本书内容讲述: 智能贝塔和因子投资是投资领域的重要创新, 其在行业中的应用渐成欣欣向荣之象。第一, 在负债端具有预期负债率较低的预设条件 (如, 养老基金) 下, 众多专业机构投资者似乎面临着相互冲突的目标: ①提高投资组合回报, 但不增加权益资产配置和/或②降低投资组合波动性, 但不降低对权益资产的配置。智能贝塔可以提供潜在的解决方案来实现这些目标。第二, 在开展主动管理的同时, 引入智能贝塔和因子投资意味着可以显著改善投资组合中的多元化收益。第三, 随着管理资产规模的增加, 越来越难以找到更多的子基金或投顾实施分散化投资, 由于集中度受限也难以对业绩出众的子基金或投顾过度超配。

结合了被动投资和主动投资的优势的智能贝塔和因子投资，已经是当前投资领域备受关注的重要话题之一。通过正确地实施智能贝塔策略，可以以比传统的主动管理和指数投资更低的成本降低风险或增加多样性，从而产生优的多元化投资组合。根据一项覆盖全球超过3.5万亿美元的资产管理者的调研显示，77%的受访者已经评估过、实施过智能贝塔策略或计划这么做。因此，智能贝塔的普及率从2015年的26%增长到2018年的48%。市场上的智能贝塔产品种类繁多且还在不断增加，这往往使投资者难以分析和选择适合自己的产品。因此，因子规范，加权方案以及控制换手率、多元化或策略容量等因素会影响智能贝塔策略的差异。
本书正好满足了对这一重要的创新领域进行简单、准确的投资者教育的需求。本书以从业者的视角撰写，帮助读者理解智能贝塔投资的理论基础、分析和选择智能贝塔策略、构建更有效率的投资组合，并从其他已成功实施智能贝塔投资的从业者那里获得见地。本书全面介绍了智能贝塔投资：
回顾了权益类智能贝塔的演变、定义和构成，并确定了智能贝塔产品的理想特征；
讨论了因子投资的起源、理论及风险、行为和结构方面的解释以说明因子超额收益存在的原因；
提供了一个框架来理解和分析用于捕获智能贝塔因子收益的各种加权方案；
解释了智能贝塔因子策略的业绩特征；
提供了权益资产之外的因子投资、智能贝塔实施、投资组合构建和多策略多管理人投资组合的示例。
本书对于那些寻求保持适当前瞻性和纪律性、实现长期目标、构建更有效率的投资组合并实现更好投资结果的投资者和基金经理来说都是非常有价值的实践手册。

前言
在过去的几年里，股票Smart Beta和因子投资已经成为行业内高度讨论和辩论的话题。事实上，投资者调查一直强调，Smart Beta投资不仅越来越受欢迎，而且被采用。例如，在富时罗素2018年资金方全球调查结果中，调查了代表北美、欧洲、亚太和其他地区约3.5万亿美元资产的资金方，77%的资金方回答说他们已经实施、目前正在评估实施，或计划在不久的将来评估Smart Beta策略。调查还发现，Smart Beta的采用率从2015年的26%上升到2018年的48%。更有趣的也许是，虽然富时罗素前几年的调查显示，资产规模超过100亿美元的大型资金方的采用率明显较高，但在这次最新的调查中，小型（39%）、中型（43%）和大型（56%）资金方的采用率分布更加均匀。就采用的Smart Beta策略而言，多因子产品的采用率最高（49%），其次是单因子低波动率（35%）和价值策略（28%）。多因子产品采用率的增长，很可能是由于人们对低相关性股票共同因子组合所提供的多样化优势有了更好的理解，这似乎是以其他集中暴露于某些因子的Smart Beta策略为代价的，例如基本面加权策略，其采用率从2014年的41%下降到2018年的19%。
在我们看来，Smart Beta是投资领域的一个重要创新，它在整个行业中越来越多地采用是出于许多考虑。首先，根据我们的经验，许多公共和私人养老金计划的投资组合有6%至8%的回报要求（精算回报率），以满足其预期负债。在一个低预期回报率的环境中，如果不大幅增加对股票的配置，这种回报目标可能难以实现。同时，一些资金方也希望降低整 个投资组合的波动性，以及筹资供款和收益的波动性，同时保留股票配置。因此，资金方似乎面临着相互冲突的目标。(1)提高投资组合的收益，但不增加股票配置和/或(2)减少投资组合的波动，但不降低股票配置。Smart Beta投资可能提供潜在的解决方案来满足这些目标。某些Smart Beta产品，如多因子策略，提供了提高预期收益的潜力，同时将投资组合的波动性保持在与市场相似的水平。某些其他Smart Beta产品，如低波动性策略，提供了降低整体投资组合风险的潜力，同时寻求产生类似市场的回报。因此，Smart Beta投资可能允许投资者达到提高回报和/或降低风险的目标，而不意味着完全改变股票配置。
第二，引入Smart Beta投资，与主动管理一起，提供了大幅提高投资组合中的分散化效益的潜力。事实上，在结合Smart Beta和真正的Alpha时，投资者可以引入多层次的分散化，从而推动对整个投资组合的重大影响效率增益（即更高的相对风险调整收益）。
第三，在我们与大型资金方的互动中，我们发现，随着投资组合规模的增长，这些资金方可能会逐渐变得更难找到更多熟练的主动管理人和/或增加对表现最好的管理人的分配，因为管理人的集中可能导致能力和/或管理人的风险限制。这些资金方面临着在庞大且不断增长的资产基础上提供合理水平的Alpha的问题。根据我们的经验，这些资金方倾向于将某些Smart Beta策略，主要是低跟踪误差的多因子产品，作为透明且系统化的策略，能够提供Alpha（相对于市场组合的超额回报），并具有高容量和成本效益。
第四，从投资过程的角度来看，Smart Beta投资的日渐流行也可以归因于这样一个事实，即它试图结合主动投资和指数投资的最具吸引力的特点。Smart Beta产品通常寻求捕捉主动型经理人通常强调的相同的超额回报来源（即因子），这些因子描述了持续的市场表现。但与主动管理不同的是，这些超额收益来源现在是以类似指数的方式提供的，其目的是减轻投资过程和透明度风险，并提供有意义的实施成本和管理费用节省。
第五，由于产品结构师已经或多或少地用尽了基于市值加权指数的产品，他们的重点已经转移到Smart Beta指数和相关产品。根据晨星研究（2017），《策略贝塔交易所交易产品全球指南》，策略贝塔strategic-beta，晨星对Smart Beta的术语）交易所交易产品（ETPs）于2000年5月在美国推出。截至2017年6月，Strategic-Beta ETPs已经发展到1320个，全球管理的资产总额为707亿美元。事实上，Strategic-Beta ETPs和相关资产的增长速度在近期已经加快。例如，从2016年6月到2017年6月，Strategic-Beta ETPs录得28.3%的申购量增长。
展望未来，根据我们与客户的讨论和经验，我们预计Smart Beta投资的增长将继续。对于零售投资者来说，结构性的Smart Beta产品，在我们看来，其价格明显低于传统的主动型，接近于传统的被动型，可能会吸引大部分的配置。对于机构投资者来说，尽管开始时对Smart Beta的配置较少，但我们预计从长远来看，典型的股票投资组合结构将包括50%的市值加权被动型，25%的Smart Beta，以及25%的主动型。同时，我们也注意到，许多投资者还没有采用Smart Beta投资。根据各种调查，如富时罗素2018年全球调查，需要更好的教育，如如何接近和定位Smart Beta，如何分析和进行尽职调查，关于大量的Smart Beta产品，以及如何确定最佳策略或策略组合的给定组合结构，仍然是投资者实施Smart Beta投资的最重要障碍。
对投资者持续教育的需求为本书提供了动力。

致谢
介绍
目录

第一篇 权益资产Smart Beta领域概论

第1章 权益资产Smart Beta的发展与构成
1.1 引论
1.2 权益资产Smart Beta的演变
1.2.1 市值加权的优点
1.2.2 市值加权的缺点
1.2.3 建议的解决方案
1.2.4 AEB的风险分解
1.2.5 重新关注因子投资：因子产品的潜在优势
1.3 Smart Beta策略的必要特征
1.4 权益资产Smart Beta的构成和定义
1.5 投资者的常见问题
1.5.1 Smart Beta是否意味着市值加权指数是不智能的？
1.5.2 Smart Beta应该被定义得更加侠义吗？
1.5.3 Smart Beta就是因子投资吗？
1.5.4 Smart Beta是主动的还是被动的？
1.5.5 Smart Beta是否只是被动执行的主动管理？
1.5.7 基于规则的、透明的方法是Smart Beta产品所期望的特征。这些术语的确切含义是什么？为什么这些特征在Smart Beta策略的设计中很重要？
1.5.8 费用低廉是Smart Beta价值主张的一个重要特征。低费用产品的特点是什么？
1.5.9 为什么分散化在因子获取的情况下很重要？
1.5.10 主动管理基金经理提供的策略是否要明确？
1.6 结论

第二篇 权益资产公共因子及因子投资

第2章 权益资产公共因子及因子投资概述
2.1 引论：什么是权益资产公共因子？
2.2 权益资产公共因子和因子投资的演化发展
2.2.1 CAPM
2.2.2 市场贝塔和预期收益
2.2.3 超市场共同因子和Smart Beta因子
2.2.4 多因子定价模型
2.3 投资者的常见问题
2.3.1 投资者为什么要关心Smart Beta因子？
2.3.2 对公同因子的可识别集合是否有共识？
2.3.3 如果动量因子是解释主动管理基金经理（如成长型基金经理）业绩绩效的一个重要因子，那么它不应该同价值因子和成长因子一样被视为一种风格吗？
2.3.4 Smart Beta和传统的量化管理有什么区别？
2.4 结论

第3章 解释Smart Beta因子的收益溢价
3.1 引论
3.2 数据挖掘
3.3 基于风险的解释
3.3.1 风险的多维性
3.3.2 特定因子的表现不佳时期
3.3.3 市场表现不佳风险
3.3.4 持续性
3.4 行为解释
3.4.1 价值因子
3.4.2 动量因子
3.4.3 价值因子和动量因子同时存在
3.4.4 其他因子
3.4.5 持续性
3.5 结构解释
3.6 投资者的常见问题
3.6.1 基于风险的解释有哪些潜在问题？
3.6.2 与行为解释相关的一些潜在问题是什么？
3.5.3 鉴于激烈的讨论和辩论，以及不可避免地会造成的混乱，投资者应如何处理两个基本问题：为什么存在Smart Beta因子？以及为什么它们具有持续性？
3.6.4 Smart Beta的交易会不会越来越拥挤，最终导致Smart Beta因子的超额收益消失？
3.7 结论

第三篇 捕捉Smart Beta因子

第4章 加权方法
4.1 引论
4.2 用于捕捉因子回报率的加权方法
4.2.1 倾斜：总权重与基准市值权重有关
4.2.2 重新加权：总权重与市值权重无关
4.3 评估用于捕捉因子回报的加权方法的投资绩效与效率
4.3.1 市值加权法
4.3.2 市值调整法
4.3.3 信号倾斜法
4.3.4 信号加权法
4.3.5 等权重法
4.4 投资者的常见问题
4.4.1 投资者应该如何分析、比较各种Smart Beta策略的业绩？
4.4.2 市值加权法的总基准是众多Smart Beta策略合适的业绩比较基准吗？
4.4.3 是否有些投资组合构建方法可能与原理所揭示的因子投资向左？
4.5 结论

附录4.1 不同因子投资组合的成分股权重
附录4.2 运用市值加权法和信号倾斜法因子投资组合的主动收益和积极风险分解

第5章 因子规范
5.1 引论
5.2 价值因子
5.3 动量因子
5.4 低波动率因子
5.5 质量因子
5.6 投资者的常见问题
5.6.1 在Smart Beta产品中使用学术上不完全支持的因子规范或者对标准定义做了调整时，会引发哪些问题？
5.6.2 为什么定义给定的跨地域或时变因子时，因子的一致性很重要？
5.6.3 在定义因子或期望收益信号时，使用复合指标会有什么问题？
5.6.4 投资者应如何处理质量因子规范中的常见变化？
5.7 结论

第6章 Smart Beta与主动策略的积极风险和主动收益分解
6.1 引论
6.2 Smart Beta策略的风险分解
6.2.1 文献综述
6.2.2 我们的分析
6.2.3 小结
6.3 主动策略的风险分解
6.3.1 文献综述
6.3.2 我们的分析
6.4 投资者的常见问题
6.4.1 风险分解中的阿尔法总能代表基金经理的主动管理能力吗？
6.4.2 为什么风险模型有时会显示出违背直觉的因子敞口？
6.4.3 既然风险模型会产生违背直觉的因子敞口，可能无法完全反映真实的敞口，那么投资者还有其他什么方法来评估因子敞口？
6.5 结论

第三篇 Smart Beta因子策略的业绩特征

第7章 单个Smart Beta因子的业绩特征
7.1 引论
7.2 费后业绩：考虑交易执行成本
7.2.1 确定交易执行成本
7.2.2 减少换手率
7.3 费后业绩特征
7.3.1 规模因子
7.3.2 价值因子
7.3.3 动量因子
7.3.4 低波动率因子
7.3.5 质量因子
7.3.6 业绩特征小结
7.4 投资者的常见问题
7.4.1 费后动量因子策略还能盈利吗？
7.4.2 从单个Smart Beta因子的历史业绩分析中可以得出哪些重要的结论？
7.5 结论

第8章 因子分散化策略的业绩特征
8.1 引论
8.2 主动收益相关性
8.2.1 长期相关性
8.2.2 相关性的短期变化
8.2.3 相关性特征小结
8.3 因子分散化策略的业绩特征介绍
8.3.1 潜在的分散化收益
8.3.2 信号倾斜法MFP的长期历史业绩
8.3.3 信号倾斜法MFP的短期历史业绩
8.3.4 增强改进
8.3.5 采用其他加权方法的分散化策略
8.3.6 评估效率：因子调整后阿尔法
8.3.7 小结
8.4 构建分散化策略：投资组合混合与信号混合之辩
8.4.1 文献综述
8.4.2 我们的分析
8.5 投资者的常见问题
8.5.1 在构建多因子策略时，是否有投资组合构建方法可以提供比其他方法更高的分散化收益？
8.5.2 在多因子策略中，哪些因素会影响被考虑因子的选择？
8.5.3 在投资组合混合方法中，同投资于单因子投资组合相比，整合的多因子方案是不是对多因子策略更高效的执行？
8.5.4 投资组合混合方法的一个优点是投资组合绩效归因简单而透明。绩效归因的透明度意味着什么？为什么投资组合混合方法更适合于实现这一目标？
8.5.5 在投资组合混合与信号混合的争论中，争论和反驳似乎很复杂。在实操层面上，投资者应该如何决定遵循哪种构建方法？
8.5.6 因子择时能够改善多因子策略的业绩吗？
8.5.7 在很多案例中，Smart Beta策略都是基于历史回测与模拟而推广的新型产品。投资者如何评估历史回测的代表性？
8.6 结论

第9章 低波动率因子异象
9.1 引论
9.2 低波动率因子的历史业绩
9.3 “低波动率”是如何定义的？
9.4 低贝塔投资组合的次级因子

第五篇 Smart Beta的实施

第10章 构建更优的权益投资组合：将Smart Beta与Smart Alpha相结合
10.1 引论
10.2 当前投资组合构建实务
10.2.1 Alpha-Beta投资组合结构
10.2.2 业绩基准的规模和风格分解
10.2.3 通过主动管理获得风险因子敞口
10.3 投资组合结构：一个建议的框架
10.3.1 如何分解主动收益
10.3.2 如何实现策略分散化
10.3.3 如何实现基金经理分散化？
10.3.4 如何确定主动投资组合的规模？
10.3.5 小结
10.4 投资者的常见问题
10.4.1 投资者如何向Smart Beta配置资金？
10.4.2投资者如何设计投资组合的Smart Beta成分，以满足各种应用场景？
10.4.3在许多情况下，主动投资组合的积极风险和主动收益最终受到基本权益因子的驱动。是什么导致了这个结果？
10.4.4 在实施Smart Beta投资时，什么可能使投资者选择Smart Beta公共指数或Smart Beta基金经理提供的解决方案？
10.4.5 投资者在采用和/或实施Smart Beta过程时面临什么挑战？
10.4.6 在投资组合的结构方面，当评估因子敞口和阿尔法时，为何建议针对已实施的Smart Beta解决方案进行风险分解分析？
10.5 结论

第11章 结合ESG和Smart Beta
11.1 引论
11.2 ESG数据
11.3 ESG策略
11.3.1 ESG负面筛选的影响
11.3.2 低排放倾斜的影响
11.3.3 ESG负面筛选和低排放倾斜的综合影响
11.3.4 业绩归因
11.4 将ESG和Smart Beta结合
11.4.1 基于市场指数的MFP历史业绩
11.4.2 专注于ESG的MFP的历史业绩
11.4.3 专注于ESG的MFP的业绩归因
11.5 投资者的常见问题
11.5.1 投资者在涉及和实施ESG策略时应牢记哪些要点？
11.5.2 Smart Beta因子是否具有不同的ESG特征，如排放强度？
11.5.3 当ESG和Smart Beta结合使用时，ESG因子是否有可能弱化Smart Beta因子的影响？
11.6 结论

第12章 对冲基金投资的另类选择：基于风险的方案
12.1 引论
12.2 分散化的对冲基金投资组合的优势
12.2.1 对冲基金样本
12.2.2 对冲基金的业绩持续性
12.2.3 对冲基金投资组合向整个对冲基金样本趋同
12.3 对冲基金的系统性驱动因素
12.3.1 对冲基金系统性因子的特征
12.3.2 将系统性因子映射到对冲基金类别
12.3.3 权重估计方法的原则
12.4 流动性跟踪投资组合模拟业绩
12.4.1 业绩比较
12.4.2 对冲基金业绩的分解
12.5 对冲基金行业的发展
12.5.1 对冲基金特征的演变
12.5.2 关于实施流动性对冲基金跟踪策略的考虑
12.6 结论

第六篇 资金方视角

第13章 访谈：CalPERS的Smart Beta实践之路

第14章 养老