风险模糊厌恶理论与金融学解释 [page::2][page::3][page::4]

• 投资者对已知概率事件（风险）和未知概率事件（风险模糊）的态度存在显著差异，通常厌恶风险模糊。

- 以Ellsberg实验为例，投资者更偏向已知概率的盒子，违背传统预期效用理论。

• 经验假说认为投资者会基于对股票了解程度对主观概率估计置信度不同，导致风险模糊厌恶情绪。

- 波动率异象反映投资者宁愿为熟悉股票承担更大波动率，波动率并非真实风险度量[page::3][page::4].

Vol of Vol 因子构建与计算方法 [page::4][page::5][page::6]

• Vol of Vol用于刻画股票波动率的波动，即风险模糊度。

- 利用沪深A股5分钟高频价差数据，剔除开盘与收盘异常时段，计算日内波动率。

• 采用Parkinson波动率估计方法提高波动率测度准确性和效率。

- 计算40个交易日内标准化日内波动率的标准差，得到股票的Vol of Vol指标。

• Vol of Vol不同于传统市值、动量等因子，具有独特的信息增量[page::5][page::6].

Vol of Vol 因子相关性与预测能力检验 [page::7][page::8][page::9]

• VoV与传统ALPHA因子及风格因子相关性较低，仅与波动率因子相关性34%，与动量、流动性约20%。

• 月度IC指标未剔除行业与风格时均值约-0.06，ICIR -2.5，剔除后IC下降至-0.04但ICIR提升至-2.81，预测能力稳健。

| 统计量 | 未剔除行业与风格 | 剔除行业与风格 |
|--------|-----------------|-----------------|
| IC | -0.0634 | -0.0398 |
| std | 0.0876 | 0.0492 |
| ICIR | -2.50 | -2.81 |

• 纯因子组合年化收益率5.08%，夏普比率2.25，最大回撤1.28%。

Vol of Vol 量化选股策略表现 [page::10][page::11][page::12]

• 全市场选股策略：每月等权调仓，选取行业中性后VoV最低100只（TOP100）和最高100只（BOTTOM100）股票。

• TOP100组合年化超额收益14.5%，信息比率2.38，月胜率68%；BOTTOM100组合年化超额收益-16.4%，信息比率2.98，表现稳定跑输市场。

| 绩效指标 | Top 100 | Bottom 100 |
|-------------|---------|------------|
| 年化收益率 | 17.8% | -14.5% |
| 夏普比率 | 1.66 | 3.63 |
| 最大回撤 | -53% | -75% |
| 月胜率 | 54% | 46% |
| 年化换手率 | 823% | 849% |

• 创业板策略：选择VoV最低10只和最高10只股票。

• 创业板内TOP10组合年化超额收益20.3%，信息比率2.02，月胜率63%，表现尤为显著。

| 绩效指标 | Top 10 | Bottom 10 |
|-------------|---------|-----------|
| 年化收益率 | 31.8% | -10.1% |
| 夏普比率 | 1.29 | 3.13 |
| 最大回撤 | -59% | -80% |
| 月胜率 | 56% | 45% |
| 年化换手率 | 876% | 866% |

结论及展望 [page::12]

• 投资者对风险模糊有明显厌恶情绪，高Vol of Vol股票未来表现较差，因此建议规避。

- Vol of Vol指标可作为创业板增强选股策略的重要参考因子。

• 虽然风险模糊负相关收益机理尚未明晰，进一步研究股票收益率不确定度的量化方法具备长远潜力。

详尽解读报告：《基于风险模糊度的选股策略》

---

1. 元数据与报告综述

• 报告标题：《基于风险模糊度的选股策略》

- 作者：陈奥林（分析师）、杨能（研究助理）等国泰君安证券金融工程团队成员

• 发布机构：国泰君安证券股份有限公司

- 发布日期：报告页码显示时间节点为2018年（具体时间未标明）

• 主题：以风险模糊度（Risk Ambiguity），特别是通过股票价格的波动率的波动率（Vol of Vol，简称VoV）构造新的选股因子，并验证其在A股市场的预测能力及投资策略表现

本报告核心论点：

• 投资者不仅面对风险，更面对风险的模糊程度（即概率分布未知导致的认知不确定性），其偏好表现为对风险模糊的厌恶。

- 报告创新采用高频数据估计日内波动率的波动率作为风险模糊度的表达，替代海外市场基于期权隐含波动率的指标。

• VoV体现的风险模糊对未来股票收益率具有稳定的负相关性，且剔除行业和风格影响后仍表现显著预测能力，相关纯因子年化收益率超5%，夏普比率达2.25。

- 基于VoV构建的选股策略在A股及创业板均获得显著超额收益，尤其创业板表现尤为突出，年化超额收益率达20%以上。

• 投资建议为规避高VoV股票，风险厌恶者应重点关注低VoV组合。

---

2. 章节逐节深度解读

2.1 引言

• 引言引用拉姆斯菲尔德的已知与未知著名论断，区分已知已知（known knowns）、已知未知（known unknowns）与未知未知（unknown unknowns）。该报告聚焦“未知未知”——风险模糊度。

- 阐明研究核心三问：风险模糊为何存在，如何刻画，是否可用于构建有效投资策略。

• 明确报告结构安排，分章节展开风险模糊与VoV的理论、测度、预测能力与策略实证分析。

2.2 风险模糊厌恶

2.2.1 风险与风险模糊的区分及Ellsberg悖论

• 通过Ellsberg的实验（两个盒子实验）区分“风险”（已知概率分布）与“风险模糊”（未知概率分布），实验显示大部分人偏好承担已知风险，厌恶风险模糊。

- 这违背经典预期效用理论，表明模型在现实中应用的局限，尤其股票投资本质为概率分布未知的事件，因此风险模糊在投资决策中更具实用价值。

2.2.2 行为金融学的经验假说

• 投资者对风险判断不只依据主观概率，还重视对概率估计的准确性，进而形成风险模糊厌恶。

- 心理学归因机制：知识匮乏时决策失败被归因于“无知”，成功被归因于运气；专业时成功归因专业，失败归因“倒霉”。

• 该认知动机导致投资者偏好熟悉领域，宁愿为熟悉股票支付溢价，形成风险模糊偏好效应。

2.2.3 解释“波动率异象”

• 传统CAPM/ APT理论预期风险（波动率）越高，收益越高。但实证却显示低波动率股票反而收益更高，称为“波动率异象”。

- 该现象实质上是波动率无法完全代表投资者心理认知的风险，即波动率忽视了风险模糊。投资者更偏好熟悉领域，即使熟悉股票波动率更大，其愿意为其支付溢价，推翻传统风险—收益正相关假设。

2.3 Vol of Vol与风险模糊度

• 投资者认知分三类层次：

1. 知道自己知道的（期望收益）
2. 知道自己不知道的（风险，波动率）
3. 不知道自己不知道的（风险模糊，波动率的波动率）

• VoV代表波动率的不确定性，用作风险模糊的量化指标。

- A股无期权数据，采用5分钟高频数据估计日内波动率，进而计算日间标准差作为VoV。

• 具体计算流程：剔除开盘和收盘前15分钟异常波动，利用40个5分钟K线收益率计算波动率并标准化，再计算40日内标准差作为VoV。

- 使用Parkinson极差波动率估计法代替传统样本标准差，提升波动率估算效率和准确度。


---

3. 图表与数据深度解读

3.1 风险与风险模糊的区别（表1，[page::3]）

| 盒子 | 不确定性类型 | 金融术语 | 中文解释 |
|-------|-------------|---------|---------|
| 盒子一 | 已知概率分布不确定性 | RISK | 风险 |
| 盒子二 | 未知概率分布不确定性 | UNCERTAINTY | 风险模糊 |

意义：简明区分金融风险与风险模糊的不同范畴，揭示风险模糊对投资者行为的重要性。

3.2 投资者三种认知比较（表2，[page::5]）

| 认知层级 | 金融意义 | 数学表达 | 预测能力 |
|------------------------------|----------|--------------|----------------|
| 知道自己知道什么 | 期望收益 | 均值 | 无预测能力 |
| 知道自己不知道什么 | 风险 | 波动率 | 预测能力一般 |
| 不知道自己不知道什么（程度） | 风险模糊度 | 波动率的波动率 | 预测能力较高 |

说明风险模糊因子（VoV）具备比风险（波动率）更强的未来收益预测能力，理论上强化了报告提出的投资意义。

3.3 VoV与其他因子相关性（图1，[page::7]）

• VoV与波动率因子波动达到33.6%，与动量（20.9%）和流动性（20.7%）因子也存在一定相关性。

- 与价值因子等其他传统因子相关性较低。

• 结论：VoV虽为价量因子，但具有较独特的信息增量，需要剔除风格影响进一步验证其预测价值。

3.4 VoV预测能力（图2和图3，[page::8]）

• 未剔除行业与风格时（月度IC）：IC平均为-0.0634，ICIR为-2.50，显示稳定的负相关和预测能力。

- 剔除行业与风格后（调整月度IC）：IC下降至-0.0398，但ICIR提升至-2.81，说明剔除行业和风格干扰后，因子预测的一致性改善，纯因子信号更为可靠。

3.5 因子回测表现（表3，图4，[page::9]）

• VoV纯因子组合年化收益率为5.08%，夏普比率2.25，月最大回撤仅1.28%，表现稳健。

- 累积收益曲线显示该因子在2011-2018年期间持续正收益累积，具备较强的实证支持。

• 该因子为稳定的Alpha来源，有助提升投资组合表现。

3.6 全市场选股策略表现（图5，表4，[page::10]）

• 策略构建思路为行业中性后挑选VoV最低100只股票（TOP100）和VoV最高100只股票（BOTTOM100）。

- TOP100组合年化绝对收益率高达17.8%，超额收益14.5%，信息比率2.38，月胜率68%，显示风险调整后的优秀表现。

• BOTTOM100组合表现极差，年化收益率-14.5%，负超额收益16.4%，信息比率反映业绩稳定跑输大盘，验证高VoV股票不宜持有。

- 高月换手率（823%-849%）提示策略频繁调仓，适合具备较强执行力的量化投资者。

3.7 创业板选股策略表现（图6，表5，[page::11]）

• 创业板内取VoV最低的10只股票构建TOP10组合，年化绝对收益31.8%，超额收益达20.3%，信息比率2.02，月胜率63%，表现优异。

- BOTTOM10组合年化收益-10.1%，信息比率高（3.13）但表现为显著亏损，风险更大。

• 图表显示2014年以后创业板策略表现尤为突出，说明策略在科技成长板块中有良好适用性。

- 2012-13年创业板并购活动影响导致策略表现波动，强调策略具有周期性适用条件。

---

4. 估值分析

本报告聚焦因子构建与选股策略表现，未涉及传统意义上的公司估值模型（如DCF、市盈率法等）。主要估值含义体现在：

• 通过统计指标（IC、ICIR、年化收益率、夏普比率）衡量VoV因子预测能力及策略表现质量。

- 策略构建基于行业中性化处理避免估值偏差，强调因子信号的纯粹性和独立性。

---

5. 风险因素评估

报告主要识别以下风险点及其投资影响：

• 高VoV股票风险显著：高VoV与未来预期收益负相关，高风险模糊度股票可能遭遇亏损，投资者应规避。

- 策略换手率较高：月均换手达70%-80%以上，策略执行成本和滑点风险不可忽视。

• 市场环境变化风险：如创业板在2012-13年受并购炒作影响，策略表现不佳，暗示策略适用性受市场行为和事件影响。

- 数据和模型风险：VoV估计依赖高频价格数据和Parkinson波动率模型，若数据质量下降或估计模型失效，策略表现可能受损。

• 理论解释不足：报告承认风险模糊效应的微观机制尚未完全厘清，存在解释缺口，理论基础未完全稳固。

缓解策略：注重行业中性处理，结合多因子模型减少偶然性，投资者应结合自身风险承受度谨慎应用。

---

6. 批判性视角与细微差别

• 报告对风险模糊的态度积极，强调其预测能力强，但对为何高风险模糊股票未来收益率较低的金融机制解释仍显不足，作为研究留白。

- 实证基于历史高频价格数据，未涉及交易成本敏感性分析及市场流动性冲击的潜在影响，存在执行难题未充分探讨。

• 策略换手率极高（超800%年化），可能难以普适推广至大规模资产管理，多数普通机构投资者难以承受。

- 虽剔除行业与风格影响，VoV仍与若干风格因子相关，因子纯度和冗余度问题可进一步探讨。

• 报告的语言较学术，理论与行为金融结合紧密，有助提升中国A股市场另类投资因子的多样性。

- 数据时间区间截至2018年，后续市场变动情况不明，策略的时间穿越稳定性尚需进一步验证。

---

7. 结论性综合

本报告系统论证并实证了风险模糊度（以波动率的波动率VoV作为 proxy）对股票未来收益率的预测价值。风险模糊区别于传统风险，是投资者更为厌恶的风险类别。采用A股高频5分钟数据，用Parkinson波动率估计日内波动率，再计算日间标准差得出VoV指标，克服了期权隐含波动率数据缺失的难题。

实证发现：

• VoV因子表现出稳定且显著的负向IC，剔除行业与风格影响后仍能维持较高的ICIR，表明其在捕捉额外风险溢价方面具有独立贡献。

- VoV纯因子策略年化收益超过5%，夏普比率高达2.25，表现稳健。

• 基于VoV的全市场与创业板选股策略均获优异超额收益，创业板策略尤其突出，年化超额收益超过20%，具有良好投资应用价值。

- 高频数据与风险模糊概念的结合为A股量化投资提供新视角，丰富了风险多维度的理解。

但需要投资者注意策略的高换手率与潜在执行风险，以及市场环境对策略表现的影响。报告同时指出风险模糊效应的理论机理仍有待深入研究，未来可探索更多度量股票收益率不确定性的指标并进行比较。

总体而言，报告表达明确、数据详实、理论结合行为金融，投资者可据此策略调整持股结构，重点规避高风险模糊股票，优选低VoV股票以实现资产增值。

---

附：重要图表汇总（markdown格式）

• VoV与风格因子及ALPHA因子相关性图（图1）：

• VoV未剔除行业风格时月度IC（图2）：

• VoV剔除行业风格后月度IC（图3）：

• VoV纯因子累计收益率（图4）：

• 全市场选股策略净值走势（图5）：

• 创业板选股策略净值走势（图6）：

• 创业板相对指数超额收益净值曲线（图7）：

---

参考文献与声明

• 报告所有数据及信息均来自合规渠道，分析逻辑基于专业理解，包含严密的统计测试和系统的实证回测。

- 风险提示明示策略潜在的市场风险及使用限制。

• 国泰君安证券研究所官方报告，设定明确的投资评级标准，为客户提供风险可控的投资建议。

---

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

报告