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FamaFrench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0051，年化ICIR为157，10分组多空对冲的信息比率为128，月度胜率为6833；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2005010120230630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0046，年化ICIR为185；10分组多空对 冲的年化收益为1901，信息比率为172，月度胜率为7059，最大回撤为1016。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 02160199793 gaozjdwzqcomcn 研究助理庞格致 执业证书：S0600122090090 panggzdwzqcomcn 研究助理凌志杰 执业证书：S0600123040053 lingzhjdwzqcomcn 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》 20200528 《“纯真波动率”选股因子绩效月报20220430》 20220512 《“纯真波动率”选股因子绩效月报20230630》 20230719 117 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 21特质波动率因子的计算与回测4 22特质波动率因子与换手率因子的相关性6 23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 41纯真波动率因子的构建与回测8 42纯真波动率因子与换手率因子的相关性10 43纯净纯真波动率因子的表现11 44纯真波动率因子小结13 5其他重要讨论13 51纯真波动率因子的参数敏感性13 52新旧因子的多头、空头超额对比15 53新旧因子的月度换仓率对比15 54其他样本空间的情况16 6总结16 7风险提示16 217 东吴证券研究所 图表目录 图1：传统特质波动率因子IDVol的10分组及多空对冲净值走势图5 图2：IDVoldeTurn20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（2005010120230630）7 图4：特质波动率因子IDVol的平均时序、截面相关系数（2005010120230630）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IDVol的分年度表现5 表2：IDVol、Turn20、IDVoldeTurn20因子的选股效果对比6 表3：纯真波动率因子IDVoldeCorr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16 317 东吴证券研究所 1前言 Angetal1于2006年公开发表论文TheCrossSectionofVolatilityandExpectedReturns，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 21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2005010120230630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FamaFrench三因子模型进行回归，得到每日的特质收益率，即 其中，t取值为12320；为t日万得全A指数收益率；为市值因子，取t日流通市值最小的13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13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；为估值因子，取t日市净率PB最低的13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13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，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FamaFrench三因子后的特质波动率，记为IDVol（IdiosyncraticVolatility）。 回测结果显示，传统特质波动率因子的月度IC均值为0051，RankIC均值为0084， 417 年化ICIR为157，RankICIR为235，10分组多空对冲的年化收益为1961，信息比率为128，月度胜率为6833，月度最大回撤为1955。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IDVol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IDVol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 220 961 1028 1016 101 6667 655 2006 11690 7876 2067 1567 132 6667 950 2007 14168 8028 3030 1400 217 7500 419 2008 4102 5404 1874 1150 163 5833 299 2009 12403 6763 3239 1124 288 8333 534 2010 758 263 301 1102 027 6667 762 2011 2229 3806 2176 1092 199 7500 242 2012 815 1211 1923 1095 176 7500 590 2013 1234 3432 1879 1748 108 5833 762 2014 7052 2015 4075 1207 338 8333 397 2015 4104 288 2160 2329 092 6667 1281 2016 3366 427 2546 1380 183 7500 315 2017 701 3776 4584 831 554 9167 004 2018 2398 4410 3259 1169 280 6667 345 2019 2118 1730 123 1712 007 5833 1211 2020 1369 314 1215 2180 055 5000 852 2021 2916 755 3453 2095 164 5833 1371 517 东吴证券研究所 2022 1469 1865 3577 1496 239 8333 669 2023（6月底） 544 1086 546 904 060 6000 403 数据来源：Wind资讯，东吴证券研究所 22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个交易日换手率的平均值，再做市值中性化处理，定义为换手率因子Turn20。经检验，特质波动率因子IDVol与换手率因子Turn20的平均月度相关系数为052。若更进一步，每月月底将特质波动率因子IDVol对换手率因子Turn20做横截面正交化处理，即： 20 将残差视为波动率剔除换手率线性信息之后的选股因子，记为IDVoldeTurn20。同样以全体A股为研究样本，以2005010120230630为回测时间段，IDVoldeTurn20因子的月度IC均值为0020，RankIC均值为0045，年化ICIR为079，年化RankICIR为156，10分组多空对冲的年化收益为541，信息比率降至043，月度胜率5656，最大回撤2881。下图2展示了IDVoldeTurn20因子10分组及多空对冲的净值走势，表2则汇总对比了IDVol、Turn20、IDVoldeTurn20因子的各项绩效指标。 图2：IDVoldeTurn20的10分组及多空对冲净值走势 4035 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9 353 3025 25 2 20 15 15 101