稳健性

本节我们采用各种方法来评估本章前面研究结论的可靠性。图12.8（a）和图12.8（b）分别显示了该策略五年滚动期和十年滚动期的CAGR。这些图显示了不同时点上的持有期回报。一个稳定的投资策略将展现出一致的优异表现，不论在哪个时点上；一个“取巧”的策略在一段时间内可能会有十分耀眼的表现而在其他时期则不尽如人意。

图12.8（a）和图12.8（b）显示了量化价值投资策略是如何在五年和十年滚动期间内打败神奇公式、标普500指数和MW指数的。只有在很少、短暂的时期内，投资于其他策略是更优的。短期内，任何策略都可能获胜。一年之内，获胜者几乎是随机的，但从长期来看，富含技巧的策略才能胜出。

图12.9（a）和图12.9（b）显示了五年和十年滚动期间内各策略的最大下跌。这些数据帮助研究者确定各策略最大下跌的频率和强度。考虑两个具有类似最大下跌的策略。如果一个策略在历史上经历了多次达到最大下跌的下跌，而另外一个只经历过一次，我们就可以判定后者是一个更好的策略。

滚动下跌分析显示，量化价值投资策略比其他策略遭受更少的剧烈下跌。例如，在20世纪80年代初，量化价值投资策略和神奇公式一同下跌，但前者幅度较低。在21世纪初，量化价值投资策略也受到冲击，但远不如市场所经历的大面积下跌。最后，在2008年金融危机中，每种策略都受到冲击，但量化价值投资策略的跌幅仍比其他策略要小。

图12.10（a）和图12.10（b）显示了该策略五年和十年滚动期的α值。Alpha分析通常出现在期刊的定量研究文章中。研究人员用来估计α值的方法可能很复杂，但其想法却很简单：在控制各种风险因素后，策略到底创造了多少价值？

为了帮助检验稳定性，我们通过几种不同的资产定价模型来估计α值。我们用资本资产定价模型来控制一般市场风险；我们利用法玛和弗兰奇三因子模型来调整市场、规模和价值敞口；我们用四因子模型来衡量动量；最后我们通过增加卢伯斯·帕斯特和罗伯特·司特堡提出的市场流动性因素来衡量流动性，最终创建五因子综合模型。

图12.10（a）和图12.10（b）证实，无论我们选择哪种模型来计算，量化价值投资策略在五年和十年滚动期间内几乎始终如一地产生正的α值。在五年滚动期间内，只有少数短暂时间，该策略在控制风险后不会带来价值的增加。十年滚动期的图形生动地表明：长期来看，量化价值投资策略一直为投资者创造价值。

表12.5显示了四种资产定价模型的全部样本的系数估计。我们在每个估计值下列出P值，即不拒绝原假设的概率。MKT-RF代表所有纽约证券交易所（NYSE）、美国证券交易所（AMEX）、纳斯达克的按市值加权回报的超额收益。SMB是一个长/短期因素的投资组合，用来衡量其对小规模公司股票的暴露。HML是一个长/短期因素的投资组合，用来衡量其对高账面市值比公司股票的暴露。MOM是一个长/短期因素的投资组合，用来衡量其对近年来表现优异公司股票的暴露。LQD 则 用来衡量对具有市场流动性股票的暴露。

表12.5表明，量化价值投资策略每年产生6%到8%的α值，或是未暴露于已知因素（市场、规模、价值、动量或流动性）的表现。该策略与市场（MKT-RF的β大约为0.85）相比拥有较低的β值，倾向于购买大公司的股票（-0.14，主要是由于市场参数），与价值紧紧相关（HML的值为0.23，但我们将其纳入了模型，因为我们考察的是息税前收益/企业总价值［EBIT/TEV］排名前十分之一的股票），并且与动能股票和低流动性股票不存在统计上的显著关系（MOM和LQD的β均在统计上不显著）。

在图12.11中，我们比较了各种策略质量指标，将赢者和败者区分开来的能力。更好地区分开赢者和败者的策略应该能在赢者和败者之间产生更大的回报差。图12.12显示了神奇公式和量化价值投资策略高质量和低质量公司股票之间的累积投资增长。神奇公式区分高质量和低质量使用的是它的质量衡量指标，MF ROC。量化价值投资策略区分高质量和低质量使用的方法在本书中已作描述。

图12.11和图12.12表明，本书描述的质量衡量指标能够更好地将赢者和败者区分开来。量化价值投资策略的高质量价值股，其表现比神奇公式的更加优秀。此外，量化价值投资策略的低质量价值股在很大程度上表现比神奇公式更差。这个分析表明，当我们以类似的方法比较该策略和神奇公式，并控制投资结构，将最优价值股票分解为高质量和低质量的投资组合时，本书的质量衡量指标能够更好地将表现优异的廉价股和表现差劲的廉价股区分开来。