20171031-天风证券-金工专题报告_海外文献推荐第19期_12页_1mb

文档总结

核心内容概述

本文由两部分组成，分别探讨了恐慌指数（VIX）与规模因子对股票报酬的影响，以及稳定性风险调整后的投资组合构建。旨在通过实证分析，验证VIX变化率是否比规模因子更有效解释股票横断面报酬，并探讨如何通过调整协方差矩阵来构建更稳定的投资组合。

恐慌指数 v.s. 规模因子

主要观点

1. 规模效应的质疑：

   • Fama and French(1992)提出规模效应，认为小市值公司具有较高报酬。
   • 但后续研究指出该效应可能存在生存者偏误，影响其有效性。

2. VIX变化率的解释力：

   • 本文通过比较VIX变化率与规模因子对股票报酬的影响，发现VIX变化率在统计上更显著，更适合解释股票报酬。
   • 当VIX变化率为正时，大公司表现优于小公司；当为负时，小公司表现优于大公司，说明规模效应会随市场波动反转。

3. 实证分析：

   • 使用S&P500和S&P600的月度数据，进行回归分析，发现VIX变化率在解释报酬方面具有更高的显著性。
   • 回归模型显示，VIX变化率的t统计值为-137.1，远高于规模因子的t统计值。

4. 市场状态影响：

   • 在市场波动较高（如2000年科技泡沫和2008年房市泡沫）时，规模效应反转，此时大公司表现优于小公司。
   • VIX作为市场恐慌指标，其变化率能反映市场不确定性，进而影响不同规模公司的表现。

稳定性风险调整后的投资组合

主要观点

1. 均值方差模型的局限性：

   • 传统均值方差模型依赖历史数据的均值和方差估计，但估计过程中存在误差，如小样本误差、独立样本误差和频率不对等误差。

2. 误差来源：

   • 小样本误差：大样本预测小样本。
   • 独立样本误差：使用与预测时间段无关的样本进行预测。
   • 频率不对等误差：用高频数据预测低频数据或反之。

3. 调整方法：

   • 通过选择子样本，利用其剩余的大样本协方差进行预测，并将预测误差加总到基准协方差矩阵中。
   • 构建新的收益率样本，以模拟调整后的协方差矩阵，避免正态性假设的限制。

4. 投资组合构建模型：

   • 采用全规模优化模型，考虑不同效用函数（如幂效用函数和折线效用函数）来构建投资组合。
   • 通过调整后的样本计算资产组合权重和风险指标，并与未调整样本进行对比。

5. 结果对比：

   • 调整后的波动性低于未调整样本，尤其是在金融危机期间。
   • 使用稳定性调整后的模型能更准确地反映真实波动性，提升投资组合的稳健性。

关键信息

• VIX变化率：作为市场波动的指标，其在解释股票报酬方面比规模因子更有效，且在不同市场状态下具有反转效应。
• 规模效应：并非始终有效，其表现受市场状态影响，尤其在市场恐慌时，小公司表现较差。
• 协方差估计误差：包括小样本、独立样本和频率不对等误差，影响投资组合的构建。
• 稳定性调整方法：通过子样本和剩余样本计算预测误差，构建新的收益率样本，提高模型的稳健性。
• 投资组合优化：采用非正态性假设下的全规模优化模型，考虑不同效用函数以更准确地反映投资者偏好。

结论

1. VIX变化率优于规模因子：

   • 在不同市场状态下，VIX变化率能更准确地解释股票报酬。
   • 当市场波动上升时，大公司表现更优；当市场稳定增长时，小公司表现更优。

2. 稳定性调整的重要性：

   • 通过调整协方差矩阵，可以减少预测误差，提升投资组合的稳健性。
   • 调整后的模型能更准确地模拟真实波动性，特别是在金融危机期间。

3. 投资组合构建建议：

   • 避免依赖传统均值方差模型，应考虑非正态分布和预测误差调整。
   • 采用全规模优化模型，结合不同效用函数，构建更符合实际市场环境的投资组合。

文献来源

• VIX vs. Size：Maggie Copeland and Thomas Copeland, Journal of Portfolio Management, 2016, 42(3):76-83
• Stability-Adjusted Portfolios：Kritzman and David Turkington, Journal of Portfolio Management, 2016, 42(5):113-122