特质波动率纯因子组合在A股的实证与研究 中信建投_20180518
由small_q创建，最终由small_q 被浏览 29 用户
报告摘要
本文概述本文分别简单介绍了CAPM模型、Fama-French三因子和五因子模型及Carhart四因子模型，基于模型得到残差的波动率，即特质波动率；并在A股进行了实证与研究。最后分析了Barra纯因子模型得到控制特质波动率暴露度为一个单位，其它因子暴露为零的特质波动率纯因子收益。
低特质波动率配置效应显著以特质波动率排名后30%的个股等权作为策略组合，以全市场个股等权为基准；2005年5月到2018年2月，年化超额收益7.55%，跟踪误差为4.67%，信息比率1.62，最大回撤5.85%。低特质波动率组合超额收益相当显著。
传统因子对特质波动率解释度并不明显以传统的成长因子，盈利因子，市场因子，估值和规模因子等为自变量，特质波动率为因变量，得到拟合度均值0.34，方差膨胀因子均值为1.53，特质波动率与传统的因子之间并不存在明显的多重共线性。
纯因子收益月度平均为控制投资组合对特质波动率的暴露度为一个单位，其它因子的暴露度为零，用A股流通市值的平方根加权的最小二乘法得到纯因子收益。2005年5月到2018年2月区间，纯因子收益月度平均为-5.23%，月度收益为负的概率为71.34%。
基于CAPM模型相对较弱，其它模型区别较小年5月到2018年2月区间，根据流动市值全市场股票分成20组，分别在组内根据模型得到的特质波动率，以排名前20%的股票等权配置作为空头组合，以排名后20%的股票等权配置作为多头组合，最后各组等权得到市值中性组合。CAPM模型的特质波动率的年化多空收益18.12%，而Fama-French三因子和五因子模型及Carhart四因子模型对应分别为23.55%，22.80%和23.55%。
表明仅用市场因子解释股票收益力度是有限的，而加入市值因子、估值因子后提升效果显著，年化多空收益提升5%左右；但加入动量因子、盈利因子或投资水平因子后，提升效果并不太明显。
正文
/wiki/static/upload/fa/fa60b9f4-74a6-403c-bcfd-adda781d5912.pdf
\