因子选股系列之五十四波动率因子的逻辑与非对称使用20190424东方证券26页

HeaderTable_User11222532001359491361HeaderTable_Stock股票代码投资评级评级变化行业codeHeaderTable_ExcelHeaderTable_StatementCompany东方证券股份有限公司经相关主管机关核准具备证券投资咨询业务资格，据此开展发布证券研究报告业务。东方证券股份有限公司及其关联机构在法律许可的范围内正在或将要与本研究报告所分析的企业发展业务关系。因此，投资者应当考虑到本公司可能存在对报告的客观性产生影响的利益冲突，不应视本证券研究报告为作出投资决策的唯一因素。有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。专题报告【金融工程·证券研究报告】Table_Title波动率因子的逻辑与非对称使用——因子选股系列之五十四Table_Summary研究结论众所周知，波动率具有整体负向的选股效果。但从波动率因子分组收益来看，波动率因子的多空组合主要是空头端贡献的，无论在中证全指还是中证800内，波动率最低的那组长期也是没有超额收益的。我们基于海外对于波动率异像的研究对A股的结果做了综合的测试，主要测试了分析师偏好，基金偏好，投资者彩票偏好，套利非对称性等说法，发现主要还是投资者的彩票偏好（投机行为）导致了波动率异像，而这个投机行为同样存在于投资者对于基金产品的选择上。此外，我们发现波动率具有套利非对称性，在综合得分较高的优质股中，波动较高的股票在未来一个月有正的超额收益，而波动较低的股票反而超额收益为负；而在得分较低的劣质股中，低波动股票表现则远好于高波动股票，这两者的叠加效果就是我们观察到波动率负向的原因之一。基于套利非对称性特征，我们构建了波动率正向的主动量化组合，相比于常规的用低波动或低波动倒数加权的组合年化可以提升2%-3%，且今年至3月底就跑赢常规组合5%-10%。我们还构建了波动率正向的中证500全市场增强组合，相比于常规的波动率负向加权的组合年化提升2%，信息比高0.4，且今年至3月底就跑赢常规组合3%。从组合风格暴露上看，优质股叠加高波动的组合在动量、波动和确定性上的风格更接近于整体基金重仓股的风格，也就说可能更偏向于主动的选股风格，且并没有在风格上有极端暴露。综合来看，这种在优质股中叠加了高波动的策略，在市场较好的年份表现均非常优秀，且长期来看收益还优于常规组合，还是有一定的价值的。风险提示极端市场环境可能对模型效果造成剧烈冲击，导致收益亏损。量化模型基于历史数据分析得到，未来存在失效风险，建议投资者紧密跟踪模型表现。Table_ReportDate报告发布日期2019年04月24日Table_Author证券分析师朱剑涛021-63325888*[e-mail]执业证书编号：S0860515060001张惠澍[e-mail]执业证书编号：S0860518080001Table_ContacterTable_Report相关报告公募基金产品与基金经理评价2019-04-23国内公募基金历史发展与现状2019-04-22基于因子组合FMP的因子加权方法2019-04-15Alpha预测之二:机器的比拼2019-03-04适宜快节奏的年报公告季2019-02-28A股行业内选股分析总结2019-01-16日内交易特征稳定性与股票收益2019-01-14Alpha与SmartBeta2018-12-02产业链与公司股价关联2018-12-02A股是估值驱动还是盈利驱动？2018-12-02A股涨跌幅排行榜效应2018-11-20基于copula的尾部相关性研究：上尾异常相关系数因子2018-10-23金融工程波动率正向中证500全市场增强组合和常规波动率负向组合对比有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。波动率因子的逻辑与非对称使用2目录1.波动率异像.................................................................................................32.波动率解释研究..........................................................................................32.1分析师偏好...................................................................................................................32.2投资者的彩票偏好........................................................................................................52.3投资者对基金产品的偏好.............................................................................................62.4套利非对称性..............................................................................................................72.5波动率的延续性.........................................................................................................153.组合层面对比...........................................................................................183.1主动量化组合对比.....................................................................................................183.2指数增强组合对比.....................................................................................................214.总结.........................................................................................................22风险提示......................................................................................................23参考文献......................................................................................................23有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。波动率因子的逻辑与非对称使用31.波动率异像众所周知，波动率具有负向的选股效果，也就是波动率异像，图1展示了一个月、三个月、6个月波动率因子从2005-2019.3在中证全指和中证800中的选股效果。整体来看波动率因子有着不错的选股效果，波动率较小的股票表现较好，但是从因子分组表现来看，不论在哪个样本空间中，波动率因子的多空收益都完全来源于空头端，其第一档其实并没有贡献超额收益，而第2-4组反而超额收益较好，这个就说明如果是基于打分直接选择波动率最低的股票构建组合，那么这个组合长期是没有什么超额收益的，而如果是构建多因子模型或者是采用多因子和波动率倒数加权结合的模式，因为波动率整体有着负向的选股效果，所以还是能获得波动率贡献的超额收益的。图1：波动率因子表现数据来源：东方证券研究所Wind资讯2.波动率解释研究对于波动率的异像，海外几十年来的研究也存在争议，有比较多的说法，但是并没有统一的定论，这里测试了几种主流的说法在A股中的实证结果，希望能对A股波动率异像有一个更直观的理解。2.1分析师偏好样本空间因子rankICICIRMonthly_LSRetYearly_LSRetLSMaxDownIRVol20-6.0%-1.270.94%9.90%-26.26%0.60Vol60-6.0%-1.120.82%7.58%-36.67%0.44Vol120-5.3%-0.970.69%5.83%-46.59%0.36Vol20-5.2%-1.060.65%6.04%-26.23%0.40Vol60-5.7%-1.010.66%5.54%-46.50%0.36Vol120-5.4%-0.930.77%6.86%-44.03%0.41中证全指中证800有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。波动率因子的逻辑与非对称使用4Hsu,Kudoh和Yamada（2013）研究发现卖方分析师的盈利预测整体是高于实际的公司盈利的，而过去高波动的股票分析师的盈利预测会相对更高，虽然投资者会对分析师整体的高盈利预测进行调整，但是盈利预测相对更高的高波动股票还是会被投资者高估，因此就会导致随后的价格修复，从而导致波动率异像。Baker和Haugen(2012)研究发现卖方分析师推荐股票绝对收益越高，分析师越容易获得更高的激励，因此高波动股票是分析师实现这个目的的优先选择，作者发现过去波动率较高的股票会获得更多的卖方分析师覆盖，一定程度上会助涨市场对高波动股票的需求，导致高波动股票被高估。这里我们对上述两个解释在A股市场进行了测试。首先我们基于朝阳永续2006-2019的数据计算了股票的分析师一致预期，并构建了一致预期偏离度EFB(earningforecastbias)，计算公式为：EFB=分析师一致预期净利润−实际净利润实际净资产我们在每个报告期用样本股票过去一年(两个报告期间隔）的收益率计算波动率，并把波动率从小到大分成10组，计算每组的EFB均值，然后再统计时间序列上的分组EFB均值（图2）。从结果可以看到，股票的波动率大小和同期的一致预期偏离度直观来看并没有明显的关系，但是因为EFB的行业属性非常明显，因此最好在测试的时候调整行业的影响，我们进一步把EFB横截面上对波动率和行业虚拟变量做回归，然后时间序列上计算波动率系数的t_value，发现结果不显著。综合来看，实证的结果都说明A股的分析师一致预期并不是波动率异像的解释。图2：不同波动率分组下一致预期偏离度EFB均值数据来源：东方证券研究所Wind资讯接着我们测算了分析师覆盖度变化和同期的股票波动的关系，这里我们取过去6个月有报告覆盖的券商数量作为分析师覆盖因子。我们在每个月末把股票按照过去6个月波动率从小到大分成10组，并计算每组的平均分析师覆盖变化Dcov（当月末分析师覆盖-6个月前分析师覆盖）和市值调整的分析师覆盖度变化Dcov_Adj（这是因为分析师覆盖本身会受到市值大小的影响，因此调整了市值以后更具有可比性），然后再计算每组的时间序列均值（图3）。从结果可以看到，最低波动