本报告围绕传统特质波动率因子的选股能力不足问题,基于波动率聚集现象,提出剔除跨期截面相关性的“纯真波动率因子”。通过多期横截面回归提纯因子信息,提升因子选股效果,回测显示纯真因子显著优于传统因子,表现稳定且交易特征合理,适用于A股全市场及主要指数样本。
| 因子名称 | IC均值 | 年化ICIR | 年化收益率 | 信息比率 | 月度胜率 | 最大回撤 |
|---|---|---|---|---|---|---|
| ID_Vol | -0.059 | -1.78 | 17.93% | 1.48 | 70.65% | 14.49% |
| Turn20 | -0.071 | -1.99 | 23.89% | 1.74 | 69.57% | 12.70% |
| ID_Vol_deTurn20 | -0.030 | -1.05 | 6.08% | 0.61 | 59.78% | 17.70% |
| 因子类型 | IC均值 | 年化ICIR | 年化收益率 | 年化波动率 | 信息比率 | 月度胜率 | 最大回撤 | 相关系数(换手率) |
|---|---|---|---|---|---|---|---|---|
| 传统因子 | -0.059 | -1.78 | 17.93% | 12.13% | 1.48 | 70.65% | 14.49% | 0.51 |
| 纯真因子 | -0.055 | -2.16 | 18.89% | 8.70% | 2.17 | 78.26% | 8.29% | 0.41 |
| 传统因子正交换手 | -0.030 | -1.05 | 6.08% | 9.95% | 0.61 | 59.78% | 17.70% | - |
| 纯真因子正交换手 | -0.032 | -1.47 | 9.25% | 7.46% | 1.24 | 67.93% | 7.56% | - |
| 滞后阶数 N | IC均值 | 年化ICIR | 年化收益率 | 年化波动率 | 信息比率 | 月度胜率 | 最大回撤率 |
|---|---|---|---|---|---|---|---|
| 0 (传统因子) | -0.0586 | -1.78 | 17.93% | 12.13% | 1.48 | 70.65% | 14.49% |
| 6 | -0.0554 | -2.16 | 18.89% | 8.70% | 2.17 | 78.26% | 8.29% |
| 24 | -0.0553 | -2.24 | 17.87% | 8.64% | 2.07 | 76.63% | 7.36% |
| 样本 | 因子类型 | IC均值 | 年化ICIR | 年化收益率 | 信息比率 | 月度胜率 | 最大回撤率 |
|---|---|---|---|---|---|---|---|
| 沪深300 | 传统因子 | -0.0221 | -0.45 | 5.18% | 0.33 | 55.06% | 27.72% |
| 沪深300 | 纯真因子 | -0.0284 | -0.81 | 7.29% | 0.61 | 56.33% | 19.79% |
| 中证500 | 传统因子 | -0.0499 | -1.31 | 16.35% | 1.31 | 67.09% | 26.60% |
| 中证500 | 纯真因子 | -0.0427 | -1.34 | 15.81% | 1.65 | 65.82% | 15.20% |
—— 寻找特质波动率中的纯真信息剔除跨期截面相关性的纯真波动率因子
标题:波动率选股因子系列研究(一):寻找特质波动率中的纯真信息剔除跨期截面相关性的纯真波动率因子
作者:高子剑(证券分析师)、沈芷琦(研究助理)
发布机构:东吴证券研究所
发布日期:2020年5月28日
研究主题:基于A股市场的传统特质波动率因子构建与改进,聚焦因子在跨期截面相关性的剔除,创新提出“纯真波动率因子”,以提升选股效果。
核心论点与主旨:
报告首先重申传统特质波动率因子基于Fama-French三因子模型已被广泛使用及验证具备一定选股能力,但存在信息重复利用导致的跨期截面相关性。该报告创新提出通过简单的多期横截面回归剔除该相关性,以提取更纯粹、有效的波动率选股信号,称为“纯真波动率因子”。回测显示纯真因子在选股效果、收益稳定性、与其他因子相关性等方面均优于传统因子。作者旨在通过系列报告深化对波动率因子的探索,提升资产管理中因子选股实效性。,1,3]
报告指出,自Ang等人(2006)论文揭示特质波动率与未来收益负相关(“低波动率异常现象”)以来,学界与实务均高度关注相关研究。东吴证券在该背景下推出“波动率选股因子”系列,首篇聚焦因子本身的时序和截面相关性问题,尝试提出简洁改进以提高因子纯度和选股效果。
简单的线性多期横截面回归方法高效剔除了波动率因子的跨期截面相关性,提高了因子纯度及选股能力,验证了波动率因子信号存在被重复利用的“伪信号”问题,同时提升了策略净值增长和稳定性表现。
图示2004年末-2020年初间,5分组股票净值走势,分组1(波动率最低)净值最高,分组5最低。多空对冲线(分组1-分组5,右轴)呈现稳健上升趋势,累计收益较好,但2013年和2020年表现温和或回撤明显,说明传统因子整体有效但有波动。
各年度收益率差异明显,其中2006-2009、2014-2015年表现突出;2013/2020年表现弱势。信息比率与月度胜率对应波动,最大回撤年中有波动,尤其2020年达到29%。数据佐证传统因子不稳定性。
调整因子后表现明显弱于原始特质波动率因子,5分组净值差距缩小,多空对冲收益累积缓慢,印证剔除换手率影响导致选股能力下降。
换手率因子Turn20表现最优(年化收益23.89%,信息比率1.74),传统特质波动率次之,剔除换手率后因子表现最弱,显现因子高度相关性和冗余。
展示明显的波动率聚集块状区域,验证市场整体波动率特征与文献一致,为剔除跨期截面相关性提供理论基础和实证支持。
滞后阶数小(N=1)时,时序相关系数0.33,截面相关0.38,高相关性证实因子存在信息重复,随着N递增相关性快速衰减,但仍非零,说明长期多期重叠。
曲线明显优于图1,尤其多空对冲线增速更快累计回报更高,体现去除跨期截面信息后因子优势提升,风险收益特征更佳。
纯真因子各年度大多表现优于传统因子,尤其极端年份表现稳定且更优,如2007年年化收益达247%,2013年正收益,最大回撤均显著缩小,体现稳健性提升。
纯真波动率因子剔除换手率线性影响后依旧稳健上升,明显优于传统因子残差,证明纯真因子信号纯度和独立性提升。
纯真因子在IC均值、信息比率、年化收益(月度胜率)等方面全面领先,且与换手率相关性明显降低,最大回撤降低,显示整体策略稳健性提升。
信息比率和月度胜率随着N从0增大平稳提升,N=6为推荐,显示模型在合理参数范围内稳健且优于传统因子。
纯真因子无论在剔除换手率前后均优于传统因子,大幅提升策略表现,参数灵敏度低,增强实用性。
纯真因子多头超额收益与稳定性提升尤为显著,空头优势亦有所提高,构筑整体选股策略的风险收益改善。
纯真因子换仓率明显增加(多头80.32% vs 传统57.39%),反映剔除历史相关信号导致的策略灵活性增强,需控制交易成本但对月频模型影响有限。
纯真因子在不同股票池中均实现信息比率和最大回撤的改善,月度胜率稳定,表明模型适用范围广泛。
本报告未涉及企业估值和目标价格的内容,聚焦因子构建与策略绩效评估,无估值模型或相关分析。
报告风险提示部分指出:
未见具体缓解策略,但强调实务中需结合风险控制措施,符合因子研究一般风险管理要求。,13]
总体上,报告逻辑严密,统计分析充分,证明了纯真波动率因子的改进价值,但实操复杂性和换仓率问题值得关注。
本报告以Fama-French三因子残差波动率为基础,系统研究其在A股市场的选股价值,发现并验证其存在显著的跨期截面相关性,基于金融时间序列波动聚集现象,提出剔除历史截面相关性的“纯真波动率因子”构建方法。采用简单多期横截面回归剔除历史因子信息后,纯真波动率因子的时间序列与截面相关性显著降低,因子纯度明显提升。
多方面量化回测结果坚实支持纯真波动率因子的优越性:
报告充分验证了简单统计方法在剥离历史相关信息、强化因子选股效用方面的价值,提出的“纯真波动率因子”为波动率选股研究带来重要补充和改进思路,具有较高的学术与实务参考价值。
纯真波动率因子的5分组及多空对冲净值走势示意图如下:
综上,东吴证券本研究报告通过深度分析A股市场特质波动率因子的时间序列与横截面结构,创新提出纯真波动率因子构建方法,充分展现了该改进因子在选股效能上的提升及应用潜力,为量化投资因子挖掘提供精细化示范。
,1,2,3,4,5,6,7,8,9,10,11,12,13,14]
剔除跨期截面相关性的纯真波动率因子:寻找特质波动率中的纯真信息.pdf