近年来，以多因子选股模型为基础的量化投资及smart beta产品风靡全球投资行业。多因子模型建立在金融学术研究进展上，其理论基础来源于上世纪六十年代Sharpe等人提出的CAPM模型，以及Fama和French在CAPM的异常现象基础上提出的三因子模型。随着大量的资金进入，多因子模型出现明显的拥挤效应，以价值、动量、质量为主的标准因子模型预期收益下降，波动增加。2007年8月，美国股票市场上发生由流动性导致的量化模型大幅回撤。有鉴于此，投资行业积极研究，通过加入新的因子或改善原有因子，提升模型收益风险比。本文正是在这一思路下的研究成果，作者通过加入宏观、市场等信息改善原有价值、动量、质量等标准因子。

标准多因子模型的弱点在于其因子的静态属性，不管经济周期、市场环境如何变动，因子收益估计均不变化。从参数估计的角度，标准模型因子收益是各种环境下的平均，类似于统计理论中的频率学派。为提升CAPM等资产定价模型的解释力，学术界有提出加入时变信息的条件CAPM模型。与此类似，本文作者也在加入宏观、市场等信息基础上，计算因子的条件概率收益。需要强调的是，正如作者所言，由于数据处理原因，文章结果并不是严格意义的回测检验，适用于长期战略配置参考，并不适用于短期战术配置使用。

越来越多的投资者开始把他们的组合看作是一系列风险因子暴露的集合。“基于风险的投资”对于不同的投资者可能意味着不同的含义，然而共性在于这些投资者对于风险分散性的关注程度均逐渐上升。但是一些投资者主要通过资产类别暴露识别风险，另一些则更关注潜在的宏观经济风险暴露，如通胀敏感性。关注宏观经济风险的困难在于投资者不能直接投资于宏观经济。

因此，我们为这些投资者提供了一个将可投资的资产与不可投资的宏观经济进行联系的框架。本文通过实证研究，分析了投资品（仅能持有多头的传统资产和投资多/空头组合的另类资产）对于宏观风险（如经济增长和通货膨胀）的敏感程度。首先，本文描述了我们研究的关键宏观维度及其对应的宏观指标。我们遵循早期的研究文献，重点关注增长和通胀维度，并利用美国数据进行检验，接下来分析其他三个维度：实际收益率，波动率和流动性。这些宏观经济映射结果可以通过不同角度呈现。在这里，我们关注在不同环境中夏普比率的变化情况，并在附录中给出了相应的补充实证结果。本文发现，风格溢价策略对于宏观经济环境的敏感程度要低于资产类别溢价策略，并且分散化的组合比单一资产或单一风格的资产组合更具有稳定性。

在详细描述文章方法之前，本文首先要强调这类方法的局限性。任何实证结果都会受限于其所限定的样本区间（如本文中的1972至2013年）和设计选择。此外，如果投资者想要根据宏观经济环境制定择时策略，他们必须对以下两件事有正确的估计：一是他们的投资对于宏观环境的敏感性，二是他们对未来宏观环境本身的预测。因此本文认为，文章更有价值的应用在于构建一个较好分散化后的投资组合，从而更好地抵御意外的宏观冲击。

哪些宏观环境至关重要？

人们可以对什么是最重要的宏观经济维度进行讨论，但传统观点认为经济增长和通货膨胀对投资回报的影响最大。我们同意这一观点并从这两个维度入手，但是我们也综合了其他三种可能对投资构成挑战的环境：实际收益率、波动率和流动性不足。即使我们研究的是全球资产回报和风格溢价，数据的可得性还是限制我们仅能运用美国宏观指标（我们回溯了40多年的数据）。实际上，由于美国经济对市场趋势的主导作用，这个影响可能并不是很大。近几十年来，美国约占全球资本市场规模的一半，其经济发展影响着其他国家。（俗话说：“当美国打喷嚏时，世界其他地方也会感冒”）。

在构建宏观经济指标时需要做出众多的设计决策，每种选择都有其优点和缺点。例如，经济增长可以通过资产市场数据来衡量，如周期性行业或商品的相对表现，甚至只是将权益市场收益率作为增长指标。然而，由此产生的高相关性和解释度只会反映相关变量和解释变量的拟合程度。（根据加拿大股票收益率来解释美国股票市场表现是否很有趣？）为了得到金融市场与基础宏观条件之间更为基本的关系，我们选择使用宏观经济数据。这种选择有其自身的问题，特别是在择时方面，因为宏观经济数据是向后看的，发布有时滞且有数据修正，而资产价格具有前瞻性。我们可以通过使用长一点的时间窗口来减轻发布滞后的影响以及后向和前向视角之间的不匹配问题。因此，我们在整个分析中使用同期年度经济数据和资产收益率（以季度为单位重复观察）。

我们的宏观指标或宏观因子如图1所示。每个指标都是两个系列的组合，通过从每个观测值中减去一个历史平均值并除以历史波动率进行标准化处理（Z-Score）。由于没有唯一正确的方法来反映任何风险因子，因此对两个标准化处理后的指标进行平均化可以使结果更加稳健。对于实际收益率、波动率和流动性不足指标，我们使用了两个子系列中的水平指标和变化指标。每个指标内部的系列如下：

• 增长：芝加哥联储全国活动指数和“预期差”（美国工业生产值的增长率和市场预期之差）。
• 通货膨胀：同比通胀率和“预期差”（美国消费物价指数的增长率和市场预期之差）
• 实际收益率：实际长期债券收益率（10年期国债收益率中减去基于调查的长期预测通胀率）和实际短期收益率（3月期国库券利率减去基于调查的下一年预测通胀率）
• 波动率：基于过去一年标准普尔500指数和10年期国债日收益率的股票和债券市场的波动。
• 流动性不足：货币市场中的TED息差，以及在权益市场中公认的冲击成本指标（译者注：收益绝对值与交易量的比值）。
  

即使我们对指标进行了标准化处理使得均值变成了零，但经济增长指标的正数值却变得更多，因为有那些与实际经济衰退（1974年，1980年，1981年，1990年，2001年和2008年）相对应的尖锐的负低谷的影响。相比之下，其他宏观指标往往是负数值更多（低于平均水平），并且会经历偶尔的急剧上升。因此，我们通过将估计值与中位数进行比较，对每个宏观指标进行环境“上升”还是“下降”的分类。这确保了两种环境具有相同数量的观测值。

投资如何跨越增长和通胀环境？

投资者拥有一系列投资组合构建模块可以选择。我们专注于三个传统的资产类别溢价：

• 全球股票（Global stocks）（以美元计价的MSCI世界指数）。
• 全球债券（Global bonds）（六种10年期ZF债券组成的GDP加权综合债券）。
• 商品（Commodities）（按照美元加权的二十四种商品的组合体）。
  

我们还考虑了五类模拟的多/空风格溢价组合：

• 价值（Value）（买入相对于基本面价值便宜的资产，卖空昂贵资产）。
• 动量（Momentum）（买入最近表现优于同类的资产，卖空最近表现滞后的资产）
• 息差（Carry）（买入高收益率资产，卖空低收益率资产）。
• 防御（Defensive）（买入低风险、高质量资产，卖空投机性资产）。
• 趋势跟随（Trend-Following）（买入近期价格上升的资产，卖空近期价格下跌的资产）。
  

市场中性类型的风格溢价体系编制难度更大，特别是要将这些溢价应用于众多的资产类别：个股选择；行业分配；权益、固定收益和货币市场的跨国配置；以及商品。在这个由上述前四类广泛的风格（译者注：价值、动量、息差、防御）复合成的组合中，每一类都是个股选择和资产配置的等权组合（译者注：根据附录描述，个股选择由50%风险权重的同行业选股和50%风险权重的跨行业选股组成；资产配置由33%风险权重的跨国权益，25%风险权重的固定收益，25%风险权重的外汇和17%风险权重的商品组成）。所有四类风格都按10％的目标年化波动率确定权重，并且不扣除任何交易成本和费用。

除了这四类市场中性的风格溢价，我们还包括市场方向性趋势风格，它在四个主要资产类别中应用12个月的趋势跟随策略。虽然从长期来看，这一风格与权益市场几乎不相关，但在任何时候它都可以表现为方向性的做多或者做空。

图2显示，通过我们的宏观指标将时间段分类为“上升”或“下降”的二元环境，以便我们可以独立地比较经济增长和通胀环境中的夏普比率（中间的两个长条），然后是两者的相互作用（右边的四个长条）。为了具有可比性，我们统一每个图的y轴。一般地，通过按照每个长条的长短变化（即跨越不同环境）来显示对宏观环境的敏感性。

最普遍的发现是，这些资产类别比风格溢价对宏观风险更为敏感。（从左向右移动时长条会随之改变）。前三个图表显示每个资产类别对特定环境具有明确的偏好。具体而言，权益更加依赖于经济增长；债券依赖于通货紧缩；商品依赖于通货膨胀。当我们研究增长和通胀的组合时，这种模式更加明显；权益在通胀上升且增长下降时受伤最重，而债券在增长和通胀均上升时受伤最重。我们还可以看到，全球债券和大宗商品针对增长和通胀组合敞口展现出了非常反向的效果，考虑到大宗商品的通胀对冲特性和债券的衰退保护特性，这是很有道理的。而且增长下降和通胀上升这样出了名的困难组合（滞胀）不受欢迎也就不足为奇了，此时大宗商品是最不坏的选择。

通常由权益市场风险主导的机构投资组合可能表现出类似于权益投资所报告的敏感性——特别是当增长下降和通胀上升导致业绩受到影响时（并且可能是负面的）。但增加债券和大宗商品配置的投资者可以实现更均衡的风险敞口。这种方法可以在主要经济风险因子之间提供更有效的分散化——这是风险平价投资者所寻求的结果。

由于风格溢价在各种环境中的表现更为一致，超越传统资产类别的投资者可能可以实现更好的风险分散。虽然这些多/空风格在学术界有着悠久的历史，但它们很少在机构投资组合中明确展现出来。我们认为它们应该有一个位置；五种风格溢价在所有经济增长和通胀环境中都提供了正夏普比率（在图2中，当我们从左向右移动时长条保持稳定）。

当然，还是存在一些变化的情况，“价值”和“息差”策略似乎都有类似债券的性质，在增长下降，通胀下降的环境中都表现优秀。相反，“动量”策略似乎具有偏好上升情景中的大宗商品的特性，在增长上升和通胀上升时都表现优秀。但是，这些偏好对于风格来说比较弱，而且在统计上并不显著。换句话说，我们没有找到有说服力的证据来说明风格溢价在增长和通胀环境中表现不同。它们的业绩表现在不同时期都比较一致。

本文关注的是每项投资中夏普比率的差异，而不是不同投资绝对业绩表现的比较。风格溢价的夏普比率高于资产类别溢价，部分原因是前者的成分相关性较低（更好的分散化），当然也因为我们没有调整交易成本和费用。

还需要重申的是，这些结果可能只是针对上述样本或我们的这些风格溢价和宏观环境指标。例如，宏观因子敏感性在长期风格倾向投资组合中可能更为重要，这可能是高度市场方向性的。即使是多/空风格溢价，在某些资产类别中也可能比我们在此分析的广泛分散化的组合更具市场方向性，货币息差就是一个​​突出的例子。

增长和通胀以外的影响因子

虽然增长和通胀可能是最重要的宏观维度，但它们并不是唯一的。接下来，本文转向研究另外三个维度：实际收益率，波动率和流动性条件。

图3对之前的分析进行了扩展，显示了夏普比率针对这三个新增风险因子的变化情况。前三行表明权益对宏观经济波动最为敏感，而债券则在实际收益率上升时变化较大（与预期相符）。当实际收益率、波动率和流动性环境变化时，商品的表现较为稳定。这可能是因为大宗商品属于异质的资产类别，而本文在此使用的是等权的（分散化）投资组合。

在风格溢价方面，动量似乎对这些宏观风险最为敏感。当波动率上升时，它往往表现不佳，波动率下降时则相反；高波动率可能与资金转向质量因子相一致，此后还会发生可能损害动量策略的垃圾资产的反弹。“价值”似乎对实际收益率变化和波动环境最具修复能力，但仍对流动性不足较为敏感。即便如此，无论宏观环境如何变化，所有风格的夏普比率均大于0。

总体而言，资产和风格投资均在低波动、高流动性的环境中表现更好(译者注：指夏普比更好)。然而当考虑到增长，通货膨胀和实际收益时，风格溢价则表现出明显的优势：风格溢价策略具有更高的业绩修复能力、更低的宏观经济敏感程度且容易获得更高的alpha。