หากพูดถึงทฤษฏีพื้นฐาน Quant Investment เลยหนึ่งในนั้นคือ Factor Investing เราจะมาดูกันว่าต้นกันเนิด Factor Investing เป็นยังไงกับ Fama French
Factor Investing และแบบจำลอง Fama and French เป็นแบบจำลองกำหนดผลตอนแทนหลักทรัพย์ที่ต้องการ โดย Kenneth French อาจารย์จาก University of Chicago Booth School of Business พัฒนาขึ้นมาจาก แบบจำลอง CAPM โดยการเพิ่มปัจจัยเสี่ยงด้านขนาดและมูลค่า แบบจำลอง Fama and French พิจารณาข้อเท็จจริงที่ว่ามูลค่าของหุ้นและหุ้นขนาดเล็กมีประสิทธิภาพดีกว่าตลาดเป็นประจำ ด้วยการรวมปัจจัยเพิ่มเติมทั้งสองนี้แบบจำลองจะปรับให้เข้ากับแนวโน้มที่มีประสิทธิภาพสูงกว่านี้ซึ่งคิดว่าจะทำให้เป็นเครื่องมือที่ดีขึ้นในการประเมินประสิทธิภาพของการลงทุน
แบบจำลอง Fama and French สะท้อนข้อเท็จจริงที่ว่านักลงทุนต้องสามารถหลีกเลี่ยงความผันผวนในระยะสั้นเป็นพิเศษและผลการดำเนินงานที่ไม่ดีเป็นระยะที่อาจเกิดขึ้นได้ในเวลาอันสั้น นักลงทุนที่มีกรอบเวลาระยะยาวตั้งแต่ 15 ปีขึ้นไปจะได้รับผลตอบแทนจากการสูญเสียที่เกิดขึ้นในระยะสั้น เมื่อเพิ่มอปัจจัยด้านขนาดและมูลค่ารวมกับค่าเบต้าสามารถอธิบายผลตอบแทนได้มากถึง 95% ของผลตอบแทนในพอร์ตหุ้นที่หลากหลาย
ภาพด้านบนเป็นการรวบรวมแบบจำลองต่าง ๆ โดยในทุกแบบจำลองนั้น ตัวแปรตามคือ Ri-RF ซึ่งคืออัตราผลตอบแทนส่วนเกิน (Excess Return) ของหลักทรัพย์ ตัวแปรต้นที่ใช้ในภาพ ได้แก่
RM-RF อัตราผลตอบแทนส่วนเกินของตลาดโดยรวม
SMB (Small-Minus-Big) คือ ปัจจัยจากขนาดของบริษัท
HML (High-Minus-Low) คือ ปัจจัยจากอัตราส่วนมูลค่าตามบัญชีต่อมูลค่าตลาด
RMW (Robust-Minus-Weak) คือ ปัจจัยความสามารถในการทำกำไร
CMA (Conservative Minus Aggressive) คือ ส่วนชดเชยความเสี่ยงจากการลงทุน
การลงทุนแบบปัจจัยตามแบบจำลอง Fama French ถูกนำมาใช้อย่างกว้างขวางในการบริหารการลงทุน และถือเป็นแนวทางที่ได้รับการยอมรับอย่างดีในการสร้างพอร์ตการลงทุนตามปัจจัย แบบจำลอง Fama French ยังได้รับการขยายเพื่อรวมปัจจัยเพิ่มเติม เช่น ความสามารถในการทำกำไรและการลงทุน ซึ่งช่วยปรับปรุงความสามารถในการอธิบายผลตอบแทนของหุ้น
สามารถใช้เทคนิคแมชชีนเลิร์นนิงเพื่อปรับปรุงโมเดล Fama French โดยผสมผสานปัจจัยเพิ่มเติมและวิเคราะห์ข้อมูลจำนวนมากขึ้น ตัวอย่างเช่น สามารถใช้อัลกอริทึม ML เพื่อระบุปัจจัยเพิ่มเติมที่คาดการณ์ผลตอบแทนของหุ้นได้ เช่น การวิเคราะห์ความคิดเห็นของบทความข่าวหรือข้อมูลโซเชียลมีเดีย ML ยังสามารถใช้วิเคราะห์ข้อมูลจำนวนมากเพื่อระบุแนวโน้มและรูปแบบที่สามารถใช้เพื่อปรับปัจจัยที่เปิดรับและปรับปรุงประสิทธิภาพพอร์ตโฟลิโอ
Comments