標題：The Revenge of the Stock Pickers
作者：Hailey Lynch , Sébastien Page, CFA, Robert A. Panariello, CFA, James A. Tzitzouris, Jr. , and David Giroux, CFA
譯者：張琨，CFA
特此說明：文章僅代表作者本人觀點，不應被視為投資建議，所述觀點也不一定代表CFA Institute和作者本人所在公司的看法。原文發自Financial Analysts Journal Volume 75, 2019 - Issue 2，本翻譯未獲CFA Institute及原作者授權，僅為學習參考之目的，請勿以任何形式進行轉載。
信息披露：作者為主動型基金管理公司工作，參與擇股。本文所表達的觀點是作者本人的觀點，並不一定反映T. Rowe Price公司的觀點。更多信息可以在文末找到。
Hailey Lynch是巴爾的摩T. Rowe Price全球多元資產部門的量化分析師。
Sébastien Page, CFA是巴爾的摩T. Rowe Price全球多元資產部門的主管和公司管委會成員。
Robert A. Panariello, CFA是巴爾的摩T. Rowe Price全球多元資產部門的投資組合經理和量化分析師。
James A. Tzitzouris, Jr.是巴爾的摩T. Rowe Price全球多元資產部門的研究主管。
David Giroux, CFA是巴爾的摩T. Rowe Price的首席投資官和美國權益部門投資組合經理。
作者未報告利益衝突。
開放獲取：這是一篇根據Creative Commons
Attribution-NonCommercial-NoDerivatives (
http://creativecommons.org/licenses/ by-nc-nd / 4.0 /)許可發佈的文章，它允許非商業化的再用，分配，在各種介質上覆制，但恰當的引用需要援引作者的原始工作，並且沒有任何形式的改動，改變或重建。
綜述：當ETF基金圍繞一個主題大量交易時，其成分之間的相關性會顯著增強。甚至對於那些與主題敞口很小甚至為負的證券，也開始與ETF內的其他成員發生同步。換句話說，因為ETF投資者對個股層面的基本面信息是不可知的，他們經常"把嬰兒和洗澡水一起倒掉"。隨著單個股票的價格被ETF拉高或拉低，這些錯誤定價可能會變的非常明顯，而利用這些錯誤定價獲得的利潤可能為擇股者提供了機會。
以下為正文：
ETFs目前佔到美國交易所總交易量的30%，而在2000年的時候還不到2%。這一趨勢可能為擇股者創造了機會。當ETF基金圍繞一個主題大量交易時，其成分之間的相關性會顯著增強。甚至對於那些與主題敞口很小甚至為負的證券，也開始與ETF內的其他成員發生同步。換句話說，因為ETF投資者對個股層面的基本面信息是不可知的，他們經常"把嬰兒和洗澡水一起倒掉"。隨著單個股票的價格被ETF拉高或拉低，這些錯誤定價可能會變的非常明顯，而利用這些錯誤定價獲得的利潤可能是投資於ETF的隱性成本之一。在最近的一篇社論當中，Giamouridis (2017)呼籲對這一主題做出更多的研究。他提到"與非成分股相比，ETF成分股（在下跌市場中）的交易共同性更高，其流動性/市場影響的通用性更高，特質風險降低。"他強調，未來的研究應闡明波動性和相關性如何變化，以及價格偏離基本面（和反轉）的可能性。
為了回應這一研究呼籲，更重要的是，為了估算擇股者的機會有多大，我們設計了一個簡單的反向交易策略，即當ETF處於恐慌性拋售的時候，買入超賣的那些成分股。我們之所以關注下跌，是因為研究表明，投資者在面對損失的時候，比面對收益更加不理性（譯註，損失厭惡）。例如，Page and Panariello (2018)表明，極端下行時的相關性總是比上漲時要高。他們認為"在金融市場上，恐懼比樂觀更具傳染性"。
我們通過與ETF的貝塔值，來確定哪些成分股是被超賣的。我們使用了9個行業ETFs，是因為它們比大盤指數ETFs更容易受到投機和散戶交易的影響。我們還使用了一支標普500ETF和一支小市值ETF。Giamouridis (2017, 11) 特別呼籲研究應當"不僅涵蓋那些廣泛市場指數的ETF成分股，也應當涵蓋權益市場的特定部分"，比如行業。
我們不建議任何人在沒有基本面管理的情況下實施這一策略，但我們的結果引人矚目：當出現大規模拋售時，ETF投資者可能會在未來的40天為擇股者留下多達200-300個基點的阿爾法。在我們的研究期間（2010年1月4日至2017年12月29日），此類事件在ETFs中平均每年發生30起，共計發生了240起。
這個策略不需要任何擇股技巧，只需要能夠衡量一支股票相對於其ETF的貝塔值就可以了。我們有理由懷疑擇股者甚至可以從ETF投資者那裡獲得更多的阿爾法。他們可以仔細的分析ETF被拋售的原因，以及某些成分股是否僅僅是被拖累了，而並沒有什麼不好的基本面原因。在此，我們的目標僅僅是估算機會的大小，因為不可能對任意的基本方法都進行回溯檢驗。
關於成分盲區和指數投資影響的先前研究
Cahan, Bai, and Yang (2018) 認為，大部分ETF投資者並不關心成分股的基本面。他們提到當"短期ETF的交易行為和相關股票的現實基本面不一致"時，就會出現"套利機會"。他們用了一種非正式的方式來表述"套利"，不是學術意義上認為的無風險利潤。但他們表明，如果投資者基於成分股的基本面來選擇ETFs，就可以獲得阿爾法。Cahan等人發現，行業ETFs和基本面的關聯度最低，但這種效應也存在於大盤和智能貝塔ETFs當中。雖然我們也得出了相似的結論，但方法是不同的，我們選擇了股票（在ETF中尋找錯誤定價的成分股），而Cahan等人選擇了ETFs（基於股票層面的分析，來尋找錯誤定價的ETFs）
類似的，Wurgler (2010)和其他人也記錄了指數中個股層面聯動的證據。當一支股票被加入到某個指數，它和同指數其他成分股的關聯度立刻就上升了（參見，例如，Barberis, Shleifer, and Wurgler 2005; Greenwood and Sosner 2007）。Sullivan and Xiong (2012)認為，作為一個推論，總體而言，指數投資加劇了股票市場的系統性風險。具體到ETFs，Da and Shive (2018)表明，一支ETF的換手率越高，它的成分股之間的相關性越高。他們認為這些聯動是過度的——也就是說，不完全由基本面驅動。
值得指出的是，這些研究並不意味著指數對市場本身不利。例如，Wurgler (2010)提到"為了保持平衡，重要的是首先要認識到指數和指數掛鉤產品提供的許多可觀的收益。"類似的，Hill (2016)解釋說，為了響應市場情況而投資於ETFs和其他指數產品的投資者，和基於長遠眼光的基本面投資者，這兩大宏觀投資者之間的自然張力，對資本市場是健康的："每種類型的投資者都依賴於其他人的存在來提供流動性並將價格推動至適當的水平。"
Brown, Davies, and Ringgenberg (2018)從不同的角度探討了這個問題。Cahan等人(2018)對"套利"的寬鬆定義不同，他們研究了ETF價格和它淨資產價值之間的真正套利（為了利用折價或溢價，套利者需要同時賣出[買入]ETF和買入[賣出]標的證券）。他們的數據集為套利活動提供了獨特而通透的視角。他們指出，ETF套利活動的增加預示著非基本面的需求衝擊（可能是因為情緒，或"主題"交易）。反過來，這些衝擊似乎預示著ETF和其成分股在隨後的一個月的期限內發生收益反轉。
這些廣泛的研究都指向相同的結論：指數/被動投資可能會導致錯誤定價和異常相關性（或"相關性泡沫"）。然而，令人驚訝的是，Madhavan and Morillo (2018)得出了相反的結論。他們使用了一個因子模型來分析，是什麼驅動了一段時間的相關性，並發現在對驅動交叉股票相關性升高上，宏觀因素相對ETF資產的增長顯得更為重要。他們的一個主要論點是"雖然在ETF資產上升的時期，交叉股票的相關性也升高了，但與過去相比，它們並沒有達到前所未有的水平，而這遠遠早於被動指數投資的興起"。但是，正如我們研究的所示，平均化會誤導人。如果我們隔離高ETF交易量的日子，情況就大不相同了，這也支持了指數導致異常相關性的主流結論。
在懷疑陣營中，還有一項更早的研究支持Madhavan and Morillo's (2018)的批判。Glosten, Nallareddy, and Zou (2016) 認為，跨成分股相關性的躍升可以用宏觀衝擊，或者更普遍的，用系統基本面信息來解釋。在這種情況下，一些流動性較差的ETF成分股可能會從ETF交易量放大中獲益，它們的定價變得更有效了（例如，它們對宏觀基本面信息的反應更迅速了）。但是Glosten等人得出了複雜的結論。它們發現，系統性價格只能部分解釋ETF的活動。重要的是，如果ETF的成交量改善了系統性衝擊的定價，但不會扭曲非系統性信息的定價，那我們就不應該觀察到預期中的反轉，比如Brown等人 (2018)的報告。此外，Moreover, Ben-David, Franzoni, and Moussawi (2018) 觀察到，ETF吸引"高頻需求"，以及，基於觀察到的反轉，證實了"ETF市場的需求衝擊轉變成了標的證券的非基本面價格變化"。
在此研究的基礎上，我們假定，造成這種扭曲和逆轉的主要原因，一些ETF成分股並沒有和其他組成部分一樣，以相同的方式，或相同的程度，暴露在宏觀衝擊之下。我們稱這些成分股為"局外人"。我們認識到，局外人的名單可能會因為宏觀衝擊的性質而變化。但最終，不同成分股之間的差異越大，扭曲的機會也就越多。
我們展示了，這些異常的存在，為能夠區分系統性衝擊和ETF驅動價格扭曲之間區別的擇股者提供了獲得阿爾法的機會。我們建議切實可行的捷徑是，專注於ETF交易量大幅增長時，局外人成分股的表現。這種方法和我們在文獻中發現的其他方法都不同。例如Brown(2018)等人基於ETF驅動的交易量對股票進行排序，而不考慮某支股票是否是局外人。
最終，雖然我們承認指數產品對整個金融市場的作用，但我們認為，擇股者可以從越來越多的ETF投資者那裡"截取"價值，如果他們能夠回答以下兩個簡單問題的話：為什麼ETF被賣出？這個成分股應當被一併賣出嗎？
一個案例研究：製藥業，希拉里的推特和瓦蘭特的傳票
以2015年9月美國醫療保健和製藥業股票的表現為例。在2015年9月18日到28日之間，醫療保健板塊SPDR ETF (XLV)下跌了10.7%，而同期標普500下跌了5.4%。在這七個交易日當中，ETF的交易量躍升至第99個百分位，而同期標普500的交易量仍處於第33個百分位。
兩個重大事件可能是導致醫療保健股票下跌的的主要原因。首先，在9月21日，希拉裡克林頓發了一條推特，表示她將公佈一項計劃，以遏制製藥公司的"哄抬價格"（前一天，紐約時報發佈了一篇文章，關於圖靈製藥剛剛把某個救命藥的價格從13.5美元大幅提升至700美元）。其次，在9月28日，眾議院的民主黨人關於藥價上漲的理由問題，傳喚了瓦蘭特製藥公司。當天XLV的交易量達到歷史新高。
這兩起事件當然都對製藥行業的收入造成壓力，但對其他醫療保健類股卻不一定。儘管有些公司也處於火線當中，但我們很難想象對人類用藥的價格監管會影響到生產動物用藥和疫苗的公司，比如Zoetis，或者醫療設備，例如Baxter International。然而所有的XLV成分股，都在那七個交易日被大舉拋售，沒有例外。
製藥行業對XLV的總波動性中佔了很高的比例。一方面，這類高貝塔值的股票往往是ETF大規模主題性拋售的的核心。另一方面，和XLV貝塔係數較低的個股通常不會受到拋售背後主題的影響，至少從基本面來說是這樣。然而，它們也被拖累了，就像嬰兒和洗澡水一起被扔掉了。因此，在ETF成分股名單中識別局外人的一個簡單方法，是尋找和ETF的貝塔值較低的股票。
注：基於1998年12月31日到2015年9月25日（一個季度的半衰期）的日數據，使用指數加權迴歸方法計算相對於XLV的貝塔係數。2015年9月25日的截止日期，反映了當時的任何投資者所應當擁有的信息。
數據來源：彭博指數服務有限公司
在表1中，如果我們按XLV成分股相對於ETF的貝塔值進行排序，並選擇最低的那10%，在2015年9月28日，我們列出了5支股票。這些都是藥品定價爭議的局外人。
這5個公司都在"醫療保健設備和服務"行業。他們出售的產品和服務諸如牙醫設備，寵物用品和實驗室測試。然而，他們也在對藥品定價的政治姿態下被賣出了。而且由於成分股相關性的增加（在ETF交易激增時，這很常見），它們被賣出的量比原先預期的ETF貝塔比值要多。在七天的拋售當中，包含這5支股票的等比權重組合下跌了8.3%，而ETF貝塔隱含回報應為下跌6.1%。
這種過度反應為擇股者創造了機會。假設一名投資者在拋售結束時買入了這5支局外人股票（等比權重），並使用槓桿將組合貝塔調整到和ETF一致（我們將組合槓桿化以計算相對於ETF的阿爾法）。在接下來的40天裡，在扣除交易費用和借貸成本之後，投資者的表現將比XLV高出4.2%。
另一個案例研究：金融類股，利率的影響，和REITs
2016年2月11日，時任美聯儲主席的珍尼特耶倫結果了她對國會的半年度證詞，表示美聯儲並不急於加息。她說"美國的金融狀況對經濟增長的支持力度有所減弱"，並補充說負利率並非"被排除"。這些言論挫傷了金融精選板塊SPDR ETF (XLF)，因為金融類股票通常會從加息中受益。例如，當利率升高，銀行可以以高於隔夜借款成本的利率放貸，從而增加淨利息收入。
從2016年2月4日到11日，XLF下跌了6.6%。儘管成交量沒有達到經濟危機時的高點，但2016年2月的這6個交易日的成交量在過去5年的6個交易日期限中，排到了第91個百分位。標普500的成交量與過去5年相比也明顯增高，處於第94個百分位。這反映了貨幣政策的系統重要性，也可能反映了耶倫對經濟增長放緩的評論。然而，市場拋售並不像金融類股那麼劇烈：同期標普500下跌了4.4%。
XLF內的局外人如何呢？在XLF相關貝塔係數最低的8支證券（底位10%）當中，7支都是REITs，第8支則是美國運通。和銀行不同，REITs傾向於交易正久期的資產。不動產資產通常是用折現現金流模型進行估值。而且現金流（租金）通常是相當可預測的。當利率降低，不動產的價值上升，當利率上升，它們的價值下跌（這些資產就像債券一樣）。至於美國運通，公司2015年報解釋說，其營收的久期為正："Amex對利率的風險敞口為負"。其在2015年報中稱："假設利率立即上調了100個基點，我們的年度淨利息收入的不利影響約為2.16億美元。"
因此，由於市場需要消化突如其來的降息的可能性，REITs和美國運通的表現應當好於其他金融類股。而實際上，由於增長衝擊被淡化（耶倫表示，儘管預期減弱，但"經濟狀況下任何結論都是不公平的"），或許它們應該反彈。例如，國債價格就回升了，但這8支局外人的等比權重組合卻在2月11日耶倫結束證詞後的6個交易日下跌了8.5%。我們推測REITs和運通在ETF的大舉拋售中被超賣了，金融類股被無差別的賣出。就像我們的第一個關於醫療保健股的案例分析一樣，如果擇股者在拋售後買入這些局外人（等比權重組合），並加槓桿到與ETF貝塔一致，然後持有這個組合40天，應該會獲得顯著高於ETF的回報——在這個案例當中，扣除交易成本和融資成本之後，高達20%。值得注意的是，在那一年的晚些時候，REITs從金融類證券當中被剝離出來，並重新歸類為一個獨立的部分。
相關性泡沫無處不在
這種ETF驅動的擇股機會似乎無處不在。除了我們研究的兩個案例外，有太多可以產生異常相關性的情況了。例如，假設一家公司的盈利令人失望。投資者可能通過ETF來出售整個行業的風險敞口，儘管從基本面的角度來看，幾家競爭對手應當不受影響（或許一些公司還可以從市場份額的增加中獲益）。宏觀因素同樣可以很重要。例如，油價的暴跌可能導致整個能源行業ETF被拋售，拖累那些對石油的風險敞口很低甚至根本沒有的公司。新興市場ETFs同樣可能被拋售，儘管一些市場和公司是石油的淨進口方。等等。
擇股者需要面臨雙重挑戰。首先，他們必須根據特定的主題，尋找ETF被大舉拋售的情況。其次，他們必須鑑定出那些局外人（即那些從基本面來看被超賣的公司）。好消息是，簡單的過濾器可能就夠用了：我們發現ETF交易量的峰值往往會導致異常的相關性，而較低的ETF貝塔值可能是識別局外人的好方法。
注：數據截止至2017年12月29日，包括SPDR S&P 500 ETF (SPY)，9個美國行業ETFs和iShares Core S&P Small-Cap ETF (IJR)。ETF符號的定義參見表1。
數據來源：標準普爾，IDC，T. Rowe Price數據分析部門
在圖1中，我們展示了在ETF成交量峰值期間，交叉成分股的平均相關性顯著增加。我們使用了標普500的歷史成分股，並每天更新。為了確定成交量峰值，我們使用了一個三標準差閾值：任何一天如果成交量超過了均值三個標準差，那我們認為，這可以算是高交易量樣本。我們在線補充了研究方法的更多細節，參見www.tandfonline.
com/doi/suppl/10.1080/0015198X.2019.1572358，ETF符號的定義參見表1。
擇股者如何發揮優勢
這些相關性異常可能在個股層面創造了過多的購買機會。為了說明這一點，我們對一個簡單的系統策略進行了反測試。對於每一個帶來負回報的交易量峰值，我們都系統的買入局外人並持有40天。我們在整個時間段對全部11支ETFs都這樣做了。與醫藥股和金融股的案例中所述的方法相同，我們通過以下方法識別局外人：我們通過ETF貝塔值對所有成分股進行排序，並對底部的10%構建一個等權重的組合，然後通過槓桿將組合的貝塔值調到和ETF一致，以計算相對ETF的貝塔值。
本質上，我們複製了我們的案例研究，但規模要大得多，總共有240個成交量峰值。我們所使用的所有數據都是樣本外的，基於當時可用的數據。為了計算ETF貝塔值，我們使用了指數加權迴歸，一個季度的半衰期。（參見在線補充材料，
www.tandfonline.com/doi/suppl/10.1080/0015198X. 2019.1572358）
注：數據截止至2017年12月29日。交易成本估計為10個基點，考慮到槓桿的使用，平均為17個基點。借款成本是基於LIBOR的，並取決於持有頭寸的時間。在40天后，它們的平均積累為10個基點。因此，粗略估計40天的總成本（交易和借款）為27個基點。
數據來源：標準普爾，IDC，T. Rowe Price數據分析部門
在圖2中，我們顯示了所有事件的平均積累阿爾法值（加槓桿的外部投資組合減去ETF的回報），從交易量激增的第1天到第40天，以及列示了交易成本的前後。
峰值後第一天的平均阿爾法略為負值，這表明即使我們延遲一天執行，該策略也依然有效。然後，隨著時間窗口的擴大，平均阿爾法也在逐漸增加，一直到第40天。
注：數據截止至2017年12月29日。交易成本估計為10個基點，考慮到槓桿的使用，平均為17個基點。借款成本是基於LIBOR+50個基點的，並取決於持有頭寸的時間。在40天后，它們的平均積累為10個基點。因此，粗略估計40天的總成本（交易和借款）為27個基點。Wilcoxon signed-rank檢驗結果是在0.05和0.01下顯著。（見在線補充材料
www.tandfonline.com/doi/suppl/10.1080/0015198X. 2019.1572358, for details）。有些回報在第0天就是正的，是因為它們是相對於ETF來衡量的。
數據來源：標準普爾，IDC，T. Rowe Price
在圖3中，我們顯示了ETF和時間的平均阿爾法。該策略並非在所有ETFs和所有時間期限內都表現優異，但平均而言，它產生了顯著的成本後阿爾法（見在線補充材料www.tandfonline.
com/doi/suppl/10.1080/0015198X.2019.1572358，關於統計檢驗詳情）。因為我們將外部組合的貝塔強制調到和ETF保持一致，該策略並不會涉及與該ETF有關的任何系統性風險敞口——諸如市場貝塔，價值或動量敞口。而且，由於我們衡量的是相對於該ETF的業績，我們預期這些阿爾法必須是"特殊的"（擇股阿爾法）
值得注意的是，該策略對材料選擇行業SPDR ETF (XLB)的效果不佳，儘管短期內是有效的，但最終的結果卻是負面的。這些結果凸顯了系統性，簡單交易法則的風險。在這些情況下，交易法則導致持有了大量的低ETF貝塔的股票，而這些股票在大規模拋售之後的表現弱於其所在的ETF。
或許基本面研究會有幫助。擇股者應當分析每一次拋售背後的主題。他應當考慮低ETF貝塔的局外人是否真的是該主題的局外人，如果是的話，這些公司是否還存在其他導致短期業績不佳的風險因素。然後，他應當根據風險回報分析，調整與主題相關的頭寸。一旦建立了多頭頭寸，他應當運用投資紀律來確定什麼時候賣出，綜合考量市場發展，該行業和相關公司的健康情況。
最後，儘管該策略識別出了ETF交易量的峰值，並在下跌時設定了條件，但並未對拋售的規模和持續時間設定條件。專注於最大規模的拋售且時間範圍更加靈活，可能會提高表現。當然，ETFs和指數基金的交易量也應當監控，因為多個指數產品可能在同一個行業交易。最終，當該策略納入基本面分析時，還可以做到更多的事情。我們簡單回測的目標是指出潛在機會的大小，而非設計一個純粹的系統方法。
外帶
ETF投資者被"截取"的風險越來越大嗎？由於被動型投資策略的日益流行，加上流動性和稅收的優勢，美國證券交易所關於ETF交易的比例顯著上升。一些ETF投資者專注於自上而下的市場觀點或主題，另一些則認為市場是有效的，只希望簡單的投資於全局指數敞口。在所有的情況下，當他們交易時，大多數ETF投資者和指數投資者，會忽略個股層面的基本面信息。他們只是按照指數提供者確定的比例（通常是市值權重）簡單的買或賣一攬子股票。
因此，我們發現，當ETF成交量飆升的時候，各成分股之間的相關性上升到與公司基本面不符的水平。我們對2010年以來的240個案例進行了分析，收集了11支ETFs的數據，研究表明，相關性泡沫可能會為擇股者創造機會。投資者在成交量峰值之後購買超賣的成分股，持有並等待它們在接下來的5-40天均值迴歸，能夠賺取指數投資損失的那部分阿爾法。我們正在目睹擇股的復仇嗎？
最後，市場中既有被動投資者，也有主動投資者。ETF投資者和擇股者可以和諧共處。我們報告了具有現實意義的顯著的擇股收益，但這些結果並不代表ETF不好。它們只是意味著不同的投資者可以一起使市場更具流動性和更有效。市場有效性仍然是個悖論：獲利機會，正如我們所指出的那樣（意味著低有效性），對於讓市場變得更有效卻是必須的。這就是金融市場均衡的潮起潮落。
編者注
2018年9月10日提交，Stephen J. Brown 於2019年1月7日接受，2019年5月12日在線發佈。
譯者注：
2019年12月8日翻譯結束，並於2019年12月9日在線發佈。如有錯漏歡迎指正。
因原文鏈接需要權限，希望獲得原文及Notes，Appendix的朋友請留下郵箱地址或留言聯繫。
