第三产业&沪深300增强&量化对冲混合                基金经理王正

因子投资是否需要行业中性？

笔者最近看到一篇文章探讨是否需要对因子进行行业中性化处理，觉得还挺有意思的，特意找来原文看了下，这里跟读者进行分享。

行业中性，顾名思义，就是对因子通过行业正交（回归）或行业内排序（标准化）的方法来消除行业层面的差异，比如银行和食品饮料两个行业的估值（PB）差异较大，一个普遍较低，一个普遍较高，如果不做行业中性，那么食品饮料行业的公司估值因子就普遍比银行的要高，按照低估值因子选股的话很难选到食品饮料的公司，而如果做了行业中性处理，估值只跟自己行业内的公司比较高低，在本行业内估值相对高的公司PB因子得分就高，那么因子选股的时候就可以把两个行业内相对低估的公司都选出来。事实上，大多数因子都和行业有一定的相关性，因子值受行业的影响较大，因此为了实现跨行业比较，行业中性是量化投资中较为基础常规的处理方法，以至于有点约定俗成，但如果深究起来，行业中性一定是规定动作么，是否有些场景可以不做行业中性？这篇文章就从某个角度给出了答案。（原文为Financial Analysts Journal 期刊中的《Is Sector Neutrality in Factor Investing a Mistake?》，https://ssrn.com/abstract=3959116）

文章首先在概念上把因子总收益拆分成行业内选股信号贡献+行业间行业配置信号贡献两部分，从纯理论的数学公式出发，推导出了决定因子是否行业中性的条件，即在有效前沿理论假设下，以均值-方差最优（给定风险下追求最大回报，或在给定回报下追求最小风险，即风险调整后收益最大化）为目标的投资者应当在满足如下条件时进行行业中性处理：

(SR(行业间))/(SR(行业内))≤ρ

其中SR表示信息比率，ρ表示因子在行业中性化前后的相关系数。

从逻辑上来说，这个公式的内在含义非常简单：它的意思是我们在做是否行业中性决策的时候，需要权衡收益和风险，收益在于因子原始值在行业间的配置贡献效率，风险在于引入行业因素对因子的扰动，那么如果因子行业间配置效率相对纯行业内选股效率的提升没有引入的相关性风险高时，则不必增加行业层面的暴露，选择行业中性为佳，当因子在行业配置层面的效率提升超过引入的相关性风险时，可以不进行行业中性。从这个公式出发，如果一个因子在行业层面的配置能力不强（低于行业内部的选股能力），或者该因子受行业影响不大（行业中性前后相关性较高），那么应该进行行业中性处理，因为行业间的信号可能不会给投资组合带来额外的价值，反而增加不必要的风险。

随后文章对美股690个月的数据进行回测统计以验证上述结论，并且发现在不同的组合构建方式和目标下，是否行业中性化的选择倾向有所不同：对于多空（long-short）方式构建的组合，保留行业信号（不行业中性）仅在 20%的样本中是夏普比更高的选择，而在纯多头（long-only）组合中有接近80%的样本夏普比更高。也就是说，对于多空组合（或者有严格对标基准的指数增强组合）应该行业中性处理，会从行业中性化中获益——降低行业噪声扰动，提高组合的风险调整后回报；而对于纯多头组合来说，因子在行业间的配置大概率能为投资组合的总体回报做出了更积极贡献，整体来说不行业中性的效果更好。另外这一统计结果相对比较稳健，在多数因子和不同的行业分类下均适用，但需注意对个别因子会有一定差异。

最后，这篇文章的结论告诉我们，在做多空（以夏普比为目标）或指增策略（以信息比为目标）时，对因子进行行业中性处理是非常有必要的，能够提升组合风险调整后表现，事实上，我们的量化对冲和300增强基金的投资实践中对行业中性的处理也是非常严格的。而在纯多头组合中，对有行业配置能力的因子不进行行业中性效果更好。所以因子是否需要行业中性化，最好根据不同的组合构建策略、投资目标以及不同的因子来精细化地处理，效果会比一刀切的绝对操作要好。