波动率与市值及行业分布分析 [page::4][page::5][page::6]

• 2017年9月底，市值最大的股票组波动率最低，最小市值组波动率最高。

- 低波动股票主要集中在大市值组，有13%低波动股票在最大市值组。

• 最高波动股票多分布在小市值后1/3组，15至20组累计占比达43.63%。

• 行业上，银行、石油石化、非银金融波动率低，有色金属、建材、钢铁为高波动行业。

- 新兴成长行业如通信、计算机波动相对较高，消费行业波动率相对较低。

低波动率因子有效性测试 [page::7][page::8][page::9]

• 市值中性下，低波动率因子历史累计多空收益差显著，年化10.48%，夏普0.48，月胜率52.84%。

- 多头组合超额收益主要在2016年后出现，之前多空收益差由空头负超额收益驱动。

• 采用等权构建多头空头组合，多空收益差和多头超额收益显著提升，年化多空收益差10.39%，夏普0.80，月胜率58.52%。

- 等权组合表现优于市值加权，特别受小市值股票长期占优影响。

分市值组低波动因子表现及相关性 [page::10][page::11][page::12]

• 大市值组中低波动因子表现稳定且显著，2016年后多头相对基准超额收益明显。

• 小市值组因子效果2008年前显著，之后波动无显著多空差，2016年后有所回升。

• 波动率因子与市盈率（PE）、市净率（PB）、总市值及换手率等因子相关性高，实际因子组合配置时可能存在权重调整。

国家队持股波动率分析 [page::13][page::15]

• 国家队持股约占A股三分之一，倾向大市值低波动股票（如四大行、新华保险等）。

• 控制市值后，国家队持仓波动率无明显偏向低波动，大小市值组分别略偏低波动和高波动股票，最大偏离约0.5标准差。

- 说明国家队介入对波动率因子有效性影响有限。

金融工程专题报告深度分析——《如何正确理解近期热度极高的低波动率因子》

---

一、元数据与报告概览

• 报告标题：《如何正确理解近期热度极高的低波动率因子》

- 发布机构：中信建投证券研究发展部，金融工程研究团队

• 核心作者：丁鲁明，执业证书编号S1440515020001

- 发布日期：2017年11月13日

• 研究主题：低波动率因子在中国A股市场的表现特征、有效性及其与市值、行业分布，以及国家队持股偏好分析。

报告核心观点：

1. 低波动率股票整体多集中在大市值组、金融及传统大盘价值行业。

2. 低波动率因子剔除市值因素后仍表现出稳定的多空收益差，2016年后多头超额收益逐渐显现。

1. 采用个股等权加权方式后，多头策略表现更佳，且小市值低波动股票的表现提升有限。

4. 国家队资金整体偏爱大市值、低波动股票，但在各市值组内波动率表现并无显著差异。

1. 波动率因子与多种盈利、估值因子具有较高相关性，未来多因子模型构建需注意权重调整。

---

二、逐节深度解读

2.1 前言

报告首先阐述了波动率的定义和市场意义，兼顾理论与实际，从CAPM模型说明预期收益与波动率（风险）正相关，到现代资产组合理论中以波动率衡量风险并优化组合，提及波动率作为随机变量的复杂表示及其在资产管理和衍生品定价中的广泛应用。

同时，报告引入了低波动率因子的理论及实证背景：

• 传统理论预期高波动股票收益率更高，但实证显示低波动股票往往获得更优风险调整收益（“低波动异象”）。

- 由于资金流动限制等市场机制，投资者不能无限杠杆，导致高beta股票溢价这个现象。

• 新兴市场中低波动收益优势愈加明显，部分归因于代理人问题与机构投资者行为。

- 由于做空成本和流动性限制，空头难度较大，导致高波动股票长期alpha降低。

• 海外市场已大量开发基于低波动率因子的ETF，策略涵盖多样股票池并选取低波动率成分构建组合。

报告特别指出A股市场自2017年以来风格切换明显，波动率因子优异表现成为市场热点，反映打新资金等低风险资金对低波动股票配置兴趣增长。由此提出研究主旨：考察A股市场中历史波动率因子的有效性，尤其剥离市值影响后的真实选股能力[page::2]

---

2.2 波动率因子的市值与行业分布

2.2.1 市值分布

• 股票按市值划分为20组，从1组（最大市值）到20组（最小市值）。

- 计算各组市值加权平均波动率并分析分布特征。

• 结果显示波动率与市值呈明显负相关，大市值股票波动率显著低于小盘股，尤其最大市值组平均波动率不足25%年化，显著低于中小市值[page::4]

图2（2017年9月底各市值组平均波动率）：呈现明显单调递增趋势，最大市值组波动率最低，且波动率在后1/3市值组间差异减弱。

图3（各市值组历史波动率走势）：历史中大市值组（第1组）波动率均低于其他分组，尤其在金融危机后差异明显，中小市值近似但整体高于大盘。

2.2.2 个股波动率样本分布

• 选取波动率最低20%和最高20%股票，统计其在市值分类中所占比例。

- 低波动率股票中13%集中在最大市值组，超过市值组15~20的总和。

• 高波动率股票多分布在后1/3小市值组（占43.63%），显示波动率与市值的显著相关[page::5]

图4、图5说明该分布特征。

2.2.3 行业分布

• 以中信一级行业分类股票，统计市值加权平均波动率。

- 大盘股为主的银行、石油石化、非银行金融行业波动率最低。

• 基本面波动大、周期性强的有色金属、建材和钢铁行业波动率最高。

- 传统消费品行业波动普遍低于新兴成长行业（通信、电子元器件等）。

• 时间序列显示银行、石油石化长期低波动，钢铁波动性分阶段提升[page::6]

图6、图7分别展示行业平均波动率与历史走势。

---

2.3 波动率因子的有效性测试

2.3.1 多空收益差

• 报告采用市值中性构建方法，剥除市值因素干扰，分20个市值组，中每组按波动率分前20%（多头）、后20%（空头），分别市值加权合成多头和空头组合。

- 2010年至2017年低波动率因子多空收益差整体呈正向累计增长，2016年后尤为显著。

• 年化多空收益差约10.48%，夏普比率0.48，月胜率52.84%。但2008-2010年、2013年成长行情、2015年两周期间存在回撤。

- 多头组合相对基准超额收益在2016年前不明显，2016后效应才显现，空头组合负收益贡献更大。

图8：市值中性及全市场多空收益差对比，显示市值中性后结构更为稳定。

图9：多头、空头与基准指数累计收益率比较，显示低波动多头表现贴近基准，空头产生负超额收益贡献。

2.3.2 等权加权改善效果

• 采用等权代替市值加权，多头组合累计收益显著提升，年化多空收益差10.39%，夏普比率0.80，月胜率58.52%。

- 等权组合表现远优于市值加权，主因小盘低波动股的长期优异表现。

• 大盘股中低波动效应部分被大盘弱势抵消，等权可更好展现波动率因子alpha。

图10展示等权组合优异表现和多空收益差。

2.3.3 分大小市值表现差异

• 将20市值组划分大市值（前5组）和小市值（末5组）。

- 大市值组中，波动率因子长期多空收益差显著，尤以2016年后表现提升明显。

• 小市值组中，2008年前波动率因子有效，但之后效果减弱，多空收益差波动较大，无稳定alpha。

- 表明大市值中波动率因子对投资者参考意义更强。

图11与图12分别展示。

2.3.4 大市值组等权结果

• 大市值组等权分析表明，多头超额收益稳定性高于市值加权，2010年以前表现相对较弱，之后持续稳健。

- 说明在大盘股中擒获波动率因子收益仍具备潜力，且权重主导现象较小。

图13展示该结果。

2.3.5 相关性分析

• 将波动率因子与五大类因子库中的细分因子相关性计算，体现波动率因子与市盈率（PE）、市净率（PB）、以及1、3个月日均换手率相关度较高。

- 意味着波动率因子与价值与流动性因子侧重相似，因而构建多因子模型时需注意相互抵消效应，协调权重配置。

图14展示相关系数，较高的因子突出显示。

---

2.4 国家队持股波动率分析

• 汇总国家队22个账户公开持仓，覆盖1090余股，约占A股总数约1/3。

- 国家队持股以中国银行、建设银行、农业银行等大型低波动股为主（持股占比高达30%+）。

• 国家队持股分布显著偏向大市值组（44%持股在前5组），后半小市值组持股约2-4%。

- 通过对比国家队持股市值加权平均波动率与所在市值组整体波动率，发现：
- 大市值组国家队持股略偏向低波动股票。
- 小市值组国家队持股略偏向高波动股票。
- 最大偏离约0.5个标准差，整体偏差有限，说明国家队整体持股风格对波动率因子有效性影响较小。

图15、图16及表1、表2详细列示持股比例及波动率标准化分布[page::12][page::13][page::14][page::15]

---

2.5 总结

• A股低波动率股票具备显著的大市值和行业价值偏好特征（银行、能源、非银金融等）。

- 市值中性条件下，波动率因子存在稳定的多空收益差，且2016年以来多头超额收益逐渐显现，表明因子有效性增强。

• 等权加权方式显著提升波动率因子的表现，尤其包含小市值低波动股票的表现方案更加稳定。

- 大市值组的波动率因子效果明显优于小市值组，且2016后整体表现提升明显。

• 波动率因子与盈利、估值、换手率等多个因子高度相关，需在多因子模型中合理调配权重。

- 国家队持股总体偏好大市值低波动股票，但控制市值后持股波动率与市场无显著差异，国家队持股行为对因子有效性影响不大。

---

三、图表深度解读

图1（市值中性多空收益差 vs 全市场多空收益差, 市盈率因子）

• 展现市值控制对因子多空收益差的稳定性影响。

- 全市场未控制市值时因子收益差波动大，受市值风格显著影响。

• 市值中性处理后因子收益差更稳定，尤其2008年和2017年两大风格切换期体现明显。

- 对比表明因子有效性研究须剥离市值因素以避免偏误[page::3]

图2、3（各市值组波动率分布及历史走势）

• 图2显示市值最大组波动率最低，小盘股波动率总体较高，符合资金流动性与规模效应。

- 图3跨时间展示多个市值组的波动率走势，大盘股持续处于低风险区。

• 波动率的市值依赖性强，后1/3市值组波动率差别不大，显示市场波动格局稳固[page::4]

图4、5（低波动与高波动股票在市值组分布）

• 低波动股票集中在最大市值组（13%以上），高波动股票多分散在小盘股组别。

- 明确了波动率因子与市值的天然关联，强调因子剥离市值控制的重要性[page::5]

图6、7（行业波动率分布）

• 银行、石油石化和非银金融行业波动率最低，周期性行业如有色金属、钢铁波动最高。

- 历史走势中金融板块稳定性高，钢铁波动阶段性上升。

• 此特征可辅助投资者理解行业风险构成与因子行业表现潜力[page::6]

图8（波动率因子多空收益差）

• 市值中性下因子具有长期累积超额收益潜力，夏普0.48，月胜率53%。

- 该图说明波动率因子非全市场风格堆积的偶然效应，而具备稳定选股能力。

• 但波动期数和波动幅度提示该因子具有防御特征，在牛市某些阶段表现不佳[page::7]

图9（多头、空头与基准收益率对比）

• 低波动多头组合整体略与基准一致，空头组合负贡献明显。

- 超额收益主要源于空头避险，表明波动率因子中空头策略同样重要[page::8]

图10（等权加权组合表现）

• 等权加权显著提升多头超额收益，体现小盘低波动股票优异表现。

- 多空收益差年化10.39%，夏普比率高达0.80，显示因子α较高且稳定。

• 说明选股权重分配的多样化对因子实操价值有重要影响[page::9]

图11、12（大市值与小市值组因子表现）

• 大市值组波动率因子表现与整体市场近似，多空收益差稳定显著，2016年后多头超额明朗。

- 小市值组因子表现波动大，2008年前有效，后期趋于平稳，无明显长期alpha。

• 投资策略中的市值划分及分层管理尤为关键[page::10]

图13（大市值组等权表现）

• 大市值组等权多头超额收益稳定性提升但幅度有限，证明权重效应在大市值组存在但影响较小。

- 大市值组依然是波动率因子配置重点[page::11]

图14（相关性矩阵）

• 波动率因子与换手率、PE、PB相关较高（约0.4-0.7），与盈利成长因子相关较低。

- 多因子构建过程中，波动率因子权重调整需与上述因子权重协调，避免重复风险因子暴露[page::12]

图15、16及相关表格（国家队持股分析）

• 国家队持股主要集中于大市值组，占比44%，持股最高的为多家大型银行。

- 国家队市值组内持股波动率与整体波动率相近，市值中性后国家队稍偏大盘低波动股，小盘略倾向高波动但偏差不大。

• 这表明国家队持股风格对波动率因子整体影响有限，因子有效性得以保持[page::13][page::14][page::15]

---

四、估值分析

报告中未具体涉及低波动率因子的估值模型或目标价设定，研究重点在于因子有效性、因子收益及权重配置的统计检验，亦未提及DCF或PE估值对波动率因子的直接映射。因此估值分析非本报告的关注核心。

---

五、风险因素评估

报告未专门章节评述风险因素，但从内容隐含如下风险点：

• 市场风格切换风险：如2013年成长股占优期波动率因子表现弱，显示市场风格对因子表现影响重大。

- 权重配置风险：市值加权组合因大盘股弱势可能抵消因子alpha。

• 流动性及做空限制：高波动率股票存在做空难度，影响因子多空策略执行。

- 相关性风险：波动率因子与某些价值及流动性因子相关较高，叠加可能降低多因子模型多样化效果。

风险缓释暗示：

• 通过等权加权及市值分层保持因子稳定性。

- 多因子组合权重协调，避免冲突。

• 关注市场风格趋势，动态调整因子权重。

---

六、批判性视角与细微差别

• 市值控制效果依赖选择：报告强调市值中性重要性，但实际操作中市值剥离难度较大，且实际投资可能因大盘股权重不可控存在偏差。

- 因子表现波动明显：波动率因子多空收益差虽长期正向，但阶段性回撤明显，特别是在牛市上涨阶段，防御性风格或表现逊色，需结合市场阶段审慎应用。

• 相关性高带来的权重冲突：波动率因子与价值因子相关度高，说明二者可能捕捉相似风险溢价，如何在实际多因子模型中合理配置仍需深入研究。

- 国家队持股偏好分析局限：持仓数据多来源于公开股东名单，未涵盖全部真实持股，且非基金账户持股可能低估，因而判断存在一定样本偏差。

• 报告侧重统计分析，缺乏机理探索：虽明晰波动率因子收益特征和影响因素，但对市场微观结构及资金行为对因子效应的内生解释不足。

- 未包含极端市场环境下表现测试：例如2015年行情的极端表现说明因子防御特点与风险，未来应加大该部分探讨。

---

七、结论性综合

本报告通过细致的统计和实证分析，全面揭示了低波动率因子在中国A股市场的运行机制与表现：

• 全市场低波动股票显著聚集于大市值、行业集中于银行、石油石化和非银金融等传统大盘价值行业。

- 市值因素对波动率因子的表现有较大影响，市值中性后因子多空收益差依然稳定，尤其2016年后多头超额收益开始显著提升，说明低波动率因子具备相对独立且持续的alpha来源。

• 采用个股等权加权方式，因子表现显著改善，强调了权重配置在因子投资中的重要性。

- 波动率因子在大市值股票中的表现较小市值更稳定，未来投资可优先关注低波动大盘股。

• 波动率因子与部分价值和流动性因子高度相关，展示出因子重叠风险，需要多因子组合构建时优化权重以减少冗余。

- 国家队持股总体偏好大盘低波动股票，市值控制后持股波动率与市场基本匹配，表明其介入对因子有效性影响有限。

总体来看，报告立场客观，基于严谨的数据处理和统计结果，确认低波动率因子在A股市场选股中的有效性及操作可行性，同时提示投资者注意市值因素和相关因子权重调整。此外，波动率因子的防御属性和阶段性表现波动是其运用的风险点。

---

图片列表（部分核心图例示范）

• 

-

• 

-

• 

-

• 

-

• 

-

• 

-

---

综上，中信建投证券报告在理论架构与实证分析上，详尽展现了低波动率因子在中国市场的特征与有效性，强调了市值因素剥离的重要性和等权加权的提升作用，并理性分析了国家队资金对该因子的影响，为机构投资者提供了可操作性强的策略思路和风险提示。[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]

报告