传统特质波动率因子选股表现 [page::3][page::4]

• 利用Fama-French三因子模型残差标准差构造特质波动率因子IDVol。

- 回测期间（2005/01-2020/04）月度IC均值-0.059，年化ICIR-1.78，年化收益17.93%，信息比率1.48，月度胜率70.65%，最大回撤14.49%。

• 不同年份表现存在分化，特别是2013年和2020年表现较差。

特质波动率因子与换手率因子高度相关及改进尝试 [page::5][page::6]

| 因子名称 | IC均值 | 年化ICIR | 年化收益率 | 信息比率 | 月度胜率 | 最大回撤 |
|----------------|---------|---------|------------|----------|----------|----------|
| IDVol | -0.059 | -1.78 | 17.93% | 1.48 | 70.65% | 14.49% |
| Turn20 | -0.071 | -1.99 | 23.89% | 1.74 | 69.57% | 12.70% |
| IDVoldeTurn20| -0.030 | -1.05 | 6.08% | 0.61 | 59.78% | 17.70% |

• IDVol与换手率因子Turn20相关系数为0.51，信息重叠严重。

- 正交化剔除换手率后，特质波动率因子选股能力显著下降。

波动率聚集现象及纯真波动率因子构建 [page::6][page::7][page::8][page::9]

• 观察万得全A指数日收益率波动聚集，且个股特质波动率因子具有较高时序和截面相关性。

- 设计多期（滞后阶数6）横截面回归剔除因子跨期截面相关性，得到残差构成“纯真波动率因子”IDVol_deCorr。

• 纯真因子回测期间月度IC均值-0.055，年化ICIR-2.16，年化收益率18.89%，信息比率2.17，月度胜率78.26%，最大回撤8.29%，相比传统因子表现更优。

纯真波动率因子与换手率因子相关性及对比表现 [page::9][page::10]

| 因子类型 | IC均值 | 年化ICIR | 年化收益率 | 年化波动率 | 信息比率 | 月度胜率 | 最大回撤 | 相关系数(换手率) |
|----------------|---------|---------|------------|------------|----------|----------|----------|-----------------|
| 传统因子 | -0.059 | -1.78 | 17.93% | 12.13% | 1.48 | 70.65% | 14.49% | 0.51 |
| 纯真因子 | -0.055 | -2.16 | 18.89% | 8.70% | 2.17 | 78.26% | 8.29% | 0.41 |
| 传统因子正交换手| -0.030 | -1.05 | 6.08% | 9.95% | 0.61 | 59.78% | 17.70% | - |
| 纯真因子正交换手| -0.032 | -1.47 | 9.25% | 7.46% | 1.24 | 67.93% | 7.56% | - |

• 纯真波动率因子与换手率相关性降低，剔除换手率后仍表现优异。

参数敏感性分析及换仓率比较 [page::10][page::11][page::12]

| 滞后阶数 N | IC均值 | 年化ICIR | 年化收益率 | 年化波动率 | 信息比率 | 月度胜率 | 最大回撤率 |
|------------|--------|---------|------------|------------|----------|----------|------------|
| 0 (传统因子) | -0.0586 | -1.78 | 17.93% | 12.13% | 1.48 | 70.65% | 14.49% |
| 6 | -0.0554 | -2.16 | 18.89% | 8.70% | 2.17 | 78.26% | 8.29% |
| 24 | -0.0553 | -2.24 | 17.87% | 8.64% | 2.07 | 76.63% | 7.36% |

• 不同滞后阶数下纯真波动率因子均明显优于传统因子，且选股指标稳定。

- 换仓率显著提高，纯真因子多头月均换仓率80.32%，比传统因子高22.93%；空头换仓率提升15.08%，作为月频策略影响有限。

在不同样本空间的有效性检验 [page::13]

| 样本 | 因子类型 | IC均值 | 年化ICIR | 年化收益率 | 信息比率 | 月度胜率 | 最大回撤率 |
|------------|----------|---------|---------|------------|----------|----------|------------|
| 沪深300 | 传统因子 | -0.0221 | -0.45 | 5.18% | 0.33 | 55.06% | 27.72% |
| 沪深300 | 纯真因子 | -0.0284 | -0.81 | 7.29% | 0.61 | 56.33% | 19.79% |
| 中证500 | 传统因子 | -0.0499 | -1.31 | 16.35% | 1.31 | 67.09% | 26.60% |
| 中证500 | 纯真因子 | -0.0427 | -1.34 | 15.81% | 1.65 | 65.82% | 15.20% |

• 纯真波动率因子在沪深300和中证500中均能提升选股效果和风险指标，具有较强稳健性。

报告深入分析：“波动率选股因子”系列研究（一）

—— 寻找特质波动率中的纯真信息剔除跨期截面相关性的纯真波动率因子

---

1. 元数据与报告概览

标题：波动率选股因子系列研究（一）：寻找特质波动率中的纯真信息剔除跨期截面相关性的纯真波动率因子
作者：高子剑（证券分析师）、沈芷琦（研究助理）
发布机构：东吴证券研究所
发布日期：2020年5月28日
研究主题：基于A股市场的传统特质波动率因子构建与改进，聚焦因子在跨期截面相关性的剔除，创新提出“纯真波动率因子”，以提升选股效果。

核心论点与主旨：
报告首先重申传统特质波动率因子基于Fama-French三因子模型已被广泛使用及验证具备一定选股能力，但存在信息重复利用导致的跨期截面相关性。该报告创新提出通过简单的多期横截面回归剔除该相关性，以提取更纯粹、有效的波动率选股信号，称为“纯真波动率因子”。回测显示纯真因子在选股效果、收益稳定性、与其他因子相关性等方面均优于传统因子。作者旨在通过系列报告深化对波动率因子的探索，提升资产管理中因子选股实效性。[page::0,1,3]

---

2. 逐节深度解读

2.1 前言

报告指出，自Ang等人（2006）论文揭示特质波动率与未来收益负相关（“低波动率异常现象”）以来，学界与实务均高度关注相关研究。东吴证券在该背景下推出“波动率选股因子”系列，首篇聚焦因子本身的时序和截面相关性问题，尝试提出简洁改进以提高因子纯度和选股效果。[page::3]

2.2 传统特质波动率因子（章节2）

2.2.1 因子构建

• 样本选择：全A股（剔除ST、停牌、新股），2005/01/01-2020/04/30。

- 计算方式：每月末，取前20个交易日的每只股票对Fama-French三因子（市场、规模、小盘比大盘、价值-成长）回归，残差$\varepsilon{i,t}$视为特质收益率；再计算该残差的标准差即得特质波动率（IDVol）。[page::3]

2.2.2 选股效果回测

• 月度均衡信息系数(IC)均值-0.059，表明波动率与未来收益存在显著负相关；

- 年化IC信息比率(ICIR)为-1.78，5分组多空对冲年化收益17.93%，信息比率1.48，月度胜率70.65%；

• 最大月度回撤14.49%；

- 年度表现波动较大，2013年与2020年收益为负。
图1曲线显示分组净值走势，低波动率组（分组1）表现显著较好。[page::3,4]

2.2.3 因子与换手率相关性

• 换手率因子Turn20构造类似，同期相关度0.51，反映价量信息重叠；

- 对IDVol做换手率正交化后残差IDVoldeTurn20选股能力显著下降，IC均值降至-0.030，多空对冲年化收益仅6.08%，信息比率0.61，月度胜率59.78%。
图2和表2对比了IDVol、Turn20及IDVoldeTurn20的表现，凸显换手率信息在传统波动率因子中的重要性与冗余性。[page::5]

2.2.4 章节小结

• 传统特质波动率因子已具备一定选股能力，但存在较强信息重叠和被换手率因素解释的问题，且剔除换手率后选股能力大幅下降，表明因子仍有改进空间。[page::6]

2.3 波动率聚集现象（章节3）

• 文献与实证确认（Cont 2005）金融资产收益展现“波动率聚集”特征，即大幅波动往往集中出现；

- A股万得全A指数日收益率波动率聚集性明显，图3中两处红框高波动区显著；

• 进一步计算传统特质波动率因子在股票层面的平均时序相关系数和平均截面相关系数（滞后阶数N=1时，分别为0.33和0.38），说明个股波动率在时间维度和横截面均存在较强相关性；随滞后阶数增大逐渐减弱，但仍存在一定持续性（图4）。

- 该特征说明在因子选股过程中，历史因子值被多次重复利用，导致现期因子带入了许多过往信息，影响因子信号纯度。[page::6,7]

2.4 纯真波动率因子的剔除跨期截面相关性方法与回测（章节4）

2.4.1 构建方法

• 基于传统IDVol，选定回归滞后阶数N=6；

- 每月月底对当期IDVol因子值在全样本横截面上，做过去6期的因子横截面回归：
$$
ID\Vol{i,t} = \nu + \sum{k=1}^6 \thetak ID\Vol{i,t-k} + \mu{i,t}
$$

• 回归残差$\mu{i,t}$即为剔除跨期截面相关性的“纯真波动率因子”IDVoldeCorr。

- 目的在于剥离历史因子高相关带来的“重复利用”现象，净化每一期的因子信号。

2.4.2 主要回测结果

• 相邻两期纯真波动率因子时序相关系数降至0.044，截面相关系数降至0.007，显著解耦；

- 选股能力提升：
- 月均IC -0.055，年化ICIR -2.16，RankIC -0.077，年化RankICIR -3.00，均优于传统；
- 多空对冲年化收益18.89%，信息比率2.17，月度胜率78.26%，最大回撤8.29%，全方位指标优于传统因子；

• 各年度表现更稳健，2013年和2020年表现显著好于传统（表3、图5）；

- 纯真因子与换手率相关系数下降至0.41，且正交换手率后选股能力仍明显优于传统因子（图6，表4）。[page::7,8,9,10]

2.4.3 小结

简单的线性多期横截面回归方法高效剔除了波动率因子的跨期截面相关性，提高了因子纯度及选股能力，验证了波动率因子信号存在被重复利用的“伪信号”问题，同时提升了策略净值增长和稳定性表现。[page::10]

2.5 参数敏感性与策略特征（章节5）

2.5.1 参数敏感性（5.1节）

• 不同滞后阶数N（0至24）条件下，纯真因子5分组多空对冲信息比率均显著高于传统因子；

- 随N增大，纯真因子表现趋于平稳，最佳选择范围较宽（N=6时为推荐）；

• 纯真因子正交换手率后性能也优于传统因子，增强了因子稳定性和差异度。（图7，表5、6）[page::10,11]

2.5.2 多头、空头超额收益分解（5.2节）

• 纯真因子的多头超额年化收益6.80%较传统因子5.41%提升明显，空头超额表现差异不大，但信息比率提升明显（表7）；

- 说明纯真因子在多头持仓选股上改善最为显著，提升了整体策略收益和稳定性。[page::12]

2.5.3 换仓率（5.3节）

• 纯真因子因回归去除历史截面相关，导致相邻期因子相关性降低，换仓操作频繁；

- 多头平均月度换仓率从57.39%升至80.32%，空头从60.91%升至75.99%，增长分别为22.93%和15.08%；

• 报告指出由于为月频操作，换仓率增加对交易成本影响有限，且换仓增加带来信号纯度提升带来的收益提升值得权衡。[page::12]

2.5.4 其他样本空间（5.4节）

• 在沪深300和中证500成分股中均做回测验证：

- 沪深300纯真因子信息比率由0.33升至0.61，月度胜率略增，最大回撤下降；
- 中证500纯真因子信息比率由1.31升至1.65，月度胜率稍降，最大回撤显著下降至15.20%；

• 表明改进方案具有良好的横向适用性和稳健性（表8）。[page::13]

2.6 报告总结与风险提示（章节6、7）

• 报告认为，加入横截面多期“Peel Off”回归步骤有效剥离历史因子信息，去伪存真，提升波动率因子的选股能力和稳定性。

- 风险提示强调历史数据的局限性及单因子策略存在波动，建议结合资金管理和风险控制使用。

• 免责声明详细说明研究报告的适用范围、权利义务及评级标准，严谨规范。[page::13,14]

---

3. 重要图表深度解读

图1（传统特质波动率因子IDVol多空净值走势）

图示2004年末-2020年初间，5分组股票净值走势，分组1（波动率最低）净值最高，分组5最低。多空对冲线（分组1-分组5，右轴）呈现稳健上升趋势，累计收益较好，但2013年和2020年表现温和或回撤明显，说明传统因子整体有效但有波动。[page::4]

表1（传统因子年度表现）

各年度收益率差异明显，其中2006-2009、2014-2015年表现突出；2013/2020年表现弱势。信息比率与月度胜率对应波动，最大回撤年中有波动，尤其2020年达到29%。数据佐证传统因子不稳定性。[page::4]

图2（IDVoldeTurn20正交换手率因子多空净值走势）

调整因子后表现明显弱于原始特质波动率因子，5分组净值差距缩小，多空对冲收益累积缓慢，印证剔除换手率影响导致选股能力下降。[page::5]

表2（IDVol、Turn20、IDVoldeTurn20选股对比）

换手率因子Turn20表现最优（年化收益23.89%，信息比率1.74），传统特质波动率次之，剔除换手率后因子表现最弱，显现因子高度相关性和冗余。[page::5]

图3（万得全A指数收益率波动聚集）

展示明显的波动率聚集块状区域，验证市场整体波动率特征与文献一致，为剔除跨期截面相关性提供理论基础和实证支持。[page::6]

图4（传统特质波动率因子时序和截面相关系数分布）

滞后阶数小（N=1）时，时序相关系数0.33，截面相关0.38，高相关性证实因子存在信息重复，随着N递增相关性快速衰减，但仍非零，说明长期多期重叠。[page::7]

图5（纯真波动率因子5分组和多空净值走势）

曲线明显优于图1，尤其多空对冲线增速更快累计回报更高，体现去除跨期截面信息后因子优势提升，风险收益特征更佳。[page::8]

表3（纯真波动率因子年度表现）

纯真因子各年度大多表现优于传统因子，尤其极端年份表现稳定且更优，如2007年年化收益达247%，2013年正收益，最大回撤均显著缩小，体现稳健性提升。[page::9]

图6（新旧因子剔除换手率后净值）

纯真波动率因子剔除换手率线性影响后依旧稳健上升，明显优于传统因子残差，证明纯真因子信号纯度和独立性提升。[page::9]

表4（新旧因子综合指标对比）

纯真因子在IC均值、信息比率、年化收益（月度胜率）等方面全面领先，且与换手率相关性明显降低，最大回撤降低，显示整体策略稳健性提升。[page::10]

图7（不同N值参数敏感度）

信息比率和月度胜率随着N从0增大平稳提升，N=6为推荐，显示模型在合理参数范围内稳健且优于传统因子。[page::10]

表5、6（不同N取值下新旧因子及剔除换手率效果）

纯真因子无论在剔除换手率前后均优于传统因子，大幅提升策略表现，参数灵敏度低，增强实用性。[page::11]

表7（多头、空头超额分解）

纯真因子多头超额收益与稳定性提升尤为显著，空头优势亦有所提高，构筑整体选股策略的风险收益改善。[page::12]

图8、9（月度换仓率对比）

纯真因子换仓率明显增加（多头80.32% vs 传统57.39%），反映剔除历史相关信号导致的策略灵活性增强，需控制交易成本但对月频模型影响有限。[page::12]

表8（沪深300、中证500不同样本的选股效果）

纯真因子在不同股票池中均实现信息比率和最大回撤的改善，月度胜率稳定，表明模型适用范围广泛。[page::13]

---

4. 估值分析

本报告未涉及企业估值和目标价格的内容，聚焦因子构建与策略绩效评估，无估值模型或相关分析。

---

5. 风险因素评估

报告风险提示部分指出：

• 所有统计和回测基于历史数据，未来市场环境可能发生根本变化，历史表现不代表未来。

- 由于为单一因子，纯因子收益存在较大波动，需结合资金管理和风险控制措施。

• 策略因换仓率增加可能带来交易费用增长，需评估实际执行影响。

- 因子改进依赖历史截面相关结构，结构变动可能影响因子有效性。

未见具体缓解策略，但强调实务中需结合风险控制措施，符合因子研究一般风险管理要求。[page::0,13]

---

6. 批判性视角与细微差别

• 因子构建简洁但实际操作复杂：虽然回归剔除跨期相关性在统计上有效，但多期横截面回归在实际月末交易时点的计算、数据延迟及交易执行要求较高，操作复杂度攀升。

- 高换仓率风险敞口：纯真因子换仓率顯著增加，虽然月频策略影响小，但在市场流动性较弱或交易成本较高环境下，可能削弱策略净收益。报告对此提及有限。

• 剔除换手率后，部分指标下降：传统因子剔除换手率后表现大幅下滑，纯真因子虽然改善但仍未完全替代换手率的市场信息，表明因子间复合效应和信息重叠依旧存在，存在进一步优化空间。

- 市值与流动性调整：报告对因子正交换手率处理，但未详述对规模、流动性的控制，可能影响因子独立性及交易执行风险。

• 年末初期及近年表现尚不稳定：新因子2019年下半年及2020年表现较为波动，表明因子性能可能受市场环境影响，需长期观察验证。

- 学术引用较多，但模型未深度扩展：报告多引用Ang（2006）与Cont（2005）等经典文献，技术实现层面主要依赖简单线性回归，缺少比如非线性模型或机器学习方法的对比分析。

• 缺乏对宏观因素和行业结构差异的细分研究，未来研究可考虑。

总体上，报告逻辑严密，统计分析充分，证明了纯真波动率因子的改进价值，但实操复杂性和换仓率问题值得关注。

---

7. 结论性综合

本报告以Fama-French三因子残差波动率为基础，系统研究其在A股市场的选股价值，发现并验证其存在显著的跨期截面相关性，基于金融时间序列波动聚集现象，提出剔除历史截面相关性的“纯真波动率因子”构建方法。采用简单多期横截面回归剔除历史因子信息后，纯真波动率因子的时间序列与截面相关性显著降低，因子纯度明显提升。

多方面量化回测结果坚实支持纯真波动率因子的优越性：

• IC均值与RankIC均值提升，ICIR明显提升至-2.16及-3.00，表明预测能力强化；

- 多空对冲年化收益提升至18.9%，信息比率从1.48提升至2.17，波动率下降，最大回撤降低至8.29%，显示风险调整后表现更优；

• 纯真因子与换手率因子相关性降低，独立性增强，剔除换手率后仍保持选股能力优于传统因子；

- 参数敏感性验证了方法的稳健性和适用性，适用于沪深300及中证500等不同样本，具有广泛的应用潜力。

• 纯真因子多头超额收益提升明显，增强了选股实用价值；

- 换仓率显著增加但月频影响有限，交易成本对冲后策略仍具吸引力。

报告充分验证了简单统计方法在剥离历史相关信息、强化因子选股效用方面的价值，提出的“纯真波动率因子”为波动率选股研究带来重要补充和改进思路，具有较高的学术与实务参考价值。

---

图表视图示例

纯真波动率因子的5分组及多空对冲净值走势示意图如下：


---

综上，东吴证券本研究报告通过深度分析A股市场特质波动率因子的时间序列与横截面结构，创新提出纯真波动率因子构建方法，充分展现了该改进因子在选股效能上的提升及应用潜力，为量化投资因子挖掘提供精细化示范。

[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14]

报告