• 动量因子随时间变化，表现周期性明显且易受市场低迷期影响，2008-2009年动量因子经历显著崩盘。[page::0]

- 波动率择时策略核心为利用实际波动率作为择时信号，当波动率超过某阈值时，减少或停止持仓，从而规避高风险区间；该策略用阈值函数替代传统恒定波动率缩放。[page::1][page::4]

• 传统的赢家-输家(WML)横截面动量策略表现不稳，尤其在危机后低迷期。仅使用动量赢家组合（W10）结合波动率择时能更好规避风险，并实现回报提升。

• 对发达市场和新兴市场MSCI指数的实证显示，波动率择时策略显著提升了累积收益和夏普比率，尤其在控制风险方面效果突出。

| 指数 | MSCI累计回报 | MSCI夏普比率 | MSCI-Timed累计回报 | MSCI-Timed夏普比率 |
|---------------|-------------|-------------|-------------------|-------------------|
| EAFE | 1.185 | 0.093 | 1.938 | 0.180 |
| EM (新兴市场) | 2.828 | 0.105 | 5.286 | 0.157 |
| 北美 | 3.032 | 0.127 | 5.177 | 0.211 |

说明：MSCI-Timed为波动率择时策略版本，均明显优于基准。[page::5]

• 不同期限实际波动率（3个月与6个月）均可用于波动率择时，策略表现均稳健，具体阈值选择应结合市场环境。

• Spearman秩相关分析表明：动量因子与未来21日收益之间正相关关系在市场低迷期变成负相关，波动率择时能够捕获此特性，显著增强策略表现和稳定性。

| 期间 | RC均值 | RC-Timed均值 | t统计值（RC-Timed） | p值 |
|------------|---------|-------------|--------------------|-------|
| 2005-2010 | -0.003 | 0.030 | 6.586 | 0.000 |
| 2011-2018 | 0.022 | 0.026 | 8.124 | 0.000 |

• 时间序列动量(TSMOM)和波动率平价(RP)方法属于基于风险的资产配置，波动率择时多头策略与TSMOM策略及波动率平价策略形成互补，均对冲动量崩盘带来正面效果。

- 策略回测数据显示，2005-2010年间波动率择时多头策略（W10-Timed）累积回报为1.60，远超传统W10和TSMOM，2011-2018年也表现领先。

| 策略 | 累积回报(2005-2010) | 夏普比率(2005-2010) | 累积回报(2011-2018) | 夏普比率(2011-2018) |
|------------|---------------------|---------------------|---------------------|---------------------|
| 波动率平价（VP10） | 1.23 | 0.08 | 2.24 | 0.21 |
| W10 | 1.20 | 0.08 | 2.20 | 0.19 |
| TSMOM10 | 1.41 | 0.12 | 2.55 | 0.24 |
| W10-Timed | 1.60 | 0.16 | 2.84 | 0.29 |

• 结论强调，动量因子动态性强且具有周期性，波动率择时策略为缓解动量崩盘提供实用方法，进一步结合基于风险的资产配置可实现风险优化和收益提升，对于多因子投资组合管理具有重要意义。[page::8]

基于波动率择时的动量策略 —— 深度分析报告

---

一、元数据与概览

• 报告标题：《基于波动率择时的动量策略【集思广译·第41期】》

- 作者：张欣慰、刘璐

• 发布机构：量化藏经阁，国信证券经济研究所

- 发布日期：2022年5月18日

• 内容主题：研究动量因子的动态表现和崩盘风险，重点探讨如何基于波动率择时构建动量策略，提升因子投资组合的表现与抗风险能力。

该报告针对动量因子在市场低迷及危机后表现不佳的现象，提出基于波动率阈值函数的择时动量多头策略。报告重点论证了该策略通过利用波动率预测信号，有效规避了动量因子的崩盘风险，并在市场低迷和后危机时期均优于传统动量策略和波动率平价策略。最终说明波动率择时策略能作为动量策略与风险资产配置的有效补充方案[page::0,1,3,8]。

---

二、逐节深度解读

1. 报告摘要与文献回顾（第0-1页）

• 关键论点：

- 因子投资随时间波动显著，出现周期性和不同的回报模式，尤其动量因子的回撤周期表现尤为明显。
- 2008-2009年金融危机期间动量因子跌入崩盘状态，揭示传统动量策略风险高。
- 文献指出基于波动率的缩放策略（Barroso和Santa-Clara 2015）显著提升了动量策略风险调整后表现，尤其夏普比率翻倍。
- 本文引入了阈值函数替代简单的波动率缩放，同时将传统的横截面动量因子由“赢家-输家”拓展到仅“赢家”多头策略，提升了策略表现稳定性。

• 推理依据：

- 动量因子表现与市场波动率负相关，故利用波动率态势作为择时信号可规避崩盘区间。
- 多因子模型与资本资产定价理论奠定了因子投资基础，动量作为主要因子之一，具有普遍的市场效应。
- 通过文献回顾，证明波动率择时策略具有丰富的理论与实证支撑[page::0,1]。

2. 动量因子与波动率缩放（第1-3页）

• 动量因子的表现：

- 图1对MSCI世界六大单因子指数（月累计收益）进行了对比，动量指数表现出最高的累计收益，但波动和回撤也较大。
- 图2进一步展示了2005-2018年动量策略WML10在经济周期中的累积回报和实际波动率，显示2008-09年动量策略的“崩盘”，符合动量波动性飙升的特征。

• 波动率缩放的应用：

- 动量策略传统上使用波动率缩放来调整回报，以降低危机时的损失，但报告指出这种缩放方法在危机后表现仍有限。
- WML10策略被分解为赢家（W10）和输家（L10）部分，发现崩盘期主要由输家部分恶化导致，市场恢复后输家表现超越赢家，驱动策略倒挂。
- 由此，提出仅取赢家多头的W10策略，以增强策略的稳定性和风险控制。

• 作者推导：

- 研究认为使用历史波动率作为择时信号，更为灵活有效，阈值关系能够在波动率高于特定门槛时暂停持仓，避免亏损区间。
- 通过对比W10与WML10策略，发现W10更能模仿MSCI动量指数行为且风险更低。

[page::1,2,3,4]

3. 波动率择时动量多头策略（第3-5页）

• 策略设计：

- 采用阈值函数$(rt^{VTW} = rt^W$，如果$\sigma \le \sigma_{target}$，否则为0)，意即投资仅在波动率低于目标波动率的时间段持仓。
- 结果（图4）显示，W10-Timed策略有效躲避了2008-2009年崩盘，在危机后的表现优于传统WML10策略和简单的W10策略，累积收益明显更高。

• 扩展测试：

- 在MSCI发达及新兴市场中（图5及表格），波动率择时策略均表现出较高的累计收益与夏普比率，适用性广。
- 比较不同实际波动率长度（3个月、6个月）（图6），提示波动率计算窗口的选择需结合市场环境考虑。

• 推理：

- 波动率择时策略通过历史波动率预测，捕捉风险提升期，规避策略持仓，降低风险敞口。
- 只做多动量赢家组合进一步降低了策略的系统性风险，有效应对崩盘。

[page::4,5]

4. 相关性分析与风险信号（第6页）

• Spearman等级相关系数计算揭示了：

- 在市场上涨时，动量因子与未来收益呈现正相关。
- 在市场低迷时期，波动率加剧，动量与未来收益的相关性转负。
- 说明动量因子在波动率高企期间表现失效甚至带来负收益。

• 结论：

- 波动率择时方法通过捕捉波动率高企的“负相关区间”，实现择时出场，提升因子与收益的正相关性。
- 由此，波动率成为动量因子择时的有效信号。

[page::6]

5. 时间序列动量与基于风险的资产配置（第7-8页）

• 时间序列动量（TSMOM）介绍：

- 基于资产自身过去的收益做多或做空，带有波动率调整。
- 式中采用波动率缩放实现风险控制。

• 基于风险的资产配置：

- 不同于均值方差优化，侧重根据风险度量调整权重，无需均值预估，因而鲁棒性更高。
- 四个主要类别：等权重、最小方差、最多样化、风险平价，均属于风险配置策略。
- 风险平价策略（Volatility Parity）在动量策略中得到应用，用波动率反比分配权重。

• 实证表现：

- 图9显示了风险平价投资组合和仅赢家投资组合波动率同期变化，均能反映动量崩盘区间的风险上升。
- 表格10对比了VP10、W10、TSMOM10及W10-Timed策略在两个时间区间的表现，发现波动率择时W10-Timed在危机时表现最优，后期表现也相对领先，说明波动率择时策略的有效性和连续性。

[page::7,8]

6. 结论（第8页）

• 因子投资虽然有坚实理论基础，但动态性和周期性导致表现波动大，尤其动量因子在市场低迷时表现存在崩溃。
• 本文提出的基于波动率阈值择时的动量多头策略，通过灵活判断波动率阈值及时退出，规避崩盘风险，显著提升了动量因子的风险调整收益。
• 平衡动量策略与基于风险的资产配置不存在冲突，波动率择时是两者的有效补充。
• Spearman相关性分析为波动率择时提供量化支持，证明了动量与收益关系的波动性特征。
• 策略在多个发达及新兴市场均体现出良好的适用性和持续性，具备普遍推广价值[page::8]。

---

三、图表深度解读

图1：MSCI World六大因子指数累计表现（2005-2018）

• 说明：比较了价值加权、收益率高、最小波动、等权重、动量和质量因子的表现。
• 趋势：动量因子总体回报最高，但波动较大，尤其2008年金融危机期间均大幅回撤。
• 意义：动量因子的强回报潜力伴随高波动，凸显择时避险的重要性。

---

图2：波动率调整后动量表现（2005-2018）

• 内容：WML10策略累积收益（上图）与年化实际波动率（下图）变化。
• 观察：危机期间波动率飙升，传统动量策略崩盘明显；波动率缩放策略虽缓解风险，但后危机仍表现不佳。
• 启示：简单波动率缩放策略效果有限，需更精细化择时手段。

---

图3：动量策略中赢家（W10）与输家（L10）表现（2005-2018）

• 内容：显示赢家和输家的累积收益，分为2005-2010及2011-2018两个阶段。
• 观察：2008年危机期间，输家表现急剧下跌，导致传统WML动量组合崩溃。危机后输家反超赢家，导致策略表现倒挂。
• 意义：仅考虑赢家的动量组合更为稳健，避免了输家的高额亏损风险。

---

图4：波动率择时多头动量策略表现（2005-2018）

• 说明：比较了W10、W10-Timed和超额市场回报及波动率。
• 趋势：波动率择时策略（W10-Timed）成功避开了危机期间的亏损，累积回报领先。
• 结论：阈值函数配合波动率信号有效提升了动量策略的抗风险能力。

---

图5：基于波动率择时的策略在MSCI市场指数中的表现（2000-2018）

• 数据对比：展示发达市场及新兴市场中传统动量指数（MSCI）与波动率择时动量（MSCI-Timed）的累计回报、均值、标准差及夏普比率。
• 结果：波动率择时策略的累计收益与夏普比率普遍优于未择时版本，尤其是新兴市场表现提升显著。
• 说明：说明波动率择时在不同市场均具备实用价值。

---

图6：不同波动率计算窗口下的择时表现（2005-2018）

• 对比：3个月和6个月实际波动率用于择时的W10-Timed策略比较。
• 发现：两者表现相似但周期反应存在差异，提示择时信号窗口需依据市场情况灵活调整。

---

图7：动量因子与未来21天收益的Spearman等级相关系数（2005-2018两个阶段）

• 趋势：相关系数在市场动荡期间（尤其2008-2009）震荡幅度大且转负，平稳期相关为正。
• 含义：动量信号在高风险期失效甚至反转，波动率择时措施应该捕捉这一特征避免交易。

---

图8：Spearman相关性统计摘要

• 结果：波动率择时后的秩相关均值更高，波动小，统计显著，证明择时有效提升因子与预期收益的关联稳健性。

---

图9：波动率平价（VP10）与赢家组合（W10）年度实际波动率（2005-2018）

• 趋势：两者均捕捉到重大市场崩盘前的风险激增。
• 意义：风险平价策略虽波动较高，但同样体现波动率择时的风险管理思想。

---

图10：波动率平价、W10、TSMOM10及W10-Timed策略期末累计回报对比

• 分析：

- 2005-2010年，W10-Timed策略累计收益明显领先，夏普比率虽略低但风险调整表现综合最佳。
- 后危机阶段，TSMOM10和W10-Timed均表现优异，力度较大。

• 结论：阈值函数择时策略较好平衡了回报和风险，特别在危机期展现优势。

---

四、估值分析

本报告主要聚焦动量因子基于波动率择时的实证表现，并未涉及公司估值或现金流折现等传统估值模型。核心在于策略表现的风险调整和择时方法有效性，侧重统计性量化评估。

---

五、风险因素评估

• 市场环境变化风险：

- 报告提示本策略及模型基于历史及文献数据，面对不同市场环境时可能失效。

• 模型假设风险：

- 波动率阈值设置及历史波动率的预测能力有限；剧烈市场变动可能导致失真。

• 策略实施复杂度：

- 阈值函数择时策略需要高质量数据及动态调整，执行难度较传统策略高。

• 限制：

- 动量因子本身受到周期性反转影响，择时虽缓解风险但无法完全消除系统性因素。

报告未详细列出缓解策略，仅提醒存在模型失效的可能[page::9]。

---

六、审慎视角与细节

• 优势：

- 报告系统地整合了多篇学术文献，理论与实证兼备。
- 波动率择时策略创新地采用阈值函数，替代简单缩放，并将策略聚焦于赢家多头，逻辑紧密且实证充分。

• 潜在不足：

- 报告未深入探讨阈值的具体设定及其敏感性，策略参数选择缺少细节说明。
- 对于波动率计算周期的选择虽有探讨，但未给出优化指导。
- 投资者执行成本、市场冲击及滑点未涵盖，实际操作风险未充分考虑。
- 报告将时间序列动量(TSMOM)纳入比较，但未对其组合权重调整的微观过程详述。
- 策略在极端黑天鹅事件中的表现仍不明确。

• 内部一致性：

- 文章结构严谨，文献回顾与策略设计逻辑连贯，图表与文字结论呼应，无明显自相矛盾之处。

---

七、结论性综合

该报告系统地揭示了传统动量因子在市场低迷周期内崩盘的风险，深入探讨了基于波动率的动量策略择时问题。通过引入阈值函数策略，结合历史实际波动率作为择时信号，将传统的“赢家-输家”动量策略简化为仅做多赢家组合，显著提升了策略稳定性和风险调整后收益。

报告通过大量数据分析与图表（如MSCI因子指数表现、WML10策略分解、波动率择时动量策略的累积收益比较、Spearman等级相关性分析、风险平价与时间序列动量的对比），充分证明了波动率作为择时信号的有效性和广泛适用性。

波动率择时策略不仅能够规避市场危机期的动量崩盘，也在后危机时期表现优异，且兼具与时间序列动量及基于风险资产配置方法的互补性。统计分析显示，动量因子和未来回报的相关性在高波动期间负转正，波动率择时有效捕获这一风险信号，稳定了动量因子收益。

总体而言，报告确认了波动率择时的动量多头策略是一种切实可行且表现优异的改进动量策略，在理论上紧扣因子投资动态性，在实证上展示了策略的应用价值，适合量化投资领域风险管理与动态资产配置的深化研究和实践推广[page::0-8]。

---

参考图片示例

• 图1：MSCI World因子指数累计回报

• 图4：波动率择时动量多头策略表现

• 图7：Spearman等级相关系数时间序列

• 图9：风险平价实际波动率

---

上述内容涵盖报告所有重点章节、核心论点、图表分析及策略推导，力求详尽且专业，便于精准理解和应用。

报告