ES贝塔因子定义与构建方法 [page::4][page::6]

• 选取245交易日为回看周期（约一年）。

- 以低于40%分位数的日回报数据计算预期损失，构建50%股票权重与50%市场组合权重（万得全A和沪深300为基准）。

• ES贝塔考虑尾部相关性，提升对未来收益的预测能力。

- 采用行业市值中性和BARRA风格中性处理以消除因子风格偏差。

月频调仓因子表现对比 [page::7][page::8][page::9]

• ES贝塔月频选股IC均值约为-5.5%，ICIR绝对值超1.7，IC胜率超过70%。

- 多空组合年化回报16.1%（万得全A基准）及15.3%（沪深300基准），夏普比率超过1.3，十分组多头年化超额收益分别达7.4%和6.4%。

• ES贝塔月度IC曲线稳定且较常规下行贝塔更优。

周频调仓因子表现 [page::10][page::11][page::12]

• ES贝塔周频选股IC均值约为-3.9%~4.0%，ICIR绝对值超过2.7，IC胜率达65%-67%。

- 多空组合年化收益接近19%，夏普比率1.55以上，最大回撤约-17%。

• ES贝塔对应的多头组合年化超额收益超过5.8%，显著优于传统下行贝塔。

- IC累积曲线稳定，波动远小于常规下行贝塔。

因子中性化效果和风格相关性 [page::13][page::14][page::15][page::16]

• ES贝塔因子与市值、贝塔、波动率、BP等风格因子存在一定相关性。

- 经行业市值中性化，因子分档单调性更佳，IC均值提升至约-5.9%，ICIR绝对值近3，IC胜率约81%-84%。

• 进一步行业及BARRA风格正交后，IC胜率仍维持约80%，多空及多头年化超额表现均优。

- 中性化处理降低了最大回撤，提升夏普比率，增强风险调整后收益。

选股范围和参数敏感性分析 [page::17][page::18][page::19][page::20]

| 选股范围 | 因子名 | IC均值 | 年化ICIR | IC胜率 | t值 | 多空年化收益 | 多头年化超额 | 夏普 |
|----------|---------------------|---------|----------|---------|-------|-------------|--------------|---------|
| 全A | ES2450.40.5A | -5.9% | -2.96 | 81.2% | -7.09 | 19.3% | 9.8% | 2.52 |
| 沪深300 | ES2450.40.5A | -3.1% | -1.57 | 66.7% | -3.76 | 10.5% | 6.2% | 1.47 |
| 中证500 | ES2450.40.5A | -5.3% | -2.16 | 75.4% | -5.18 | 14.9% | 7.2% | 1.45 |

• 不同分位数（0.1至0.5）中，0.4分位数下因子表现最佳，IC绝对值和年化收益率最高。

- 全A市场选股总体优于沪深300，市场基准影响较小。

费用影响与风险提示 [page::16][page::22]

• 采用双边万三交易费用计费后，多头年化超额收益削减约1.3%，影响有限。

- 历史绩效显示因子多头存在回撤，尤其2020年下半年波动较大。

• 因子有效性受市场政策环境影响，需持续跟踪和验证。

金融工程报告：《基于预期损失的下行贝塔因子研究》深度分析报告

---

一、元数据与报告概览

• 报告标题：基于预期损失的下行贝塔因子研究

- 发布机构：广发证券发展研究中心

• 发布日期：2023年11月

- 分析师团队：罗军（首席分析师）、周飞鹏、安宁宁等

• 研究主题：探讨基于预期损失（Expected Shortfall，简称ES）的ES-implied贝塔（ES贝塔）在中国A股市场的表现，比较其与传统常规下行贝塔的alpha属性与选股能力，尝试提供一种改进CAPM贝塔下行风险度量的新思路。

核心论点：

1. 传统CAPM模型中的贝塔指标（特别是常规下行贝塔）在预测资产未来收益方面存在不足。

2. ES贝塔通过借助尾部相关性及预期损失度量，更能准确捕捉资产在市场下跌时的系统性波动，相较传统下行贝塔表现出更优的预测能力。

1. 在A股市场实证中，经过行业市值及风格中性处理的ES贝塔因子显示出更强的alpha能力及更加显著的选股效果。

4. 因子参数的敏感性不大，最佳分位数阈值为0.4，在全A市场的选股效果优于沪深300，因子收益稳定且具有较高的IC值。

1. 风险提示包括因子模型基于历史数据，政策和市场环境变化可能导致因子失效，历史回撤应给予足够关注。

---

二、逐节深度解读

1. 背景介绍

• 经典CAPM模型提出贝塔作为资产相对于市场的系统风险衡量指标。

- 传统贝塔无法细分上下行风险，尤其对下行风险的预测能力表现有限。

• 早期研究（Roy 1952，Jahankhani 1976等）提出对下行风险的关注并尝试用下行贝塔改进传统指标，但下行贝塔对未来收益的预测作用仍受质疑。

- Lettau 等（2014）指出传统下行贝塔使用样本期间整体数据，未必具备预测未来收益的能力，Levi 和 Welch（2020）发现高下行贝塔股票未来收益无显著提升。

• Liu（2023）提出基于预期损失的ES贝塔，运用尾部相关性改进风险度量，提高因子的alpha属性。

- 本报告旨在引入ES贝塔测度，针对A股市场进行实证对比分析，补充国内相关研究空白。[page::0,4,5]

2. 研究进展及理论模型

• 详细推导CAPM贝塔的定义公式，介绍贝塔为资产收益与市场收益协方差与市场方差的比值。

- 讨论多数学者对传统CAPM贝塔在解释横截面资产收益不充分的批评，涉及投资者行为和杠杆约束因素。

• 对改善贝塔预测能力的研究方向分为参数估计调整（如剥离流动性风险、分解贝塔组件）和关注下行风险两路。

- 传统下行贝塔多以市场回报低于某阈值的日子计算，常设阈值为平均市场回报，且在数学上与CAPM贝塔有相关性限制。

• ES贝塔基于预期损失（按分位数截取最低收益样本）定义尾部相关系数，计算公式详尽，体现尾部波动同步性。

- ES贝塔具体计算公式结合尾部分位数下的预期损失，以及组合与个股权重，体现风险共同波动的尾部敏感度，增强了对下行系统风险的描述能力。[page::4,5,6]

3. 实证分析

（一）数据与样本说明

• 选股范围定义为A股全市场，剔除ST及新上市股票，跨度为2018年初至2023年10月。

- 因子处理包含去极值和标准化。

• 调仓周期包括月频和周频，交易费用暂不计入但后续考虑。

（二）因子构建

• ES贝塔基于245交易日样本窗口，使用40%下行分位数确定预期损失范围，构建50%-50%等权投资组合。

- 采用万得全A与沪深300指数作为市场基准，方便多角度比较。

• 设计考量包括稳定性与动态响应的平衡、避免极端收益数据样本稀疏的影响。

- 参考传统下行贝塔定义作为对照基准。 [page::6,7]

（三）月频调仓因子表现

• ES贝塔因子表现出更明显的因子分档收益梯度（图1、2），而常规下行贝塔缺乏单调性（图3、4），展示分组收益递减趋势。

- 月频IC指标显示ES贝塔IC均值约为-5.5%，胜率70%以上，显著优于常规下行贝塔（IC均值仅约2.5%），其IC累积曲线更稳定（图5-8）。

• 多空组合年化收益率约16%，夏普在1.3左右，突出优于常规下行贝塔（年化仅约2.5%，夏普不足0.2）。

- 多头组合年化超额收益7%左右，IR接近1（表3及图9-12）。[page::7,8,9]

（四）周频调仓因子表现

• 周频调仓同样验证ES贝塔对比下行贝塔具更佳的分档体系性（图13-16）。

- IC表现稳定，IC均值约-4%，胜率约65%，ICIR接近-3，统计显著（表4，图17-20）。

• 多空组合年化收益达18-19%，夏普比率相应提升至1.5以上，超越常规指标多空表现负面或极弱（表5，图21-24）。

- 多头组合年化超额收益达6%-7%，整体性能表现优异。[page::10,11,12]

4. 绩优因子中性后表现分析

• 绩优因子具有一定行业和风格偏好：两ES贝塔与市值、贝塔、波动率和流动性因子存在相关，且行业分布不均（图25-27），因此进行市值中性及行业+BARRA风格中性处理。

- 行业市值中性处理后，因子分档单调性更明显，IC均值提升至-5.9%，ICIR提升至接近-3，IC胜率超80%，说明剔除行业效应后因子更加稳健（图28-31，表6）。

• 风格正交进一步提升IC稳定性，IC胜率接近80%，t值显著增强（表7）。

- 多空组合年化收益率提高至约19%，夏普比率提升至2.5以上，多头组合年化超额超9%（表8，图32-35）。

• 费后测试显示双边交易手续费约0.3%对因子收益影响不大，依然保持8%左右超额收益（表10）。[page::13,14,15,16]

5. 不同选股范围因子表现

• 全A选股市场内，因子IC表现及多空、多头业绩最优。

- 沪深300选股区域相对表现较弱，IC均值小于3%，多头超额收益近6%。

• 中证500与中证1000表现居中，IC均值约5%左右，多头超额收益6%-7%区间（表11、12，图36-38）。

- 多头与空头组合市值均值及中位数相近，均在50-100亿元之间，显示因子在不同规模市值如何分布较为平衡。[page::17,18]

6. 参数敏感性分析

• 固定回看窗口245天、50-50权重组合，调整分位数（0.1至0.5）、选股范围和基准组合后，因子表现具有一定差异。

- 分位数越大（至0.4），IC绝对值、ICIR和年化收益均先上升后下降，表现最佳位于0.4阈值附近。

• 以同样分位数构建时，全A市场选股优于沪深300，显示更多股票选择范围能提升因子表现。

- 基准市场组合选择对因子业绩影响不显著（表13、14）。[page::19,20]

7. 风险提示

• 本报告结论基于历史数据统计及数量化模型，政策或经济环境重大变化可能导致因子表现失效。

- 2021年中及2020年下半年因子多头净值波动较大，提示投资者关注潜在回撤风险。

• 因子多头经历回撤波动，需持续监测市场环境对因子持续性的影响。[page::0,22]

---

三、图表深度解读

1. 图表“绩优ES因子多空净值” (page 0)

• 蓝色曲线为多空组合净值，橙色为万得全A指数基准。自2018年起，多空组合净值稳步攀升，表现大幅优于基准。该数据直观体现因子长期正收益的稳定累积。

2-5. 月频及周频十档表现图 (pages 7,10)

• 图1及图2显示ES贝塔因子表现出典型的“收益随因子值排序单调递减”结构，即Q1组收益最高，Q10为最低，且Q10组通常为短仓。

- 图3及图4对比常规下行贝塔，呈梯度关系不明显，显示该传统因子缺乏较好的风险收益分离能力。

• 相似主题的图13-16周频十档表现同样反映出ES贝塔的稳健分档特征。

6-9. 月度IC及累计IC走势 (pages 8)

• ES贝塔因子月度IC长期在负值，表明因子选股方向主要为低ES贝塔更优（反向策略），累计IC曲线趋势下降且平滑，显示预测信号稳定。

- 常规贝塔IC波动更大且非连续下降，累积IC表现不佳。

10-13. 多空及多头净值走势图 (pages 9,12-15)

• ES贝塔因子在多空及多头组合净值上均显著优于万得全A基准，收益率和夏普比率均反映其风险调整后收益的优越性。

- 股价表现趋势与因子收益一致，强化了因子选股逻辑的有效性。

14-15. 绩优因子行业暴露与风格相关性 (page 13)

• 绩优因子与流动性因子正相关较强（约30%以上），暗示因子选股有一定流动性倾斜。

- 行业暴露图显示医药、电子等行业偏好较强，存在一定行业集中风险。

• 因此后续通过行业市值及风格中性调整消除偏好，提高因子纯粹性。

16-19. 行业及风格中性后因子表现图 (pages 14-16)

• 经过中性处理，因子分组收益梯度更为明显，IC及多空收益均显著提升，表现出中性化极大增强因子alpha信号的稳定性与纯粹性。

20. 参数敏感度表 (pages 19-20)

• 不同分位数阈值的选择对IC和收益影响呈倒U型，0.4为最佳阈值，支持报告中默认参数选择合理。

- 选股范围宽泛（全A）因子稳定性好于沪深300，细节体现因子构建应考虑市场覆盖程度。

---

四、估值分析

由于本报告聚焦于因子构建与投资策略的实证检验，没有涉及具体的企业估值模型或DCF分析，故估值分析非本报告重点，未设置专门章节。

---

五、风险因素评估

报告明确提出三大风险点：

1. 因子设计基于历史数据，未来市场制度环境变化或造成因子失效。

2. 2021年中及2020年下半年因子多头收益波动及回撤明显，表明因子在极端市场环境下脆弱。

1. 交易费用及滑点风险在真实交易中会影响因子收益表现，虽当前计费测试影响相对有限，但仍需关注。

投资者须密切跟踪市场环境评估因子表现持续性，及时调整策略应对潜在风险。[page::0,22]

---

六、批判性视角与细微差别

• 报告作者主要强调ES贝塔优于常规下行贝塔的显著表现，但其IC值均为负，表明因子是“逆向”因子，具体策略需要反向操作理解。

- 因子在部分行业存在显著暴露，行业偏好可能导致收益集中风险，后续中性处理虽有所缓解，但仍需谨慎。

• 回撤指标显示因子也经历较大波动期，表明其风险控制仍需完善。

- 数据截至2023年10月，潜在的历史区间偏误（回测有效性以样本期为限）不容忽视。

• 分析多为统计相关和回测，尚缺乏对因子经济机制的深度验证，市场变动导致的因子失效风险依旧较高。

- 该报告未对实际交易成本、流动性约束等微观机制进行详细探讨，实际应用时需结合市场条件动态调整。

---

七、结论性综合

本报告通过理论与实证结合，在A股市场深度挖掘了基于预期损失的ES贝塔指标相较于传统常规下行贝塔的显著优势：

• ES贝塔指标通过引入尾部相关性和预期损失，定量刻画资产在熊市下的系统性风险，提升了贝塔指标对未来收益的预测能力与选股有效性。

- 实证样本覆盖2018年至2023年10月，使用245交易日的滚动窗口，在万得全A及沪深300指数为基准，ES贝塔因子无论在月频还是周频调仓均显著优于常规下行贝塔因子。

• 因子多空组合年化收益高达16%-19%，多头年化超额收益超过7%，夏普比率及IR均表现出良好风险调整收益，且稳健性较好。

- 市值及风格中性处理提升因子纯粹性，增加因子信号的稳定和可持续性。

• 参数敏感性研究确认分位数0.4为因子构建的较优参数，且全A市场的选股范围优于沪深300。

- 风险提示明确指出因子基于历史数据、政策与市场变化风险、回撤与波动风险，提示投资者审慎使用。

整体来看，ES贝塔作为一种基于极端风险的升级版本贝塔指标，在A股市场具备良好的选股alpha能力和应用潜力，值得投资者及学界持续关注与研究。

---

附：部分关键表格及图表展示（Markdown格式）

图1：ES2450.40.5Amonth十档收益表现



图5：ES2450.40.5Amonth的IC走势



图9：ES2450.40.5Amonth多空净值走势



图26：ES2450.40.5Amonth暴露行业偏离



图28：行业市值中性后ESA十档表现



图32：行业市值中性后的ESA多空净值走势



[本分析所引用页码遵照报告页码标注：以“[page::页码]”形式指明引用位置]

---

总结

本报告系统梳理并实证验证了基于预期损失的ES贝塔指标在A股市场的有效性和选股能力，提供了CAPM贝塔风险度量的重要补充。其优越的统计表现和稳健性使其成为值得量化投资研究和实践中重点关注的风险因子。然而，因子依赖历史统计，未来表现受多方面影响，需动态跟踪与风险控制策略配合使用。

[page::0,1,4-22]

报告