不同区间Beta估计显示风险度量的时间依赖性 [page::1]

• 不同期限（1至12个月）下根据市值分组的beta估计存在显著差异

- 小市值股票短期beta更高，说明风险暴露依赖于投资期限

关键因子在不同区间风险溢价表现差异 [page::2]

| Horizon (months) | Market Beta Return Spread (%) | SMB Beta Return Spread (%) | HML Beta Return Spread (%) | UMD Beta Return Spread (%) | LIQ Beta Return Spread (%) |
|------------------|-------------------------------|----------------------------|----------------------------|----------------------------|----------------------------|
| 1 | 0.17 | 1.66 | 1.16 | -2.91 | 2.31 |
| 2-4 | 3.03 | 2.71 | 0.97 | -2.22 | 4.06 |
| 5-7 | 4.80 | -1.86 | 1.27 | 0.42 | 4.16 |
| 11-13 | 3.80 | -1.17 | 3.39 | -0.10 | 0.86 |
| 23-25 | 0.14 | 1.11 | 4.87 | 0.32 | -0.50 |

• 流动性因子（LIQ）在3-6个月区间获得显著正溢价

- 市场因子（MKT）和价值因子（HML）在中长期风险区间获得溢价，短期未被显著定价

• 动量因子（UMD）及规模因子（SMB）表现不显著

不同区间内因子风险溢价的动态趋势 [page::3]

• MKT因子风险溢价在6至12个月内达到峰值

- HML因子风险溢价在12至24个月时较高

• 流动性因子风险溢价在1至6个月迅速衰减，表现出明显短期特征

Alpha收益与投资区间的匹配关系 [page::4]

| 因子 | Beta估计区间 (k) | 投资区间 (q) | Alpha (%) | t值 |
|------------|------------------|--------------|-----------|-------|
| HML | 24 | 3 | 3.3 | 1.7 |
| Liquidity | 3 | 36 | 8.6 | 3.1 |
| Market | 12 | 12 | 4.6 | 1.8 |

• 流动性因子的alpha随着投资区间q变长而显著增加

- 市场和价值因子的alpha存在正向但较弱的区间匹配效应

• 表明长期投资者可通过承担短期流动性风险获取超额收益

机构投资者换手率差异及投资区间划分 [page::4][page::5]

• 通过Churn指标衡量机构投资者换手率，高换手率对应短周期投资者

- 换手率在不同分位点表现出明显时间趋势及层次差异

机构投资者持仓与投资区间风险暴露关系 [page::5]

| 投资区间 | Short-Horizon 10 | Medium-Horizon 10 | Long-Horizon 10 | Long-Horizon Minus Short+Medium | 统计显著性 [t值] |
|--------------|------------------|-------------------|-----------------|-------------------------------|----------------|
| 流动性beta | 0.131 | 1.468 | 0.324 | 1.933 | 6.93 |
| 市值beta | 0.004 | 0.049 | 0.140 | 0.201 | 4.78 |
| 价值成长beta | 0.068 | 0.535 | 0.410 | 1.060 | 6.35 |

• 长周期投资者偏好持有高短期流动性风险和价值风险的资产

- 短周期投资者相对低估短周期流动性风险暴露

• 机构持仓特征吻合投资区间风险偏好，验证区间错配效应[page::0][page::1][page::2][page::3][page::4][page::5]

海外文献推荐(第71期)《短期的Beta还是长期的Alpha？》详尽分析报告

---

一、元数据与报告概览

报告标题： 短期的Beta还是长期的Alpha？

作者及团队： 吴先兴及天风金工团队

发布时间及来源： 2019年1月16日，天风证券研究所

研究文献原出处： Avraham Kamara, Robert Korajczyk, Xiaoxia Lou和Ronnie Sadka，2018年，《Short-Horizon Beta or Long-Horizon Alpha?》，发表于The Journal of Portfolio Management第45卷第1期，页码96-105。

主要主题： 本文分析投资者持有资产的不同投资区间对因子定价认知的差异，探讨同一因子在不同投资区间下对于风险还是Alpha的性质判定。特别聚焦于流动性风险因子、市场因子(MKT)、市值因子(Size)与价值成长因子(HML)在不同区间的表现及被定价情况。

核心论点摘要：

• 投资者的投资区间长度决定其如何识别系统性风险或Alpha，一段时间内被认为是系统性风险的因子，可能对于另一类投资区间的投资者表现为Alpha。

- 短期投资者（如对冲基金）更关注短期流动性风险，获得风险溢价；长期投资者（如养老基金、共同基金）则从这些短期风险中获得Alpha收益。

• 市场因子和价值因子在中期区间获得显著风险溢价，而短期区间不显著。

- 机构投资者的持仓暴露与其投资区间换手率具有一致性，验证了区间敏感的风险偏好。[page::0,1]

---

二、逐节深度解读

1. 简介及背景

报告首先指出传统风险度量如系统性Beta，通常基于固定单一时间段的收益率（如一个月），然而实际上的Beta随观察区间长度而变化。基于不同投资者的投资区间长度不同，对同一资产的风险评估存在差异。

以举例说明：高杠杆的对冲基金关注短期流动性，因为流动性差的股票可能被迫折价出售。金融资产的多种因子（MKT、SMB、HML、UMD、LIQ）被用作风险测度，但它们在不同区间长度下可能表现出不同的风险特征。这些差异呼吁从投资区间长度视角审视风险与Alpha的界定。[page::0]

2. 不同收益区间影响的理论模型

作者通过简化的单因子模型公式，阐释不同时长区间的Beta估计机制：

\[
r{i,t} = \alpha + \beta1 f{1,t} + \varepsilon{i,t}
\]

定义k期整体Beta：

\[
\betak = \beta1 + \frac{k-1}{k} \cdot \frac{1}{VR(k) \cdot var(f)} \cdot cov(\varepsilon{i,t}, \varepsilon{i,t-1})
\]

其中，\(VR(k)\) 为因子方差比率，因股价对因子信息存在滞后反应，导致不同区间计算的Beta存在显著差异，且截面排序会随区间变化。这表明风险度量高度依赖于投资区间，进而影响因子是否被认定为风险因子还是Alpha因子。[page::1]

3. 实证分析

3.1 数据及因子说明

实证使用纳斯达克、纽交所及全美交易所的上市公司股票数据，期为1965年1月至2015年12月。采集月度价格与收益率以及Fama-French三因子（市场因子MKT，市值因子SMB，价值因子HML）、动量因子UMD，并额外引入流动性因子LIQ。数据来源分别来自CRSP数据库、Ken French网站及Lubos Pastor网站。因子收益均基于组合多空收益计算而成。

假设短期投资者更关注流动性因子风险，期望流动性因子在短期区间体现风险溢价，而中长期投资者追求中长期区间的风险溢价。[page::2]

3.2 因子风险溢价的区间表现

通过表格数据（下文图2）分析不同月份区间(k=1,3,6,12,24…61)下的五因子风险溢价：

• 短期（月度）因子溢价均不显著，市场因子MKT年化0.17%且t值低，符合Fama早期研究。

- 中期（6个月至12个月）市场因子溢价显著，达到约3.8%-4.8%，统计显著。

• 价值因子HML在2-3年区间获得4%以上的显著正收益，表现较强。

- 市值因子SMB和动量因子UMD未展现显著溢价。

• 流动性因子LIQ则在3-6个月短区间获得稳健并显著的超额收益，即使经过Fama四因子风险调整后，短期流动性风险仍定价明显。

此结论强调了因子溢价的时间敏感性，短期内流动性溢价是被认可的风险溢价，中长期则主要为价值及市场风险溢价。[page::2]

3.3 溢价走势与alpha收割

图3显示市场、价值、流动性因子在不同区间(k)下的平均超额收益：

• 市场因子在6-12个月内峰值最高，之后下降。

- HML价值因子在12-24个月区间较高，过后下降。

• LIQ流动性因子主要在1-6个月内具有较高溢价，随着区间增加明显下滑。

alpha检验表（图4）展示了投资组合在不同投资区间q（1,3,12,24,36个月）下基于不同k值计算的年化alpha及其t统计量：

• 流动性因子beta组合alpha随投资区间延长显著增长，36个月时达到8.6%，t值3.1，统计显著。

- 市场因子beta组合alpha稳定在4.6%-5%左右，但统计显著性一般。

• 价值因子HML alpha在24个月k和q时较突出，约3.6%，但统计显著性偏弱。

- 结论为：不同投资区间内，投资者可通过区间不匹配效应获取alpha，且流动性相关alpha最为明显。[page::3,4]

3.4 投资者投资区间实证验证

投资者的持仓行为通过换手率(CHURN指标)确定投资区间长度。定义投资者的投资区间为换手率的倒数，区间小于半年为短期投资者。该换手率指数随时间和分位点呈上升趋势，反映投资者行为持续存在异质性。

通过Fama-MacBeth回归检验，发现：

• 长期投资者高估了高中期HML因子和高短期流动性风险的资产。

- 短期投资者低估了短期流动性风险暴露。

• 机构持仓暴露与其换手率表明其持仓偏好与其投资区间对应。

- 所有权本身对价值beta和流动性beta持有无显著影响，凸显投资区间本身的重要性。

此结论支持了投资区间异质性导致风险溢价和alpha的产生机制。[page::4,5]

---

三、图表深度解读

图1：不同投资区间下市值分组Beta

• 图中以不同市值大小分组（由Small到Large），横轴为投资区间（月），纵轴为估计的Beta。

- 小市值股票的Beta波动幅度较大，且在短期区间(1-4个月)内Beta较高，之后有所下降，再到9-12月略有回升。

• 大市值股票Beta较为平稳且相对较低，几乎无显著波动。

- 该图反映投资区间长度对估计Beta的显著影响，尤其对小盘股更加敏感。

• 支持报告理论， Beta是投资区间的函数，且滞后反应导致Beta估计的区间依赖性。[page::1]

图2：不同区间长度下因子Alpha检验表格

• 展示1、3、6、12、24、36、48、60个月等区间长度下，市场、SMB、HML、UMD、LIQ五因子不同Beta估计的回报差异与调整后Alpha。

- 结果显示中期（6~12个月）市场Beta有较高且显著溢价，价值因子在中长期区间溢价明显，流动性因子在短期3-6个月区间有显著溢价。

• 强调各因子风险溢价随估计区间不同而有结构性变化，短期流动性风险显著被短期投资者要求溢价。[page::2]

图3：三因子（市场、价值、流动性）均值收益差随区间变化趋势图

• 横轴为投资区间月数，纵轴为超额收益率差。

- 蓝色实线（价值）在12到36个月表现峰值，紫色虚线（市场）在6到12个月达到峰值，红色点线（流动性）在1到6个月最高，超过零并有明显下滑趋势。

• 清晰展现不同因子在特定区间内的风险溢价特征，说明因子风险溢价的区间依赖性。[page::3]

图4：不同估计区间下的alpha（年化）及T统计量

| 因子 | k(月) | 投资区间1 | 投资区间3 | 投资区间12 | 投资区间24 | 投资区间36 |
|------------|-------|--------------|--------------|---------------|--------------|--------------|
| HML | 24 | 3.6%(1.7) | 3.3%(1.7) | 0.3%(0.2) | 0.4%(0.2) | 1.7%(0.8) |
| Liquidity | 3 | 2.2%(1.0) | 2.4%(1.3) | 4.4%(1.6) | 6.5%(1.9) | 8.6%(3.1) |
| Market | 12 | 5.1%(2.2) | 5.0%(2.4) | 4.6%(1.8) | 4.8%(1.6) | 4.9%(1.4) |

• 可以看到流动性因子alpha随着投资区间拉长显著提升，具有统计显著性，表明长期投资者有机会通过投资短期流动性风险因素而获得溢价。

- 市场因子的alpha在各区间稳定但统计显著性较低。

• HML因子alpha波动较大但无一致显著趋势。[page::4]

图5：机构投资者不同分位数换手率(CHURN)截面分布

• 横轴为1980年至2015年时间，纵轴为Churn指标值。

- 不同颜色线代表不同分位点持仓换手率，P90与P75显著高于中低分位数，且整体呈上升趋势，反映部分机构投资者换手频率持续走高。

• 揭示投资者换手率作为投资区间的有效代理，进一步用以区分短、中、长周期投资者。[page::4]

图6：不同区间投资者持仓暴露实证结果表（Fama-MacBeth回归）

| | Short-Horizon 10 | Medium-Horizon 10 | Long-Horizon 10 | Long-Horizon Minus Horizon IO | Long-Horizon Minus (medium+short) IO | Total IO |
|----------------|------------------|-------------------|-----------------|-------------------------------|--------------------------------------|----------|
| Beta MKT | 0.131 (5.23) | 1.468 (6.35) | 0.324 (-6.10) | 1.933 (6.93) | -0.454 (-6.21) | 1.319 (5.75) |
| Beta HML | 0.004 (-0.88) | 0.049 (-0.42) | 0.140 (4.78) | 0.201 (1.77) | 0.145 (4.86) | 0.099 (0.74) |
| Beta LIQ | 0.068 (-1.68) | 0.535 (-1.17) | 0.410 (4.43) | 1.060 (2.27) | 0.470 (5.28) | -0.310 (-0.63) |

• 结果显示长周期投资者（Long-Horizon）倾向持有流动性短期风险与价值中期风险敞口，且对应回归系数显著正向。

- 短周期投资者对流动性风险持消极态度，显著低估这些风险。

• 体现不同投资区间投资者之间存在风险暴露差异，进而形成Alpha机会。[page::5]

---

四、估值分析

本文属于学术与实证研究报告，未涉及具体公司估值，也未使用DCF、PE等传统估值方法，而是基于因子风险溢价和Alpha的统计测试展开分析。核心是对风险因子的定价区间依赖性及不同类型机构投资者投资区间的对应关系进行估值理解。

---

五、风险因素评估

由于本文属于理论与实证研究性质，风险提示未着重强调，但文中已暗示以下潜在风险：

• 投资区间假设风险：投资者实际投资区间难完全被换手率精确刻画，可能影响模型解释。

- 市场环境变化风险：因子溢价假设在不同时间段可能变异，对长期结论带来不确定性。

• 数据与滞后反应模型假设：股价对因子反应滞后机制的量化假设可能简化现实，降低模型适用范围。

报告尾部明确提示研究内容基于文献，不构成投资建议，提醒投资者注意信息使用的适用范围。[page::8]

---

六、批判性视角与细微差别

• 报告中的投资区间定义基于机构的换手率，这虽为客观指标，但假设投资区间正比于换手率的倒数仍具一定简化性质，实际投资策略和持有期可能受多因素影响。

- 流动性因子因其短期冲击更明显被视为短期风险，其较强的alpha表现为长期投资者机会，然而该结论部分依赖于对流动性因子的构造及调整结果，未来市场结构变化可能影响该因子有效性。

• 价值因子与市场因子的alpha表现不及流动性因子强，暗示风险溢价的时间稳定性不一，这对因子投资策略调整提出了挑战。

- 本文充分强调因子溢价的区间依赖性，然而对跨区间组合投资策略或动态调整的讨论不足，可能限制实际操作指导性。

• 报告的实证基于美国市场数据，扩展至其他市场的普遍性需进一步检验。

---

七、结论性综合

该报告围绕“短期Beta是否转化为长期Alpha”的主题，阐述了投资区间对风险因子定价性质的显著影响。通过理论构建和实证验证，报告揭示：

• Beta的估计依赖于收益区间长度。同一资产的风险暴露大小和排序会随着观测的时间窗口不同而显著变化，尤其是股票价格滞后响应的存在使得Beta表现出区间依赖性。

- 不同因子风险溢价呈现时间敏感性：短期（1-6个月）流动性因子获得显著风险溢价，是短周期投资者关注的重点；市场因子在6-12个月中期区间溢价最高；价值因子在12-36个月区间表现较强。

• Alpha收益的产生依赖投资区间的不匹配：长期投资者能够通过持有高短期流动性Beta的资产获得显著Alpha，说明流动性风险的溢价与其承担的时间区间不同。市场和价值因子的Alpha效应较为弱化，但仍可观察到相关趋势。

- 机构投资者持仓与其投资区间相符：利用换手率定义的投资区间指标表明，长周期投资者偏好持有短期流动性风险和中期价值风险敞口资产，短周期投资者则低估短期流动性风险。该行为模式验证了理论下投资区间决定因子定价认知的假设。

• 实证数据支持该区间依赖性的系统性结构，赋予投资者通过搭配不同投资区间暴露机会以获得Alpha的可能。

总结来看，此文为资产定价理论增添了“投资区间异质性”视角，强调短期Beta不能简单映射为长期风险溢价，部分短期风险因子可能是长期投资者的超额Alpha来源。报告的图表数据清晰展示了这一点，实证结果严谨，具有较高参考价值和深远意义。

---

参考图表

• 图1展示不同市值分组的Beta在不同月度区间的变化趋势，验证Beta区间依赖性。
• 图3描绘市场、价值和流动性因子的风险溢价随投资区间变化的动态，清晰反映不同因子的定价区间特征。
• 图4年化Alpha与统计显著性表明流动性因子的长期Alpha潜力显著优于其他因子。
• 图5反映投资者换手率的分布，实证投资区间的异质性。
• 图6通过Fama-MacBeth回归模型验证不同区间投资者持仓对Beta暴露的不同偏好，验证了区间依赖的风险承担行为。

---

结语： 本报告通过系统分析“短期Beta vs 长期Alpha”，结合理论和大量实证数据，为投资者理解和应用因子风险溢价提供新视角，强调了投资区间异质性在资产定价、风险评估和投资策略选择中的核心地位，为金融工程和多因子模型研究贡献有价值的参考框架。[page::0,1,2,3,4,5,8]

报告