低波动异象全球普遍存在，A股市场异象显著增强 [page::2][page::3]

• 低波动股票长期收益高于高波动股票，夏普比率显著优于高波动组。

- A股低波动异象2011年以来大幅增强，与全球市场趋势一致。

低波动异象成因：风险补偿与行为偏差双重驱动 [page::4][page::5][page::6]

• 风险补偿：传统三因子和四因子模型无法完全解释低波动现象，质量因子部分解释。

- 行为偏差：个人投资者存在彩票偏好、过度自信导致高波动股票被高估；机构受杠杆与基准约束无法完全套利，反加剧价格偏差。

• 套利不对称性使高估股票卖空受限，促使低波动异象持续存在。

波动率因子测试及表现综述 [page::9][page::10][page::13]

• 测试1个月至1年不同形成期波动率因子，3个月形成期因子（DASTD_3m）表现最优，收益稳定且信息比率较高。

- 波动率因子存在行业（低波动行业如银行、电力， 高波动行业如计算机、电信）和市值偏向（低波动组市值远大于高波动组）。

• 因子稳定性有限，多空组合有较大阶段性回撤，牛市及滞胀表现弱。

波动率因子的行业及市值特征分析 [page::13][page::14][page::15]

• 行业中性及市值中性处理均可提升波动率因子表现，回撤显著降低，稳定性增强。

- 中盘股表现尤其优异。

• 波动率因子总体呈大盘、价值、质量和低流动性特征。

波动率因子与其他风险因子比较 [page::17][page::18]

• 波动率因子溢价类似于BP、Size因子，换手率远低于反转因子，信息比率表现良好。

- 与流动性、账面市值比、质量等因子具备适度相关性，展示较强的独立信息。

改进波动率因子构建与测试：特质波动率、分位数波动率、预测波动率 [page::19][page::20][page::21][page::22][page::23][page::24]

• 改进因子通过剔除市值影响、使用排序分位数及引入GARCH模型预测波动率提升因子稳定性及Alpha纯度。

- 多空组合最大回撤大幅降低，夏普比率和信息比率明显增强。

• 改进因子在各类市场及宏观经济环境下表现更加稳健，牛市及滞胀期显著优于传统波动率因子。

改进因子中证800测试及结果 [page::26][page::27][page::28]

• 在中证800成分股测试中，改进因子依然表现优于传统波动率因子，回归显著性、IC及收益率均领先，表明稳定性和泛化能力良好。

低波动异象成因深度实证：风险补偿、行为偏差与机构约束 [page::27][page::29][page::30][page::31]

• Fama French三因子和五因子模型不能完全解释低波动异象，质量与流动性因子有所贡献。

- 行为偏差因子（偏度Skew、最大涨幅MAXRET）对传统波动率因子的解释力显著，尤其是MAXRET。

• 改进波动率因子Alpha更纯净，不受传统风险因子和行为偏差过多解释。

- 机构投资者对高波动率套利受限，机构持仓波动率暴露显著提升，2011年后机构约束增加导致低波动异象加强。

因子回撤的原因及展望 [page::32]

• 牛市情绪高涨时，低波动异象的定价偏差修复存在滞后，导致短期回撤但长期依然有效。

- 低波动异象和提升波动率因子构建对Smart Beta策略有重要指导意义，后续重点解析高质量低波动策略。

金融工程专题报告《低波动异象：解析、改进及成因实证—因子研究专题四》详尽分析

---

一、元数据与报告概览

• 报告标题：低波动异象：解析、改进及成因实证—因子研究专题四

- 发布机构：民生证券研究院

• 发布日期：2019年5月20日

- 研究团队：分析师徐玉宁、马自妍，研究助理王西之

• 主题：围绕股票市场中的“低波动异象”现象展开，探讨该定价异常的全球表现、成因机制、因子测试、改进方案及实证研究

- 核心论点：
- 低波动异象是指低波动率的股票长期表现出较高收益且波动率较低的悖论性市场现象，全球范围内普遍存在且A股市场尤为显著（尤其2011年以后）
- 成因主要基于风险补偿和行为偏差两大视角，其中行为偏差及机构套利限制是驱动低波动异象的主要力量
- A股市场的波动率因子展现出良好的因子收益和显著统计特征，但存在稳定性不足、多空组合回撤较大等不足
- 通过构建特质波动率、分位数波动率与预测波动率等改进因子，有效提升了因子稳健性和纯度
- 实证表明低波动异象主要源于投资者行为不理性和机构投资者约束，风险补偿贡献较小

• 报告评分与建议：该报告未直接给出投资评级或目标价，重点在学术与实证视角深入解析低波动异象，为构建波动率因子相关策略提供理论与实证基础

---

二、逐节深度解读

1. 低波动异象概览（全球及A股）

• 资产定价经典理论（CAPM）与实证矛盾：按理论，高风险资产应有高预期收益，但实证发现低波动率股票反而表现较优

- 图1 & 图2展示发达市场和新兴市场1990-2011年低波动股票与高波动股票之间的波动率、收益率和夏普比率差异（低波动股票收益较高，波动率较低，夏普比率显著优于高波动股票）

• A股表现：报告指出A股从2005年至2019年，低波动率组合年化收益13.31%，相比高波动率组合（-0.92%）超额14.22%，显示2011年后低波动异象加剧

- 图3展现了A股低波动组合净值明显优于高波动组合，特别是2011年以后分化加大，表明该现象非短期偶然

• 解释依据：追加研究后续章节聚焦于低波动异象背后成因解析，以理解其演变趋势[page::2, 3, 4]

2. 低波动异象成因：风险补偿与行为偏差

• 风险补偿角度：

- 以Fama-French三因子和Carhart四因子模型为基础，无法完整解释低波动异象该现象
- 加入质量因子（高盈利能力、稳定现金流等）后，部分学者认为可部分解释低波动异象，尤其在高质量股票中表现更强（Walkshäusl 2013; Novy-Marx 2016）
- 但其他研究（Blitz and Vidojevic 2017）指出，该模型仍无法完整消除该异常，市场因子定价能力存在问题

• 行为偏差角度：

- 投资者行为偏差（彩票偏好、代表性偏差、过度自信）导致高波动股票被高估，低波动股票被低估，形成套利机会
- 机构投资者约束：
- 杠杆限制、业绩考核基准等因素限制机构投资者充分利用此套利机会
- 机构偏好高弹性、高波动股票以追求超越基准表现，资金流向高波动股票推高其价格，进一步强化低波动异象
- 套利不对称性：由于做空成本高，特别是小盘股做空受限，套利来回修正延缓，低波动现象异常强烈（Stambaugh et al., 2012）

• 综上，两大成因视角辅以实证支持，明确了行为偏差与机构约束为核心驱动力[page::4-6]

3. 低波动因子测试及特征

• 测试方法详解（图4）：

- 数据缩尾处理、因子标准化
- 使用四种回归模型（纯因子、加入行业、市值、行业与市值控制）
- 分层法构建多种组合，行业和市值中性化处理
- 因子评价指标包括因子收益率、t值、信息系数(IC)、年化信息比率(ICIR)、分组绩效等
- 市场、宏观环境根据沪深300走势及经济数据进行划分，以评估因子在不同经济周期的表现[page::7-8]

• 不同形成期波动率因子测试（DASTD1m、3m、6m、1y）：

- 均显示强烈低波动异象，3个月形成期表现最优（多空组合年化收益约13%，夏普0.43）
- 多空组合存在大幅回撤（近50%），单调性表现随形成期变化，1个月期因子换手率高达40%
- 综合回归分析显示3个月因子几乎包含全部波动率信息，其他因子不提供增量收益[page::9-12]
- 不同行业波动率存在明显差异（图14-15），低波动率股票集中于医药、机械等行业
- 行业和市值中性化处理提升因子表现，最大回撤明显降低（至19.39%），强化了因子的稳健性[page::13-16]
- 波动率因子牛市表现弱，熊市、震荡市表现强（表11，图22-23）[page::16]

• 波动率因子与其他因子对比（图24-25）：

- 波动率因子因子收益率和信息系数仅次于动量和流动性因子，超越账面市价值和市值因子
- 相关系数表明波动率因子表现出大盘、价值、质量和低流动性的特征，呈较为复杂的风险因子属性[page::17-18]

• 波动率因子总结：

- 3个月波动率因子为A股市场典型的低波动异象代表
- 存在明显行业、市值偏好，且多空组合阶段性回撤大、牛市及滞胀周期表现弱
- 展望后续章节对因子稳定性的改进展开深入分析[page::18-19]

4. 波动率因子改进：特质波动率、分位数波动率及预测波动率

• 目标：解决多空组合回撤大、稳定性差、牛市与滞胀期弱势等问题

- 三种改进因子逻辑：
1. 特质波动率（HSIGMA）：用日收益率对Fama-French三因子回归残差波动率来计算，去掉市值、价值等系统风险的影响
2. 分位数波动率（HSIGMArank）：基于日收益率分位数序列构造的波动率，减弱极端值影响，同时具有特质波动率性质
3. 预测特质波动率（HSIGMAgarch）：利用GARCH(1,1)模型对残差序列波动率进行样本外预测，捕捉波动率的动态时变性，增强稳健性

• 测试结果(表12-17)：

- 改进因子因子收益率、信息系数、ICIR显著提升，因子多空组合最大回撤大幅缩小（行业中性因子由37.34%降至10.98%）
- 多头组合年化收益及夏普率均优于原因子
- 改进因子在牛市及经济滞涨期表现显著优化，其适用环境更加广泛

• 中证800成分股内复测印证改进因子的稳健性提升[page::19-28]

5. 低波动异象成因实证

• 风险补偿视角实证：

- 以DASTD因子多空组合为对象，Fama-French三因子和五因子模型均未完全解释Alpha的存在，五因子中质量因子对模型拟合有所提升但不足以完全解释异常收益
- Fama-Macbeth多元回归表明，基本风险因子联合可部分解释DASTD因子溢价，但对改进因子（HSIGMA及HSIGMAgarch）无显著解释力，说明改进因子纯度更高，Alpha属性更强[page::27-29]

• 行为偏差视角实证：

- 以SKEW（偏度）和MAXRET（最大日涨幅）因子替代个人非理性行为，均呈负向定价效应，最大日涨幅（MAXRET）因子表现更优
- 加入这两个行为因子后，DASTD因子溢价显著下降，说明绝大部分溢价源于个人投资者的非理性行为，尤其是MAXRET因子
- 改进因子HSIGMA和HSIGMAgarch对行为偏差因子解释力更弱，表现更为纯粹[page::29-30]

• 机构约束实证：

- 主动偏股公募基金的持股组合贝塔和波动率因子暴露度自2011年起显著上升，表明机构投资者杠杆限制、业绩考核及跟踪基准的束缚加强
- 机构约束加强导致套利能力下降，无法纠正个人投资者非理性导致的价格偏差，从而强化了低波动异象，这与A股2011年后低波动异象增强现象一致[page::30-31]

• 定价偏差修复滞后性：

- 波动率因子的阶段性回撤主要由于行为偏差导致的定价偏差修复存在滞后，特别是在牛市高情绪下，套利修复延迟需持有更长期限耐心等待回报[page::31]

---

三、图表与数据深度解读

• 图1、图2（发达市场与新兴市场低波动股票对比）：

- 展示跨国数据对比，低波动股票的波动率显著低于高波动股票，收益显著高于高波动股票，夏普比率明显优越
- 证实低波动异象为全球普遍现象，且发展成熟市场（图1）强于新兴市场（图2）[page::2-3]

• 图3（A股低波动股票净值表现）：

- 净值趋势清晰，低波动股票的表现明显优于高波动股票，2011年后分化加剧，验证国内市场低波动异象的存在和演化[page::3]

• 图4（因子测试流程）：

- 展示完整因子测试与评价流程，涵盖数据处理、回归法与分层法测试、以及综合因子评价体系
- 明确研究结构分析方法[page::8]

• 图5-12（不同形成期波动率因子回撤及净值趋势）：

- 说明不同形成期波动率因子多空组合走势及各分组表现，3个月形成期整体表现最佳
- 回撤图指出因子存在阶段性大幅回撤风险，是后续改进的关键目标[page::10-11]

• 图13（形成期因子相关热力图）：

- 因子间相关度高，尤其3个月与6个月期相关度最高，确认3个月形成期因子信息最具代表性与独立性[page::12]

• 图14-15（行业波动率分布与分组股票行业数量）：

- 具体显示不同行业波动率分布差异，和低波动率与高波动率股票集中行业不同，启发行业中性对控制偏向的重要性[page::13]

• 图16-21（行业和市值中性化因子多空组合表现）：

- 经过中性化处理，因子稳定性显著提升，回撤减少且收益夏普均改善
- 分组表现更显一致且风险调整更优[page::14-16]

• 图22-23（波动率因子表现与市场/宏观环境对比）：

- 突出波动率因子在非牛市市场（熊市、震荡）及宏观周期（衰退、复苏）表现较优，牛市和滞胀周期表现较差
- 市场状态对因子效用有明显影响，形成投资策略考虑因素[page::16]

• 图24-25（波动率因子与其他因子绩效和相关性）：

- 波动率因子溢价水平较为显著，表现出多重风险特征，与其他价值、规模、流动性因子均存在关联[page::17-18]

• 图26-35（改进波动率因子净值、回撤及多空表现）：

- 三大改进因子均展示更优因子收益及极大降低回撤，表现更稳健且稳健性指标提升明显
- 净值图直观体现稳定且持续超额收益能力，在行业中性和中性化处理后表现更突出
- 预测波动率因子（HSIGMAgarch）在所有改进因子中表现最好，特别在极端市场环境中优势明显[page::23-24]

• 图36（预测特质波动率因子与特质波动率因子RankIC比较）：

- 展现HSIGMAgarch因子在市场波动大时仍能保持有效信号，解决传统因子滞后问题[page::26]

• 图37-38（主动偏股型基金组合特征）：

- 可见2011年后机构投资者的波动率因子暴露和Beta显著上升，印证机构约束加强导致套利能力下降[page::30-31]

---

四、估值分析

• 报告未涉及传统意义上的公司估值或目标价分析，主要围绕波动率因子本身的构造、表现及其改进

- 研究使用回归分析、因子收益、IC等量化指标评价因子表现，不直接涉及现金流折现法（DCF）、市盈率等估值模型

• 因此估值分析集中于因子本身溢价大小及其解释力，包括传统风险因子的控制和调节

---

五、风险因素评估

• 数据与模型风险：

- 因子分析基于历史数据，存在样本外表现不可预测风险
- GARCH等模型预测的波动率可能对极端事件反应有限

• 市场环境变化：

- 牛市及滞胀期因子表现一般，投资者需关注因子适用周期性风险

• 行为偏差修复滞后：

- 定价偏差修复存在时滞，波动率因子易遭受阶段性大回撤，需耐心持有

• 机构约束演变：

- 随着机构投资者配置能力和杠杆限制变化，低波动异象强度可能发生结构性变化

• 报告声明：

- 明确模型和分析存在一定局限性，不代表未来表现，谨慎对待结论[page::0, 32]

---

六、批判性视角与细微差别

• 报告结构严谨，论述科学，但存在以下需注意之处：

- 对因子改进中，尽管回撤明显下降，但换手率普遍提高，交易成本和滑点影响未详细探讨，实际可投资性需进一步验证
- 机构约束的度量主要基于基金持仓行为，未包含其他机构投资者类型，且对未来约束力度的持续预测带有不确定性
- 低波动异象解释中较多依赖行为金融视角，部分结论基于宏观观察和理论推断，实际市场多因素交织，单一因果推断风险
- 牛市及滞胀周期弱势表现虽有详细说明和实证，但报告并未提出明确应对策略，投资应用建议欠缺

• 总体而言，报告展现对低波动异象全面深入的理解，改进因子的设计及实证尤为亮点，但策略实施面仍需关注实际交易成本等实务问题

---

七、结论性综合

本报告系统梳理了全球，尤其是中国A股市场存在的低波动异象，挑战了经典资产定价理论，揭示其持久且强烈的定价异常。通过学术文献回顾对风险补偿与行为偏差两大成因路径进行了细致阐释，并以数据实证验证了行为偏差（个人投资者非理性行为及机构套利约束）是低波动异象的主驱动力，风险补偿贡献有限。

报告通过构造与测试多个不同窗口形成期的波动率因子，确认3个月形成期因子表现最优，但存在稳定性不足和牛市表现弱的问题。基于对波动率因子本质缺陷的深入分析，创设了特质波动率、分位数波动率、预测波动率三种改进因子，显著提升了因子稳定性、纯净性及抗周期性波动损害，特别是GARCH预测特质波动率因子（HSIGMAgarch）表现最佳。

实证结果表明，低波动异象源于投资者行为的非理性定价偏差及机构投资者约束，其中行为偏差的部分可由偏度因子和极端涨幅因子解释。机构投资者的杠杆和资金约束加剧了这种偏差，使套利不对称现象持续，导致低波动股票长期获得正向Alpha。

最后，报告指出波动率因子虽为有效的长期因子之一，与其他因子相比具有竞争力，但其交易时波动较大、周期性表现不一，投资者需结合宏观及市场状态调整策略持有期，强化风险管理。此外，作者暗示未来将会发表“高质量低波动”Smart Beta 策略专题，继续深化对波动率因子的策略应用价值。

---

综上，该报告不仅全面展示了低波动异象的理论与实证全貌，也通过科学严谨的量化分析和因子构建创新，提升了波动率因子的稳健性和应用效能，对学术研究及实际投资策略均具较高参考价值[page::0-33]。

---

关键图表示例

• 

-

• 

-

• 

-

---

本分析严格基于报告内容，确保溯源准确符合行业专业规范。

报告