測試回報率超8000倍，用「貓」來篩選股票真的能賺錢嗎？

本文系商業周刊App付費文章，禁止轉載。

撰文：Dani Burger

我建立了一隻「貓」因子ETF，賬面盈利頗豐

「我們提出投資假設時，我們先是經濟學家」

我很有錢，對吧？

嗯，來看看我電腦上的數字就知道了。我剛創建了一個定製的股票指數，並對它測試，看如果有人六年前投資了它會是什麼效果。結果呢，回報率竟然有849751％！而實現這一切又非常簡單，只需投資名字帶「貓」(cat)的公司就可以。畢竟人人都愛貓嘛。

經濟學基礎

雖然聽起來不可思議，但這種玩法正是遵循了華爾街的一個最熱門趨勢：智能貝塔(smart beta)交易所交易基金(ETF)。這種ETF可謂進階版指數基金，2016年資產規模高達4700億美元。它們不追蹤標普500等傳統指數表現，而是追蹤定製指數，強調某個可能帶來卓越表現的因子，比如低估值或低波動性等。還有的智能貝塔ETF會根據主題（比如「符合聖經價值觀」的公司股票）或是千禧一代喜歡的產品來選股。現在市面上充斥著好幾百隻這類基金，其迅速走紅為創建者帶來了發財夢。我也想插一腳。

於是我就想，何不用貓來選股呢？真正智能貝塔ETF能做的事，我設想的貓因子ETF似乎也能行。首先，它具備嚴格的篩選標準：但凡名字包括「c-a-t」三個字母的；其次，對每隻股票的投資比重也有規定——相同權重。然後我在紙上得出了結果。「我也喜歡貓，貓顯然優越無比，所以這是一個偉大的投資策略。」ETF巨頭貝萊德投資集團(BlackRock Inc.)因子投資策略主管安德魯·昂格(Andrew Ang)在看到我拿給他的結果時說：「當然這是玩笑話。」

「貓因子」的回報率飆升850000%

其實，他能想到的概念測試我這隻基金幾乎一個也沒通過，不過這倒是讓我對智能貝塔ETF的機制及潛在陷阱有了很多了解。「第一，它缺乏經濟學基礎。」昂格指出。哦，先介紹一下：我自己其實是喜歡狗的，我相信一家公司如果將拉布拉多奉為精神代表動物肯定能經營得最好。但我發現，如果創建一個以狗為關鍵詞的投資組合，那就只有JunkieDog.com Inc.這樣的股票符合了，2013年買入價5美元，現在股價不到2美分。如果把狗換成貓，回報就飆升了。

雖然結果看上去可能還不錯，但如果要向別人解釋為什麼看好貓組合，並給出令人信服的理由，卻是相當困難。高盛資產管理公司(GoldmanSachs Asset Management)定量投資策略部門的投資組合經理尼古拉斯·陳(Nicholas Chan)對我說：

「你構想的這個投資理念缺乏經濟學直覺。當我們提出投資假設時，我們先是經濟學家，然後才是統計學家。」

」

貝萊德投資集團和高盛根據價值、低波動性等因子來制定策略，他們策略的背後有明確道理可循：比如價值型，就是投資者低估了某些無趣的股票。但這裡又產生了一個問題。當你發現數字指向一個明顯的結果時，你很容易倒推出一套聽起來是那麼回事的理論來加以解釋。所以即便經濟學邏輯合理，也要對統計數據持懷疑態度。

「p值操縱」

只納入了「c-a-t」開頭的公司在過去十年虧了99%

這就涉及數據探測問題。我第一次試著創建指數時只納入了「c-a-t」開頭的公司，而測試歷史表現時，發現過去十年虧了99%。不過不要緊，我手頭有彭博有限合夥企業(Bloomberg LP)的統計信息。我修改了數據，直到結果看起來不錯。在科學界，這稱為「p值操縱」(p-hacking，p是概率值)——昂格為此教訓了我。他說，如果調整一個次要參數就會導致模型失敗，說明模型不夠強大，經受不了時間考驗。舉個正面例子，無論用市盈率還是市凈率估值，低估值選股方法都是管用的。另一方面，我選的東西很可能碰巧對了，但無法推廣複製。

我還做了一個決定，結果增加了所謂錯誤信號的幾率。智能貝塔源於這樣一個觀點，即：標普500這種按市值加權的指數是有缺陷的，因為如果某隻股票被高估，投資者就會想加倉。所以我的投資組合採用了平均加權方式。而結果便是，一些低流動性、高回報的低價股充斥我的投資組合。比如名不見經傳、目前基本已無法交易的CatskillLitigation Trust，該股2017年上漲了790倍，股價卻不到1美分。然而當我刪掉那些低價股時，我的優勢也消失了。所以這是一個重要問題的極端例子：那些紙上奏效的策略在實際市場里並不怎麼管用。

高盛的尼古拉斯·陳表示，一個投資理念的終極考驗在於，如果在原有時間框架外或是首次測試的市場外運作，還能否行得通？我採納了他的意見，用歐洲股票校驗了我的策略。我挑出包含「gat」（西班牙語里的貓是gato，義大利語為gatto，都含有gat）的股票：截至2017年1月的五年里，我的模型跑輸歐洲斯托克600指數10個百分點。哎呀！

簡言之，精明的投資者會要求他的智能貝塔策略達到很高的標準。它必須基於一個合乎道理的想法，在有大量數據演算支持之前就能說得通，在任何情況下都屹立不倒，一旦有實際資金注入就能發揮效力。但隨著資產管理公司爭相推出智能貝塔ETF，市場上這種產品越來越多，每個ETF都有自己獨特的角度，其中許多基金勢必令人失望。昂格給出的最終評估是：「我們不會採用貓因子」。

像所有富有進取心的定量投資者一樣，我決定再問問別人的意見。我找到了AQR資本管理有限責任公司(AQR Capital ManagementL L C)的創始人、因子投資先驅克里夫·阿斯內斯(Cliff Asness)，他和另外一些數量分析專家的看法相同。「但凡你能歸類的特點都可以成為因子，但並非所有因子都有趣。因子需要一些經濟學邏輯、理論或直覺，才有可能引起我們的興趣。所以貓因子行不通，我們無法解釋為什麼要用貓因子。」他說，撇開諷刺不談，他說的還蠻有道理。我這個策略的尾部風險太高了。

「相比之下，我們大量運用狗和鸚鵡因子，因為背後有新古典經濟學結合行為金融的理論支撐，還有機器學習的加持。而貓因子是個呆主意。」

」

編輯：馬傑、劉馨蔚

翻譯：楊熙

立即獲得關於TA的更多信息！

優客工場丨印度改革丨知識付費丨寶萊塢電影

日本用工荒丨專訪雷軍丨千禧一代丨瘋狂音樂節

......

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！