《金工专题报告：海外文献推荐第50期.docx》由会员分享，可在线阅读，更多相关《金工专题报告：海外文献推荐第50期.docx（17页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、内容目录因子如何复合自上而下及自下而上的指数构建方法31,简介32 .自下而上的方法4目标因子的选择52.1 因子暴露度限制6投资约束62.2 目标风险7调整频率73 ,比拟自上而下和自下而上的方法84 .结论10析报告的可读性与股票收益111 .背景112 .彳陵设113 .数据124 .模型125,实证136.结论13图表目录图1 : MSCI单项指数相对于世界指数的表现3图2 : 1975年以来MSCI单一因子指数的汇总统计4图3:自1975年以来MSCI指数的主动回报相关性4图4 : MSCI多元化多因子指数方法学概述5图5 :自下而上的多因子指数模拟汇总统计5图6 :因子暴露限制对多
2、因子指数的影响6图7 :投资约束对多因子指数的景乡响7图8 :投资组合目标风险对多因子指数的影响7图9 :调整频率对多因子指数的景乡响8图10 :因子回报贡献随时间的增加而增加8图11 :自上而下和自下而上方法的关键特征9图12:自上而下和自下而上的多因子指数模拟汇总统计数据9图13:自上而下和自下而上的多因子指数的因子暴露10图14 :取样过程12图15 :可读性与市场反响13图13 :自上而下和自下而上的多因子指数的因子暴露2 10 1一 c2e qj2 10 1一 c2e qj% weight HV-HM HV-LM LV-HM LVLMFactor Mix26.326.834.212.
3、7DMF47.825.524.52.3H=High, L=Low, V=Valuef M=Momentum资料来源：MSCI ,天风证券研究所4结论在本文中，我们讨论了构建多因子指数的两种不同方法自上而下的因子配置方法 和自下而上的因子选择方法。这些方法产生的多因子指数在不同程度上反映了目标因子的 性能，并且具有相当不同的指数特征。自上而下的多因子指数使用单个因子指数作为其基础构建块，并按给定的比例合成因 子指数。在这种指数中，各成分的权重反映了它们对潜在因子的暴露程度。忽略非预期的 因子暴露，对于每个因子的配置很容易描述。因此，自上而下方法的主要优点是简单性和 宏观灵活性。构建方法允许投资者
4、将多个因子指数组合成一个指数，并经常改变配置。另一方面，自下而上的指数方法强调其构造中的特定因子暴露度。所采用的优化设计 是为了在限制非预期因子暴露的同时最大化预期因子暴露度。这种自下而上的多因子指数 的明显优势是它的“效率”（风险回报权衡）和“可控性；此外，在最大化目标因子风险暴 露度方面使用最优化，意味着自下而上的多因子指数产生了更持久和可控的因子，而且在 历史上表现更好。金融工程I金工专题报告天网证券 TF SECURITIES分析报告的可读性与股票收益文 献来源：Hsieh, C. C., Hui, K. W., & Zhang, Y. (2016). Analyst report r
5、eadability and stock returns. Journal of Business Finance & Accounting, 43(1-2), pags. 98-130.推荐原因：本文考察了市场对分析师报告可读性的反响。结果说明，市场会对可读性更 高的报告做出积极的反响，这与可读性高的报告降低了未来盈利预期的不确定性有关。此外, 本文发现只有对于研发投入较高、买卖价差较大、不知情交易者占比拟高的公司，报告可 读性才会对股票价格产生显著的影响。这说明只有在市场上信息不对称程度较高时，分析报 告的可读性才会发挥作用。1背景许多与金融分析师有关的会计和金融方面的文献研究了分析师在提
6、高资本市场效率和 减少信息不对称方面所起的作用。这些研究说明，分析报告和分析笔记为投资者提供了新 的信息。而最近的一系列研究也可以得出文件语气和可读性对投资者行为有一定影响的结 论。除了公司文件可读性的影响之外，有证据也说明可读性是分析报告的一个重要特征。 特别是De Franco等人(2014)发现可读性与分析师能力和交易量之间存在正相关关系。他 们的发现说明更好的可读性意味着更精确的信息。我们的研究通过关注分析师报告可读性 在公司估值中的作用来扩展他们的研究。2假设在股票估值的传统股利折现模型中，公司的股价模型为：P = k*EJ(l+ry, ，二1其中P为股票价格，k为股息支付率，此处假
7、定为盈利的恒定百分比，E为收益预期， r为贴现率。股票收益可能是由两个因素驱动的：1)贴现率的变化，2)预期收益的变化。可读性和贴现率本节讨论可读性对上述模型中折现率的影响。我们认为可读性能够降低未来盈余信息 的不确定性，从而降低折现率。分析师报告是帮助投资者预测未来收益的重要信息来源。因此，这些报告的可读性影 响了投资者对未来收益的不确定性。基于前人的实证结果，可以假设可读性更高的分析报 告降低了投资者对未来收益的不确定性。先前的研究说明，较低的不确定性可以通过降低投资者对风险的估计或信息不对称来 降低贴现率。综上所述，降低未来收益的不确定性会降低贴现率，从而对股价产生积极的影响。(2)可读
8、性和收益预期在之前的股票估值模型中，收益预期的增加也可能导致股票收益的上升。因此，可读性 对收益预期的影响值得探讨。当分析报告的行文与分析师的盈余预期不相关时，可读性与收 益预期的变化可能是没有关系的。然而，当可读性是分析师披露好消息或坏消息的动机的反 映时，它可能与收益预期的变化有关。例如，证券分析师更有报告好消息的动机，因为它 能产生更多的交易业务。因此，当这些报告中的新闻不好时，分析师可能会有动机发布可读 性较差的报告，以模糊负面信息。这两者之间的关系尚待验证。我们猜测分析师报告可读性和股票回报之间的关系是积极的，原因如下：从分母的角 度来看，关于可读性对不确定性的影响的相关文献已经得到
9、证实，高可读性与较低的不确定 性相关，因此贴现率较低。从分子的角度来看，可读性与收益预期之间的关系不是无关就是 正相关。将分子和分母效应结合起来，更高的可读性会引发市场的积极反响。因此，我们 猜测分析师报告的可读性与更高的回报有关。a数据从Thomson FinanciaT s Investext数据库获得分析师报告的PDF文件。为了分析 这些报告的可读性，我们手动选择每个报告的讨论局部，然后将文件转换为机器可读的形 式。我们主要关注高科技行业公司的分析报告。这使我们能够获得具有一致的行业背景和 对分析师研究存在强烈需求的公司样本，因为高科技公司通常表现出很高的行业增长和估 值不确定性。下列图
10、显示了取样过程。选股2005年至2007年期间公布的所有高科技行业的分析师报 告。我们通过Baginski等(2004)定义的高科技产业。(SIC编码二2833- 2836,8731-8734,7371-7379,3570-3577,3600-3674 )。然后，我们删除 I/B/E/S . Compustat和CRSP数据库中缺失数据的报告,生成2930份报告样本供我们进行股票收益 测试。为了测试可读性和不确定性之间的关联，我们将这个样本与OptionMetrics合并来 计算隐含波动率。这个过程产生了含有2,164个观察值的样本。图14 ：取样过程Sample SelectionAnaly
11、st reports from Investext covering high-tech industry companies (followingthe definition used by Baginski ct al. (2004) from 2005 to 20073,95Deduct:Analyst reports without sufficient content fbr linguistic analysis or with analystnames not available in the I/B/E/S translation files(396Analyst report
12、s before merging with financial data files Deduct:to calculate variables3,55Reports without sufficient data in the I/B/E/S consensus and detail files(435Reports without sufficient data in Compustat and CRSP(189Sample number of reports fbr the stock return tests (Table 3)2,93Deduct:Reports without su
13、fTicicnt data in the OpiionMetrics standardized options file(766Sample number of reports fbr changes in uncertainty and expectations tests(Tables 4 and 5)2,16资料来源：Journal of Business Finance & Accounting ,天风证券研究所4模型(i)分析报告可读性的度量我们遵循前人的研究，采用Fog指数来衡量报告的可读性。Fog指数使用单词拼写句 子的数量和复杂单词的百分比来估计理解一篇文章所需要的教育年限。它
14、的计算方法为0.4 *(单词/句子)+ 100(复杂单词/单词)。较低的值表示所需的教育年限较短，意味着文本更容 易理解。(ii)分析报告可读性对股票收益的影响。我们使用下面的回归来测试市场在分析师盈利预测修正时的反响是否与报告可读性相关：(JAR -/, +1 = +。* READABILIiy + c * CONTROLS + Industry fixed effects+ Year fixed effects + Brokerage fixed effects + ,(1)其中CAR表示从分析报告发布日期的前一天到次日，经过市场调整后的累积异常收益。 READABILITY计算为Fog指
15、数乘以-1 ,然后在0和1之间标准化，使变量线性化。这样的 话，更高的READABILITY值代表更好的可读性。根据可读性增加股票价格的预期，我们预 计系数b显著为正。我们将报告、分析师和公司的特征包含在我们的回归中，以控制潜在相关的被忽略的 变量。我们首先控制报告特定的特性，这些特性可能与报告可读性有关。为了控制预测修 正的影响，我们引入了相同的分析师的预测修正AEST ,定义为分析师在报告发布日的每 股收益预期与之前预期值之间的差异。我们还控制每个报告的语气。如果一个报告中有积 极情绪的词的百分比(PCT POS)减去有消极情绪的词的百分比(PCT NEG)等于或大于0 ,贝U TONE为
16、1 ；反之那么TONE等于0。最后，我们使用LENGTH来控制报告长度的影响，即报 告中单词数的对数。5实证下列图给出了使用分析师发布报告附近3天(11 ,+1)的超额收益作为因变量。结果显示， A中没有引入控制变量，可读性系数显著为正。B中在引入了控制变量后，可读性系数没 有显著变化，并且在1%的水平上仍然显著为正(t=3.09)o如果可读性值增加一个标准差， CAR -1 , +口的值会增加58个基点。这一结果与我们的预测一致，即市场对更具可读性 的报告作出积极反响。图15 ：可读性与市场反响Market Reaction and AnalyM Report Readabiiit、+=(t
17、+ b*RKDABIiJTi + rT.OXTROIS + H3nHirfff _ + BnAtragr fintd efftrb + ewr fixtd(bInlncrpt 陈ADABfimASTTONE lSGTH FJRSLEXPHRALCOV FBEQITNG IND.COFI.RRORAHEAGEXOSEGMTRtTTAOLEtMfAXTHLCKSSfTBMOMENTLM 田-0.0M7(-1.31) 0.0209*(2-92)-O.O6 (-078)0.0201(309) 7.4583-(5.37) 0.0416-(3)-0.00380.0035(1.00)0.0106 (l.)
18、-0.0021(-0*6) -O.OOtM*C-l-M) -0.0070*I史) 0.(MM7(0.56) 0.0011(0.43)0.0061*(I-70) -0.0125-(-1-90) -0.0147*(-2.46)-0.1374(-1.60) -0.000298) 0.0030(1-08) -0.0005(-0.02) -0.0013(-0-2) O.O4I2-23) -0.0005(-0.11)(-53)资料来源：Journal of Business Finance & Accounting ,天风证券研究所6结论本文考察了分析师报告可读性对市场的影响。我们发现，市场会对可读性更高
19、的报告 做出积极的反响，因为可读性更好的报告减少了未来盈利预期的不确定性。因子如何复合自上而下及自下而上的指数构建方法文献来源：Padmakar Kulkarni, Abhishek Gupta, Stuart Doole, 2018, How can Factors be Combined, MSCI.推荐原因：本文讨论了构建多因子指数的两种不同方法自上而下的因子配置方法 和自下而上的因子选择方法。自上而下的多因子指数使用单个因子指数作为其基础构建模 块，并按给定的比例合成因子指数。在这种指数中，各成分的权重反映了它们对潜在因子 的暴露程度。其主要优点是简单性和宏观灵活性；另一方面，自下而上
20、的指数方法强调其 构造中的特定因子暴露度。其构造方式是通过优化来在限制其他因子暴露的同时最大化预 期因子的暴露度。这种自下而上的多因子指数的明显优势是它的“效率（风险回报权衡） 和“可控性飞此外，在最大化目标因子风险暴露度方面使用最优化，意味着自下而上的 多因子指数产生了更持久和可控的因子，而且在历史上表现更好。1简介MSCI已就因子暴露度、因子投资的挑战及其在机构投资过程中的地位撰写了大量文 章。通过这项工作，我们确定了 6个持续的股权风险因子（价值、动量、质量、低波动性、 规模和收益率）的核心集合，并在每个风险因子上构建了可投资的因子指数。MSCI指数 （MSCI Factor index
21、）的长期表现优于其市值加权的世界指数（见下列图卜资料来源：MSCI ,天风证券研究所图2 : 1975年以来MSCI单一因子指数的汇总统计Gross returns annualised in USD from 3O*Noy*1975 to 28*Fb2018MSCI WorldWorld Equal WeightedWorld High Dividend YieldWorld MomentumWorldQualityWorld EnhancedValueWorld Minimum VolatilityTotal Return (%)10.512.012.213.711.814.511.0To
22、tal Risk (%)14.415.213.915.514.015.911.5Retum/Risk0.730.790.880.880.850.910.96Max Drawdown (%)53.755.858.852.544.557.943.0Active Return (%)1.51.73.21.34.00.5Tracking Error (%)4.95.98.05.66.35.9Information Ratio0.300.290.400.230.630.09Max Drawdown of Active Returns (%)36.223.223.837.118.725.5资料来源：MSC
23、I ,天风证券研究所然而这些因子明显的周期性可能会在这些因子表现较差的时期造成长期的性能拖累。 这种历史上的业绩差异促使投资者考虑结合不同的因子来实现更平稳的业绩。因子指数之 间的低相关性说明，有选择地组合因子可以降低自1975年以来综合指数的总体波动率。 这里计算出来的相关性跨越了 40多年的历史表现，是稳健的，在统计学上是可信的。图3 ：自1975年以来MSCI指数的主动回报相关性SizeSizeYield Momentum Quality ValueLowVolatilityYield0.261.00Momentum-0.11-0.031.00Quality-0.190.400.22.
24、J.00Value0.600.48-0.060.101.00Low Volatility 0.120.44 0.ll 0.19-0.03 LOOCorrelations of active returns relative to MSCI World, monthly data, 30-Nov-1975to 28-Feb-2018资料来源：MSCI ,天风证券研究所对于许多投资者来说，相对于单一因子指数，多因子指数平滑的回报模式可能是有吸 引力的。但是，在多因子指数的背景下，定制一个投资解决方案有几种不同选择。两个基 本 的选项是因子的选择和这些因子的权重。因子和权重的选择可能是由对该因子的投
25、资信念、 对其未来业绩潜力的信心或通过主动和被动委托在其他股权配置中嵌入的因子暴露度所驱 动的。本文所讨论的构建多因子指数的两种方法是因子指数的自上而下组合，简单地将其分 配到单因子指数，以及基于单个因子暴露（使用优化）的自下而上选择股票。下面我们将比 较这两种方法。2自下而上的方法在本节中，我们将描述构建多因子指数的自下而上方法。下表描述了构建MSCI多元 化多因子指数（DMF）的指数方法，并说明了采用这种多因子指数构建方法的选择范围。我 们使用一个目标风险优化，最大限度地暴露在四个因子（价值、规模、动量和质量）的影响 下，并对投资组合的总风险加以限制。除了总风险限制之外，我们还施加了其他几
26、个风险 和投资限制，详见下表。图4： MSCI多元化多因子指数方法学概述资料来源：MSCI ,天风证券研究所Parameters |MSCI Diversified Multiple-Facto门ndexUniverseAny MSCI Standard IndexObjectiveMaximize equal-weighted exposure to target factors, subject to index-level risk constraintRisk ModelBarra Global Equity Model for Long-Term Investors (GEMLT)T
27、arget FactorsValue: book to price, earnings yield, calculated within sectorsSize: log of market cap, calculated within countriesMomentum: historic alpha, 12m return relative strengthQuality: earnings quality, investment quality, profitability, earnings variability andleverage, calculated within sect
28、orsExposureConstraintsTarget risk: ex-ante risk of derived index = ex-ante risk of parent indexFactor exposures: 0.25 active exposure to non-target factorsCountry & sector weights: 5% active weights on countries and sectorsInvestabilityConstraintsMaximum asset weight = min(b+2%/ b*10)Minimum asset w
29、eight = min(b-2%, 0%)Maximum annual one way turnover = 40%目标因子的选择目标因子的选择是设计多元化多因子指数的很重要的局部。广泛的学术研究说明，价 值、动力、质量 低波动性、规模和收益率这六个因子历来都有长期溢价。Bender等人(2013)提 供了与这些因子相关的经济原理和实证证据的详细讨论。其中一些因子在定量投资策略中 被广泛使用，并解释了基本面活跃投资者长期投资组合表现的一局部(Frazzinietal., 2013)o图5:自下而上的多因子指数模拟汇总统计MSCI World2 Factors (Val,Mom)3 Factor
30、s (Val,Mom,Qty)DMF5 Factors (DMF,Vol)6 Factors (DMF,Vol,Yld)Cyclical (Val,Size,Mom)Defensive (Vol,Qty,Yld)Total Return (%)5.48.79.910.711.110.99.69.3Total Risk (%)15.215.014.615.413.513.315.312.3Return/Risk0.350.580.680.690.820.820.630.76Sharpe Ratio0.230.450.550.570.680.680.500.60Active Return (%)0
31、.03.34.55.35.85.64.23.9Tracking Error (%)0.04.23.94.24.85.14.35.5Information RatioNaN0.791.171.261.211.090.990.71Historical Beta1.000.950.930.970.850.830.970.76No of Stocks1631227214418415383462218Turnover (%)3.040.040.040.040.040.040.039.9Price To Book2.21.61.91.81.91.81.62.3Price to Earnings18.412
32、.213.614.314.413.913.415.9Dividend Yield (%)2.32.52.52.32.53.52.33.9Value-0.660.410.380.350.430.540.09Quality0.000.670.530.520.42-0.040.63Momentum-0.250.220.230.180.100.25-0.04Size-0.21-0.16-0.85-0.91-0.74-0.97-0.13Volatility-0.03-0.11-0.18-0.49-0.53-0.14-0.63Yield-0.150.09-0.030.050.570.000.73Gross
33、 returns annualized in USD from 30-Nov-1999 to 31-Jan-2018资料来源：MSCI ,天风证券研究所上图显示了自下而上的多因子方法对指数结构的影响，在不同的目标因子的选择中产 生了一致的历史表现。各组合中各类型因子的主动暴露与目标因子的选择是一致的。每个多 因子组合的目标是最大化目标因子等权得分。我们熟悉的价值和动量结合的两因子定量方法 产生了 0.79的历史信息比率(IR)。将价值、动力和质量结合起来带来了显著的改善，IR上升到 1.17o以四个因子(价值、规模、动力、质量)为指数的MSCIDMF指数(MSCI DMF Index)具有最
34、高的历史IRo在四因子组合中加入波动率可以使夏普比率略低(1.21),而贝塔系数那么显著降 低。最后，将波动率和股息收益率因子都纳入目标组合，提高了指数的收益率，但导致的 IR较低，为1.09。“周期性指数(价值、规模、动量)低于四因子(DMF)的设置，而“防御性” 指数(质量、波动性、收益率)那么产生最低的已实现风险。MSCI多元化多因子指数(MSCI multi - factoidndex)以规模、价值、动力和质量为目标 暴露，不包括波动率和股息率因子。如果我们加入低波动率，我们通常会得到低于市场风险的波动率。如前所述，构建MSCI多元化多因子指数涉及限制风险暴露度、投资能力以及总风险。此
35、 外，MSCI多元化多因子指数遵循半年度频率调整计划。在本节中，我们验证了在指数构建 方法中引入约束的重要性，并评估了自下而上构建的性能和特性对约束级别的敏感性。2.1 因子暴露度限制国家和行业的限制设为5 %第三个变量（高暴露）将这两个限制分别放宽到 还在不施加任何暴露限制的箱况下进行底拟测试。我们举例说明DMF指数的四种不同变体，以评估暴露限制对其性能和特征的影响。 第一个变量（低暴露）将非目标因子主动暴露限制为最大0.1个横截面标准差，并将活动国家 和行业权重限制为小于2 %。第二个变量是DMF指数本身，它将非目标因子的限制设为025,将 0.5和10 r我门图6：因子暴露限制对多因子指
36、数的影响MSCI WorldLowExposureDMFHigh ExposureNoConstraintsTotal Return (%)5.49.910.711.010.9Total Risk (%)15.215.215.415.115.0Return/Risk0.350.660.700.730.73Sharpe Ratio0.230.530.570.600.60Active Return (%)0.04.65.35.65.6Tracking Error (%)0.03.64.24.34.3Information RatioNaN1.261.261.311.30Historical Bet
37、a1.000.970.980.950.95No of Stocks1631412418419418Turnover (%)3.040.040.040.040.0Price To Book2.21.81.81.81.8Price to Earnings18.414.514.314.314.3Dividend Yield (%)2.32.32.32.32.3Value一0.370.380.380.37Quality0.530.530.550.55Momentum0.220.230.240.24Size-0.76-0.85-0.87-0.87Gross returns annualized in U
38、SD from 30-Nov-1999 to 31-Jan-2018资料来源：MSCI ,天风证券研究所暴露限制的目的是确保DMF指数不存在对国家、行业或非目标类型的风险的高暴露 度，我们不希望这些风险随着时间的推移对目标因子溢价的收益有系统的贡献。上图显示，在 不同的暴露限制条件下，历史表现和特征保持相当稳定。另一方面，完全取消暴露度限制， 导致活跃行业头寸高达14,希跃国家头寸高达18 o挹些相对较高的非故意国家褥业的主动权重可能有时显著地影礴这种多因子指数的风险和表现。2.2 投资约束接下来，我们分析了投资约束对多因子指数的表现和特征的影响。我们研究了 4个多 因子指数，在这些指数中，我
39、们施加不同的可投资约束，同时保存所有其他限制和参数不 变。具体如下：1 “大容量K仿真设置：最大指数纳入因子二5x ,最大股票权重二1% ,年度单边换手 二20耻DMF指数，设置为：最大纳入因子二10x ,最大股票权重二2% ,年度单边换手二40% ；2 ”低容量K设置为:最大纳入因子二20x ,最大股票权重二笔,年度单边换手二溺无限制即我们不施加任何投资或换手约束。图7 :投资约束对多因子指数的影响MSCI WorldHigh CapacityDMFLowCapacityNo ConstraintTotal Return (%)5.49.510.711.410.7Total Risk (%)
40、15.215.115.415.615.8Return/Risk0.350.630.700.730.67Sharpe Ratio0.230.500.570.600.55Active Return (%)0.04.25.36.05.3Tracking Error (%)0.03.24.24.88.7Information RatioNaN1.291.261.250.61Historical Beta1.000.970.980.980.88No of Stocks163166741824731Turnover (%)3.020.040.072.3121.0Price To Book2.22.01.8
41、1.71.3Price to Earnings18.415.314.313.411.3Dividend Yield (%)2.32.32.32.32.5Value-0.250.380.510.91Quality0.430.530.610.87Momentum-0.170.230.280.25Size-0.62-0.85-1.00-1.56MSCI WorldHigh CapacityDMFLowCapacityNo ConstraintTotal Return (%)5.49.510.711.410.7Total Risk (%)15.215.115.415.615.8Return/Risk0
42、.350.630.700.730.67Sharpe Ratio0.230.500.570.600.55Active Return (%)0.04.25.36.05.3Tracking Error (%)0.03.24.24.88.7Information RatioNaN1.291.261.250.61Historical Beta1.000.970.980.980.88No of Stocks163166741824731Turnover (%)3.020.040.072.3121.0Price To Book2.22.01.81.71.3Price to Earnings18.415.31
43、4.313.411.3Dividend Yield (%)2.32.32.32.32.5Value-0.250.380.510.91Quality0.430.530.610.87Momentum-0.170.230.280.25Size-0.62-0.85-1.00-1.56Gross returns annualized in USD from BO-Nov-1999 to 31Jan*201fi资料来源：MSCI ,天风证券研究所上表显示，正如预期，当我们加大投资约束时，性能和对目标因子的主动暴露恶化， 而当我们放松这些约束时那么有所改善，高容量指数的夏普比率为0.50,DMF的夏普比率为
44、 0.57，低容量指数为0.60o没有约束，夏普比率下降到0.55oMSCI DMF指数的可投资性约束旨在将可投资性与可接受的集中度、容量、流动性和 换手率特征结合起来，而不会过多地牺牲目标因子暴露度（以及历史表现）。2.4 目标风险我们现在评估了综合风险对多因子指数的表现和特征的影响，将风险目标分为9项低 风险目标）、lOO,DMF）和110（需风险目标）的指数风险。图8 :投资组合目标风险对多因子指数的影响Gross returns annualized in USD from 3O-Nov-1999 to 31-Jan2018MSCIWorldLow Risk TargetDMFHigh Risk TargetMSCIWorldLow Risk TargetDMFHigh Risk TargetTotal Return (%)5.410.610.710.9Tot