20250730-华安证券-学海拾珠系列之二百四十三_基于贝塔质量的多空因子策略（BABB）_16页_1mb

总结

本报告基于 Miguel C. Herculano（2025）在《Quantitative Finance》上的论文《Betting Against (Bad) Beta》，提出“做空坏贝塔”（BABB）因子策略，改进传统做空贝塔（BAB）策略。

核心观点：
传统 BAB 因子通过区分高贝塔与低贝塔股票进行多空组合构建，利用投资者杠杆约束导致的“低贝塔溢价”现象。但 BABB 进一步区分“好贝塔”（折现率暂态冲击）与“坏贝塔”（现金流永久性冲击），通过双重排序（β + 坏贝塔）构建组合，更好捕捉永久性风险溢价。

贝塔分解理论：

• 采用 ICAPM 框架与 VAR 模型，将市场风险分解为现金流冲击（坏贝塔）与折现率冲击（好贝塔）。
• 示例变量：市场超额收益、期限利差、CAPE 比率、小盘股价值利差，用于构建 VAR 系统提取两类贝塔。

BABB 策略表现：

• 回测（1963–2021）显示 BABB 年化收益 15%（波动率 13.8%），夏普比率 1.09，显著优于 BAB（11.4%、1.01）。
• 五因子模型下，BABB 的月均阿尔法达 75bps，交易成本更高但杠杆水平相似，对小市值因子暴露强（成本显著高于 BAB）。

稳健性检验：

• 不同贝塔计算方法下，多数场景 BABB 的夏普比率优于 BAB。
• 考虑交易成本后，BABB 的净阿尔法仍高于 BAB，但对流动性风险敏感。例如，BABB 策略需更高杠杆，小盘股交易成本显著提升策略总成本。

结论：
BABB 通过细分贝塔改进风险管理，显著提升多空策略收益，但需注意交易成本与杠杆放大风险。该策略依赖历史海外数据，结论需结合市场动态验证。

风险提示
本文观点基于历史数据与特定文献，不构成投资建议；交易成本可能削弱策略有效性（尤其小盘股）。