20170327-华泰证券-华泰多因子系列之六_华泰单因子测试之波动率类因子_42页_2mb

华泰单因子测试之波动率类因子实证分析总结

核心内容

本报告是华泰多因子系列研究的第六篇，聚焦于波动率类因子在A股市场的实证分析。报告选取了八个具有代表性的波动率因子进行测试，包括日收益率标准差、特质波动率、日内最大涨/跌幅波动率等，旨在评估这些因子在不同行业、规模公司中的表现，并通过分层回测、回归法、IC值分析等方法识别其有效性。

主要观点

1. 波动率因子定义
   波动率因子主要反映过去一段时间内资产价格的波动性，是关于资产价格序列的二阶矩信息，与动量因子（一阶矩）形成对比。

2. 因子分类与测试方法
   测试的波动率因子包括：

   • std_4m：近4个月内日收益率序列的标准差
   • id1_std_3m、id2_std_3m：特质波动率（分别基于CAPM和Fama-French三因子回归残差）
   • id2_std_up_3m、id2_std_down_3m、id2_std_upd_3m：特质波动率的上行、下行及总波动率
   • high_r_std_4m、hml_r_std_5m：日内最大涨/跌幅波动率及其差值

3. 因子间的相关性

   • 除hml_r_std_5m外，其余波动率因子两两间正相关性较强，与市值因子普遍呈负相关。
   • hml_r_std_5m与市值因子呈弱相关性，具有一定的独立性。
   • 波动率因子间相关性较强，需注意多重共线性问题。

4. 测试框架

   • 分层回测：根据因子值对股票进行分层，构建投资组合，评估年化收益率、夏普比率、信息比率等。
   • 回归法：将因子暴露度与未来收益进行线性回归，计算t值与因子收益率，判断因子的显著性与预测能力。
   • 因子IC值分析：计算因子暴露度与未来收益的相关系数，评估因子的稳定性与预测能力。

5. 测试结果

   • 波动率因子整体具有一定的选股效果，年化收益率在28%左右，略逊于动量反转因子。
   • 在考虑交易成本后，波动率因子的超额收益相对较低，而BP因子因换手率低，效果更优。
   • IR比率排序为：动量反转 > 换手率、波动率 > 估值、成长。

关键信息

波动率因子与市值因子的相关性

• 波动率因子与市值因子呈显著负相关，市值越大的公司波动率越低。
• hml_r_std_5m是唯一与市值因子呈弱正相关的因子。

波动率因子间的相关性

• 波动率因子之间相关性普遍较强，尤其是id2_std_3m与其他因子相关性极高。
• 除hml_r_std_5m外，其他波动率因子在不同行业间表现差异较大，行业轮动现象明显。
• 例如，建材、石油石化等行业波动率较高，而银行、电力及公用事业等行业波动率较低。

分层回测结果

• 对std_4m进行分层回测，TOP组合年化收益率约为26.66%，信息比率为0.32。
• 各分层组合在不同年份的收益与排名差异较大，显示因子在不同市场环境下的表现波动。

回归法与IC值分析

• 回归法中，t值序列的平均值和标准差用于判断因子的显著性与稳定性。
• IC值序列的均值与标准差用于评估因子的预测能力与稳定性。
• 两者之间存在一定的联系，IC值的平方等于回归法中的R²。

交易成本与因子效果

• 交易成本对波动率因子的选股效果有较大影响，特别是换手率较高的因子。
• 单边换手率0.3%作为交易成本的基准，影响因子的最终表现。

总结

波动率类因子在A股市场中具有一定的选股能力，但其效果受行业与市值因素影响显著。在构建多因子模型时，需注意处理多重共线性问题。虽然波动率因子整体表现不如动量因子，但其在不同市场环境下的适应性较强。此外，由于A股市场缺乏良好的做空机制，需更多关注因子的多头方向表现。

建议在实际应用中，结合因子的稳定性、显著性及交易成本进行综合评估，以选择最适合的波动率因子。