因子投资：方法与实践

✍ Scribed by 石川; 刘洋溢; 连祥斌

• Publisher: 电子工业出版社
• Year: 2020
• Tongue: Chinese
• Leaves: 423
• Category: Library

✦ Synopsis

《因子投资：方法与实践》在统一视角下，体系化地介绍了因子投资中的重要研究方法，并针对中国A 股市场给出了独立的、可复制的、高质量的因子实证分析结果，是一本真正可操作、可上手的因子投资手册。本书主要内容包括：因子投资基础、因子投资方法论、主流因子解读、多因子模型、异象研究、因子研究现状和因子投资实践。书中还以附录的形式对理解资产价格的研究脉络进行了梳理。本书的写作既注重学术文献的严谨，也注重普通读者的阅读体验。书中虽然涉及必要的数学公式，但是会深入浅出、抽丝剥茧地解释统计方法，并把重点放在实证分析上，同时也会对因子投资的实务进行解读。

✦ Table of Contents

版权信息
内容简介
前言
第1章 因子投资基础
1.1 统一视角下的因子投资
1.1.1 一个公式
1.1.2 因子、多因子模型和异象
1.1.3 再论异象和因子
1.1.4 因子投资包含的内容
1.1.5 实证资产定价与因子投资
1.2 因子投资的学术起源
1.2.1 实证资产定价
1.2.2 研究现状
1.3 因子投资的业界发展
1.3.1 因子投资和管理人
1.3.2 因子投资和投资者
1.4 本书的结构
第2章 因子投资方法论
2.1 投资组合排序法
2.1.1 因子模拟投资组合
2.1.2 排序法及其检验
2.1.3 多重排序法
2.1.4 因子命名约定
2.2 多因子模型的回归检验
2.2.1 时间序列回归
2.2.2 截面回归
2.2.3 时序回归vs截面回归
2.2.4 Fama–MacBeth回归
2.2.5 不同回归方法比较
2.3 因子暴露和因子收益率
2.3.1 引入工具变量
2.3.2 使用公司特征
2.3.3 两类模型
2.4 异象检验
2.4.1 时序回归检验异象
2.4.2 计量经济学问题
2.4.3 White估计量和Newey–West估计量
2.4.4 截面回归检验异象
2.5 多因子模型比较
2.5.1 GRS检验
2.5.2 均值—方差张成检验
2.5.3 从几何角度比较GRS 和均值—方差张成
2.5.4 α检验
2.5.5 贝叶斯方法
2.6 因子正交化
2.6.1 简单一元回归
2.6.2 回归的几何意义
2.6.3 用正交化过程求解多元回归
2.7 广义矩估计
2.7.1 样本均值的方差
2.7.2 分析框架
2.7.3 数学基础
2.7.4 有效性
2.7.5 不应成为黑箱
2.8 研究方法建议
第3章 主流因子解读
3.1 数据和流程
3.1.1 数据来源
3.1.2 量价数据处理
3.1.3 财务数据处理
3.1.4 因子构造流程
3.1.5 实证设定
3.2 市场因子
3.2.1 市场因子起源
3.2.2 对CAPM的质疑
3.2.3 市场因子实证
3.3 规模因子
3.3.1 规模因子起源
3.3.2 规模因子成因
3.3.3 规模因子实证
3.4 价值因子
3.4.1 价值因子起源
3.4.2 价值因子成因
3.4.3 价值因子实证
3.5 动量因子
3.5.1 动量因子起源
3.5.2 动量因子成因
3.5.3 动量因子实证
3.6 盈利因子
3.6.1 盈利因子起源
3.6.2 盈利因子成因
3.6.3 盈利因子实证
3.7 投资因子
3.7.1 投资因子起源
3.7.2 投资因子成因
3.7.3 投资因子实证
3.8 换手率因子
3.8.1 换手率因子起源
3.8.2 换手率因子成因
3.8.3 换手率因子实证
第4章 多因子模型
4.1 主流多因子模型综述
4.1.1 Fama–French 三因子模型
4.1.2 Carhart四因子模型
4.1.3 Novy–Marx四因子模型
4.1.4 Fama–French五因子模型
4.1.5 Hou–Xue–Zhang四因子模型
4.1.6 Stambaugh–Yuan四因子模型
4.1.7 Daniel–Hirshleifer–Sun三因子模型
4.2 A股中被定价的因子
4.2.1 Fama–MacBeth回归实证设定
4.2.2 Fama–MacBeth回归结果
4.3 多因子模型比较：来自A股的例子
4.3.1 两个模型
4.3.2 BM、ROE与预期收益
4.3.3 模型比较的实证结果
4.4 多因子模型的简约性
第5章 异象研究
5.1 估值高低中的异象
5.1.1 价值因子与价值投资
5.1.2 F-Score
5.1.3 G-Score
5.1.4 通过预期差获取超额收益
5.2 基本面锚定反转
5.2.1 金融学依据
5.2.2 A股市场中的基本面锚定反转
5.3 特质性波动率
5.3.1 套利不对称性和特质性波动率
5.3.2 A股市场中的特质性波动率异象
第6章 因子研究现状
6.1 p-hacking和“因子动物园”
6.1.1 何为p-值
6.1.2 在追逐p-值的道路上狂奔
6.1.3 硬科学与软科学
6.1.4 正确认识p-值的含义
6.1.5 多重假设检验
6.1.6 先验的重要性
6.2 从“因子动物园”到“因子大战”
6.2.1 形同意不同的投资因子
6.2.2 q5模型
6.2.3 因子大战
6.3 用行为金融学解释异象和因子
6.3.1 套利限制
6.3.2 预期中的偏差
6.3.3 风险偏好中的偏差
6.3.4 认知限制
6.3.5 行为金融学与市场异象
6.3.6 行为有效市场
6.4 投资者情绪
6.4.1 投资者情绪的度量
6.4.2 投资者情绪与异象表现
6.4.3 投资者情绪与市场表现
6.5 风险补偿、错误定价还是数据窥探
6.5.1 风险补偿检验
6.5.2 错误定价检验
6.5.3 数据窥探检验
6.6 因子样本外失效风险
6.6.1 曝光导致错误定价减弱
6.6.2 因子拥挤
6.6.3 交易成本
6.7 因子投资难以取代基本面分析
6.7.1 基本面分析
6.7.2 基本面量化投资
6.7.3 基本面投资“因子化”的不足
6.7.4 思考和讨论
6.8 机器学习与因子投资
6.8.1 线性模型
6.8.2 非线性模型
6.8.3 模型评估与实证研究
6.8.4 主成分分析和因子选择
6.8.5 机器学习的问题
第7章 因子投资实践
7.1 收益率模型：获取“阿尔法”
7.1.1 基本术语
7.1.2 寻找预测变量
7.1.3 挑选预测变量
7.1.4 收益率预测
7.2 风险模型：以Barra为例
7.2.1 Barra多因子模型
7.2.2 模型求解
7.2.3 纯因子投资组合
7.2.4 协方差矩阵求解及调整
7.3 投资组合优化
7.3.1 错位的收益与风险模型
7.3.2 目标函数
7.3.3 不同目标函数的比较
7.3.4 约束条件
7.3.5 交易成本模型
7.4 Smart Beta：因子投资的捷径
7.4.1 因子指数和Smart Beta
7.4.2 为什么要投资Smart Beta
7.4.3 如何投资Smart Beta
7.4.4 应用实践
7.4.5 更多讨论
7.5 因子择时
7.5.1 按因子估值择时
7.5.2 按因子动量择时
7.5.3 按因子波动择时
7.5.4 按市场情绪择时
7.5.5 按宏观因素择时
7.5.6 因子择时很难
7.6 风格分析
7.6.1 经典风格分析
7.6.2 基于多空因子的风格分析
7.6.3 实例：巴菲特的投资风格
7.7 风险归因
7.7.1 两种传统风险归因方法
7.7.2 风险的三要素
7.7.3 从风险角度看收益相关性
7.7.4 将三要素公式应用于多因子模型
7.8 因子投资展望
7.8.1 另类数据
7.8.2 用因子实现大类资产配置
后记
附录A 理解资产价格
参考文献
封底