推荐序

近年来，国内个人和机构投资者都越来越关注智能贝塔类产品，主要原因是此类产品特征明确，相比被动指数基金的工具化属性增加了超额收益空间，相比单一行业或主题类基金增加了投资广度，相比主动管理型基金减少了风格漂移的风险。但随着关注度的提升，市场对于量化投资的刻板印象并没有改变，喜欢给它们贴上各种“标签”——一个个不透明的黑箱、一串串艰涩的数学原理、一堆堆需要处理的庞大数据、一段段复杂的程序代码。本书提纲挈领地为大家打开了这个复杂的“黑箱”，将智能贝塔背后的理论方法、决策流程、思维方式一一展现给读者。

在量化投资领域，因子数量急速膨胀、浩如烟海，因子挖掘也难逃内卷。随着市场交易制度日趋完善，交易结构逐渐优化，因子挖掘的难度越来越大；随着国内量化产品的快速扩张，参与者增多，因子的有效时间也逐渐变短。在实操中，投资者该如何找到真正有效的因子呢？投资者又该如何制订一个长期、动态稳定、可持续的因子投资组合方案呢？

安德鲁·伯金（Andrew Berkin）曾提出5个因子筛选标准：

1.持续性强。因子在不同的经济体制与环境中都长期有效。

2.通用性强。因子在不同的地区、行业甚至大类资产中普遍有效。

3.鲁棒性强。因子可以由多个不同的代理变量加以表征且效果大体相仿。

4.实操性强。因子不仅是见诸文献的理论因子，还应是实操中可检验、可复现的，并能够应对具体的实际问题（如交易成本、卖空限制）。

5.合理性强。因子应该尽可能符合经济学直觉，其长期有效的原因可以在经济学或（行为）金融学中找到解释。

在这些筛选标准的基础上，具体应当如何操作呢？本书或许能为读者提供一些指导和帮助。

本书阐述了各种因子加权（倾斜）方案并评估了它们的因子捕捉效率。在分析了大量公开可用的智能贝塔策略的基础上，进一步着重理解智能贝塔因子的性能特征。

除了智能贝塔、因子投资的方法论介绍与分析和评价之外，来自实务从业者的评价也是本书的亮点。这方便了国内的同行了解发达资本市场的动态。

本书不吝笔墨地给读者带来了一众世界知名投资机构或投资顾问在因子投资之路上的经验、教训、感悟和建议。在本书中，读者可以与加州公务员退休基金一起在基本面指数化投资过程中对价值因子加以探索；也可以“目睹”荷兰国家应用科学研究院的企业养老金计划从简单的“买入并持有”（buy and hold）市值加权指数基金逐步转变为“实施因子倾斜的智能贝塔策略”的渐进历程；还可以观察在面对因子敞口带来的超额收益和选股带来的超额收益时，巴克莱银行英国退休基金如何尝试将二者平衡并解耦。

林林总总，不一而足。

但不论是面向机构客户的投资顾问（如韦莱韬悦、威尔希尔等），还是面向个人客户的投资顾问（如富达投资、Betterment、AMK等），都将智能贝塔因子投资视作“有纪律的、系统性的”阿尔法生成方法以及有助于兼顾主动管理与被动投资的“不二法门”。

辛晨晨