（編者按：文章第一部分講及貝萊德一篇研究報告指出，有4種捕捉因子訊號可用，包括估值、動量、經濟景氣指標和離散度。下文闡述估值、動量及離散度。）
眾所周知，估值能預測長期資產回報（估值較低代表未來回報較高）。這對資產類別、個別股票和股票投資組合來說是對的。但這並不一定代表估值是有效捕捉時機的訊號。例如，自2010年以來，美國股市表現遠高於經周期性調整的歷史平均市盈率或CAPE（由1880年起的數據）。然而，任何人若按此減持美股或調整投資組合，都可能後悔莫及，因為即使估值如何過高，美股市場由2010年1月至2018年8月的表現一直保持強勁。
正如Cliff Asness和AQR的同事在文章《反向捕捉因子看似困難》（Contrarian Factor Timing is Deceptively Difficult）中爭拗一樣，如果使用估值來捕捉市場時機是困難，那麼將它們用於捕捉因子則可能更難。因為這些投資組合的流轉率減低了他們估值的預測能力，許多現有持股不會長期留在投資組合中。投資組合層面的估值對於高流轉率策略（如動量）尤其不可靠。
估值與因子表現之間的關係充其量只是輕微的。在過往一篇文章中（《Don’t Try to Time Factor Strategies》），按照1987年6月至2016年8月的數據，我發現價值股與增長股、小型股與大型股的估值差價，以及估值和小規模因子往後5年的表現，全都擁有適度的正向關係。然而，這種影響大部分可歸因於1999年和2000年的極端估值差價和隨後的市場逆轉。此外，質量因子的結果參差，我亦沒有發現市場上低波動率和動量因子的估值差異，及其未來表現存在任何重要關係。
靠估值捕捉時機視乎定義方式
其他捕捉估值的方法可能導致不同的結果。貝萊德發現，捕捉估值的方法，對傾向過去3年相較歷史價格最便宜的因子來說比較有效。因此，如果質量股票的現行估值遠低於近期，而價值股票僅比正常便宜一點，那麼這種捕捉時機的策略將有利於質量。但是，靠估值來捕捉時機的效用取決於其定義方式，所以其效用並不特別強大。在理想情況下，我們希望在同一個設想的不同版本中看到類似的結果，因為這代表其度量標準並非被刻意挑選，從而提供了更強信心，即它可以在樣本之外運行。
實戰時，市場上兩隻運用估值的捕捉因子ETF皆使用逆向效能訊號來捕捉因子傾斜的時間，而非使用傳統的估值訊號。這個想法是投資者可能會對一連串壞表現過度反應，在價格變得便宜之後放棄這種風格。諾貝爾得獎者塞勒（Richard Thaler）和他的同事德邦特（ Werner De Bondt），在1985年發表的論文《股市是否過度反應？》（Does the Stock Market Overreact?）中，證明了股票的長期表現會逆轉。
類似的影響似乎在投資組合層面同樣發生。為了測試這點，我制定了一個策略，針對【圖】中的5個因子指數，抽出過去5年表現最差的3個指數，以相等權重，使用2003年11月至2018年8月的數據，每年重新平衡一次，發現這比起5個指數的靜態等權重組合每年跑贏92個基點。所以說，這種方法可能是有用的。與使用經濟數據相比，它更少受數據挖掘風險的影響，並且已從樣本中進行了更廣泛的測試。
動量非捕捉因子強大訊號
雖然相對表現長線往往打回原形，但短線卻傾向持續。這種短期持續性，即所謂的動量，在金融市場幾乎無處不在，就像估值一樣。鑑於有充分紀錄證明它有預測短期表現的能力，我預計它將成為捕捉因子裏最有前途的訊號。但是，儘管貝萊德發現以動量驅動的捕捉因子訊號有效，我卻沒有得出這結論。
我使用逆向策略中相同的5個因子指數測試了一個策略，針對過去12個月中表現最佳的3個因子指數，由1999年11月至2018年8月的表現，發現該策略落後於靜態等權重因子指數。僅針對表現最佳的指數以及兩個表現最佳的因子，便得出相類似的結果。這表明動量本身並不是一個強大的捕捉因子訊號。
離散度提供訊號效用不佳
使用離散度作為捕捉時機訊號的論點是，當用於構建因子組合的指標在起始領域中的股票之間分離擴大時，每個因子的回報就會更高。例如，如果利潤豐厚股票比盈利能力較弱的股票更有利可圖，那麼盈利能力／質量因子應該做得更好。
貝萊德發現，當離散度獨立用作捕捉時機時表現最弱，但與估值和質量因子合作起來則比其他因子好。該公司的研究着眼於過去3年相對於它們個別歷史上離散度最闊的因子，這些因子具有一定的預測能力。
為了測試離散度作為捕捉時機訊號的穩定性，我用每個因子的估值、規模、動量、低波動率年度數據，以及French Data Library中1964年至2018年的盈利能力，比較它們的回報與用來構建其指標的差異之間的相關性。這方法比貝萊德使用的方法更為複雜，但如果離散度的預測能力好，那麼結果應該是指向同一方向的。
可是，我只證實了估值因子的關係，而且相關性只屬中等，與我對估值捕捉時機的調查結果一致。規模、盈利能力與過去動量差異與這些因子的表現之間幾乎沒有關係。而且，出乎預料的是，當過去的波動率差異較大時，低波動率因子表現會更糟。這表明離散度只是一個較弱的捕捉因子訊號。
錯誤使用模型增加風險
鑑於捕捉因子策略的複雜性，潛在數據挖掘問題，還有對這主題的研究有限，以及看似不健全的研究結果，我們需要更多樣本以外的測試和表現來建立對其效用的信心 。雖然我們暫時不會判定捕捉因子無效，但重要的是不要忽視多因子投資的重要目標之一：分散風險。在不同時間傾斜某些因子會減弱分散風險的能力，加上，若果捕捉因子時機模型錯誤，更可能會增加風險。這裏還存在一重風險，依賴估值或動量的捕捉因子時機模型可能會雙重押注在這些因子上，有可能導致投資組合表現承受更大估值或動量股票的風險。
若果捕捉時機的因子在投資組合裏起着任何作用，那麼保持因子適度傾斜以保持多元化便很重要。最好的方法是在多個有用的訊號之間進行多元化，當它們失效時就能減少損失。
（二之二）
Alex Bryan
