本报告围绕波动率变化与股票收益补偿之间的关系,利用分钟级开高低收数据构建“更优波动率”,并进一步形成“灾后重建”和“勇攀高峰”因子。回测显示,“勇攀高峰”因子在全A样本中具有较强且稳定的选股能力,剥离常见风格因子后仍保留增量收益,在中证1000成分股中的表现尤为突出。
本报告题为《个股波动率的变动及“勇攀高峰”因子构建——多因子选股系列研究之三》,由方正证券研究所金融工程团队发布,日期为2022年5月30日,分析师为曹春晓,主题是利用个股日内高频价格数据刻画“波动率变化—收益补偿”关系,并据此构建量化选股因子。
报告并非针对某一家上市公司的投资评级,也没有给出传统意义上的目标价或估值区间,其核心对象是全A股票及主要宽基指数成分股中的量化选股因子。 报告提出两种相反逻辑的因子:第一种是当波动率上升、收益波动比下降时,形成“灾后重建”机会;第二种是当波动率异常高、收益波动比同步上升时,说明股票对高风险提供了充分补偿,形成“勇攀高峰”机会。
报告最重要的结论是,“勇攀高峰”因子在2013年4月至2022年2月的月度回测中表现突出,Rank IC均值为5.62%,Rank ICIR为4.47,多空组合年化收益率为19.76%,信息比率为3.45,月度胜率为83.02%。 在剔除常用风格因子和行业因子影响后,该因子仍保留一定增量选股能力,Rank IC均值为1.95%,Rank ICIR为1.61,多空组合年化收益率为9.04%,信息比率为1.52%。 在沪深300、中证500和中证1000三类样本空间中,中证1000成分股的效果最强,Rank IC为3.46%,Rank ICIR为3.35,多头组合年化超额收益为8.67%。
报告指出,波动率上升可能意味着风险加剧,也可能是股价快速上涨的前兆,关键不在于波动率是否提高,而在于收益率是否同步提高。 因此,作者没有简单地把低波动或高波动作为选股标准,而是观察“收益波动比”随波动率变化的方向。
收益波动比可以理解为某一时段收益率相对于其波动程度的比值,类似于局部的风险收益效率指标:如果波动率提高但收益率没有同步增加,收益波动比会下降;如果收益率的增加幅度超过波动率增加幅度,收益波动比则会上升。 报告借鉴Moreira和Muir(2017)以及Lochstoer和Muir(2022)的研究,认为市场参与者在波动率变化初期可能反应不足,随后又可能反应过度。
当波动率快速上升时,投资者如果没有及时要求更高收益作为风险补偿,就会出现收益波动比下降的情况,随后以收益波动比为依据的投资者可能抛售股票,使股价被过度压低,未来出现补涨。 报告将这种“先因风险补偿不足而下跌,后因过度抛售而修复”的逻辑称为“灾后重建”。
该因子理论上是负向因子,即因子值越小越好,因为负协方差意味着波动率上升时收益波动比下降,符合“波动加剧—风险补偿不足—未来修复”的路径。 但回测显示,“月均重建”“月稳重建”和综合“灾后重建”因子的Rank IC分别为-4.96%、-5.49%和-6.02%,方向上符合负向因子特征,但Rank ICIR仅约为-2.5,说明收益方向虽然存在,稳定性却相对有限。
报告没有直接使用分钟收盘价计算波动率,而是设计了“更优波动率”。具体而言,在第t分钟,作者取第t-4至第t分钟共5个分钟窗口的开盘价、最高价、最低价和收盘价,合计20个价格数据,计算这20个价格数据的标准差,除以其均值,再将该比值平方,作为第t分钟的“更优波动率”。
这一处理试图解决单纯使用分钟收盘价可能遗漏分钟内价格波动的问题。例如,价格在一分钟内先大幅上涨、再大幅下跌,最终收盘价重新回到上一分钟附近,收盘价序列看起来可能波动不大,但最高价和最低价能够捕捉到真实的日内冲击。 该方法本质上是将价格水平标准差进行均值归一化,再平方处理,从而使指标更关注相对波动幅度。
报告的计算步骤包括:首先剔除开盘和收盘部分,仅使用日内分钟数据;其次计算每分钟收益波动比,即分钟收益率除以该分钟“更优波动率”;再次计算每日收益波动比序列与“更优波动率”序列的协方差;最后在每月末取最近20个交易日协方差的均值和标准差,分别形成“月均重建”和“月稳重建”,并将二者等权合成为“灾后重建”因子。
这里的均值衡量波动率变化与收益补偿关系的平均方向,标准差则反映这种关系的稳定程度。报告并未进一步明确说明标准差因子在合成时是否进行了方向调整或标准化,因此,在解释“月稳重建”及其综合因子时,需要注意其正负方向和等权合成规则可能影响最终因子的经济含义。
“勇攀高峰”因子的主要改进,是不再计算全天所有分钟的协方差,而只关注当天波动率异常高的时段。 具体步骤为:计算当日“更优波动率”的均值和标准差,将波动率大于或等于“均值+标准差”的分钟定义为异常高波动区间,再计算这些区间内收益波动比与“更优波动率”的协方差。
随后,作者对最近20个交易日的日度协方差计算均值和标准差,分别得到“月均攀登”和“月稳攀登”,最后等权合成为“勇攀高峰”因子。 与“灾后重建”不同,“勇攀高峰”理论上是正向因子,即因子值越大越好,因为正协方差代表波动率越高,收益波动比也越高,说明股票能够对异常风险提供充分甚至超额的风险补偿。
图表1以灰色柱状线表示“更优波动率”,橙色折线表示收益波动比,左、右坐标轴分别对应两类指标。 红色框标出了波动率上升而收益波动比下降的局部时段,说明股票在波动加剧时没有提供足够的收益补偿。 该图主要用于直观展示“灾后重建”因子的经济机制,而不是直接证明因子具有稳定收益。
三幅图均按照因子值划分十组,红线代表多空对冲组合,右轴为多空组合净值。 图表3中,低因子组与高因子组之间存在一定差异,多空组合总体向上,但不同阶段波动明显,2015—2018年间经历较大回撤和震荡。 图表4的多空红线后期上行更加明显,最终净值相对较高,但分组曲线并未始终呈现严格单调关系。 图表5综合因子的多空曲线整体持续上升,后期达到较高水平,但灰色高因子组表现相对较弱,说明因子有效性更多体现为组合层面的平均差异,而不是每个十分位都完全线性排列。
图表6与图表1相反,红色框显示在异常高波动时段,波动率上升的同时收益波动比也上升。 其含义是股票不仅承受了更高波动,而且给出了更高的收益补偿,这正是“勇攀高峰”因子的筛选对象。
图表9显示“月均攀登”多空组合长期上行,且高因子组整体表现较好,但早期和2015年前后波动较大。 图表10的“月稳攀登”同样具有较强的多空收益,后期红线升至较高位置,但其十分组排序不如综合因子稳定。 图表11显示综合“勇攀高峰”因子的分组差异较清晰,最高因子组在2015年、2020年至2022年阶段表现突出,最低因子组长期相对落后,多空红线持续上行。
报告给出的统计结果进一步支持图形判断:“月均攀登”“月稳攀登”和综合因子的Rank IC分别为3.94%、-6.06%和5.62%,Rank ICIR分别为4.21、-4.02和4.47。 其中“月稳攀登”为负向指标,说明其标准差指标的经济方向与均值指标并不一致,综合因子能够取得较好表现,可能与等权合成时的方向处理或两类信息互补有关,但原文没有充分展开解释。
图表13对比了“更优波动率”和传统“收盘波动率”。两条曲线总体走势相近,说明两者都能够捕捉日内波动变化;但在部分分钟,两者出现明显偏离,显示最高价和最低价补充了分钟内价格路径信息。
作者进一步用收盘波动率替换“更优波动率”,构建“勇攀高峰因子2”。其Rank IC分别为3.03%、-5.41%和5.10%,低于原始“月均攀登”“月稳攀登”和综合“勇攀高峰”因子的表现。 图表15至图表17中的多空红线仍然整体上行,但相较原始版本,净值水平和分组区分度有所下降,尤其表明收盘价方法可能遗漏了部分分钟内的有效信息。
图表18显示,“勇攀高峰”与市值、非线性市值、估值、盈利、成长、杠杆、流动性、反转、波动率和贝塔等常见风格因子的相关系数绝对值均低于20%。 其中与市值、盈利、估值的相关性分别约为15.00%、14.15%和8.12%,与流动性、波动率的相关性分别为-12.12%和-17.24%,与贝塔的相关性为-4.84%。 这说明该因子并非简单等同于小市值、高盈利或低波动因子,但相关性低并不能完全证明其不存在共同风险暴露。
在对常见风格因子和行业因子进行正交化后,形成“纯净勇攀高峰”因子。 图表20显示,多空组合红线仍保持长期上行,尽管净值水平和分组差异较原始因子有所削弱。 统计上,纯净因子的Rank IC均值为1.95%,Rank ICIR为1.61,年化收益率为9.04%,信息比率为1.52,说明原始因子中确实包含一定独立于常见风格的有效信息。
报告分别在沪深300、中证500和中证1000成分股中检验因子。 图表23显示三类指数成分股的多空净值均长期上行,其中中证1000曲线明显高于沪深300和中证500,说明因子在中小盘股票中的辨识能力更强。
图表24显示,中证1000多头超额曲线最为强劲,长期明显高于基准;中证500也有较好的超额收益,而沪深300的超额表现相对有限,且在部分阶段低于初始水平。 该结果与报告给出的中证1000 Rank IC为3.46%、Rank ICIR为3.35和多头年化超额收益8.67%的结论一致。
本报告是金融工程因子研究,不涉及DCF、相对估值、市盈率、EV/EBITDA或目标价,因此不存在传统公司研究中的估值敏感性分析。 报告的核心评价标准是Rank IC、Rank ICIR、多空组合收益、信息比率、月度胜率和多头超额收益,而非企业内在价值。
主要风险包括:第一,研究完全基于历史数据,历史规律未来可能失效;第二,市场可能发生超预期变化,使波动率与收益补偿之间的关系发生改变;第三,各类驱动因子可能受到市场环境影响而阶段性失效。 报告没有给出上述风险的概率估计、压力测试、交易成本分析或具体止损方案,因此19.76%的年化多空收益和3.45的信息比率不能直接等同于可实现的实盘收益。 此外,样本期包含2015年高波动、2018年市场调整以及2020—2021年结构性行情,因子表现可能受到特定市场环境、风格轮动和中小盘行情的影响,这一点需要结合图表中不同阶段的净值波动谨慎理解。
总体而言,报告的创新点不在于单纯寻找高波动股票,而在于区分“高波动但风险补偿不足”和“高波动且风险补偿充分”两种截然不同的状态。 “灾后重建”因子在方向上符合理论预期,但稳定性较弱;“勇攀高峰”因子则通过只筛选异常高波动时段,显著提高了信号的针对性和选股稳定性。
图表和统计结果共同表明,“勇攀高峰”因子具有较明显的分组区分度、持续的多空收益以及较高的Rank ICIR,且在剥离市值、盈利、估值、流动性、波动率等常见风格后仍保留一定有效性。 其最适合的应用场景可能是中小盘股票池,特别是中证1000成分股,因为该样本空间的多空和多头超额表现均明显优于沪深300和中证500。
但需要强调,报告展示的是历史回测证据,而非未来收益承诺;因子构造依赖高频数据质量、分钟价格极值的准确性、换手和交易成本控制,以及异常波动识别阈值“均值+标准差”等参数设定。 因此,报告总体传达的立场是:在量化选股中,“异常高波动伴随充分收益补偿”可能是一个具有较强预测能力、且相对独立于传统风格因子的有效信号,但实际使用仍须进行样本外检验、交易成本调整和市场环境适应性评估。
20220530-方正证券-方正证券多因子选股系列研究之三:个股波动率的变动及“勇攀高峰”因子构建.pdf