中国债券Smart Beta——Carry因子初探

中国债券Smart Beta——Carry因子初探

文章导读

在中国A股市场Smart Beta策略方兴未艾的背景下,我们对中国债券市场进行了因子投资有效性测试。本文为九鞅科技策略研究系列之一,着重展示Carry因子在政金债和信用债选券池中的良好表现。


背景

在股票领域,以Smart Beta为代表的因子投资(Factor Investing)无论是国外还是国内都已经相当成熟,相关产品层出不穷。固定收益投资方面,因子投资相关的学术研究和市场实践却相对起步较晚。究其原因,首先是固定收益类资产本身要比股票复杂得多,同一发行人可以有多只债券,互不相通。例如,同一主体的债券可以有不同的票息、到期日、内含的期权和流动性、并且可以位于资本结构的不同部分。此外,债券数量繁多,而单个债券的寿命大都有限,通常会在几年后就到期并从市场退出。这种繁杂性让很多学术及市场参与者望而却步,成为固定收益因子研究缓慢的主要原因之一。但近年来,固定收益因子投资策略发展迅速,关注点日益提升,逐渐成为海外资本市场中研究的热点。在系统化和被动型投资逐渐成为“半边天”趋势下,很多专业机构,如贝莱德(Blackrock)、景顺(Invesco)等等,都纷纷向市场推出了债券类Smart Beta产品。贝莱德在去年的一份报告中预测,到2024年全球固定收益ETF资产管理规模将翻倍至2万亿美元,并认为基于因子投资的固定收益策略的创新是推动增长轨迹上升的主题。

随着中国债市不断地发展壮大和市场机制的逐步成熟,我们借鉴之前对海外固定收益市场中的因子研究经验,对中国境内债券系统性地进行基于因子投资的分析和梳理。和研究股票市场Smart Beta不同,债券的交易成本较高,同时流动性较低。较高的交易成本意味着我们需要对债券的因子收益进行严格甄选,以确保其长期收益为正。此外,总体上债券较低的流动性意味着因子定义必须被稳健地设计,使其风险和收益特征相对独立于底层债券的类型或数量。基于这样的方针,我们分别以九鞅国债总指数、政策性金融债总指数、以及信用债总指数作为债券池,对套息(Carry)、价值 (Value)、动量 (Momentum)、风险 (Risk) 等因子进行了深入研究。

本篇报告摘要了我们在Carry因子大类中以期权调整后利差 (Option-Adjusted Spread,OAS) 为债券Carry衡量方式的测试。从经验结果来看,以高OAS值为代表的债券Carry因子可以带来显著的超额收益。从不同债券种类来看,政金债展现出了较好的Carry因子超额收益,其模拟多空组合可达年化近2%的超额收益,而基于因子倾斜的Smart Beta多头组合也展现出了显著的超额收益及较小的跟踪误差。对于信用债,基于OAS衡量的Carry因子的模拟多空组合年化超额收益在50bps左右。考虑到流动性及实际的交易费用,政金债的Carry因子组合可能更具实操性价值。


当我们谈债券Carry因子时,我们在讲什么…

在固定收益投资里面,Carry这个概念通常是指收益率较高的证券(比如高收益债)通常会在未来一段时间内提供较好的收益回报。从本质上讲,Carry实际对应于投资者对持有债券所预期的时间回报,而Carry的高低通常通过观察债券的收益率或信用利差来衡量。持有高收益率或高利差的债券往往意味着投资者将面临更高的信用及流动性风险,而根据风险溢价理论,这些债券的投资者也理应获得更高的潜在回报。学术界对于债券Carry的研究可以追溯到Leibowitz and Homer (1972), 他们发现高发行期限的债券往往具有更高的到期收益率 (YTM), 若投资者一直持有这些高期限债券,并在债券到期前卖出,除了可以获取债券YTM带来的收益,还可以受益于正常市场利率期限结构带来的期限结构溢价。他们也将这两部分收益共同定义为“滚动收益回报(Rolling Yield Return)”。而根据Koijen et al. (2018), 债券的Carry被定义为债券所对应的利差部分(即OAS)和债券骑乘利率曲线的部分之和。可以看出,这两部分的结合也和Leibowitz和Homer的“滚动收益回报”不谋而合。

业界对债券Carry的定义并没有一个统一标准,最为直接的一个方法就是用债券YTM来衡量一个债券Carry的高低。然而,结合前文所述Carry效应的定义方式,对于政金债和信用债,我们认为通过债券利差 (比如OAS) 定义其Carry更加合理。同样,信用利差也是海外学术和投资机构常用到来定义Carry因子的方式之一。此外,预期“滚动收益回报”也是定义Carry因子值的方式之一。我们对于这些因子值定义方式都进行了测试。本次,我们着重对基于债券OAS的 Carry定义方式进行展示。


因子的中性化处理也很重要

中性化处理是国内外学术和投资机构在进行股票因子研究时的一种常见处理方式,其目的在于更好的剥离出因子本身对于组合的影响。在固定收益领域,常见的处理方式为,对利率债进行期限的中性化,对信用债进行期限,评级,行业的中性化。我们将所选债券进行中性化分组后,根据因子值高低分为五组。其中尽量控制每一组的债券发行量相等,以进一步剔除掉债券发行量的影响。

针对利率债,我们对剩余期限进行中性化。而信用债方面,我们则对信用债的剩余期限和YTM进行分组中性化。这里没有对信用债的评级和行业进行分组的原因是,相比起欧美债券市场,我国债券市场的低评级债券和个别行业债券数目偏少,债券数量不足以支撑我们对评级,期限,行业做中性化处理,并根据因子值构建组合。

下面,我们将按照政策性金融债和信用债的顺序进行展示,指数基准分别选取九鞅政策性金融债总指数和九鞅信用债总指数。


政策性金融债Carry因子

我们的政金债回测区间设为2008年1月至2020年6月。基于OAS的Carry指标下,政金债Carry因子展现出十分明显的超额收益:5个因子组合呈现完全单调状态,高Carry因子带来最高的超额收益,低Carry因子则明显跑输基准。利用组合1和5进行模拟多空组合的构建可以获得接近2%的年化超额收益率。


数据来源:九鞅科技(截至2020年6月30日)


由于做空债券从实操层面很难,因此获取因子收益的主要方式还是构建因子倾斜(Factor Tilting)的债券多头组合。在Carry因子的有效性得到初步检验后,我们尝试构建多头组合来测试Carry因子投资的可操作性。组合权重调整有很多种的处理方式,有舍弃不含因子值个券的方式,有舍弃部分低收益因子值个券的方式。这里我们的目的是,在获取因子带来的超额收益的同时,保持与基准指数尽可能小的跟踪误差。所以,我们会多头基准指数中的每一支成分券,然后通过调整权重来实现获取因子超额收益的目的。通过这个机制构建的Carry因子多头组合,与其基准政金债总指数对比,0.3%的跟踪误差下,年化超额收益为0.6%,年化换手率约为20%。假如我们允许更大的跟踪误差,政金债Carry多头组合其实可以获取更高的超额收益。


数据来源:九鞅科技(截至2020年6月30日)


信用债Carry 因子

信用债回测时间为2010年1月初至2020年6月底。信用债的OAS的Carry效应相对政金债较弱,其多头组合不具备完全单调状态,但从多空组合的角度来说,依然有较为显著的高收益效应。值得一提的是,信用债OAS本身波动较大,择券过程中直接使用OAS会为信用债组合的构建带来不稳定性。所以,我们取个券过去OAS值历史平均值,并进行因子指标值的标准化处理。


.数据来源:九鞅科技(截至2020年6月30日)

*注:为避免极高OAS值债券对于信用债指数因子研究的干扰,我们去除了信用债指数中最高5%OAS值的债券,所以这里使用的指数基准与九鞅信用债总指数有一定区别。

基于标准化OAS的Carry定义方式可以带来更为平稳的收益,并一定程度的规避掉违约等因素对于多空组合收益带来的影响。我们以前文所述多头组合加权方法对信用债进行了多头组合构建。与信用债总指数基准对比,跟踪误差平均在0.13%,年化超额收益为0.4%,年化换手率为29%。


数据来源:九鞅科技(截至2020年6月30日)

对于信用债,虽然以OAS值定义因子值模拟多头组合可以带来更高的累计超额收益,但标准化OAS模拟多头组合拥有更高的信息比率。且其超额收益在多数年份展示了较好的稳定性。


Keep Calm and “Carry” On

总体上,以OAS值定义的Carry因子对于政金债及信用债都有不错的效果,尤其对于政金债,各因子组合收益呈单调状态,多空组合收益显著,且权重再分配下的多头组合长期也可以获取显著的超额收益。同理,对信用债而言,虽然超额收益不及政策性金融债,但通过一定的权重再分配方式,长期而言任可以获得跑赢基准的超额收益。

通过对中国固收市场Carry因子的研究,我们希望抛砖引玉,让系统化投资在中国固收领域得到更广泛的专注和实践。我们认为,因子投资这个棱镜可以让投资者更好地决定哪些风险和收益适合其投资组合,最终做出更明智的决定,并促进更有效的债券市场。基于九鞅固收投研平台,我们也在不断演进九鞅债券因子体系,并扩展固收投资策略框架,为客户在中国固收市场上的投研科技赋能。

参考文献

  • R.Koijen, et. al. 2018. “Carry”, Journal of Financial Economics, 2018, vol 127, issue 2, 197-225
  • M. Leibowitz, and S. Homer, 1974. “Inside the Yield Book: New Tools for Bond Market Strategy”, Prentice Hall Direct
  • R. Litterman, and J. Scheinkman, 1991. “Common factors affecting bond returns”, The Journal of Fixed Income 1, 62-74.
  • M. Martens, P. Beekhuizen, J. Duyvesteyn and C. Zomerdijk, 2019. “Carry Investing on the Yield Curve”, Financial Analysts Journal, 75:4, 51-63