境的有益探索。該文最大的貢獻(xiàn)是提出了研究質(zhì)量因子的 discipline。在研究質(zhì)量因子時(shí)，這種有理可依的規(guī)則才是最為關(guān)鍵的。

我們也想強(qiáng)調(diào)，Kyosev et al. (2020) 一文錨定在高質(zhì)量能夠帶來未來盈利增長(zhǎng)這個(gè)假設(shè)之上（其背后的隱含意思是盈利增長(zhǎng)相對(duì)其他變量 —— 例如盈利水平 —— 反映了更多公司基本面的新息），因此它也僅可能是代表了高質(zhì)量的某個(gè)方面。盡管如此，它依然讓我們朝著搞清楚到底什么是高質(zhì)量、什么是真正的質(zhì)量因子變量、高質(zhì)量股票獲得更高預(yù)期收益的內(nèi)在驅(qū)動(dòng)是什么等問題邁出了重要一步。從本文的實(shí)證結(jié)果來看，探尋 A 股的質(zhì)量變量之旅還有很長(zhǎng)的路要走。我們也期待通過科學(xué)的檢驗(yàn)和嚴(yán)謹(jǐn)?shù)膶?shí)證，在未來找到更加滿足高質(zhì)量定義的會(huì)計(jì)報(bào)表變量。

高質(zhì)量是好東西，但并非所有質(zhì)量 alike 變量都能夠融洽的被放在質(zhì)量因子的外衣之下。勿要錯(cuò)以質(zhì)量之名。

參考文獻(xiàn)

Asness, C. S., A. Frazzini, and L. H. Pedersen (2019). Quality minus junk. Review of Accounting Studies 24(1), 34 – 112.

Kyosev, G., M. X. Hanauer, J. Huij, and S. Lansdorp (2020). Does earnings growth drive the quality premium? Journal of Banking & Finance 114.

Carhart, M. M. (1997). On persistence in mutual fund performance. Journal of Finance 52(1), 57 – 82.

Fama, E. F. and K. R. French (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics 33(1), 3 – 56.

Fama, E. F. and J. D. MacBeth (1973). Risk, return, and equilibrium: Empirical tests.?Journal of Political Economy 81(3), 607 – 636.

Hoechle, D., M. Schmid, H, Zimmermann (2020). Does unobservable heterogeneity matter for portfolio-based asset pricing test? Working paper.

Newey, W. K. and K. D. West (1987). A simple, positive semi-definite, heteroskedasticity and autocorrelation consistent covariance matrix.?Econometrica 55(3), 703 – 708.

Novy-Marx, R. (2013). The other side of value: The gross profitability premium. Journal of Financial Economics 108(1), 1 – 28.

Sloan, R. (1996). Do stock prices fully reflect information in accruals and cash flows about future earnings? The Accounting Review 71(3), 289 – 315.

免責(zé)聲明：入市有風(fēng)險(xiǎn)，投資需謹(jǐn)慎。在任何情況下，本文的內(nèi)容、信息及數(shù)據(jù)或所表述的意見并不構(gòu)成對(duì)任何人的投資建議。在任何情況下，本文作者及所屬機(jī)構(gòu)不對(duì)任何人因使用本文的任何內(nèi)容所引致的任何損失負(fù)任何責(zé)任。除特別說明外，文中圖表均直接或間接來自于相應(yīng)論文，僅為介紹之用，版權(quán)歸原作者和期刊所有。