随着更多投资者采用智能测试版，审查是强烈的 - 不仅是因素和风格投资，而且还具有投资组合和指数建设的优点。
在2008年金融危机之后，从一些勇敢的早期采用者来看，使用现在被称为智能测试版的投资策略已经大幅增加。他们正在成为主流。仅在过去一年中的增长率达到7.1％，因为管理层的稳定资产全球达到42.9亿美元（见下面的“波动驱动增长”）。“基金的AUM在去年的全球产品专家埃里克·莱比里斯（Eric Shirbini）埃里奇·埃里克（Eric Shirbini）在他预计的一节奏中遭到艰巨的计划。“我们的管道与去年一样强烈。”
Smart-Beta车辆由非市场上限加权指数组成，通常倾向于公认的投资因子和风格，如低波动，质量，价值和势头。到目前为止，投资者特别吸引了试图最大限度地减少波动的资金。“我们已经看到这种趋势的加速随着诸如欧洲的整体增长的不确定性以及欧洲总体增长的问题，”莱克斯资产管理的ETF研究负责人“马龙·哈斯汀说。然而，不管那些低产量环境，投资者也在寻找替代回报来源，如高股息策略。
因子和风格投资是希望获得良好，长期回报源的投资者的积极管理和对冲基金的替代品。“随着投资者看待这些替代方法来访问这些返回来源，他们正在改变他们的投资组合的方式，”AQR的Ronen以色列，校长和投资组合经理说。费用是等式的一部分，而且投资者也在寻找更透明度。“这导致更好地了解他们投资的内容，它还使他们能够比较和区分许多可用的产品，”以色列说。
在引擎盖下看起来
对于投资者来说，过去五年已经有一段时间，熟悉智能测试版的特征以及它的工作原理。产品增殖意味着投资者必须更加勤奋，以确保他们理解他们正在购买的东西。“We’ve reached the point in the development of smart beta where people are really taking a closer look at some of these issues and seeing how construction techniques make a difference,” says Jennifer Bender, director of research for the Global Equity Beta Solutions group at SSGA.
直到最近，很少有投资者对指数施工技术的实际影响结果有很大思考;今天，更多的是在引擎盖下仔细观察。“策略可以有类似的名称，但是当你仔细看起来时，他们有很多不同的方法，”Powershares股权ETF产品战略总监John Feyerer说。例如，有两种常见的方法来实现基于索引的低波动率策略。一个人只是根据其实现的波动性来自给定宇宙的排名和体重股。另一个是优化和约束，以便提供更直接地暴露于值因子。“这些缺点差异可能被误解，”费耶尔说。
多因素产品组合结构可以变得更加复杂。有两种基本方法。在组合方法中，一个首先创建单因素投资组合，然后结合它们;在自下而上或集成的方法中，一个在所有所需因素中为每个库存创建总分数，然后分配权重。
科学测试版使用组合方法。“我们首先建立我们的单一因素投资组合，”Shirbini说。该公司从广泛的宇宙中选择了一半的股票，其具有最高的特定因素，应用多策略加权方案来避免浓度和其他意外风险。某些部门或公司的浓度越高，越多的特质风险将在其方面进行。
例如，许多价值指标超重的大众汽车，当汽车制造商暴露为1100万辆的使用软件时，在其欺骗排放测试的车辆中的使用。“这正是我们想要避免的所有价值股票，”Shirbini说。然后，科学测试版将通过同等分配给每个分配来组合构成其多因素指数的大小，值，低波动性，高盈利能力和动量指数。“当一个因素糟糕的时候，另一个人可以弥补，”他说。它的工作是，随着多因素指数，每年的MSCI世界指数显着3.3％。
相比之下，SSGA使用自下而上的方法。“我们拿走每个人的股票，并为我们试图捕获的每个因素分配一个分数，”Bender说。“如果您对捕获多个因素有兴趣，基于股票行列的股票行为如何，例如，同时的价值，势头和质量，股票的重量是有意义的，”她说。否则人们可能会错过互动效应。在与同时考虑所有因素的组合组合的单因素投资组合的比较，SSGA发现自下而上的方法导致较高的波动率的年度回报率。
有人说，自下而上的多重吸引力组合确实是最有效的，因为该战略避免同时购买或销售证券。“您还可以通过简单地购买个人因素资金并转移重量，以更高的效率和透明度来集体曝光，并将其周围的重量转移，”Rosenberg股票的全球首席执行官和Cio，AXA投资经理单位。“但你必须谨慎一些事情。”
例如，2009年势头和价值之间的相关性差不多的时间，少数股票在这两个因素上都有很大划分。“如果你只加权那些具有最高分数的股票，那么你最终会在这两种尺寸上曝光非常平庸，”Baskin说。
AQR进一步接近或集成，进一步接近。“集成”意味着通过选择在一起的所有因素的证券中使用多种因素或风格在单个投资组合中使用多种因素或风格。“这是捕获这些曝光的最有效的方法，它导致更好的投资组合随着时间的推移，”以色列说。
但这只是智能测试谱的一点。在一个极端是经典智能测试版，包括单因素，唯一的股权策略，如低波动，价值或动量;另一方面是多人长期股权。“此时，您已经增加了多样化，长期回报来源，这可能导致更加一致的回报，”以色列说。
该策略也可以长短。“长期可以充分捕捉潜在的主题，因为它是所需曝光的纯粹代表，”以色列说。它对传统投资组合也不相关，因为主要的风险不再是股票市场，而是风格和因素的相对表现。最后，该概念可以应用于其他资产类别，包括那些不依赖于基准，如固定收入，货币和商品，导致多种式多资产类，长短框架。“此时你有更有效的表达这些回报，一个更多样化的表示，”以色列说。
纯粹的Beta产品的纯粹数量可以选择令人困惑。“随着越来越复杂的多因素频谱的越来越复杂，你开始远离智能测试版中的β，”Feyerer说。这些更复杂的方法往往需要更多判断和依赖基于规则的定量策略。“那些人有一个地方，”他说。投资者只是需要了解差异。
被动是新的活跃
自由裁量体的活性智能测试版是一种新的因素分配方法，要求在长期运行中呼吁多种因素多样化的投资组合来产生强烈的风险调整的回报。但是，如果您有技能导航挥发性市场或宏观经济环境，您也可能会将因子暴露调整到最为努力的预测，“Amundi的索引和智能测试版索引和智能测试博士管理领导。例如，在熊市中，例如，低波动性和高股息策略可以提供下行保护和表现优惠，而基于价值，势头和大小的策略可以增强牛市的回报。
智能测试版的升级表明，许多投资者开始认识到已证明的研究一直证明：大多数积极管理人员的表现来自获得因素曝光的能力。“所以你可以以积极的方式使用智能测试的原则，”Lyxor积极投资策略负责人Guillaume Lasserre说。“我们不再谈论股票挑选，而是因素曝光的动态管理。”这意味着使用系统因素投资技术，但基于市场环境的视图，添加了一层定性判断。
波动性驱动增长 资产涌入Smart-Beta ETF和ETPS。据股权研究公司ETFGI称，在6月底，投资这些车辆投资的全球资产达到42.9亿美元，为期五年的复合年增长率为31.3％。这些在美国上市的人达到了记录水平，390.2亿美元，而欧洲上市的人则达到267亿美元的新峰。在ETFGI管理合伙人的德国富汉·富汉，在Brexit投票之后将大部分增长归因于市场不确定性。 迄今为止，Smart-Beta产品已有161.5亿美元的全球净流入。Morningstar报告资产流向2015年2015年增长11％的美国智能βETF和6月底的5％年度至今。欧洲Smart-Beta ETF之间的资产流量增长甚至更加迅速，2015年达到34％和18％至今。 |