| 市场点评：市场震荡分化是主旋律
上周大盘维持窄幅震荡态势，上证综指下跌2.23%；深圳成指下跌6.90%，两市总成交金额22708亿元。中小板指与创业板分别收于6849点和1855点，周跌幅分别为6.08%和10.91%。行业方面，仅银行、建筑装饰两行业上涨，其余各行业均呈下跌态势，其中农林牧渔、计算机、商业贸易及纺织服装等跌幅居前。从资金流向来看，沪深市场资金总流出36亿元，其中沪深300市场、中小企业板及创业板分别流入697亿元、-138亿元和-100亿元。
从公布的财新PMI(8月47.3)、中采PMI数据(8月49.7)看，经济下行压力仍存在。由于去年的低基数，8月固定资产投资以及工业增加值等宏观指标可能会有所回升，这会在一定程度上缓解投资者担忧中国经济硬着陆的恐慌情绪。但仍需关注PPI再创新低引发的通缩加剧以及CPI上升压缩对货币政策放松空间的担忧。从中报数据看，非金融营业利润、净利润增速在板块间分化较为明显，中小企业板、创业板增速较高。创业板业绩虽好于主板及中小板，但仍低于市场一致预期，且严重低于目前的估值隐含的业绩增速预期。
9月美联储政策将成最大的不确定性。美联储加息后的影响已经反映到全球资产价格中，但美国经济数据时好时坏所带来的加息的不确定性成为影响全球风险资产价格走势的最大因素。在目前的市场环境下，由于全球市场有比以往更强的联动性，这也会对A股市场造成较大冲击。
8月份市场下跌，经济加快下行、通胀预期上升、投资者情绪恐慌以及人民币贬值预期等因素都起到重要作用。展望9月份，我们认为这些因素在好转，比如人民币汇率趋于稳定，投资者情绪也在筑底回升。同时，国企改革的顶层设计方案可能在9月推出，可能会提升投资者的风险偏好。近期舆情显示，杠杆资金清理在加快推进，这会对仍带着杠杆的场内资金形成较大压力。更为重要的是，在人民币资产成为全球风险资产后，美联储将成为9月最大的不确定性。因此，9月A股市场震荡分化的可能性较大。
基金经理论市
本周指数震荡下跌，蓝筹护盘，板块分化。虽然政策层面不断有利好释放，但经济放缓忧虑及汇率的不确定性依然影响投资者情绪。从行业和主题来看，受益于短期汇率小幅升值及油价反复，航空板块企稳反弹；低估值的价值股及防御性板块依然受到青睐，银行、保险、电力、食品饮料等行业表现相对较好；成长性板块，如软件服务、技术硬件设备等行业表现不佳。
宏观经济方面，中国官方中采8月制造业PMI降至49.7(前值50)，时隔半年首次跌破50荣枯线，创下2012年8月以来的新低。
海外经济方面，美国劳工部数据，8月新增非农就业17.3万人，低于市场预期的22.3万，但考虑到5至7月连续三个月新增就业大于20万、失业率下降、工资同比增速上升，8月非农就业报告仍旧算得上表现不错。欧央行微调QE计划，并下调经济展望，为更大力度QE做铺垫。上周四欧央行将单一国家证券购买上限从此前的25%上调至33%，并下调了未来两年的增长和通胀预测。日本经济产业省数据，
7月工业产出(年率)为0.2%，低于预期，前值为2.3%；日本8月制造业采购经理人指数终值为51.7，前值为51.9。政策动向方面，假期中金所公告将采取新措施，包括(1)调整股指期货日内开仓限制标准。(2)提高股指期货合约保证金标准。(3)大幅提高股指期货平仓手续费标准。长期来看，期指市场有可能边缘化，短期可能对现货市场将形成积极影响。
展望未来，“股市稳”最终还得“经济稳、改革进”来支持。当前人民币汇率贬值预期仍在萦绕市场，资本流出压力仍然存在；经济增长在七八月份以来仍然呈现疲态，反映的是到目前为止放松政策尚未完全达到提振经济动能的目的；市场对改革的预期在六月份市场大幅波动之后也有所降低。但部分公司股价已经跌回牛市起点。若剔除两油和金融股，上证综指已经跌至14年7月牛市启动前的水平。从估值角度来看，目前沪深300市盈率12倍，非金融20倍，部分个股在逐渐具备长期吸引力，我们将从盈利增长、估值、商业模式可持续性、战略执行等角度筛选个股；主题方面继续关注国企改革、振兴东北、一带一路、京津冀、新能源环保等主题。
专栏：管理因子投资的潜在风险
通常意义上的多因子模型都避不开讨论因子的长期表现，因为长期稳定的因子收益也正是多因子模型的重要阿尔法来源。但对长期收益的过度关注却容易让多因子模型暴露在未知的短期风险之中，尤其是在极端行情下，诸多长期有效的阿尔法因子都会面临短期失效的困境，或言之，观察期的长短很有可能会成为因子属性的重要决定因素之一：到底是阿尔法还是贝塔。而在对阿尔法因子的存在性进行探讨之前，不妨先回顾一下套利定价模型的理论基础，即ArbitragePricing Theory，该理论假设证券回报率可以用未知数量的未知因子来线性表出，而一旦因子组合被最终确定下来，证券回报也就仅是对系统性风险进行暴露的补偿。因此，在严格有效的市场条件下，稳定的阿尔法因子是难以长存的，因为聪明的投资者会根据阿尔法因子进行反复套利，进而推动阿尔法因子持续波动，并最终沦为贝塔因子，除非——1、市场并不严格有效，2、阿尔法因子并未受到市场的广泛关注。
不管怎样，因子投资有风险相信已是业界共识，但要将所有因子均看作贝塔因子却并不是一件容易的事，因为这对于许多追求绝对收益的投资者而言确实是一个不小的打击。当然，我们也可以换个角度来看待这个问题，就会发现对系统性风险进行暴露也并不总是一件让人悲观的事情，因为既然有人愿意长期购买市场指数以获得市场上的平均收益，也便会有人愿意对特定因子的风险进行选择性的暴露。但除此之外，我们是否别无选择，而只能在强大的市场面前沦为因子的被动投资者？实则不然。根据笔者观点，我们不仅可以如前文所述不断开发市场上还未受到广泛关注的阿尔法因子，也可以通过风险模型来管理因子投资的潜在风险，后者也是本文想要着重介绍的部分。
最为著名的风险模型由Barra公司独创，国内外诸多机构也都在此基础上进行了不同程度的拓展。Barra模型主要通过多因子模型预测个股风险，以实现对投资组合的风控目标，但这与构建阿尔法策略的多因子模型并不相同，因为在构建阿尔法策略时，选择因子的主要标准是因子收益的长期有效性，而在构建风险模型时，则一般要求因子覆盖面广、相关性低，以尽可能保障风险预测的精确度，当然也有人在阿尔法和风险模型的构建中使用完全相同的因子体系，前提是他已经承认其使用到的因子都是贝塔因子。在确定了风险因子的集合之后，因子的风险预测便是Barra模型中最为重要的一环，其一般通过历史的因子收益进行预测，而相对于个股直接的风险预测，因子风险的预测往往要精确许多。
在Barra模型中，因子间的预测协方差阵可以轻松的映射到各个投资组合之中，进而能够成为组合风险管理的有效工具，但不同于马科维茨投资组合中的历史协方差矩阵，Barra中的风险模型还能够将组合风险进行进一步的切割，主要包括了系统性风险和股票的特有风险，其中系统性风险又由多个风格和行业因子共同决定。重新回到阿尔法策略中的多因子模型，不难发现其与Barra模型的最大区别还是在对待因子的态度上，Barra模型认为不同的因子组合共同构成了系统性风险的主要来源，即模型中会使用到的均是有效的贝塔因子，而阿尔法策略中的多因子模型则相信阿尔法因子的存在性，并试图通过对阿尔法因子进行暴露来获得稳定的超额收益。但不管真正意义上的阿尔法因子是否存在，风险模型都不失为因子管理的有力工具，即可在假设因子投资有风险的基础上，通过风险模型监测因子风险的行走路径，管理因子投资的潜在风险，进而避免资产的短期大幅贬值。
责任编辑：cnfol001
|