另类风险溢价：AQR 的非相关收益蓝图

股票风险溢价并不是市场里唯一的系统性收益来源。AQR、Man Group 和 PIMCO 花了 30 年时间记录另外六种"另类风险溢价"：它们持续存在、在经济逻辑上说得通，而且——最关键的——与股票基本不相关。把这六种合在一起，年化收益 6-9%，与 S&P 500 的相关性只有 0.1-0.3。这才是真正的分散，而不是危机时跟着股票一起跌的债券那种假分散。

内容速览

什么是另类风险溢价？

• 系统化、按规则执行的策略，收割市场贝塔之外那些被充分记录的收益溢价
• 和阿尔法（靠技艺）不同，ARP 是系统化的：只要有对的规则，谁都能拿到
• 关键词是"风险溢价"：你拿到钱，是因为你承担了某种特定风险（行为的、流动性的、复杂度的）
• 区别性特征：与传统 60/40 组合的相关性极低甚至为零

六大另类风险溢价：

• 1. 价值： 长期看，便宜的资产跑赢贵的资产（Fama-French 1992）
• 2. 动量： 近期表现好的会继续表现好（Jegadeesh & Titman 1993）
• 3. 套息： 高收益率资产跑赢低收益率资产（Asness et al. 2013）
• 4. 质量： 盈利稳健的公司跑赢垃圾公司（Novy-Marx 2013）
• 5. 低波动： 低风险股票跑赢高风险股票（Frazzini & Pedersen 2014）
• 6. 事件驱动： 公司事件（并购、分拆）制造出可预测的错误定价

第 1 部分：六种溢价逐个讲清楚

溢价 1：价值 —— 便宜的赢过贵的

定义： 做多便宜的资产（低 P/B、P/E、EV/EBITDA），做空贵的资产。股票、债券、汇率、商品都能用。

为什么它能持续存在：

• 行为层面：投资者把近期趋势外推（乐观情绪把成长股撑在高位）
• 机构层面：职业风险让基金经理躲开便宜、不受待见的股票
• 基本面层面：均值回归——公司撑不住无限期的极端估值

业绩数据（1963-2024，Fama-French HML 因子）：

• 年化溢价：比成长股高 3.5%
• 夏普比率：0.38
• 与 S&P 500 的相关性：-0.08（接近于零）
• 适用范围：股票（美国、国际、新兴市场）、汇率（基于购买力平价）、债券（实际收益率利差）、商品（相对便宜程度）

AQR 的做法： 在每个行业内买最便宜的那五分之一、对冲掉最贵的那五分之一。做行业中性，避免"价值等于买能源股"这个错误。每月再平衡。

溢价 2：动量 —— 赢家继续赢

定义： 做多 12-1 个月收益强的资产，做空 12-1 个月收益弱的资产。（12-1 指从 12 个月前算到 1 个月前，跳过最近一个月是为了避开短期反转。）

为什么它能持续存在：

• 反应不足：投资者对新信息的定价很慢（盈利意外的影响会延续）
• 趋势跟踪：趋势一旦形成，机构资金流会把它放大
• 羊群效应：分析师朝同一个方向调整预测，制造出持续的动量

业绩数据（1927-2024，Fama-French UMD 因子）：

• 年化溢价：比输家高 7.6%
• 夏普比率：0.53
• 与 S&P 500 的相关性：-0.02
• 适用范围：股票、汇率、商品、固定收益、跨资产
• 警告："动量崩塌"——在急速反弹里（2009 年、2020 年 4 月），动量会剧烈反转（几周内跌 40%）

溢价 3：套息 —— 高收益率赢过低收益率

定义： 做多高收益率资产，做空低收益率资产。溢价就是收益率之差——你赚的是持仓的"套息"。

在各类资产上的表现形式：

套息为什么能持续存在： 这是对崩盘风险的补偿。全球风险偏好崩溃的时候（2008 年、2020 年），高收益率资产往往会暴跌。投资者要求一份持续的溢价才肯持有它们。

溢价 4：质量 —— 盈利的公司跑赢垃圾公司

定义： 做多毛利率高、资产负债表稳健、盈利稳定的公司。做空"垃圾"公司：高杠杆、盈利波动大、盈利能力差。

为什么它能持续存在：

• 投资者为彩票型股票出价过高（高贝塔、投机性强、不赚钱）
• 受杠杆约束的机构没法给安全资产加杠杆 → 低波动异象由此产生
• 会计的复杂度让质量很难被快速评估

业绩数据（1963-2024，Novy-Marx 毛利率因子）：

• 年化溢价：比低质量股票高 3.2%
• 夏普比率：0.45
• 与 S&P 500 的相关性：+0.08（基本上仍然不相关）
• 特殊性质：价值表现差的时候，质量往往表现好（两者天然互为对冲）

溢价 5：低波动 —— 低风险异象

定义： 低波动、低贝塔的股票跑赢高波动、高贝塔的股票——和 CAPM 预测的正好相反。

这是最反直觉的一种溢价： 按 CAPM，风险越高收益就该越高。但实证结果是，波动率最低的那五分之一每年比波动率最高的那五分之一多赚 2-4%。

为什么它能持续存在：

• 想要更高收益又不能加杠杆的投资者只好去买高贝塔股票（把它们买贵了）
• 受基准约束的基金经理（拿的是跟踪指数的授权）没法通过做空指数来降低贝塔
• 彩票偏好：散户就爱高波动股票，比如 meme 股和生物科技股（出价过高）

可用的 ETF：USMV（iShares Minimum Volatility）、SPLV（Invesco）、SPHD（Invesco High Dividend Low Volatility）

溢价 6：事件驱动

定义： 系统化地利用公司事件制造的可预测错误定价：并购、分拆、指数纳入与剔除、财报发布。

例子：

• 并购套利： 公告之后，标的股价会比收购价低 1-2%。系统性风险是交易告吹。预期收益：年化 3-5%（AQR 的并购套利研究）
• 纳入指数： 被纳入 S&P 500 的股票在正式纳入前会涨 3-5%（指数基金被迫买入）。系统化做法：在正式公告日之前买进，然后卖给指数基金。
• 分拆后的超额收益： 刚分拆出来的公司头 2 年会多赚 15-20%（分拆当日机构的抛压制造出买入机会）

第 2 部分：相关性矩阵 —— ARP 为什么能分散风险

ARP 与传统资产的相关性（1990-2024）

分散效果算给你看：在 60/40 组合里加入 15% 的 ARP

• 60/40 组合夏普：0.45
• ARP 组合夏普：0.68
• 两者相关性：0.14
• 合并后（85% 的 60/40 + 15% 的 ARP）夏普：0.54 （提升 0.09）
• 对一个 100 万美元的组合来说：夏普提升 0.09，折算下来大约相当于每年多出 9,000-12,000 美元的风险调整后收益

第 3 部分：怎么买到另类风险溢价

方案 1：AQR 的基金（机构级品质，散户也买得到）

QSPRX（AQR Style Premia Alternative Fund）：

• 在 4 类资产（股票、债券、汇率、商品）上同时获取全部 6 种主要 ARP
• 多空：真正的市场中性，不只是纯多头的倾斜
• 起投门槛：1,000 美元（零售份额 QSPIX）、500 万美元（机构份额 QSPRX）
• 费率：1.23%（零售份额）—— 是不低，但换来的是真正的另类敞口
• 购买渠道：Schwab、Fidelity（免交易费）
• 业绩（2013-2024）：年化 +4.2%，与 S&P 500 相关性 0.12

AQR 在 2018-2020 年为什么跑输：

• 价值因子经历了史上最差的十年（科技成长股一枝独秀）
• AQR 那些偏重价值的 ARP 策略经历了持续数年的回撤
• 2022 年翻身：价值、动量、套息同时奏效，收益 +17%
• 教训：ARP 需要 5-10 年的耐心持有期。它不是一笔短线交易。

方案 2：因子 ETF（纯多头 ARP，人人可买）

真正的多空 ARP 需要杠杆和做空。但纯多头的因子 ETF 不用做空，也能吃到多头这一条腿：

纯多头 ARP 的局限：

• 与市场的相关性更高（约 0.6-0.8，多空版本只有 0.1-0.2）
• 仍然能拿到因子溢价，但被市场贝塔稀释了
• 比完全没有因子敞口强；但替代不了真正的 ARP

方案 3：自己动手搭多空因子组合

资金在 50 万美元以上的成熟投资者，可以自己搭一个多空股票因子组合：

import pandas as pd
import numpy as np
import yfinance as yf

def compute_factor_scores(tickers, start='2023-01-01'):
    """
    为一个股票池计算价值、动量和质量得分。
    得分高 = 做多候选。得分低 = 做空候选。
    """
    scores = {}

    for ticker in tickers:
        try:
            stock = yf.Ticker(ticker)
            info = stock.info
            hist = stock.history(period='13mo')

            # 动量得分（12-1 个月收益）
            if len(hist) >= 250:
                ret_12_1 = (hist['Close'].iloc[-22] / hist['Close'].iloc[-252]) - 1
            else:
                ret_12_1 = 0

            # 价值得分（P/E 倒数、P/B 倒数 —— 倍数越低，价值得分越高）
            pe = info.get('trailingPE', 25)
            pb = info.get('priceToBook', 3)
            value_score = (1/max(pe, 5)) + (1/max(pb, 0.5))

            # 质量得分（净资产收益率、毛利率）
            roe = info.get('returnOnEquity', 0.10) or 0.10
            gross_margin = info.get('grossMargins', 0.30) or 0.30
            quality_score = roe * 0.5 + gross_margin * 0.5

            # 综合得分（各因子等权）
            scores[ticker] = {
                'momentum': ret_12_1,
                'value': value_score,
                'quality': quality_score,
                'composite': ret_12_1 * 0.33 + value_score * 0.33 + quality_score * 0.34
            }
        except:
            continue

    return pd.DataFrame(scores).T.sort_values('composite', ascending=False)

# 示例：给 S&P 500 大盘股打分
universe = ['AAPL', 'MSFT', 'AMZN', 'GOOGL', 'META', 'BRK-B', 'JPM', 'JNJ',
            'XOM', 'UNH', 'V', 'WMT', 'CVX', 'PG', 'HD', 'MA', 'MRK', 'ABBV',
            'PFE', 'BAC', 'KO', 'LLY', 'COST', 'PEP', 'AVGO', 'TMO', 'CSCO']

scores = compute_factor_scores(universe)

print("TOP 5 (LONG):")
print(scores.head(5)[['momentum', 'value', 'quality', 'composite']])
print("\nBOTTOM 5 (SHORT candidates):")
print(scores.tail(5)[['momentum', 'value', 'quality', 'composite']])

# 组合构建：做多得分最高的五分之一，做空得分最低的五分之一
n = len(scores)
longs = scores.head(n//5).index.tolist()
shorts = scores.tail(n//5).index.tolist()
print(f"\nLONG {len(longs)} stocks, SHORT {len(shorts)} stocks")
print(f"Market-neutral: dollar-neutral portfolio")
                    

第 4 部分：市场危机中的表现

ARP 在历次回撤中的表现

规律：ARP 在趋势清晰的长期熊市里表现最好（2008 年、2022 年）。在急剧的突发反转里表现最差（2009 年 4 月、2020 年 11 月）。

2022 年这个结果对 FIRE 投资者格外重要：60/40 组合过了 40 年来最差的一年（-16%），而分散化的 ARP 组合收益是 +17%。这中间差了 33 个百分点——在你最需要的时候，这才叫真正的分散。

第 5 部分：搭建你的 ARP 配置

机构组合的模板

大型捐赠基金（Yale、Harvard）和主权财富基金通常会把 10-20% 配置到另类风险溢价上。换成 FIRE 投资者，大致是这样：

分散效果最好的因子 ETF 组合

AQR 和 Research Affiliates 的研究都表明，把不相关的因子组合起来，风险调整后的结果最好：

最优的 4 因子 ETF 组合（有证据支持）：

• 25% AVUV（Avantis Small Value —— 价值 + 规模）
• 25% MTUM（iShares Momentum）
• 25% QUAL（iShares Quality）
• 25% USMV（iShares Minimum Volatility）

这样搭为什么有效：

• 价值和动量是负相关的（−0.3）：一个落后的时候，另一个在领先
• 质量和低波动是正相关的（+0.4）：两者合起来提供防御锚
• 合起来的组合比任何单一因子都更分散
• 2005-2024 年回测：收益 9.8%，波动率 12.1%，夏普 0.61；同期 VTI 收益 10.2%，波动率 17.8%，夏普 0.47

收益少一点，但风险调整后的表现明显更好，回撤也更小。

第 6 部分：投资 ARP 时最常见的错误

错误 1：太早放弃

ARP 策略可能连续 3-5 年跑输。AQR 的价值策略从 2017 年一直跑输到 2021 年。2020 年离场的投资者，错过了 2022 年那波印证整个框架的翻身行情。

规矩：除非你能承诺至少持有 7-10 年，否则别配置 ARP。 如果你会在一段 3 年的回撤里恐慌抛售，那这个策略不适合你。

错误 2：把因子敞口当成了 ARP

买 AVUV（小盘价值 ETF）给你的是价值因子敞口，不是真正的 ARP。真正的 ARP 是市场中性的（同时做多和做空）。AVUV 的市场贝塔有 +0.85。熊市里 AVUV 会跌，真正的多空 ARP 不一定会。

错误 3：付太多费用

有些"另类"基金收 2% 以上的管理费外加 20% 的业绩报酬，可干的本质上就是一套按规则执行的系统化策略。AQR 的 1.23% 已经算贵了。系统化 ARP 上凡是超过 1.5% 的，都别碰。

结语：补全组合的那块拼图

另类风险溢价不是用来替代传统资产的——它们是把组合补全。60/40 组合本质上是押注一个因子：股票风险溢价。碰上股票的坏年份（2008 年、2022 年），它就难受。ARP 提供的是跨越正交风险来源的真正分散。

10-15% 的 ARP 配置目标： 大到能真的影响组合结果，又小到 ARP 表现糟糕的年份不至于把你的退休计划搞砸。机构捐赠基金就是这么干的——这也是为什么 Harvard 的捐赠基金 40 年来能做到年化 8-9%，波动率还明显低于一个简单的股票组合。

延伸阅读

基础研究：

• Asness, C. et al.（2013）：《Value and Momentum Everywhere》——Journal of Finance
• Ilmanen, A.（2011）：《Expected Returns》——Wiley（最全面的 ARP 圣经）
• Frazzini, A. & Pedersen, L.（2014）：《Betting Against Beta》——Journal of Financial Economics

相关文章：

• 因子倾斜策略
• 跨资产类别的 Carry 策略
• 管理期货（趋势跟踪型 ARP）
• 层级风险平价（在 ARP 之间做最优权重）