海外文献推荐 第298期：《The Journal of Portfolio Management》因子投资专刊

文献来源：Bruce I. Jacobs, Kenneth N. Levy, Sangwoo Lee. How Misunderstanding Factor Models Set Unreasonable Expectations for Smart Beta[J]. The Journal of Portfolio Management, 2025, 51(3).

推荐原因：Smart Beta策略常因其透明度和成本效率而备受推崇，但其内在的挑战也限制了长期稳定收益的获取。作者对这些挑战进行了剖析，指出因子表现的波动及其不可避免的阶段性相对收益不佳。作者认为，Smart Beta策略的流行往往会加速回报衰减，因为市场套利机会不断涌现。此外，他们批判了Smart Beta对于静态设计和少数因子的过度依赖，忽视了因子相关性和动态市场环境。作者提出的“smart alpha”是一种自适应并重视研究的方法，通过结合解构的横截面因子和独特见解（Proprietary Insights）来解决这些问题。研究表明，采用动态策略并将传统的时间序列方法与横截面方法相结合，可在灵活性和解释力方面表现更佳。作者强调，虽然Smart Beta因其简化而具有优势，但其局限往往导致投资者的期望落空；而基于严谨研究、深入理解市场动态并具有自适应特征的主动策略，或能在可持续的超额收益方面提供更有效的路径。

文献来源：Stefan Klein, Jiri Tresl, Can Yilanci. Factor Investing and Firm Life Cycle: A Contextual Approach[J]. The Journal of Portfolio Management, 2025, 51(3).

推荐原因：作者探讨了公司处于不同生命周期阶段时，因子投资有何差异。作者基于 1989~2022 年期间超过 13,000 家美国公司的样本，按照现金流模式将公司分为导入期、成长期、成熟期、衰退期和衰落期，并发现因子风险溢价会随着不同阶段而变化。例如，规模和价值因子的溢价在导入期和衰落期更为显著；而盈利能力因子在成熟阶段表现最优；动量因子则在成长期更具优势。研究还表明，若能在策略中纳入公司生命周期的考量，则获取因子溢价的效率更高。使用这种有条件的策略对比传统的无条件方法，月度收益可额外提升 0.32%，年化约为 3.9%。这说明将生命周期信息纳入因子策略，不仅能带来更高的夏普比率，也能提升投资的风险调整后收益。作者的发现对投资组合经理具有重要的实践意义，也为后续研究指明了方向——进一步探讨经济环境和其他因素如何与公司生命周期相互作用，进而影响投资结果。

文献来源：Yizhan Shu, John M. Mulvey. Dynamic Factor Allocation Leveraging Regime-Switching Signals [J]. The Journal of Portfolio Management, 2025, 51(3).

推荐原因：作者提出了使用情景分析优化美国股票因子配置的新方法。他们采用了稀疏跳跃模型（sparse jump model）来识别相对整体市场的牛熊情景，并将其用于对价值、规模、动量、质量、低波动和成长这六大风格因子的动态权重调整。接着，他们将这些情景信号纳入 Black-Litterman 框架下构建的动态多因子组合（仅做多）。实证结果显示，与静态的等权基准相比，动态策略在夏普比率、信息比率以及最大回撤方面都有显著提升。稀疏跳跃模型比传统的情景转换方法在稳定性和可解释性上更胜一筹，并利用了历史收益和市场环境特征。作者通过构造一个多空组合的检验方式，也发现所有因子都有持续且显著的正向夏普比率，进一步证明了模型的可靠性。作者的研究强调，应注意因子的周期性并动态调整权重，以应对市场环境的变化；这类结合情景信号的策略为股市投资提供了更加稳健且具有可行性的框架。

文献来源：Ricky Cooper, Zixuan Jiao. Combining Value, Profitability, and Momentum: The Details Matter [J]. The Journal of Portfolio Management, 2025, 51(3).

推荐原因：作者考察了如何更优地整合价值、盈利能力和动量三大因子以提升投资组合表现。通过一系列“赛马测试”(horse race)，他们评估了无条件线性组合与有条件过滤等多种策略，并引入了“动量中性化”的价值和盈利能力因子构建方法，以在多因子组合中减少与动量因子的重叠。结果显示，与更复杂的有条件策略相比，基于无条件方式且动量中性的因子组合策略能够取得更高的风险调整后收益，并将换手率保持在较为温和的水平。该组合在夏普比率和下行风险防护方面表现突出，尤其是在互联网泡沫和 COVID-19 市场大幅波动时期。虽然有条件策略在某些情况下提供了更高的原始收益，但伴随了更高的换手率和波动性，使其效率下降。作者也研究了投资者情绪对因子表现的影响，发现将基于情绪的趋势跟踪进行叠加后，策略的风险调整后收益会进一步提升。此研究揭示了因子构建和组合方式的重要性，为多因子投资策略提供了可操作的改进思路。

文献来源：Lodewijk van der Linden, Amar Soebhag, Pim van Vliet. Leveraging the Low-Volatility Effect [J]. The Journal of Portfolio Management, 2025, 51(3).

推荐原因：作者将关注点放在一直存在却常被忽视的“低波动异象”上。尽管低波动投资能带来更高的风险调整后收益，但很多投资者依旧因为基准考核或对杠杆的顾虑而对其敬而远之。针对这些挑战，作者提出了五种创新性的方法来利用低波动策略：与动量和价值因子结合、将其融入战略资产配置、通过杠杆提升回报、采用市场中性策略，以及将其用于成本较低的尾部风险对冲。基于 1990~2023 年的数据，研究显示这些方法都能提高夏普比率和组合稳定性，同时保留了防御属性。例如，将低波动股票与动量和价值因子结合可提升收益并降低相对风险；利用杠杆或采用负贝塔策略也为降低下行风险提供了多样化选择。作者的分析强调了低波动策略的多样性和灵活性，无论是风险厌恶型还是追求收益的投资者，都可在不同的市场环境下使用该策略来改善投资绩效。

文献来源：Mohammadreza Tavakoli Baghdadabad, Girijasankar Mallik. Dissecting the Value Premium: A Novel Market-to-Book Decomposition[J]. The Journal of Portfolio Management, 2025, 51(3).

推荐原因：作者通过对市净率进行五部分分解，细化了价值溢价的成因。该模型将市净率拆分为与企业特异性误差、行业误差，以及留存收益（retained earnings）、实收资本（contributed capital）及其他综合收益（accumulated other comprehensive income）相关的部分。作者发现，留存收益在预测股票收益方面具有显著的作用，而企业特异性差异和基于留存收益的估值比率，对股票表现的影响尤为突出，尤其是对小盘股而言。研究采用了投资组合分组和 Fama-MacBeth 回归等严格的实证方法，证明了留存收益和企业特异性差异在价值溢价解释方面的稳健性；而实收资本和其他综合收益的预测能力则相对有限。通过这个精细的分解模型，作者为资产定价理论提供了更具洞察力的补充，也为学术研究和投资策略提供了新的切入点。

文献来源：Nikiforos T. Laopodis. Do the Fama-French Factors Proxy Geopolitical Risks? [J]. The Journal of Portfolio Management, 2025, 51(3).

推荐原因：作者研究了地缘政治风险及其对股票组合收益的影响。作者考察了包含地缘政治风险指数 (Geopolitical Risk Index, GPR) 以及其构成部分，并分析了 1985~2022 年间 20 个发达国家的数据，以检验这些风险指标能否在 Fama-French 五因子模型下对股票收益提供解释力。研究发现，地缘政治风险指标在大部分情况下对收益的统计解释力度有限；即便地缘政治冲击在某些时刻对投资组合有负面影响，但其影响程度并不稳定。与之形成对比的是，Fama-French 因子（尤其是市场因子和价值因子）始终具有较为稳健的解释力。将信用利差、股息收益率及油价等宏观经济变量纳入模型后，虽然总体拟合度有所提升，但对地缘政治风险指标的解释力提升并不显著。作者的研究表明，地缘政治不确定性尚未被稳定地定价，传统的 Fama-French 因子和其他宏观经济变量往往仍是主要的系统性风险来源。作者的研究对理解全球市场行为及系统性风险提供了有益的参考。

文献来源：Angelos Kanas. Pricing Factors and Causal Networks for US Industry Portfolios [J]. The Journal of Portfolio Management, 2025, 51(3).

推荐原因：作者采用图形化因果网络和贝叶斯方法来分析八大常见资产定价因子与十个美国行业投资组合之间的因果关系。作者通过识别直接与间接的因果链条并衡量其因果强度，对因子进行排序。作者研究发现，市场、动量、投资、盈利能力以及多质量空垃圾（quality-minus-junk）等关键因子对行业收益影响显著，而其他因子则往往表现为间接影响。这些因果关系还会因行业不同而有所差异，并会随时间推移不断演化。研究同时发现，来自欧盟和日本等国际市场的因子也会对美国行业投资组合产生影响，体现了全球市场的关联性。作者强调了透明化和科学严谨性在因子投资中日益重要的地位，也对组合经理在因子构建和组合方法上的选择提出了实操建议。相较于传统的统计方法，利用因果网络能够带来更深层次的见解，帮助投资者更好地把握多因子的实际有效性和交互影响。