⚠ 交易存在重大亏损风险。本网站的所有内容仅供教育用途,不构成财务建议。
第 9 课,共 12 课 · 免费

衡量你自己投资组合的因子敞口:简单回归、因子载荷与跟踪误差

对你自己的投资组合运行基于收益的回归,解读因子载荷和 R 平方,并把残差风险转换为相对于市场的年化跟踪误差。

作者: Moustafa Hijazi内容审核日期: 2026-10-30阅读约 6 分钟自学课程

你将学到什么

  • 什么是因子载荷,基于收益的回归如何估计它。
  • 如何手工计算单因子回归并解读阿尔法、贝塔、R 平方和残差风险。
  • 如何解读三因子或五因子输出表,以及只做多基金载荷的典型范围。
  • 针对由多只 ETF 构成的组合的基于持仓的捷径,以及两种方法的局限。

讲解

用载荷取代标签

产品的名称说明它试图做什么;回归则显示它实际做了什么。它把组合的月度超额收益(收益减去无风险利率)解释为因子收益的组合:

R_p − R_f = α + β_mkt × (R_m − R_f) + β_HML × HML + β_SMB × SMB + ε

HML(“高减低”,价值)和 SMB(“小减大”,规模)是第 1 课中的学术多空因子收益。每个 β 都是一个载荷:你的组合对该因子一个单位收益的敏感度。阿尔法(α)是因子无法解释的平均收益;ε(epsilon)是月度残差;R 平方是因子所解释的收益方差占比。多个地区的月度因子收益由学术数据库免费发布(搜索 Fama–French 数据库);你自己的收益来自券商对账单。

手工计算单因子情形

单因子情形:β = 协方差(组合,因子)/ 方差(因子);α = 均值(组合)− β × 均值(因子)。残差标准差乘以 12 的平方根就是年化的特质风险。相对于市场的跟踪误差——它驱动着第 11 课讨论的懊悔感——是(组合减市场)的标准差,以同样方式年化。电子表格函数(SLOPE、INTERCEPT、LINEST)可以处理多因子情形。

解读多因子表

典型范围:一只市值加权的全球 ETF 在市场因子上的载荷约为 1.0,在其他因子上接近 0,R 平方高于 0.98。一只只做多的价值 ETF 的 HML 通常在 0.2 到 0.5 之间;一只小盘价值基金的 SMB 为 0.6–0.9,HML 为 0.3–0.5。HML 或动量上接近 1.0 的载荷只出现在多空产品中。经验法则:

  • 只有数据足够时载荷才有意义:至少使用 36 个、最好 60 个月度观测值,如果电子表格给出 t 统计量,也要看一下(高于约 2 意味着该载荷不太可能是噪音)。
  • 对私人投资组合而言,月度阿尔法几乎总是在统计上与零无法区分;不要据此编织故事。
  • 随着指数重新构建,载荷会漂移;每年重做一次回归。

基于持仓的捷径

如果你的组合由几只 ETF 构成,可以把组合载荷估计为各基金载荷的加权平均,若干免费分析网站会发布这些数据。这很快捷,但继承了它们的估计窗口。

实例演算

假设性示例:某组合与市场六个月的超额收益(百分比)。六个月对于真实估计而言太短了;这里只是用来展示算术过程。忽略成本和税费。

月份 市场 组合 差值
1 2.0 2.4 0.4
2 −1.5 −1.9 −0.4
3 3.0 3.3 0.3
4 0.5 0.9 0.4
5 −2.5 −2.2 0.3
6 1.5 1.5 0.0

第 1 步——均值:市场 0.50 %,组合 0.667 %。

第 2 步——市场的样本方差:离差为 1.5、−2.0、2.5、0、−3.0、1.0;平方和为 22.5;除以 (6 − 1) = 4.5。

第 3 步——样本协方差:离差乘积之和为 23.75;除以 5 = 4.75。

第 4 步——β = 4.75 / 4.5 = 1.056。α = 0.667 − 1.056 × 0.50 = 每月 0.139 %。

第 5 步——残差(实际值减去 α + β × 市场):0.15、−0.46、−0.01、0.23、0.30、−0.22。残差标准差(除以 6 − 2 = 4)= 每月 0.33 %,即 0.33 × 3.46 = 每年 1.1 %。

第 6 步——相对于市场的跟踪误差:差值列的标准差 = 每月 0.31 %,约为每年 1.1 %。

解读:比市场略微激进(β 高于 1),独立风险很小,这表明存在轻微倾斜;只有六个观测值时,α 和 β 都不可靠。在真实的三因子回归中,同一组合可能显示 HML 为 0.3 而市场贝塔更接近 1.0,因为额外贝塔的一部分其实是价值敞口。

常见错误

用另一种货币的因子对总收益做回归如果你的组合以欧元计价而你使用美元因子收益,汇率变动会落入残差和阿尔法中,载荷也会有偏。尽可能使用以匹配货币发布的本地区因子,或者至少以一致的方式换算组合收益,并且在回归之前务必从组合一侧减去无风险利率。

练习活动

在纸上完成:你的组合是 60 % 全球市值加权 ETF(载荷 HML 0.00,SMB 0.00)、25 % 全球价值 ETF(HML 0.45,SMB 0.10)和 15 % 全球质量 ETF(HML −0.10,SMB 0.00)。(a) 用基于持仓的捷径计算组合的 HML 和 SMB 载荷。(b) 价值 ETF 的概况表写着“强价值敞口”。你算出的组合 HML 配得上这个描述吗?(c) 指出一项该捷径无法捕捉的东西。

显示答案

(a) HML = 0.60 × 0.00 + 0.25 × 0.45 + 0.15 × (−0.10) = 0.1125 − 0.015 = 0.0975,约为 0.10。SMB = 0.25 × 0.10 = 0.025。(b) 不配。0.10 的组合载荷只是轻微倾斜:如果 HML 一年收益 3 %,这一倾斜在成本前约增加 0.3 个百分点。(c) 该捷径无法捕捉基金载荷随时间的变化、基金之间的相互作用(持仓重叠)或组合自身的残差风险。

局限性:从网站获取的基金载荷是在特定窗口内估计的,可能与你的持有期不匹配。

要点总结

  • 回归把营销标签变成可度量的载荷;只做多产品在某个因子上的载荷通常为 0.2–0.5,而不是 1.0。
  • β = 协方差 / 方差;α 是未被解释的平均值;残差风险和跟踪误差用 12 的平方根年化。
  • 至少使用 36–60 个月度观测值、匹配的货币和超额收益。
  • 每年重做一次;载荷随指数审核而漂移。

下一步

第 10 课转向横亘在纸面溢价与你的账户之间的成本:换手率、执行缺口、容量和拥挤。

自测

回答问题后核对答案。你可以随意重试多次。

1. 在 36 个月中,你的组合与价值因子月度收益之间的样本协方差为 3.0,价值因子的方差为 7.5。你的 HML 载荷是:

2. 对一位私人投资者组合的回归显示,阿尔法为每月 0.2 %,t 统计量为 0.6,R 平方为 0.97。最佳解读是:

3. (组合收益减市场收益)的月度标准差为 0.9 %。年化跟踪误差约为:

供您自行复习的自动自测。您的答案在浏览器中核对,我们不会查看或评估。这不是考试,也不是资格证书。

您的进度

“已完成”仅表示您将本课标记为已学完,并不是对您理解程度的测试。 学习进度和笔记仅保存在此设备的此浏览器中,而非账户中。