作者：刀疤連
來源：Chihiro Quantitative Research（ID：Chihiro-Research）
1
價值因子已死？
1.1、薛丁格的貓
奧利地著名物理學家薛丁格提出過一個有趣思想實驗。將一隻貓關在裝有少量鐳和氰化物的密閉容器裡，由於鐳的衰變具有不確定性，如果發生了衰變，會觸發機關打碎裝有氰化物的瓶子，貓咪就會命喪黃泉；如果鐳沒有發生衰變，那麼貓咪就會安然無恙。根據量子力學理論，由於放射性的鐳處於衰變和沒有衰變兩種狀態的疊加，貓就理應處於死貓和活貓的疊加狀態。這隻既死又活的貓就是所謂的「薛丁格的貓」。
當前美股市場的價值因子[1]，就是一隻薛丁格的貓。
1.2、糟糕表現
價值因子是因子投資的老隊員，早在上世紀70年代和80年代，就有研究發現估值指標能夠預測股票未來收益，Basu(1997)發現pe[2] 和股票未來收益有關，Rosenberg et al.(1985)發現使用 pb選股能帶來超額收益。最廣為人知當屬Fama and French(1992, 1993)，他們發現pe、pb和股息率在橫截面上均具有解釋能力，其中pb包含的信息最多，在此基礎上將HML加入到定價模型，提出了經典的Fama-French三因子模型，風靡了幾十年至今也沒有過時。不僅如此，價值因子像幽靈一樣無處不在，Asness et al.(2013)在多個資產類型中，均發現估值指標具有較好的效果，能獲得正的超額收益和較高的夏普比率。
圖1展示了美股價值因子2000以來的走勢。可以看到，從2006年底開始，價值因子表現有點力不從心，呈現緩慢下跌態勢，截止到2020年一季度，回撤已經超過13年；今年以來的新冠病毒疫情，更是讓其雪上加霜，致使最大回撤超過了50%。
圖1 HML表現
數據來源：Kenneth French網站
圖2展示了規模最大的5個價值類ETF和成長類ETF[3] 2013年來的走勢。可以看到，價值類ETF大幅跑輸標普500指數，尤其是2020年以來幾近崩潰；相反，成長類ETF幾乎都能跑贏標普500指數，風光一時賺足了眼球。
圖2 價值和成長ETF
數據來源：wind
由於價值因子持續的萎靡，關於價值因子是否死的討論越來越多，觀點也分為兩派：幸災樂禍派和憂心愁愁派。前者可能避免了低估值股票的低迷，甚至搭上了科技股的快車，認為價值因子這麼多年連指數都沒有跑贏，價值因子已經過時了。尤其是不明真相的媒體，最喜歡用誇張的標題，報導價值投資已死。另一派別是因子投資的信徒，一直堅定不移地踐行價值投資，面對持續萎靡不振，一方面憂心愁愁忍受來自客戶的壓力，另一方面不得不反思到底哪裡出錯了。
2
可能的原因？
看熱鬧不嫌事大，反思才能進步。關於價值因子為什麼如此凌亂不堪，目前業界和學界給出了各種各樣的解釋。每一種解釋看起來都有幾分道理，但總能夠找出其中的破綻，沒有一種解釋能夠完全讓人心悅誠服。這也不奇怪，科學的研究方法是證偽，只有深入的研究才能增加信仰。
深入來看，對於價值因子的失效，大致存在9個解釋，包括邏輯被破壞、因子過度擁擠、忽略無形資產、科技產業的興起、大盤股在作妖、低利率環境、回購帶來的扭曲、私有化減少了價值股和不用找理由等，下面進行具體闡述。
2.1、邏輯被破壞
在評判一個因子時，最重要的標準就是存在邏輯性。如果沒有底層邏輯，純粹是數據擬合而來，樣本內結果好得不得了，樣本外立刻死翹翹。價值因子在不同國家和不同資產長期有效，表明價值因子不太可能是數據擬合的產物。
所有異象在解釋價值因子的收益來源時，一般都會從兩個角度入手：風險溢價和錯誤定價，價值因子也不例外。從風險的角度講，Fama and French(1992, 1993) 認為價值因子的有效是因為承擔了某種風險（如財務困境）的補償；從錯誤定價的角度來看，Lakonishok et al.(1994) 則認為，由於投資者過度追求成長股，導致價值股被低估成長股被高估。
那麼，就算是價值因子邏輯性很強，不排除它會一直很強，畢竟世界是變化的。如果發生了某種結構性變化，支撐邏輯發生了根本性改變，以前說服力很強的解釋現在說不通了，價值因子也就失效了。Israel et al.(2020) 對此進行了反駁，雖然錯誤定價可以通過套利減緩甚至消除，但是風險溢價將會長期存在。因此，投資邏輯其實沒變，價值因子表現失利可能另有別因。
2.1、知道的人多
如果一個策略知道的人多了，是不是就容易失效？這個問題的經典回答當屬McLean and Pontiff(2016)。如果一個異象的來源是投資者的行為偏差，那麼聰明的投資者就會積極地利用這種錯誤定價，只要套利限制不是很大就有利可圖，直到異象消失。McLean and Pontiff(2016)研究了97個因子，發現相比於發表前，因子的發表會導致收益下降32%。
因此，價值因子失效的可能原因是，由於價值因子在學術上和實踐上，均獲得了巨大成功，吸引了大量資金湧入，造成其過度擁擠，從而推高了價值股使得其變得昂貴。如果這一推斷成立，那麼價值因子未來的表現依然不容樂觀。
Arnott et al.(2020) 發現事實並非如此，低估值沒有被資金推高，反而高估值股票變得越來越貴。Israel et al.(2020) 的分析更加詳實，如果資金湧入負主要責任，那麼勢必會使得估值價差[4]縮小，即低估值更加貴高估值更加便宜。實際情況卻相反，如圖3所示，估值價差近年來呈擴大走勢，低估值的股票相對高估值的股票越來越便宜，資金並沒有追逐低估值股票，而是追逐了高估值的股票。上面的反駁還不過癮，最後還補了一刀，之前有研究（Green et al, 2011）認為應計異象消失了，原因也是知道的人多了；之後的故事卻反轉了，應計異象2010年代表現還不錯，真是殺人又誅心。
圖3 價值因子的value spread
圖片來源：Asness(2020)
關於價值因子是否真的便宜，Lev and Srivastava(2019)有不同的看法。首先，低估值組合和高估值組合PB中位數之差並未處於歷史極端水平，沒有證據表明高估值股票貴的離譜、低估值股票便宜得不行；其次，只要低估值股票基本面有改善，或者高估值股票基本面惡化，都可能導致價值因子起死回生，但短期看不到這樣的跡象。
2.3、無形資產
Lev and Srivastava(2019)認為，以pb為基礎的價值因子之所以表現不好，是因為新經濟時代保守的會計準則存在缺陷。
1990年之前，經濟結構還比較傳統，公司投資主要集中在有形資產，即土地、廠房和設備等，在會計處理上也以資本化處理為主，因此淨資產相對來說能度量公司的內在價值。1990年以來，越來越多的新興產業產生，不同於傳統行業，這些新興公司在研發、廣告、軟體、商標和人力資源等方向進行了大量投入，根據保守的會計處理原則，這些投入大多進行了費用化處理，問題就出在這個地方。
這些無形資產投資大行其道，不僅僅影響當前的營收、利潤和現金流，和公司未來的發展也緊密相連。以醫藥行業的研發為例，在產品成功面世之前，需要長期持續不斷的投入，這些都不能產生當期的利潤；但是將時間拉長了看，那些研發管線豐富，研究投入較多的公司，能夠為未來的爆發打好基礎。因此，和未來利潤增長有關的無形資產投入，也可以看做是淨資產的一部分；將所有無形資產的投入進行費用化處理並不恰當，過於保守導致淨利潤和淨資產被低估，從而pb和pe被高估。
為了應對會計準則的缺陷，Lev and Srivastava(2019)對已有的pb指標進行了改進，對所有公司的全部研發開支和一部分銷售管理費用作了資本化處理[5]。結果表明，使用調整後的pb，在最近幾年使大約40%-60%股票分組發生了變化；在1970年到2018年的大多數年份，調整後pb表現更好，能實現更高的多空收益率；在90年代，原始pb表現相當差勁，低估值股票最終跑輸了高估值股票，但是調整後的pb改善明顯，低估值股票大幅跑贏高估值；即使在最近10年，調整後的pb多空收益也依然有效，只是改善程度不是很驚豔。這些結果表明，考慮了無形資產後的pb，能有效改善原始指標的效果。
除了Lev and Srivastava(2019)之外，Park(2019)、Liu et al.(2019)、Amenc et al.(2020)以及Arnott et al.(2020)也討論了無形資產對pb的改進。基本結論都一樣，如圖4所示，無形資產調整的pb能在一定程度上改進原始pb的效果，遺憾的是並不完美，不能完全解決過去10-12年價值因子的困窘。
圖4 傳統HML和無形資產調整HML
圖片來源：Arnott et al.(2020)
Israel et al.(2020)不是很認可上述改進，原因有三。第一，早在1970年代，當研發投入可以被費用化，就有類似的批評出現，但之後pb依然長期表現卓越。第二，假如原始pb存在這一問題，那麼通過行業中性化在一定程度上可以降低甚至消除這一問題，因為不同行業的無形資產投入相似。然而考慮行業無形資產差異性後的pb，並沒有帶來明顯的提升，因此無形資產的批評並不合理。最後，使用Credit Suisse HOLT的調整CF/EV數據，也沒有看到它和其他普通的估值指標有啥區別，表明無形資產角度難以解釋和改善傳統的估值指標。
2.4、新經濟時代
過去20年，以FANMAG為代表的高新科技公司成長壯大，取得了巨大的成功，同時對傳統的實體經濟帶來了較大的衝擊，圖5對比了標普500指數和FANMAG走勢。截止到2020年3月末，FANMAG總市值達到4.59萬億美元[6]。在技術革命的存在下，新技術領袖可以獲得巨大的壟斷利潤，而傳統的實體價值公司則被扼殺在無關緊要的境地。因此，從表象來看，價值因子表現萎靡，是由於傳統行業拖後腿、科技行業大爆發引起的。
圖5 標普500指數和FANMAG
Brown(2020)分析了2019年和2020年初為什麼價值指數STOXX USA 900 Ax Value跑輸基準，從持倉的角度來看，主要是超配了傳統行業股票（如福特、飛利浦和通用汽車），低配了科技股（如蘋果、亞馬遜、微軟）。
MSCI的Rao and Gupta(2019)也寫了一篇博客文章，主要解釋了為什麼美國價值指數跑輸了市場寬基指數。由於價值指數低配了科技行業，而科技行業是近年來表現最為亮眼的行業，因此明顯跑輸了寬基指數。進一步分析可知，科技行業在盈利因子和成長因子上有明顯的暴露，表明這類公司增長強勁並且盈利能力較強；相反，在bp和ep等價值因子上暴露為負，表明這些公司估值往往較高。按照構建規則，價值指數會超配低pb和pe的公司，低配高pb和pe的公司，這拖累了價值指數的業績。
為什麼傳統行業和新興行業表現差異這麼大，Lev and Srivastava(2019)給出了更加深入的分析。
首先，2008年國際金融危機對銀行、零售、保險、批發和公用事業造成了長久影響，這些行業構成了50%~60%的大盤價值股。在銀行貸款長期收縮和消費者需求下降的共同作用下，低估值公司業績和估值提升壓力較大，長期保持在低估值水平，直接導致了低估值策略的失效。
其次，2008金融危機後，以商業服務(主要是軟體)、製藥(包括生物技術)和電子為代表的新興科技產業，擁有豐富的專利積累和強大的品牌保護，保證了持續穩定的盈利和增長。較高的進入壁壘讓這些公司長期維持在高估值水平，因此，賣空這些股票進一步拉了價值因子的後腿。
總結上面低估值股票的困窘和高估值股票的風光，就刻畫出了價值因2007年以來失敗的原因。大多數低估值因子集中在傳統行業，深受金融危機的泥潭，要想走出低估值困境，需要大量的無形資產投入或者重構商業模式，在融資困難和需求下降的打擊下，心有餘而力不足。相比之下，高估值股票更多是新興產業，商業模型更多地依賴於無形資產，這種模式能夠使企業長久經營並獲得高收益。因此，在2007年開始，通過做多低估值做空高估值，兩邊被打臉。
2.5、大盤股作怪
簡單回顧一下，Fama and French(1993)在構建HML時，給與大盤股和小盤股同樣的權重，即超配了小盤股，這為價值因子失效提供了另一個解釋。已有的研究表明，pb指標在大盤股中效果會被打折扣，如表1所示，在小盤股中價值因子市場調整年均收益率5.5%，而在大盤股中為1.7%，因此價值因子失效可能是大盤股作怪導致的。
表1 大盤股HML和小盤股HML
圖片來源：Asness et al.(2015)
Israel et al.(2020)也坦率地承認，pb在大市值股票中確實表現不盡人意，但這只是大象的一面，因為這些研究清一色的使用了pb作為價值因子指標。一般來說，大市值的公司更加成熟，盈利穩定，現金流充沛，用pe和pcf估值更加合理；相反，pb更加適用於盈利增長預期較高且增長具有較大不確定性的股票，這類公司往往也是小盤股。因此，在實際衡量估值的相對高低時，使用pb、pe和pcf等多個指標構建綜合估值因子，能夠儘量規避單一指標的缺陷，有助於提升估值指標的表現。
Miller(2019)的分析更進了一步。pb指標衡量估值水平高低存在諸多缺陷，其中一個重要的點就是不適合在大盤股中。由於pe在大盤股和小盤股中沒有什麼差異，因此是pb的一個較好補充。測試結果表明，雖然pe最近10年比pb表現更好，但基於pe構造的價值因子依然沒有走出價值泥沼，因此大盤股作怪這個解釋說不過去。
2.6、低利率環境
由於2010年代低利率環境，不禁讓人遐想，價值因子失效的原始難道不成是低利率。這一想法並不是沒有依據，以往的研究表明利率和價值因子存在關聯。首先，價值股久期較短，成長股久期較長，這樣long/short策略久期為負，那麼當利率下行時，不利於價值因子的表現。其次，價值股對短期利率比較敏感，因為價值股的短期債務較多；成長股對長期利率比較敏感，因為成長股的長期債務較多。因此收益率曲線變得更平時，有利於成長股不利於價值股。
Maloney and Moskowitz(2020)對上面的猜想進行了詳實的分析，見表2。首先，從理論上進行推導，發現價值因子和利率之間的關係比較複雜，並沒有一個清晰的關係。其次，檢驗價值因子和同期（以及滯後期）利率變量之間的關聯，發現兩者之間的關係非常脆弱和不穩定，不同的利率變量、不同的估值指標、不同的樣本區間以及不同的市場會得出不一樣的結果。因此，從低利率環境角度解釋價值因子失效，並沒有強有力的證據。
表2 價值因子和利率變量
數據來源：Maloney and Moskowitz(2020)
2.7、大規模回購
增發和回購是改變總股本的常見方式，有一種觀點認為，近年來持續不斷的回購是價值因子失效的重要原因，這一觀點的代表是Meredith(2016)和Fairchild(2018)。
一方面，很多公司通過發債的方式進行回購，導致淨資產為負，典型的如星巴克和麥當勞。按照傳統的投資流程，淨資產為負的股票會被納入黑名單，在組合構建的第一步就會被剔除。根據Fairchild(2018)的統計，從1993年到2017年，帳面價值為負值的公司有57%的表現優於大盤，因此回購導致淨資產為負，會導致投資範圍錯失掉一波優秀的公司。另一方面，就算淨資產不為負，大規模回購也會降低淨資產，導致pb指標的含義被扭曲，把一些優秀的公司被錯誤地劃分為高估值股票。
雖然上面的觀點看起來有幾分道理，但Israel et al.(2020)覺得壓根兒站不住腳。首先，淨資產為負的股票畢竟是少數，大約佔比2%，不足以影響整個價值因子的表現。其次，將股票分為高回購和低回購兩組，如表3所示，並沒發現pb在高回購組表現更差。因此得出結論，大規模回購不應該背鍋。
表3 價值因子和回購分組
圖片來源：Israel et al.(2020)
2.8、公司私有化
這一觀點出現在Arnott et al.(2020)，邏輯是這樣的，投資者買入嚴重被低估的公司，然後進行私有化退市，這樣就減少了價值股數量和機會。Arnott et al.(2020)覺得這個推斷壓根兒沒有道理，在退市之前，私有化的買入會推高股票價格，其實有利於價值股的表現，因此這一觀點說服力很低。
2.9、太正常不過
最後一種解釋比較淡然，認為目前價值因子回撤再正常不過，在以前又不是沒有發生過，在歷史的洪流中不屬於例外，只是持續時間長了一點而已，不必驚慌也不要緊張。
Swedroe(2018)認為，雖然價值因子已經失效了10年，其基本邏輯並沒有發生改。唯一的解釋就是，在歷史的長河中，10年並不算長，持續這麼久是隨機事件，一切都是運氣不好，只要耐心等待終究會收穫價值風險溢價。正如巴菲特老人家所言，成功的投資需要的不是智力而是耐心[7]。
Israel et al.(2020)在分析並反駁了幾個常見的解釋之後，得出如下結論。價值因子有效的前提是價格和基本面匹配，兩者不可能出現長期的偏離。當價格相對基本面過低或者過高，則會出現均值回歸，這就是價值因子的運行機理。通過將收益進行分解，可以發現最近幾年價格和基本面關聯在變弱，價格並沒有完全反映基本面，這也是最近幾年價值因子表現不好的原因。不過這屬於正常現象，並不是最近幾年特有的，以前也出現過，例如2000年左右網際網路泡沫時期，以後也還是會發生。也就是說，價值因子最近些年表現不好是周期性現象，任何因子都不是一直有效，只要邏輯沒有發生根本性改變，長期持有並堅持即可。
Meredith(2019)則從科技革命的歷史視角，剖析了為什麼價值因子會階段性失效。大多數人關注的歷史太短，導致簡單地得出價值已死的結論。如果將歷史拉長，可以看到1926年至1941年也出現了類似的情況，價值股持續跑輸成長股。不同的是，1926年這一次價值股主要是公共事業股和鐵路，成長股主要是製造業（例如通用汽車和通用電氣等）；2007年來這一次價值股主要是金融和公共事業，成長股主要是科技行業股票。從歷史上來看，科技創新革命一般分為兩個階段：初始準備期和高速發展期，前者為新技術的萌芽、產生和初步應用階段，後者為大規模應用的爆發階段。兩者的轉折點，就是價值因子持續失效的時候，成長股持續佔優，直到進入下一階段。
3
有哪些啟示
資本市場只要出現高關注度的漲跌，就會有不同的聲音進行解釋。上面匯總了9個觀點，用來解釋為什麼價值因子近年來表現持續差勁，有的觀點比較淡然，有的觀點比較隱憂，有的讓人無法反駁，也有的明顯沒有道理。儘管存在多種想法和實證，但還是找不到一個完全心悅誠服的答案。
本文的目的也不是為了獲得某個確定的結論，金融市場的特性就是充滿了不確定性。如圖6所示，在A股市場，自從2017年低估值股票風光了一把後，2019年開始就陷入了無盡的悽涼；相反，成長股這幾年始終保持著進攻性，在賺錢的路上勇往直前。雖然不清楚A股風格確切的走向，但是通過美股的梳理，確實也能獲得一些「重要性的感受」。
圖6 中證800價值指數和成長指數累計超額收益
數據來源：wind
3.1、歷史是一面鏡子
以銅為鑑，可以正衣冠；以人為鑑，可以明得失；以史為鑑，可以知興替。金融分析師在大坦闊論時，最常用的方法之一就是在歷史上找到相似的情形。基本假設就是，歷史會重複發生，通過分析歷史上類似事件的前因後果，可以用來推斷未來的演繹方向。
從價值因子的歷史長河中，興許能得到一些啟發。Fama and French(1993)的數據集從1926年開始，這也是大多數價值因子研究的起點；有很多看得更短的，只看最近20年。Samonov(2020)將數據進行了拓展，構建了一個具有200年歷史的價值因子。為了構建這個長期價值因子，用了三段數據集，起始日為1826年，結束日為2020年。多頭和空頭超額收益見圖7，多空組合見圖8，價值因子回撤見圖9。
圖7 長期價值因子多頭和空頭超額收益
圖片來源：Samonov(2020)
圖8 長期價值因子
圖片來源：Samonov(2020)
圖9 長期價值因子回撤
圖片來源：Samonov(2020)
基於上述數據，Samonov(2020)得到了5個結論，非常值得借鑑。第一，2020年價值因子最大回撤達到-59%，這在200年的數據中出現了至少4次，屬於少見但確實存在的現象。第二，如果沒有漫長歷史的幫助，在當前的下跌之前，投資者可能會把價值投資誤認為是安全的。也就是說，較短的歷史數據容易給人錯誤的判斷，較長的數據讓歷史更加清晰完整。第三，1940年至2006年是價值因子表現最為順暢的區間，成就了巴菲特在內的大量價值投資大師，但從2006年開始，噩夢就開始了，巴菲特的表現也開始一蹶不振。第四，所有2332個月中，只有266個月沒有處於回撤之中；但是從累計收益來看，不會在意這些回撤。第五，站在當前，價值投資已經回撤歷史最大水平，如若相信價值因子依然有效，那麼價值因子很快會再次大放光芒。
3.2、擇時沒那麼簡單
大師們常說，投資的訣竅無非6個字「低買高賣」，這個訣竅對於因子投資也一樣。如果具有某種特異功能，在因子爆發之前買入，在因子困境之前逃出，那麼就不會陷入「價值投資已死」的迷思了。這就是擇時的魅力，前赴後繼的研究員為之傾心。理想很豐滿，成為先知幾乎不可能，只能通過各種技術方法儘量逼近完美預測，這些預測技術包括因子動量、因子估值、因子波動、市場狀態和宏觀環境等。
擇時是否有效，目前存在較大爭議，擁泵者認為前途一片光明，反對者認為此路完全不通。以value spread為例，爭論主要分為兩個陣營：以AQR Asness為代表的悲觀派和以Research Affiliate Arnott為代表的樂觀派。前者觀點比較保守，認為因子擇時幾乎是在做無用功，最好的方式還是選擇有效的因子，忽略短期波動堅持長期分散化配置；後者則比較看好value spread，不僅認為其具有預測能力，還通過構造擇時策略說明因子估值擇時確實可行。更多討論，可以見刀疤連(2018)的介紹，非常精彩。
無論樂觀還是悲觀，有一個基本結論是：擇時沒那麼簡單。事實上，早在2019年11月，AQR的Asness(2019)就通過各種版本的value spread分析，認為當時價值因子已經處於極端便宜水平。雖然AQR之前的研究認為因子擇時很難，但Asness還是認為從中長期看，可以適當地超配價值因子了。抄底的後果就是，2020年價值因子進一步崩潰，這也是前段時間被Taleb手撕的地方之一[8]。
3.3、分散是免費午餐
在投資領域，常常聽到的一句話是，投資沒有捷徑，分散才是免費的午餐。在衡量股票的估值水平高低時，人們習慣了用pb或pe，這樣的好處是簡單直接，缺點就是過於依賴於單一指標。改進的方向就是同時考慮多個指標，這些指標既包括同一類型不同計算方式的估值指標，又包括不同類型的風格指標。
不同估值指標關注點存在差異，如pe側重盈利，pb側重淨資產，pcf側重現金流，將這些相似但又各異的指標進行結合，能有效提升價值因子的表現。Rabener(2018)比較了pb、pe、pcf和ev-to-ebit四個指標在美國、歐洲以及日本市場的表現，如圖10所示。結果表明，2000年以來，pb在美國和歐洲表現最差，但在日本表現最好；將四個指標合成一個綜合估值指標，能夠克服單一指標的缺陷，效果往往更好，三個市場均能有效戰勝寬基指數。
圖10 不同估值指標比較
圖片來源：Rabener(2018)
不同類型的因子和價值因子相關性低，典型的如質量和動量，結合在一起能實現一加一大於二的效果。
Kok et al.(2017)發現，基於簡單價值指標識別出的「價值」股可能只是由於會計數字膨脹產生「價值」。這種虛假的價值股，其價值指標也會出現價值回歸，但該現象更多來源於遲滯財務指標的惡化，而不是由價格上升驅動。加入動量指標，能改善價值指標的效果。具體來說，相比於弱動量價值股，強動量價值股財務惡化現象大幅減少甚至消失，此時由價格上升驅動的價值指標回歸佔比擴大。因此，在結合動量指標後，能夠淘汰一些由於對已惡化業務的延遲會計處理而使基礎指標暫時膨脹的股票，從而提升識別出低價股的能力。
除了動量外，公司質量也是價值因子的常見伴侶，刀疤連(2020)對此有詳盡討論。純粹用估值指標選出來的價值股，容易陷入低估值陷阱；引入基本面信息，包括盈利能力、成長能力和財務安全等，能對價值股進行一道過濾，只有基本面好並且估值不貴的公司，才能進入目標組合。刀疤連(2020)利用F-SCORE衡量公司質量，pb衡量估值高低，在A股市場進行了測試，結果如圖11所示。可以看到，基本面最好估值最低的組合，具有絕對優勢，等權重下夏普比率超過0.7，市值加權下夏普比率超過0.6。
圖11 F-SCORE和pb
圖片來源：刀疤連(2020)
3.4、細節和與時俱進
在討論價值因子為什麼失效時，有一個廣為傳播的原因：新經濟規模的壯大導致會計準則無法準確反映淨資產。這也給了我們一個啟發，在計算因子指標的時候，在邏輯合理的情形下，可以對已有指標進行重構。以pb為例，搞事情小組(2019)在A股測試了8個版本的pb指標，如表4所示。可以看到，雖然傳統的pb指標在A股表現尚可，但是考慮了研發費用和廣告支出等無形資產後，pb的信息含量有明顯提升。
表4 8個不同類型的pb
數據來源：搞事情小組(2019)
3.5、唯有時間和信仰
在做因子研究時，時間越長結論越可靠。例如，Ilmanen et al.(2019)將數據長度進行了拓展，在儘量長的樣本裡測試了4個因子（價值、動量、利差和防禦）在6個資產類型中的表現。主要結論有三：因子溢價長期存在；套利活動沒有侵蝕掉因子收益；因子擇時非常困難。既然因子溢價長期存在，策略又不容易失效，擇時又沒有多大用，那麼長期持有不就可以了。要是這麼簡單，就不會有這麼多質疑價值因子的聲音了。
一方面，只要數據可靠易得，研究回溯到一萬年前都沒有問題。投資者的生命有限，耐心更是稀缺，一年就是長久，三年就是一輩子，面對動輒好幾年的低迷，一般人難以不動搖，這是人之常情。
另一方面，投資者會面臨相對偏差（relativism），喜歡和人進行比較。要是都是虧損，虧得比較少就會比較開心；要是都是盈利，獲利少一些就會有些失落。和成長、動量甚至寬基指數相比，持有價值指數的投資者難免有些心塞，時間一久便會心生失落和懷疑。
4
結尾
本文圍繞「價值投資已死」這個話題，回顧了美股市場價值因子歷史表現，梳理了各種各樣的爭論和解釋，由此思考了這些討論帶來的啟發。投資獲利取決於三個要素：本金、策略和時間。選擇幾個長期可靠的因子，低成本地進行複製和跟蹤，剩下的交給時間和信仰。
5
備註
1. 這裡有個重要的概念需要釐清。本文的討論的對象是價值因子，簡單來說，它根據某個估值指標（如bp）進行排序分組，選擇估值最低的一籃子股票做多，選擇估值最高的一籃子股票做空，多空收益率即為價值因子。價值因子和價值投資是兩個相關但是不同的概念，前者僅僅利用估值相關的信息（bp、ep和cfp等）；後者還會考慮公司的基本面，並且多數指的是多頭組合，在合理的價格買入高質量的公司就是價值投資。關於價值因子和價值投資詳細討論，可以參考Kok et al.(2017)，刀疤連(2020)；
2. 常見的估值指標有pb、pe、pcf、pe和股息率等，本文也會混合使用bp（pb的倒數）和ep（pe的倒數）。
3. 關於「成長股」的定義，學術界和業界存在明顯差異。學術界主要從估值指標的角度進行定義，將估值高（如pb大）的股票定義為成長股；業界則主要關注基本面，將收入和利潤持續增長的公司定義為成長股。兩種方法含義存在交叉，但又明顯不同，成長類ETF屬於後者。
4. 估值價差（value spread），常用來衡量一個因子的估值水平高低，計算方法為因子空頭組的pb除以（或相減）多頭組的pb，該值越大表明因子越貴，更多討論可以見刀疤連(2018)；
5. 需要強調的是，無形資產調整更多的是用在成長股上，因為成長股往往會有大量的無形資產支出，尤其是規模還不大時。這樣，無形資產調整主要是針對成長股，而不是價值股；
6. 數據來源於Arnott et al.(2020)的統計；
7. 原話是：successful investing has a lot more to do with temperament (meaning discipline and patience) than intellect；
8. Taleb屬於典型的吃瓜看熱鬧派，更精彩的介紹可以見王韜(2020)；
參考文獻
Amenc, N., Goltz, F., & Luyten, B. (2020). Intangible Capital and the Value Factor: Has Your Value Definition Just Expired?. The Journal of Portfolio Management.
Arnott, R. D., Harvey, C. R., Kalesnik, V., & Linnainmaa, J. T. (2020). Reports of Value’s Death May Be Greatly Exaggerated. Available at SSRN 3488748.
Asness, C., Frazzini, A., Israel, R., & Moskowitz, T. (2015). Fact, fiction, and value investing. The Journal of Portfolio Management, 42(1), 34-52.
Asness, C. S., Moskowitz, T. J., & Pedersen, L. H. (2013). Value and momentum everywhere. The Journal of Finance, 68(3), 929-985.
Asness, C. S. (2019). It’s Time for a Venial Value-Timing Sin. AQR.
Asness, C. S. (2020). Is (systematic) Value Investing Dead?. AQR.
Basu, S. (1977). Investment performance of common stocks in relation to their price‐earnings ratios: A test of the efficient market hypothesis. The journal of Finance, 32(3), 663-682.
Brown, M. (2020). Value Takes a Beating as Tech Stocks Surge. from https://www.axioma.com/blog/post/value-takes-a-beating-as-tech-stocks-surge/
Fairchild, T. (2018). Negative equity, veiled value, and the eErosion of price-to-book. O』Shaughnessy Asset Management.
Fama, E. F., & French, K. R. (1992). The cross‐section of expected stock returns. the Journal of Finance, 47(2), 427-465.
Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of.
Green, J., Hand, J. R., & Soliman, M. T. (2011). Going, going, gone? The apparent demise of the accruals anomaly. Management Science, 57(5), 797-816.
Ilmanen, A., Israel, R., Moskowitz, T., Thapar, A., & Wang, F. (2019). Do factor premia vary over time? A century of evidence. Working Paper, AQR Capital Management. https://papers. ssrn. com/sol3/papers. cfm.
Israel, R., Laursen, K., & Richardson, S. A. (2020). Is (systematic) value investing dead?. Available at SSRN.
Kok, U. W., Ribando, J., & Sloan, R. (2017). Facts about formulaic value investing. Financial Analysts Journal, 73(2), 81-99.
Lakonishok, J., Shleifer, A., & Vishny, R. W. (1994). Contrarian investment, extrapolation, and risk. The journal of finance, 49(5), 1541-1578.
Lev, B., & Srivastava, A. (2019). Explaining the Recent Failure of Value Investing. Available at SSRN 3442539.
Liu, Y., Shi, C., & Lian, X. (2019). Refined Book-to-Market Ratio and the Cross-Section of Stock Returns in China. Available at SSRN 3466909.
Maloney, T., & Moskowitz, T. J. (2020). Value and Interest Rates: Are rates to blame for value’s torments?. Available at SSRN.
McLean, R. D., & Pontiff, J. (2016). Does academic research destroy stock return predictability?. The Journal of Finance, 71(1), 5-32.
Meredith, C. (2016). Price-to-Book's Growing Blind Spot. O』Shaughnessy Asset Management.
Meredith, C. (2019). Value is dead, long live value. O』Shaughnessy Asset Management.
Miller, A. (2019). Large-Cap Price-to-Book Investing: What is Dead May Never Die. from https://alphaarchitect.com/2019/06/25/large-cap-price-to-book-investing-what-is-dead-may-never-die/
Park, H. (2019). An Intangible-adjusted Book-to-market Ratio Still Predicts Stock Returns.
Rabener, N. (2018). Value Investing Portfolios are Not Dead, But Some Have Done Better than Others. from https://alphaarchitect.com/2018/05/03/value-investing-portfolios-not-dead-done-better-others/.
Rao, A., & Gupta, A. (2019). Value investing is down. But is it out?. from https://www.msci.com/www/blog-posts/value-investing-is-down-but-is/01619618276
Rosenberg, B. , Reid, K. , & Lanstein, R. . (1985). Persuasive evidence of market inefficiency. Journal of Portfolio Management, 11(3), 9-16.
Samonov, M. (2020). Value Investing: Even Deeper History — Two Centuries Investments. from https://www.twocenturies.com/blog/2020/5/11/value-investing-even-deeper-history
Swedroe, L. (2018). Is the Value Premium Really Dead?. from https://thebamalliance.com/blog/is-the-value-premium-really-dead/
刀疤連. (2018). 你家因子便宜嗎？——基於value spread的因子擇時研究. CQR. fromhttps://mp.weixin.qq.com/s/sSvpCnTcRDFM4vUdDj0Kag.