金工专题报告：寻找特质波动率中的纯真信息-剔除跨期截面相关性的纯真波动率因子

金工专题报告20230724 证券研究报告·金融工程·金工专题报告 寻找特质波动率中的纯真信息 ——剔除跨期截面相关性的纯真波动率因子 研究结论 前言：东吴金工推出“波动率选股因子”系列研究，尝试在目前已被广泛使用的传统波动率因子的基础上，进行一系列新的探索。作为系列研究第一篇，本报告受到“波动率聚集现象”的启发，从波动率因子的跨期截面相关性入手，对传统的特质波动率因子，提出一种简单朴素而又 效果优秀的改进方案。 本篇报告基于东吴金工2020年5月28日《“波动率选股因子”系列研究（一）：寻找特质波动率中的纯真信息——剔除跨期截面相关性的纯真波动率因子》所阐述的研究框架，更新数据至2023年6月30日，并增加对纯净纯真波动率因子的讨论。 传统特质波动率因子：基于Fama-French三因子模型，构建传统特质波动率因子。回测结果显示，传统特质波动率因子已经具备不错的选股能力，其月度IC均值为-0.051，年化ICIR为-1.57，10分组多空对冲的信息比率为1.28，月度胜率为68.33%；但它与换手率因子相关性较高，且 选股能力不如换手率因子，在正交化换手率之后，选股效果大幅下降。 波动率聚集现象——波动率因子的跨期截面相关性：学术研究表明，金融资产收益的时间序列数据，通常表现出波动率聚集现象。该现象存在于个股层面，就导致股票的波动率因子具有较强的跨期截面相关性。在利用传统波动率因子进行每月选股时，由于这种相关性而被重复利用的 过往因子信息，会给我们带来干扰，削弱当期因子的选股效果。 纯真波动率因子：只需在传统因子计算的过程中，增加一个简单的回归步骤，就能有效剔除波动率因子的跨期截面相关性，提炼纯真的选股信息。在回测期2005/01/01-2023/06/30内，以全体A股为研究样本，纯真波动率因子的月度IC均值为-0.046，年化ICIR为-1.85；10分组多空对 冲的年化收益为19.01%，信息比率为1.72，月度胜率为70.59%，最大回撤为10.16%。另外，纯真波动率因子与换手率因子的相关性降低，在剔除换手率因子后，仍然具有一定的选股能力。 风险提示：本报告所有统计结果均基于历史数据，未来市场可能发生重大变化；单因子的收益可能存在较大波动，实际应用需结合资金管理、风险控制等方法。 2023年07月24日 证券分析师高子剑 执业证书：S0600518010001 021-60199793 gaozj@dwzq.com.cn 研究助理庞格致 执业证书：S0600122090090 panggz@dwzq.com.cn 研究助理凌志杰 执业证书：S0600123040053 lingzhj@dwzq.com.cn 相关研究 《“波动率选股因子”系列研究 （一）：寻找特质波动率中的纯真信息》 2020-05-28 《“纯真波动率”选股因子绩效月报20220430》 2022-05-12 《“纯真波动率”选股因子绩效月报20230630》 2023-07-19 1/17 东吴证券研究所 内容目录 1.前言4 2.传统特质波动率因子4 2.1.特质波动率因子的计算与回测4 2.2.特质波动率因子与换手率因子的相关性6 2.3.特质波动率因子小结7 3.波动聚集：波动率因子的时序和截面相关性7 4.剔除跨期截面相关性：纯真波动率因子8 4.1.纯真波动率因子的构建与回测8 4.2.纯真波动率因子与换手率因子的相关性10 4.3.纯净纯真波动率因子的表现11 4.4.纯真波动率因子小结13 5.其他重要讨论13 5.1.纯真波动率因子的参数敏感性13 5.2.新旧因子的多头、空头超额对比15 5.3.新旧因子的月度换仓率对比15 5.4.其他样本空间的情况16 6.总结16 7.风险提示16 2/17 东吴证券研究所 图表目录 图1：传统特质波动率因子ID_Vol的10分组及多空对冲净值走势图5 图2：ID_Vol_deTurn20的10分组及多空对冲净值走势6 图3：万得全A指数每日收益率：波动聚集性（2005/01/01-2023/06/30）7 图4：特质波动率因子ID_Vol的平均时序、截面相关系数（2005/01/01-2023/06/30）8 图5：纯真波动率因子的10分组及多空对冲净值走势9 图6：新旧因子正交换手后的10分组多空对冲净值走势11 图7：纯净纯真波动率因子的10分组及多空对冲净值走势12 图8：传统、纯真波动率因子多空对冲的信息比率、月度胜率（滞后阶数N不同取值）13 图9：新旧因子多头换仓率对比15 图10：新旧因子空头换仓率对比15 表1：传统特质波动率因子ID_Vol的分年度表现5 表2：ID_Vol、Turn20、ID_Vol_deTurn20因子的选股效果对比6 表3：纯真波动率因子ID_Vol_deCorr的分年度表现10 表4：纯真波动率因子与常用Barra风格因子的相关系数11 表5：纯净纯真波动率因子的分年度表现12 表6：纯真因子、传统因子的选股效果对比13 表7：传统、纯真波动率因子的选股效果（滞后阶数N不同取值）14 表8：传统、纯真波动率因子正交换手后的选股效果（滞后阶数N不同取值）14 表9：新旧因子的多头、空头超额对比15 表10：沪深300、中证500成分股中新旧因子的选股效果对比16 3/17 东吴证券研究所 1.前言 Angetal.[1]于2006年公开发表论文TheCross-SectionofVolatilityandExpectedReturns，提出股票的特质波动率与未来收益之间存在显著的负相关性，且该现象不能被规模、价值、动量和流动性等市场已知因子所解释。这篇论文的实证结果，颠覆了传统金融学中“风险越大，收益越高”的经典理论，被称为“低波动率异常现象”。此后，众多国内外学者前赴后继，围绕“低波异象”展开了一系列研究，时至今日，该异象仍然是金融实证研究领域的热点问题。 东吴金工借鉴前人研究经验，开拓创新，推出“波动率选股因子”系列研究，试图在目前已被广泛使用的传统波动率因子的基础上，进行一系列新的探索。作为系列研究第一篇，本文受到“波动率聚集现象”的启发，对传统因子提出一种简单朴素的改进方案。在报告最后，各位读者将看到，这种简单朴素的方案，竟有着令人意想不到的效果。 本篇报告基于东吴金工2020年5月28日《“波动率选股因子”系列研究（一）：寻找特质波动率中的纯真信息——剔除跨期截面相关性的纯真波动率因子》所阐述的研究框架，更新数据至2023年6月30日，并增加对纯净纯真波动率因子的讨论。 2.传统特质波动率因子 2.1.特质波动率因子的计算与回测 本文选取一种目前广泛使用的构造方法，计算传统的特质波动率因子。具体地，以全体A股为研究样本（剔除其中的ST股、停牌股以及上市不足60个交易日的次新股），以2005/01/01-2023/06/30为回测时间段，实施以下操作： （1）每月月底，回溯所有股票过去20个交易日的数据，每只股票都根据Fama-French三因子模型进行回归，得到每日的特质收益率，即 𝑟𝑖,�=𝛼𝑖,�+𝛽𝑖,𝑡𝑀𝐾𝑇�+𝜂𝑖,𝑡𝑆𝑀𝐵�+𝜆𝑖,𝑡𝐻𝑀𝐿�+𝜀𝑖,� 其中，t取值为1,2,3,……,20；𝑀𝐾𝑇�为t日万得全A指数收益率；𝑆𝑀𝐵�为市值因子，取t日流通市值最小的1/3部分股票按照流通市值加权构建小市值股票组合，取流通市值最大的1/3部分股票按照流通市值加权构建大市值股票组合，当日小市值组合收益率与大市值组合收益率之差，即为市值因子；𝐻𝑀𝐿�为估值因子，取t日市净率PB最低的1/3部分股票按照流通市值加权构建低估值股票组合，取市净率PB最大的1/3部分股票按照流通市值加权构建高估值股票组合，当日低估值组合收益率与高估值组合收益率之差，即为估值因子；上述回归得到的残差𝜀𝑖,𝑡，即为第i个股票t日的特质收益率； （2）计算每只股票20个特质收益率的标准差，即为股票剔除Fama-French三因子后的特质波动率，记为ID_Vol（IdiosyncraticVolatility）。 回测结果显示，传统特质波动率因子的月度IC均值为-0.051，RankIC均值为-0.084， 4/17 年化ICIR为-1.57，RankICIR为-2.35，10分组多空对冲的年化收益为19.61%，信息比率为1.28，月度胜率为68.33%，月度最大回撤为19.55%。整体来看，目前被广泛使用的特质波动率因子确实具备不错的选股能力，但其2010年、2013年的表现较差，月度多空对冲的累积收益为负。 图1：传统特质波动率因子ID_Vol的10分组及多空对冲净值走势图 6030 分组1分组4分组7分组10 分组2分组5分组8 分组1-分组10(右轴) 分组3分组6分组9 5025 4020 3015 2010 105 00 2005200720092011201320152017201920212023 数据来源：Wind资讯，东吴证券研究所 表1：传统特质波动率因子ID_Vol的分年度表现 年化收益率 分组1对冲分组10绩效指标 年份 分组1 分组10 分组1对冲分组10 年化波动率 信息比率 月度胜率 最大回撤率 2005 2.20% -9.61% 10.28% 10.16% 1.01 66.67% 6.55% 2006 116.90% 78.76% 20.67% 15.67% 1.32 66.67% 9.50% 2007 141.68% 80.28% 30.30% 14.00% 2.17 75.00% 4.19% 2008 -41.02% -54.04% 18.74% 11.50% 1.63 58.33% 2.99% 2009 124.03% 67.63% 32.39% 11.24% 2.88 83.33% 5.34% 2010 7.58% 2.63% 3.01% 11.02% 0.27 66.67% 7.62% 2011 -22.29% -38.06% 21.76% 10.92% 1.99 75.00% 2.42% 2012 8.15% -12.11% 19.23% 10.95% 1.76 75.00% 5.90% 2013 12.34% 34.32% -18.79% 17.48% 1.08 58.33% 7.62% 2014 70.52% 20.15% 40.75% 12.07% 3.38 83.33% 3.97% 2015 41.04% 2.88% 21.60% 23.29% 0.92 66.67% 12.81% 2016 33.66% 4.27% 25.46% 13.80% 1.83 75.00% 3.15% 2017 -7.01% -37.76% 45.84% 8.31% 5.54 91.67% 0.04% 2018 -23.98% -44.10% 32.59% 11.69% 2.80 66.67% 3.45% 2019 21.18% 17.30% -1.23% 17.12% -0.07 58.33% 12.11% 2020 13.69% -3.14% 12.15% 21.80% 0.55 50.00% 8.52% 2021 29.16% -7.55% 34.53% 20.95% 1.64 58.33% 13.71% 5/17 东吴证券研究所 2022 14.69% -18.65% 35.77% 14.96% 2.39 83.33% 6.69% 2023（6月底） 5.44% 10.86% -5.46% 9.04% -0.60 60.00% 4.03% 数据来源：Wind资讯，东吴证券研究所 2.2.特质波动率因子与换手率因子的相关性 多项实证研究表明，波动率与换手率包含的价量信息重叠度较高，因此两个因子往往高度相关。此处，我们每月月底取每只股票过去20