理解风格曝光、行业轮换和商业周期之间的交集

中国财务规划期刊:5月2021年

执行摘要

  • 理财规划师和投资者通常倾向于通过行业风险敞口或风格风险敞口来评估自己的股票配置。实际上,这两个维度是高度相关的。
  • 采用基于持股的风格分析,这项研究显示,晨星大盘股成长型和大盘股价值型基金的平均投资倾向于相对于大盘,增持或减持某些板块,而SPDR类股etf对成长型和价值型股票的投资敞口差异很大。
  • 基于Fama-French三因素模型的基于收益的风格分析证实了某些行业表现出强烈且一致的风格偏差。具体来说,科技行业历来表现出最强烈的增长偏好,而金融行业表现出最强烈的价值偏好。
  • 在介绍了一个相对简单的商业周期定义之后,作者接着分析了不同周期阶段的部门绩效,并证明了某些部门往往在周期的特定阶段表现更好。
  • 作者展示了如何在基于商业周期的变化的行业之间积极旋转的相对简单的投资策略 - 将一致而且显着优于广泛的股票市场。然后作者分析这种策略的风格特征。
  • 本文通过表明上述策略,当以其他人被动和广泛多样化的组合实施的卫星实施时,将显着提高投资组合的风险/返回特征。

Carl Noble, CFA,是Congress Wealth Management, LLC投资高级副总裁。此前,他是Pinnacle Advisory Group, Inc.的首席投资官。

CMT,CMT,CFTE的肖恩·迪尔顿是国会财富管理,LLC投资战略高级副总裁。在此之前,他是Pinnacle Advisory Group,Inc。的首席投资策略师他持有65系列认证。

Sauro Locatelli,CFA,FRM,SCR™是国会财富管理,LLC的定量研究总监。在此之前,他在Pinnacle Advisory Group,Inc。举行了同样的立场

丹麦多,CFA是一个投资组合经理。以前,他是他在Pinnacle Advisory Group,Inc。的收入分析师。他还在T. Rowe价格和纽约Mellon银行工作。

Ken Solow,CFP®,是Pinnacle Advisory Group,Inc。的创始人他是本书的作者,“买入并持有”又死光了:危险市场中的积极管理案例。

加入讨论:通过FPA成员讨论本文平安险的知识圈

反馈:如果你对这篇文章有任何问题或评论,请联系编辑在这里

注意:请点击下面的图片打开PDF版本。

金融规划者和投资者一般来说,他们倾向于通过行业敞口或风格敞口来评估自己的股票配置。实际上,这两个维度是高度相关的。

本文使用持有的持有量级的风格分析表明,晨尾增长的平均资金大量增长和大写价值类别往往相对于广泛股市相​​对于广泛股市超重或体重减重,而SPDR部门ETF的曝光率大大变化增长和价值股票。本文还展示了基于商业周期的变化的行业之间积极旋转的相对简单的投资策略将一致而且显着优于广泛的股票市场,并分析了这种策略的风格特征。

文献评论

对投资组合建设的两个主要方法以及投资组合的暴露的两个主要尺寸可以解构和分析,是资产配置和风格或因子分配。Vardharaj和Fabozzi(2007)发现,可以通过部门或风格分配政策来解释五年的美国资金五年回报的近四分之三。虽然广泛的研究已经单独致力于这两种维度,但研究两种方法如何相互作用,彼此相互作用更有限。Idzorek和Kowara(2013)比较了基于因素的资产配置方法和基于资产类别的资产分配方法,并得出结论,这两者都没有上生优越。他们的结果表明,投资者应考虑两种方法。

Angelidis和Tessaromatis(2017年)暴露了资产分配和风格选择如何在国家分配的背景下互相互动。他们通过建立基于国家的因素组合来建立基于因子组合的替代方案,使用国家/地区的ETF或指数期货。他们的研究得出结论,这些基于国家的因素组合将能够有效地捕获与小写和价值等因素相关的保费,同时由于更大的流动性,交易便宜。最后,通过Bender,Le Sun和Thomas(2018)制作了一个显着的组合这两种方法的尝试。它们提出了一种用于整合因子分配和资产类返回预测的方法,允许将因素和资产类别的信息/预测结合使用,从而产生了从两种范例中融合了洞察力的最佳投资组合。

本研究试图在现有文献的基础上,重点研究在美国股市的背景下,资产配置和风格选择如何相互作用。

通过镜头探索风格分析美国股权部门

共同基金经理和独立账户经理的投资风格,通常取决于他们将标准普尔500指数的行业和行业作为选择个股的基础。"自上而下"的基金经理基于对市场和经济周期的评估,积极地在不同股票类别间"轮换"持有美国股票。

或者,“自下而上”基金经理通常使用基于各种因素的库存屏幕,包括(但不限于)大小,生长/价值,动量,质量和波动性,导致购买符合这些标准的库存,无论他们属于哪个部门。

“自下而上”或“自上而下”选股的结果,会产生典型地在基金招股说明书中列出的投资组合风格特征。因此,基金经理的选股标准导致共同基金被归类为成长型或价值型基金,基金分销商经常以此为卖点。然后,理财规划师使用基于持股的风格分析或基于业绩的风格分析,对主动型经理的投资风格进行自己的评估。

本文分析了使用MorningStar的持有式风格盒方法的11种不同的美国股权。然后,作者使用FAMA-French的三因素模型来评估使用基于性能的样式方法来评估GICS部门的生长和价值特征。The paper concludes by offering a strategy for actively and tactically managing U.S. equity sectors using a “top-down” approach to opportunistically earn excess returns as sector performance changes during the evolution of a typical economic cycle, and analyzing the style characteristics of such a strategy.

关于标准普尔500指数GICS部门

1999年,摩根士丹利资本国际(MSCI)和标普道琼斯(S&P Dow Jones)制定了全球行业分类标准(GICS)。GICS采用了一个四层系统,通过定量和定性输入,将标准普尔500指数中的每一家公司按照其主要业务活动划分为单一的子行业分类。1目前,根据该系统,标准普尔500指数分为11个不同的部门,24个行业组,69个行业和158个子行业。每年审查分类,自创建以来已多次修改。

出于本文的目的,重点将在这11个部门:通信服务,消费者自由裁量,消费者钉,能源,金融,医疗保健,工业,信息技术,材料,房地产和公用事业。对于投资者来说,这些可以通过共同基金和交易所交易资金(ETF)直接访问,与划分索引密切相关。富达帮助先锋部门在1981年投资创建第一个部门共同基金 - 而基于部门的ETFS首次成为1998年。

本研究首先采用晨星风格箱方法提供的基于持股的风格分析,观察晨星大盘股价值和大盘股成长型类别的共同基金的行业权重。2

从表1的左面板可以看出,晨星公司确定增长和价值特征的方法导致了价值风格框,其中包括在金融、能源、公用事业、公共事业、还有主要产品,以及增长风格箱,其中包括在科技、非必需消费品、通讯服务和医疗保健领域的差异权重最大的基金。

接下来,作者分析每个标准普尔500尺500指数的GICS领域,了解诺斯斯尔如何将每个扇区SPDR ETF中拥有的股票分类。结果显示在表1的右侧。

据晨星介绍,技术部门ETF的股票可以被分解为48%的大增长,大混合34%和12%,这与技术股票代表的大帽生长风格箱的复合材料一致29.62%的持股,而不是11.17%的大帽价值样式框。这种方法似乎确认了各个GICS行业的价值和增长特征,技术,通信服务和消费者自由裁量股,显着倾向于增长,以及金融,能源,钉书钉和公用事业股股票对价值显着倾斜。

值得注意的一个差异是医疗保健类股,其中大成长类股的持有量大致相当于大成长类股的持有量(分别为16.41%和16.76%),但是在分析GICS SPDR Healthcare Sector ETF时,分配倾斜倾向于混合和价值,其中重量的增长率为13%,大混合的47%,值为3%。值得注意的是,在评估每个单独的GICS扇区SPDR ETF时,有一个值,混合和生长股。在专注于使用基于控股的方法的部门投资时,投资者似乎并未在任何一种投资风格中接触“纯粹”。

将Fama-French三因素模型应用于标准普尔500指数

虽然使用相互资金和使用ETF的行业投资的风格往往被视为不同的投资方法和不相关的方法,但事实是它们彼此强烈连接。乐动体育官网网址

如上所示,不同的扇区具有明显且不同的风格特性,具有明显更大的扇区对价值(例如,金融)和其他具有显着暴露于生长(例如,技术)的部门的扇区。本文表明,使用晨略的方法来确定价值和增长,基于风格的投资组合往往始终保持相对于广泛市场指数的某些行业的超重或体重持续。

作为使用晨星风格方法的替代方法,我们可以通过将Fama-French三因素模型应用于标准普尔500指数的11个板块,使用1990年至2020年的月度收益数据集来证明行业存在风格偏差。与晨星风格箱(Morningstar Style Box)的一种基于持股的风格分析不同,Fama-French三因素模型(Fama-French Three-Factor Model)是一种基于回报的风格分析。这意味着,一个基金的风格特征仅仅是通过使用回归分析来估计基金在一个给定的时间框架内的表现,而不考虑相关股票的基本面。

1965年,Eugene Fama发表了他的假设,称为基于安全的测试版或市场风险的市场风险溢价的假设。这是在1992年在肯尼斯法国人创造了Fama-French的三因素模型的帮助下扩大了1992年,以包括规模和价值以及风险溢价(Fama和法语1992)。

这项研究通过回归月度部门对FAMA-French三个因素的回归来开始,在全长的样本中。这些回归的结果表明,在整个时期的每个扇区的平均风格特征上。此外,本文还将Fama-French三因素模型应用于广泛的标准普尔500指数,以及标准普尔500指数和标准普尔500指数增长指数。3.

表2的左面板报告了所有三个系数,加上alpha分量或截距,由Fama-French三因素模型得出。表格的第四列包含每个部门的“High - Low”(HML)系数。HML系数衡量了每个行业对价值溢价的敏感性,较高的系数表示较高的价值敞口,较低的系数表示较高的增长敞口。表中的行业按HML系数从高到低进行了排序。

基于表2的左侧面板中所示的结果,可以进行以下观察:

  • 标准普尔500指数的HML系数为0.04,在统计上与零几乎没有区别。标准普尔500指数的11个板块中有8个板块的HML系数为正且大于整体,只有3个板块的HML系数为负。
  • 扇区的HML系数可以显着变化。具有最高HML系数的扇区是财务(0.71),而具有最低HML系数的扇区是技术(-0.65)。在这两个扇区之间的HML系数中的扩展等于1.35。这两个以上的S&P 500值指数与S&P 500型生长指数之间的HML系数的差异两倍。
  • 四个板块的HML系数大于标准普尔500价值指数(0.34)。这些板块分别是金融(0.71)、能源(0.51)、房地产(0.50)和材料(0.41)。有一个板块的HML系数小于标准普尔500增长指数(-0.24),这个板块是科技板块(-0.65)。对投资者来说,直接投资这些行业可能是一种获得比跟踪标准普尔500指数类型的投资更大的价值或成长性敞口的方式。

这些结果与晨尾大帽值和大帽生长的平均扇形重量一致,如表1所示。

作者估计了整个样本中各个部门的平均风格特征。然而,还没有确定这些风格特征随着时间的推移有多一致和可靠。换句话说,作者们已经确定,金融部门通常对价值具有高度敏感性——但它的表现是一贯如此,还是在某些时候该部门表现得更像增长?

为了回答这个问题,作者细分每月371的数据库返回为一组336年部分重叠的提供时间,提供3年的第一期12月31日开始,1989年,截至12月31日,1992年,最后将时间从11月30日开始,截至2020年11月30日,2017年。36个月的周期(即36次观察)通常被认为足够长以提供统计上有效的结果,同时又足够短以提供给定时间点的快照(Mason, McGroarty, and Thomas 2012)。然后将Fama-French三因素模型应用于这些36个月的周期中的每个周期,获得每个周期的一组系数(具体到我们的目的,是HML系数)。然后,作者可以通过观察36个月HML系数随时间的变化来确定给定行业风格特征的一致性和可靠性。回归结果见表2中面板。

在查看11个行业的平均36个月HML系数时,可以看到它们与整个样本周期的HML系数普遍一致。具体地说:

  • 7个行业36个月平均HML系数为正,4个行业36个月平均HML系数为负。
  • 财务状况是平均36个月HML系数(0.68)的扇区,而技术是平均36个月HML系数(-0.66)的扇区。
  • 其他部门还遵循类似的分布如先前的表:能源,材料,公用事业和房地产仍然表现出相对高的平均36个月的HML系数,而医疗保健,钉和通信服务表现出相对较低的(和负面)平均36个月的HML系数。

但是,什么作者涉及到最多的作者不是平均36个月的HML系数,而是随着时间的推移而变化。表2中间板中的第二和第三列显示了在本研究样本期间每个扇区的最高和最低36个月的HML系数。第四列显示了两者之间的扩展。这些专栏表明,随着时间的推移,部门的风格特征有很大的可变性。这并不令人惊讶,因为即使标准普尔500级值和标准普尔500指数增长指标也在36个月的HML系数中表现出一定量的变异性。

唯一可以说的扇区始终在整个样本期间始终具有一致的风格曝光,是金融部门,其分别具有最高和最低36个月的HML系数1.360和-0.03。虽然-0.03在技术上是负的,但它足够接近零,以表征它既不是值也不是增长。因此,虽然不能说金融部门一直表现得像价值一样,但可以说它从未像成长一样表现得像它。

金融部门还在1.39展出最高和最低36个月的HML系数之间的最低差价之一。通过大多数其他部门,36个月的HML系数具有更大的变化,许多扇区有时会表现出强大的价值倾向 - at其他时间表现出同样强烈的生长趋势。值得特别的通知是能源部门,它似乎在36个月的HML系数中表现出最大的变化,在最高和最低36个月的HML系数之间,3.09之间的蔓延。事实上,能源部门的36个月HML系数为2.12比金融部门的最高系数(1.36)高得多。然而,能源部门的36个月HML系数-0.97是所有部门的第三最低,经过技术的-1.60和医疗保健的-1.31。

An alternative way to gauge the reliability of a given sector’s style characteristics is to rank the 11 sectors’ 36-month HML coefficients from highest to lowest at each point in time in this sample, and to look at how often a given sector appears near the top of the ranking as opposed to near the bottom of the ranking. The right panel of Table 2 summarizes the results of this exercise. The three leftmost columns report the average rank of each sector throughout the sample, as well as the sector’s highest and lowest rank. The two rightmost columns report the percentage of time that each sector was ranked among the top three and the bottom three sectors based on their 36-month HML coefficient.

根据这些结果,可以进行以下观察结果:

  • 金融行业的平均排名最高,科技行业的平均排名最低。这与前面表格中显示的结果一致。
  • 从排名最高的栏中,可以看到7个不同的部门在不同的时间点上都是排名第一的。另外,从排名最低的一栏中,我们可以看到6个不同的部门在不同的时间点都处于第11位。换句话说,随着时间的推移,排名会有很大的变化。

话虽如此,随着时间的推移,一些行业确实表现出了相对一致的风格特征。

  • 金融部门的36个月HML系数排名前三个部门81.7%的时间,并且仅在底部三个部门中排名为1.2%。
  • 该技术部门的36个月HML系数排名底部三个部门的81.4%的时间,并且仅在前三个部门中排名为4.6%。
  • 医疗保健部门的36个月的HML系数在底部三个部门中排名69.8%,并且仅在前三个部门中排名为1.2%。
  • Other sectors appeared both among the top three and the bottom three sectors ranked by 36-month HML coefficient, but some of them appeared much more frequently at the top of the ranking than at the bottom (e.g., energy, materials), while others appeared much more frequently at the bottom of the ranking than at the top (e.g., consumer staples, communication services)

最后,图1显示了36个月HML系数如何随时间变化的视觉表示。标准普尔500指数的增长和价值指数分别始终提供暴露于生长和价值。然而,如图1所示,即使它们36个月的HML系数也受到一定程度的变化。此外,观察一些部门,例如财务和技术,往往始终如一地表现为价值和增长。其他部门(例如能量和公用事业)从价值转移到增长,反之亦然。

商业周期中的部门轮换

为了了解扇区性能如何发生变化,因为经济通过其不同阶段移动,必须首先定义商业周期。为此,使用会议委员会发布的主要经济指数(LEI)和重合的经济指标(CEI)都使用。4

LEI由10个不同的经济指标组成,这些指标往往会引领美国经济出现拐点,而CEI则由4个不同的指标组成,这些指标往往会与美国经济几乎同时发生变化。这两家公司都有着悠久的历史,可以追溯到上世纪50年代末,涵盖了几个商业周期。

通过组合这两者,作者可以清楚地描绘商业周期的不同阶段,如图2中的程式化方式所示:经济收缩是从林雷峰的峰值峰值的时期;早期的经济扩张是林雷在瑞典中的低谷的时期;中经济的扩张是从林雷的山顶的低谷到山顶的时期;和迟到的经济扩张是林雷峰的时期到了CEI中的峰顶。为了排除影响商业周期的其他因素,这种相对简单的定义允许我们客观和定量地标记周期中的转弯。

在此基础上,可以检验历史回报,以说明行业业绩是如何受到经济变化的影响的。表3显示了从1972年到2020年11个行业的平均月相对表现。

通过在不包括该部门的S&P 500指数之间取得差异来计算相对性能。在表3的右侧,我们通过将部门聚集成三个主要组:早期循环部门,晚期循环部门和防守部门来简化分析。

周期较早的板块是非必需消费品、金融和科技股。作为一个整体,它们往往在利率下调后的经济扩张初期表现出色,而且经济中仍有大量的闲置。

周期较晚的行业是能源、工业和材料类股,它们往往会在经济扩张时期和通胀开始上升时表现突出。防御类股包括通讯服务、必需消费品、医疗保健和房地产,当经济陷入新的收缩时,这些类股往往表现优于大盘,主要是因为这些类股的获利保持稳定,使它们能更好地抵御经济疲弱。5将历史行业贝塔系数与标准普尔500指数进行比较,也证实了这一点。

如表3底部所示,平均而言,周期早期类股的贝塔值大于1(即市场的贝塔值),周期后期类股的贝塔值约为1,防御类股的贝塔值小于1。这是进一步支持历史部门性能表3所示,这表明,早周期行业表现最好的早期经济周期的扩张阶段,后期周期行业表现最好在扩张阶段末期,和防御类股表现最好的收缩阶段。

商业周期中部门轮换的好处和风格含义

本节将说明在商业周期的不同阶段中,如前一节所定义的那样,通过改变一个假设的投资组合的组成可以获得的潜在好处。Chong和Phillips(2015)提供了一个关于这一主题的先前研究的例子,他们实施了一种策略,基于一组18个经济因素,在商业周期的不同阶段在不同行业之间交替,试图跑赢大盘。他们得出的结论是,这种策略有超越大盘的潜力——即使调整投资组合的频率不高,每年两次。本研究假设其假设的投资组合将按照以下方式进行管理:

  • 在商业周期的早期和中期,投资组合将100%投资于周期早期的行业(非必需消费品、金融和科技股),根据它们在标准普尔500指数中的权重进行加权。
  • 在商业周期的后期,投资组合的100%将投资于周期后期的行业(能源、工业、材料),根据它们在标普500中的权重进行加权。
  • 在商业周期收缩期间,该投资组合将100%投资于防御类股(必需品、医疗保健、公用事业、房地产和电信),根据它们在标准普尔500指数中的权重进行加权。

提醒一下,我们正在通过CEI和LEI的交叉点定义商业周期的不同阶段,它们由世界大型企业联合会(Conference Board)每月发布。因此,该策略可以实时复制,而无需事后诸葛亮。

从1990年2月至2020年11月,行业轮转投资组合的年化回报率将达到14.40%,而标准普尔500指数的自然回报率仅为10.40%基准。只是为了了解年度回报的这种巨大差异如何随着时间的推移,在2020年的部门轮换投资组合中投资100万美元将在2020年增加到633.8万美元,而在被动基准中的类似投资将增加到只需2111万美元。

行业轮换投资组合的风险将略高于被动指数,其标准差更高,为16.81%,而基准指数的标准差为14.66%,其相对标准普尔500指数的贝塔系数为1.05。然而,如此高的贝塔系数并不是表现优异的主要来源,因为行业轮转投资组合的表现本应优于基准,即便是在经过风险调整的基础上也是如此。

该投资组合0.70的夏普比率将显著高于基准指数0.53的夏普比率,该投资组合的年化阿尔法值将达到3.62%。月阿尔法的标准差应该是6.94%,结果信息比率是0.52。这些数字表明,投资组合的出色表现在很大程度上不是由于其较高的风险,而是由于在商业周期的每个阶段选择了最有利的行业。

接下来,本文将关注这种行业轮转组合的风格特征,并分析它们在商业周期中是如何演变的。图3绘制了从1990年到2020年行业轮换投资组合的追踪36个月HML系数。图3还绘制了周期早期部门、周期后期部门和防御部门的追踪36个月HML系数。此外,表4显示了该投资组合在不同周期阶段的平均跟踪36个月HML系数。

根据此信息,可以进行以下观察:

  • 在周期的早期和中期,通过建设,投资组合将投资于周期早期的行业。在这组行业中,我们发现了价值敞口最大的行业(金融类)和增长敞口最大的行业(科技类)。因此,随着时间的推移,该投资组合将表现出相当中性的价值/增长风格敞口,其追踪36个月HML系数平均为0.04,很少超出-0.30至0.30区间。
  • 在循环后期阶段,投资组合将投资于后期循环部门:能源,工业,材料。在这个阶段,投资组合将显然表现出大的曝光率,尾随36个月的HML系数平均0.55,通常达到或超过0.6。
  • 在收缩期间,投资组合将被投资于防御部门。在此期间,投资组合将最终倾斜朝向价值倾斜,但与周期的后期相比,更小的程度。收缩期间,组合的平均36个月HML系数为0.15。

最后,在图3中,值得注意的是在商业周期的后期阶段期间的晚期循环部门的行为。While late-cycle sectors, on average (i.e., throughout the cycle) appear to have the most exposure to value, it is interesting to note that their value-like behavior is heightened during the late phase of the cycle, which is exactly when our hypothetical portfolio would be rotating toward these sectors. This highlights the importance for investors to be aware of the relationship between sector allocation and style exposure, as changing the portfolio composition alongside one of these two dimensions can heavily influence the other.

核心和卫星方法

从理财规划师的角度来看,在任何时候将客户的全部投资组合只分配给三到四个美国大盘股都将被视为不负责任的行为,因为这种投资方式缺乏多样化。然而,本节展示了如何使用核心和附属投资组合结构,在更多样化的投资组合的背景下,以较小的规模成功地实施这种投资战略。

考虑表5中描述的两个假设的、广泛多样化的投资组合。主动投资组合和被动投资组合之间的唯一区别是,主动投资组合有一个15%的卫星,投资于前一节中描述的假设的扇形旋转策略。卫星股15%的配置是从美国大盘股的被动配置中剥离出来的。因此,两种投资组合的表现差异可归因于假设的板块轮换策略相对于标普500指数的表现。

从1993年2月到2020年11月,主动投资组合的年化回报率为8.66%,而被动投资组合的年化回报率仅为8.05%。因此,积极投资组合每年的收益将超过0.61%。积极的投资组合在风险调整基础上也会表现出色。其0.66的夏普比率将高于被动投资组合的0.61。此外,积极投资组合的年化阿尔法值为0.52%,贝塔值为1.01。月阿尔法的标准差是1.03%,导致信息比率等于0.50。图4描绘了两个投资组合的总回报。1993年初投资于积极投资组合的100万美元到2020年11月将增长到1010万美元的投资组合价值,而被动投资组合的价值仅为860万美元。

这些结果证实,假设的部门轮换战略,即使仅限于投资组合的卫星部分,也可成为理财规划师帮助客户实现其目标的有用工具。这些业绩数字包括股息的再投资,但不考虑费用比率、交易成本和税收的影响。费用比率会使两个投资组合的收益降低相似的幅度,因此在评价两个投资组合之间的相对表现时是无关紧要的。

在撰写本文时,几乎所有美国主要股票经纪公司和/或托管人的交易成本已经降至可以忽略不计的水平,在考虑未来应用这一策略时,可以安全地忽略不计。关于税收,执行这一战略的财务规划人员应考虑到资产位置,并确保部门轮换卫星,这是投资组合中税收效率最低的部分,尽可能地设在避税账户内。如果15%的卫星数据完全位于避税账户内,那么这种策略的税收影响可以被安全地忽略。

结论

本文表明,风格分析和扇区旋转交织在一起。它还表明,由于金融计划者在每个晨星风格箱中使用增长和价值资金构建投资组合,因此它们也隐含地制作了股权扇区的选择。

本分析使用Fama-French三因素模型来检验GICS行业的增长和价值特征。作者观察到,随着时间的推移,股票行业有不同的风格特征。一些行业在价值或成长型投资方面表现出一致,而另一些行业则表现得更加不一致,随着时间的推移在价值和成长型之间转换。

了解行业的风格特征可以帮助投资者在商业周期的背景下做出明智的决定。这篇论文表明,自1972年以来,像科技和非必需消费品这样的早期周期在商业周期扩张的早期和中期表现最好。历史上,周期性较晚的行业在扩张后期表现最佳。在经济收缩时期,必需品和医疗保健等防御类股表现强于大盘。

由于这些行业和风格的关系,风格投资者可以从了解他们所拥有的潜在行业中获益。基于商业周期的行业轮换策略,无论从回报率还是经风险调整后的回报率来看,都能持续跑赢大盘。在实施这一策略时,投资者仍可以结合自己的风格观点来选择持有哪些行业。该研究还表明,这种策略可以在核心和卫星投资组合结构的背景下成功实施,使其适合财富管理客户。这种更细致入微的投资组合构建方式,应该会带来更稳健的策略和更知情的投资者。

尾注

  1. 参见全球行业分类标准(GICS)msci.com/gics
  2. 了解有关Morningstar风格盒方法的更多信息morningstar.com/content/dam/marketing/shared/research/methodology/678263-StyleBoxMethodolgy.pdf
  3. 参见“标准普尔美国风格指数方法论”spglobal.com/spdji/en/documents/methodologies/methodology-sp-us-style.pdf.
  4. 查看会议委员会的组件的描述conference-board.org/data/bci/index.cfm ? id = 2160
  5. 从梅西大学的财经部,“商业周期的部门旋转”看本文由杰弗里斯坦尔,本·雅各布森和Nuttawat Visaltanachotiresearchgate.net/profile/Ben_Jacobsen/publication/228425439_Sector_rotation_over_business-cycles/links/53db67ac0cf2631430cb4896.pdf。

参考文献

Angelidis, Timotheos,和Nikolaos Tessaromatis. 2017。全球股权国家配置:要素投资的应用财务分析师杂志73(4):55-73。

Bender,Jennifer,Jerry Le Sun和Ric Thomas。2018年。“资产配置与因子分配 - 我们可以建立一个统一的方法吗?”投资组合管理杂志45(2): 9-22。

Chong, James,和G. Michael Phillips. 2015。“与宏观经济因素有关的部门轮换。”财富管理杂志18(1) 54 - 68。

Fama, Eugene F.和Kenneth R. French, 1992。《股票和债券收益的常见风险因素》金融经济学杂志33(1): 3-56。

Idzorek, Thomas M.和Maciej Kowara, 2013。基于要素的资产配置与基于资产类别的资产配置财务分析师杂志69(3): 19-29。

梅森,安德鲁,弗兰克麦克罗斯和史蒂夫托马斯。2012年。“多元化美国股权基金的风格分析。”资产管理杂志13(3): 170 - 185。

拉曼·瓦尔达拉吉和弗兰克·j·法博齐,2007。行业、风格、地区:解释股票配置表现财务分析师杂志63(3): 59 - 70。