“学海拾珠”系列之一百八十：基金投资者能否从波动率管理中获益？

金融工程 专题报告 基金投资者能否从波动率管理中获益？ ——“学海拾珠”系列之一百八十 报告日期：2024-2-28 主要观点： 分析师：严佳炜 执业证书号：S0010520070001邮箱：yanjw@hazq.com 分析师：钱静闲 执业证书号：S0010522090002邮箱：wuzy@hazq.com 相关报告 1.《如何使用强化学习优化动态资产配置？——“学海拾珠”系列之一百七十九》 2.《高成交量回报溢价与经济基本面 ——“学海拾珠”系列之一百七十八》3.《基金经理技能之卖出能力的重要性——“学海拾珠”系列之一百七十七》 本篇是“学海拾珠”系列第一百八十篇，文献探讨了中国基金市场中波动率管理策略对基金业绩的影响，发现对主动管理型权益基金的跨期总 （下行）风险进行管理可显著提高其在alpha、夏普比率和索提诺比率方面的表现。分析显示，波动率管理主要得益于波动率择时和收益率择时能力。此外，基金净流量与上行（下行）波动率呈正向（负向）关联，尤其在机构主导的基金中更为明显。在FOF投资中可以参考波动率管理思路来提升组合业绩。 波动率管理对基金业绩的影响 波动率管理的核心理念是基于一个简单的观察：随时间变化的波动率并不总是与预期收益成比例。这一观点推动了一系列的策略创新，包括通过上个月已实现波动率的倒数来调整投资组合的构成，以此来最大化风险调整后的回报。文献测试了2004至2021年的基金数据，证实了波动率管理策略的有效性，未施行波动率管理时，平均CAPMalpha为1.0513%，90.56%的主动管理型基金的CAPMalpha为正值。采用总波动率管理策略后，平均CAPMalpha为1.2303%，在1%的水平上显著提高了0.1790%。下行波动率管理策略将结果提高到1.2533%。 波动率管理与投资者行为 4《. 美元beta与股票回报——“学海拾 文献探讨了基金投资者如何响应波动率管理策略。研究发现表明，基 珠”系列之一百七十六》 5.《基于残差因子分布预测的投资组合优化——“学海拾珠”系列之一百七十�》 6.《历史持仓回报会影响基金经理后续选股吗？——“学海拾珠”系列之一百七十四》 7.《基于端到端神经网络的风险预算与组合优化——“学海拾珠”系列之一百七十三》 8.《低风险组合构建：基于下行风险的缩放策略——“学海拾珠”系列之一百七十二》 金流量与过去的上行波动率呈正相关，与下行波动率呈负相关，特别是在机构主导的基金中更为明显。这反映了机构投资者对波动率择时价值的认可和实践，而个人投资者则未能充分利用这一策略。 风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 敬请参阅末页重要声明及评级说明证券研究报告 正文目录 1引言4 2数据和方法5 2.1数据样本5 2.2构建波动率管理策略6 3实证结果7 3.1基础分析7 3.2以波动率为目标的策略10 3.3夏普比率和索提诺比率11 3.4交易成本12 3.5探究收益来源13 4稳健性测试14 4.1调仓频率14 4.2因子模型15 4.3不同的模型要求15 4.3.1杠杆约束15 4.3.2波动率衡量指标16 4.4包含所有基金的投资组合16 5资金流和波动率17 6总结18 风险提示：19 图表目录 图表1文章框架4 图表2样本形成5 图表3描述性统计6 图表4波动率管理基金回报率与无管理基金回报率对比9 图表5总波动率管理回报、下行波动率管理回报与无管理回报的𝒕(𝜶)分布10 图表6两次金融危机期间的累计收益率11 图表7波动率管理基金回报率与无管理基金回报率对比：目标波动率法11 图表8夏普比率和索提诺比率12 图表9交易成本对波动率管理策略业绩的影响13 图表10从过去波动率预测未来波动率和未来基金回报率：回归系数的�统计值14 图表11频率调整14 图表12其他因子模型15 图表13包含所有基金的投资组合17 图表14基金波动率对资金流的影响18 图表15基金波动率对投资者资金流的影响18 1引言 图表1文章框架 资料来源：华安证券研究所整理 近年来，众多研究探索了波动率管理策略在中国基金市场的应用及其对基金业绩的影响。波动率管理，一种通过调整投资组合权重以应对市场波动的策略，已经在多个研究中证明其对提升投资组合业绩的有效性。这种方法源于资产配置中的波动率择时策略（Fleming等，2001，2003）。文献关注了基金经理如何利用前一个月的波动率来调整其投资组合的月收益率，旨在探究这种基于波动率择时策略的应用价值。 波动率管理的核心理念是基于一个简单的观察：随时间变化的波动率并不总是与预期收益成比例。这一观点推动了一系列的策略创新，包括通过上个月已实现波动率的倒数来调整投资组合的构成，以此来最大化风险调整后的回报。此类策略的有效性不仅在股票市场的基础投资组合管理中得到了广泛的实证支持，而且对于那些旨在通过管理跨期风险以提高夏普比率和alpha值的均值方差策略而言，尤为重要。 在研究中国基金市场的过程中，发现了中国市场的独特点。中国基金市场虽然历史较短，但近年来快速发展，已成为全球最重要的新兴市场之一。市场的这种快速增长，加之以个人投资者为主导的市场特性，为波动率管理策略提供了一个充满挑战和机遇的测试场。 通过中国基金进行综合样本分析，实证研究结果揭示了一些关键发现。 首先，研究证明了通过跨期管理基金的总体（以及下行）风险，可以显著提升基 金的alpha表现、夏普比率和索提诺比率。这些发现表明，波动率管理不仅能够承受交易成本的考验，而且其益处主要来源于有效的波动率择时和收益率择时。 进一步地，研究探讨了基金流量与过去波动率之间的关系。在中国市场上，尽管 总体波动率与基金流量之间没有明显的相关性，但将波动率细分为上行和下行波动率后，发现基金流量与上行（下行）波动率呈正（负）相关。这一现象在机构主导的基金中尤为明显，暗示了机构投资者对波动率管理策略的认可和应用，表明了个人投资者采用简单的买入并持有策略，并不参与波动率择时。 此外，文献还强调了在个人投资者主导的市场中，波动率管理作为风险控制工 具的重要性。随着中国基金市场的继续成熟和发展，波动率管理策略有望成为基金经理和投资者优化投资组合、提高投资业绩的重要工具。 2数据和方法 2.1数据样本 图表2样本形成 研究侧重于主动管理型基金，因为它们更符合文献中策略的投资理念：通过主动管理实现市场超额收益。数据来源于中国金融数据提供商Wind资讯公司（Wind），其中涵盖了基金的日收益率和月收益率、总资产净值（TNA）、费用率以及其他基金特征等信息。样本包括中国主动管理的股票型基金。为了确保合理的精度和算力，施加了几个过滤条件，如图表2所示。根据Wang等人（2021）的研究，还剔除了股票持仓比例低于80%的基金。为了减少孵化偏差的影响，效仿Elton等人（2001）的做法，只有当基金的总资产净值超过1500万元人民币时，才将其加入样本库。 一旦基金进入样本，即使其总账户净值降至1,500万元以下，也不会将其移除。此外，考虑到Evans（2010）中提到的孵化偏差，样本剔除了基金成立日期之前的数据。最终样本包括2004年12月至2021年12月的2205只主动管理型基金。 资料来源：《Canmutualfundinvestorsbenefitfromvolatilitymanaging?EvidencefromChina》，华安证券研究所 图表3的面板A列出了基金的汇总统计数据。费用率是包括基金管理费和托管费在内的总费用。换手率是指股票总购买成本与股票总出售收入之和除以平均TNA。基金超额收益等于基金净值收益率减去1年期存款利率。按照Sirri和Tufano （1998）的方法，将基金流量估算为TNA的变化，但需剔除基金收益导致的TNA 增长，即 𝐹𝑙𝑜𝑤𝑖,� =𝑇𝑁𝐴𝑖,𝑡−𝑇𝑁𝐴𝑖,𝑡−1(1+𝑟𝑖,𝑡) 𝑇𝑁𝐴𝑖,𝑡−1 (1) 图表3描述性统计 其中，𝑟𝑖,�是基金�在第�期的收益率。 对1%和99%分位数外的数据进行缩尾处理。如图表3所示，样本基金的平均管理资产约为16.8亿元，中位数仅为6亿元，这意味着基金规模呈右偏态。基金的平均历史为6.04年，每年的费用率为1.66%，每半年的换手率为5.58%。个人投资者平均持有78.55%的基金份额，基金超额收益率为每月1.56%。在样本期内，基金流量呈现净流出（平均-0.70%），这与美国基金市场有所不同。大量研究发现，中国基金市场存在“非正常赎回”现象，即近期表现较好的基金在未来获得的资金流入较少（Lu等，2008；Li和Liu，2019）。这表明基金投资者对基金业绩的持续性缺乏信心。 资料来源：《Canmutualfundinvestorsbenefitfromvolatilitymanaging?EvidencefromChina》，华安证券研究所 2.2构建波动率管理策略 参考Barroso和Santa-Clara(2015)以及Moreira和Muir(2017)，构建波动率管理策略如下： � 𝑟𝜎,�=𝜎̂ 𝑟�(2) 𝑡−1 其中𝑟�是第�个月的月度基金超额收益，𝜎̂𝑡−1是根据每日收益计算的第�−1个月 的已实现基金波动率，�是控制𝑟𝜎,� 平均波动率的参数，� 𝜎̂𝑡−1 是在�月份投资于波动率管 理投资组合所需的杠杆率。 效仿Moreira和Muir（2017），选择�使𝑟𝜎,�与𝑟�具有相同的无条件标准差。对于给定的基金，使用公式（2）构建了两个版本的波动率管理策略。一种是按已实现的基金总波动率缩放，另一种是按下行波动率缩放，分别如下： 𝑁𝑡−1 22 𝜎̂𝑇𝑜𝑡𝑎𝑙,𝑡−1=√∑(𝑟𝑡−1,𝑑)2 𝑁𝑡−1 (3) 𝑑=1 𝑁𝑡−1 22 𝜎̂𝐷𝑜𝑤𝑛,𝑡−1=√∑(𝑟𝑡−1,𝑑)2𝐼[� <0](4) 𝑁𝑡−1 𝑑=1 𝑡−1,� 其中，𝑟𝑡−1,�是基金在第�−1个月�日的收益率，𝑁𝑡−1是第�−1个月的实际交易天数，22是传统上采用的一个月的交易天数，它将日差异转换为月值。每日总回报用于衡量总波动率。而在衡量下行波动率时，只采用负的日收益率。图表3的面板B显示了样本中基金总波动率和下行波动率的属性。在112617个月观测值的集合样本中，平均每月总（下行）波动率为6.98%（4.67%），标准差为3.15%（2.68%），在最后两列中检验了波动率的偏度和峰度。两个波动率都是右偏的，峰度过大。相应的总回报率和下行波动率管理回报率如公式(5)和(6)所示： 𝑟𝑇𝑜𝑡𝑎�=𝑐𝑇𝑜𝑡𝑎�� (5) 𝜎,� 𝜎̂𝑇𝑜𝑡𝑎𝑙,𝑡−1� 𝑟𝐷𝑜𝑤�=𝑐𝐷𝑜𝑤�� (6) 𝜎,� 𝜎̂𝐷𝑜𝑤𝑛,𝑡−1� 总波动率管理（下行波动率管理）策略通过滞后总（下行）波动率的倒数对基金进行缩放，这意味着当近期总（下行）波动率较低时，基金的权重较大，反之亦然。由于波动率管理策略所涉及的杠杆在实践中可能会遇到一些限制，将杠杆的上限设为2。如果杠杆值超过2，就定为2。 3实证结果 3.1基础分析 在控制了基金收益时间序列中常用的风险因子后，检验无管理策略、总波动率管理策略和下行波动率管理策略的表现。具体来说，对基金的月度收益率应用CAPM单因子模型、Fama-French三因子模型（Fama和French，1993）、Carhart四因子模型（Carhart，1997）和中国三因子模型（Liu等，2019a）： 𝑟𝑖,�=𝛼�+𝛽𝑖,𝑚𝑀𝐾𝑇�+𝜀𝑖,�(7) 𝑟𝑖,�=𝛼�+𝛽𝑖,𝑚𝑀𝐾𝑇�+𝛽𝑖,𝑠𝑆𝑀𝐵�+𝛽𝑖,ℎ𝐻𝑀𝐿�+𝜀𝑖,�(8) 𝑟𝑖,�=�