主观CTA研究系列报告（十四）：海外公募基金波动率择时效果探讨（二）

期货研究 二 二2024年11月15日 四年度 主观CTA研究系列报告（十四）：海外公募基 金波动率择时效果探讨（二） 金韬投资咨询从业资格号：Z0002982jintao013139gtjascom 国WUYUCHEN（联系人）期货从业资格号：F03133175wuyuchen028987gtjascom 泰 君报告导读： 安 期货 研摘要： 究本研究是公募基金波动率择时效果探讨的第二篇。本研究首次在共同基金研究中使用日收益率数据， 所分析基金经理如何应对市场波动率的变化。本研究侧重于波动率择时，而非收益择时，从新的视角探 讨了择时问题。研究显示，基金在高条件波动率期间减少了其市场风险敞口，且在成长型基金中尤为明显。尽管成长与收入基金的结果在方向上与波动率时机一致，但统计上并不显著。这可能反映了成长型基金比成长与收入基金更具进取性。 存续基金的系统性风险敞口对市场波动尤为敏感，而非存续基金的系统性风险与随机生成的股票组合的表现无显著差异。与终止的基金相比，存续基金的波动率系数显著为负。结合总结统计数据，显示终止基金表现不如存续基金，这表明基金在进行波动率时机选择时，可能会对其业绩产生影响。 波动率择时通过提高夏普比率带来了回报。研究表明，基金表现在高条件波动率时期提升尤其明显，意味着主动管理型基金有可能为投资者提供有效的波动对冲，因为此时基金经理的波动率择时操作有效降低了系统性风险。 本研究对结果进行了鲁邦测试。结果表明，将市场收益项添加到基金收益模型中并不会显著影响波动性系数，即基金经理没有进行收益率择时。这意味着波动性系数并非因为标普500指数的月度收益与波动性之间的非零相关性而出现。同事，基金募集获得的现金流与波动性没有相关性。1987年市场崩盘期间的波动率异常值也并未主导整体结果。 风险提示： 本文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。 目录 1文献概述3 11文献来源3 12文献概要3 13文献框架3 2实证模型与数据3 21实证模型3 22研究数据4 221共同基金4 222随机对照样本4 3实证分析5 31隐含波动率5 32日度波动率5 33月度波动率6 331月度实际波动率6 332条件波动率7 34收益率分析9 341收益率择时对比波动率择时9 342条件alpha10 343利率风险11 4鲁邦测试11 41收益择时11 42现金流入12 431987股灾12 5结论12 6风险提示12 （正文） 1文献概述 11文献来源 BusseJA1999VolatilitytiminginmutualfundsEvidencefromDailyReturnsReviewofFinancialStudies12510091041httpsdoiorg101093rfs1251009 12文献概要 本研究使用每日共同基金回报数据，重新审视基金经理是否具备成功的择时能力。先前的研究发现，基金无法准确对市场回报进行择时。因此本研究将研究基金在市场波动性择时方面的能力。研究表明，波动率择时是影响共同基金回报的重要因素，并且带来了更高的风险调整后回报。存续基金的回报对市场波动率尤为敏感，而非存续基金则不然。 13文献框架 基金经理是否能通过择时市场波动率来提升风险调整后的表现或投资者效用并非显而易见。一方面，先前实证研究并未发现条件市场回报与条件市场波动率之间存在可靠的正向简单关系。如果市场回报与波动率无关，这表明基金经理可以通过在条件波动率增加时减少市场敞口来提高投资者效用。另一方面，有研究发现，在股票波动率较高时减少股票市场敞口可能对基金投资者不利，反而可能会使投资者暴露于其他风险，如利率风险。本文研究了公募基金是否会对市场波动率变化做出反应，以及此类策略如何影响基金表现。 本文通过一个EGARCH模型来测量条件市场波动率，并发现基金的系统性风险水平与条件市场波动率之间存在显著的负相关关系。当条件波动率高于正常水平时，系统性风险水平较低。虽然尚不清楚基金是否比公开信息更好地预测市场波动率，但本文记录了波动率择时与传统投资绩效指标之间的显著关系。那些在条件市场波动率较高时降低系统性风险的基金获得了更高的风险调整后回报。 2实证模型与数据 21实证模型 在实证分析中，研究继续沿用先前使用的三因子和四因子模型：单指数模型（CAPM）、包含规模和账面市值比因子的三因素模型以及加入动量效应的四因素模型。研究对这些模型进行了修改以适应日度数据的使用，并添加了捕捉波动率择时影响的因子。 作者最终将三因素和四因素的波动率择时模型表示为： 方程1： 资料来源：Busse1999，国泰君安期货研究 其中，Rpt是基金p在第t天的超额收益，Rmt是当日标普500指数的超额收益，p是基金p的收益与市场指数收益回归得到的系数，p是基金p的超额收益，而pt是基金p在第t天的特质收益。研究通过Datastream（代码TBILL90）的日度美国90天国库券指数推导出了用于计算超额收益的日度无风险利率。K基于三因子或者4因子模型，为k3或k4。同时，模型构建了类似Fama和French所使用的SMB和HML收益序列，但以日度频率进行。模型同样构建了类似Carhart中动量指数的MMC收益序列，但使用了价值加权的日度频率数据。此外，研究对SMB、HML和MMC指数进行了正交化处理。 22研究数据 221共同基金 本研究使用了1984年12月版本的Wiesenberger的《MutualFundsPanorama》，筛选出230只符合以下条件的美国股票基金：投资政策为“普通股票”，投资目标为“最大化资本增值”、“成长”或“成长和收入”，且总净资产超过1500万美元。 本研究使用InteractiveDataCorporation（IDC）提供的1985年1月2日至1995年12月29日的每日每股净资产值（NAV）和股息。为了减少存活偏差，本研究在样本中包括后续合并或清算的基金。然而，由于这些基金从始至终都为同一类基金（即没有转变为行业基金或平衡基金），样本仍然存在一定程度的偏差。研究最终排除了七只基金，排除的主要原因为风格的转变。 222随机对照样本 本研究使用两组随机投资组合作为对照样本。作为一个整体，这些随机投资组合应该表现出与共同基金样本相同的时间序列特征，但没有基金经理的动态特征。 本研究使用八个资产类别：六个等权重的规模和账面市值比指数的交集大规模高账面市值比BH、中账面市值比BM、低账面市值比BL、大规模低账面市值比SH、中规模低账面市值比SM、小规模低账面市值比SL，以及等权重的动量和反向投资指数。 由于共同基金通常不是满仓，而是持有总净资产5到10的现金类证券，因此本研究为每个随机投资组合分配93的股票和7的现金。股票部分从不同资产类别中随机挑选100只证券组成，比例与通过二次规划问题求解得出的基金对资产类别的敞口相匹配。每只证券在投资组合中平均持有1年，与共同基金样本的81的平均年换手率大致一致。随机投资组合中的证券会在随机日期退出，并由来自相同资产类别的证券替换其仓位。 本研究根据证券比例计算随机投资组合的股票回报成分。比例最初是等权（每只证券的初始权重为 1100），但权重会根据买入持有投资策略进行演变。由于模仿投资组合平均持有单个证券并在1年后进行 替换，因此该随机样本模拟了具有年度再平衡的买入持有策略。最终的随机对照样本由230个随机投资组合组成，每个共同基金样本中的基金都有相对应的模仿投资组合。 3实证分析 31隐含波动率 一种替代基于时间序列的EGARCH和ARMA条件波动率估计方法是使用市场指数期权的隐含波动率。芝加哥期权交易所（CBOE）提供了自1986年开始的每日频率隐含波动率指数。该指数基于SP100指数上接近平值的八个看涨期权和看跌期权的BlackScholesMerton隐含波动率。尽管SP100的成分与SP500不完全匹配，但CBOESP100隐含波动率序列与EGARCHSP500条件波动率估计的相关性为092。每月月底CBOE隐含波动率序列与ARMASP500条件波动率估计的相关性为089。SP500回报与CBOE每日和每月隐含波动率的相关性分别为000和002。因此，基于时间序列的条件波动率估计捕捉到的波动性动态与指数期权隐含波动率中的动态相似。为了防止本研究的推论受特定条件波动率估计的影响，本研究在较短的19861995样本期内，使用CBOE隐含波动率序列重复了所有分析。 32日度波动率 假设市场因素主导了解释的方差，本研究将波动率择时模型表达为：方程2： 资料来源：Busse1999，国泰君安期货研究 其中k1、3或4。使用EGARCH条件波动率估计进行的每日OLS回归结果如图表1所示。本研究重点关注图表1的B面板，展示了共同基金样本与重新平衡的随机控制样本的波动率系数差异。 图表1：日度条件波动率估计回归结果，单因子、三因子、四因子 资料来源：Busse1999，国泰君安期货研究 对于单因子模型，基金的波动率系数显著低于随机控制样本，表明与被动策略相比，基金在高条件波动率期间减少了其市场风险敞口，且在成长型基金中尤为明显。尽管成长与收入基金的结果在方向上与波动率时机一致，但统计上并不显著。这可能反映了成长型基金比成长与收入基金更具进取性。 与终止的基金相比，存续基金的波动率系数显著为负。结合总结统计数据，显示终止基金表现不如存续基金，这表明基金在进行波动率时机选择时，可能会对其业绩产生影响。 三因子和四因子模型的结果也表明了条件波动率时机选择的存在。在子组中，资本增值基金与成长型基金和存续基金一样，对波动率时机选择特别敏感。四因子模型的结果比三因子模型略强，系数和t统计量更为负面，超过70的四因子波动率系数为负。 当本研究在回归方程（2）中使用隐含波动率并将共同基金的波动率系数与第二个随机控制样本进行比较时，结果同样显著，但略微较弱。例如，所有基金的单因子、三因子和四因子模型的系数差异分别为 143、205和284，t统计量分别为350、430和577。 无论使用何种模型，将共同基金的波动率系数与随机控制样本进行比较均得出相同的结论：当条件波动率高于平均水平时，大多数基金会减少其市场风险敞口。 33月度波动率 331月度实际波动率 本研究进一步探讨了共同基金在波动率时机选择中的重要性，并直接分析了系统性风险的月度变化。 每只基金每月使用单、三、四因子模型分别估计单因子、三因子和四因子的值。每个月的回归仅使用该月的实际每日回报率数据。样本为每只基金提供了三个SP500的月度值序列，并将值计算为同时期和滞后系数的总和。每个模型会在整个样本期内运行回归，使用SP500的值序列和月度SP500标准差估算值。 图表2显示了实证结果。与再平衡的随机控制样本的值相比，共同基金的值在所有三种模型中均对市场波动率呈负反馈，证实了之前的波动率时机选择证据。超过80的四因子波动率系数为负。在所有基金组中，只有成长和收入基金及未存续基金的系数不具有统计显著性。同样，存续基金和未存续基金的结果差异显著。 当将共同基金的波动率系数与第二个随机控制样本进行比较时，结果更为显著。例如，所有基金的单因子、三因子和四因子模型的系数差异分别为534、388和370，t统计值分别为1104、871和676。 图表2：月度实际波动率回归结果，单因子、三因子、四因子 资料来源：Busse1999，国泰君安期货研究 332条件波动率 为了探讨基金是否使用优于公开信息的手段来决定何时调整其市场敞口，本研究分析了基金经理对波动率冲击的响应程度，即那些未被条件模型捕捉到的波动率组成部分。研究考察了两种条件模型：ARMA （11）模型和工具变量模型。工具变量模型表示为： 方程3： 资料来源：Busse1999，国泰君安期货研究 其中mt是某月的SP500标准差估算值，zjt1是该月工具变量的值