报告基于行为金融学的损失厌恶理论,借鉴Bollerslev(2021)构建SemiBeta因子,对传统Beta因子进行拆分并在A股市场实证检验。构建48个SemiBeta细分因子,发现反映市场下行时股票表现的fBeta_MN系列因子表现最佳,短周期回溯带来更高收益但换手率增加。基于因子表现,设计沪深300、中证500和中证1000的市值行业中性指数增强策略,实现显著年化超额收益,为A股多因子投资提供新思路
传统Beta因子在A股市场实证显示稳定贡献Alpha较弱,部分短期Beta因子有积极表现但整体表现有限,年化收益和信息比率均不理想 。
SemiBeta因子概念拆解传统Beta为4部分(βN, βP, βM−, βM+),分别表示市场与股票收益共同正负和异号的不同状态,符合投资者损失厌恶且关注下行风险的行为金融理论 。
构建48个SemiBeta因子,覆盖沪深300、中证500、中证1000、创业板指4个市场基准,分别采用20、60、120个交易日回溯窗口 。
实证表明,fBeta_MN(市场基准收益为负、股票回报为正)系列因子表现最优,所有此类因子IC均为负,且短回溯周期对应更高年化收益及换手率。以fBeta_MN_60_S399006为例:IC-7.4%、LS_IR 1.88,年化收益128.7%,胜率72.2%,换手率43.5%。
| 因子名称 | IC | LS_IR | 年化收益 | 胜率 | 换股比例 | 覆盖度 |
|---|---|---|---|---|---|---|
| fBeta_MN_60_S399006 | -7.4% | 1.88 | 128.7% | 72.2% | 43.5% | 90.0% |
换手率和收益呈负相关,周期越短换手率越高收益越好
其他SemiBeta系列因子(如fBeta_MP、fBeta_N、fBeta_P)表现普遍逊于fBeta_MN,尤其fBeta_N与美股结果不同,在A股表现弱势 。
SemiBeta因子与传统市值、短期动量因子相关性低,和波动率因子存在一定相关性,说明因子独立性较强,能为多因子组合提供新alpha来源。
| 因子名称 | 市值相关性 | 动量相关性 | 波动率相关性 |
|---|---|---|---|
| fBeta_MN_60_S399006 | 1.3% | 39.7% | -8.0% |
基于筛选后的fBeta_MN_60_S399905、fBeta_MN_60_S000852和fBeta_MN_60_S399006构建沪深300、中证500、中证1000指数增强策略,结合市值和行业中性调整,月度调仓。
回测显示增强策略稳健实现显著超额收益,2015年至2022年11月期间:
表:沪深300增强策略主要绩效指标
| 指标 | 全样本 | 2015年 | 2016年 | 2017年 | 2018年 |
|---|---|---|---|---|---|
| 年化收益率 | 6.2% | 72.7% | -8.7% | -2.3% | -23.5% |
| 最大回撤 | 47.9% | 47.9% | 31.5% | 10.7% | 31.6% |
| 夏普比 | 0.37 | 1.43 | -0.17 | -0.14 | -1.19 |
| 年化超额收益率 | 5.0% | 67.1% | 2.6% | -24.0% | 1.8% |
核心论点:传统Beta因子在A股市场的Alpha信息有限,因其忽视了投资者对下行风险(Loss Aversion)的敏感特性。基于Bollerslev(2021)提出的SemiBeta理论,将传统Beta拆解为4个不同方向的SemiBeta因子。通过构建48个细分因子,在A股市场实证分析发现,尤其是市场基准负收益期间股票正收益的fBeta_MN系列因子具备较强Alpha能力,且短期回溯窗口下因子收益更高。最终筛选优质因子组合,构建沪深300、中证500和中证1000的指数增强策略,展现显著超额收益。,1,4,16]
报告指出传统Beta因子根据CAPM模型定义为市场收益率与个股收益的协方差与市场方差之比,体现资产对市场系统风险的敏感度。然而,CAPM及其Beta因子的假设(完全理性投资者、均质预期等)较为理想,实际中难以全面解释个股的收益差异。早期研究亦指出单Beta因子不足 阐释截面收益差异,且Beta与Alpha贡献有限。
行为金融角度补充,投资者具有限理性,表现出“损失厌恶”特征,即对于等额损失的负效用大于同额收益的正效用,倾向规避损失而非纯粹规避风险。基于此,投资者对资产的收益性质(亏损或盈利)持不同风险偏好,从而提示Beta的测算应区别市场及个股的不同收益状态。
报告借鉴Bollerslev(2021)的SemiBeta拆解方法,将传统Beta拆分为四个部分(对应市场和股票上涨或下跌的不同组合),弥补传统Beta忽视收益方向性的缺陷。,1,2]
上述拆分的因子能够揭示不同状态下资产风险暴露与风险偏好特征,尤其关注投资者的损失厌恶倾向,更加重视市场下跌的风险。
报告进一步指出,理论上表现出更强“逆市对冲”能力的资产(βM−高)应具有较低预期收益率,因为其较高的负相关性提供了风险保护。图2通过四个资产的模拟风险轮廓展示不同SemiBeta特征及其预期收益差异。,3]
数据与样本选择:
SemiBeta因子构建:
报告详细展示了四类SemiBeta因子的表现,着重关注以下核心亮点:
fBeta_MN系列(市场跌时个股逆市上涨):
fBeta_MP系列(市场涨时个股逆势下跌):
fBeta_N与fBeta_P系列:
以上结果通过表格(表3-6)及多幅图表(IC走势、多空收益、累计收益、换手率)充分展示,每个回溯期与基准组合的因子均被定量验证,极大提升了结论的稳定性和适用范围。
构建思路:
绩效亮点:
图39-41清晰呈现了三大策略净值增长与其基准比较,均显示出稳健的超额收益累积和抗跌性趋势。
报告客观提示模型风险及局限:
报告提供的不同时长回溯期的代表性因子IC值、多空收益及累计收益图:
通过多维图像结合,读者可直观体察SemiBeta因子的表现,为实操决策提供扎实依据,14-16]
本报告核心集中于因子绩效分析及增强策略表现,无显著DCF或可比公司估值模型,主要为量化多因子投资策略研究。因子具体表现评估通过IC、信息比、年化收益等量化指标完成,未涉及企业估值分析。
报告策略基于风险收益动态结构构建,较少涉及传统估值测算,故此部分无专门展开。
报告明确提示:
风险提示充分体现模型的现实局限与市场不确定性,符合专业报告要求
报告整体严谨,但以上细节是理解和实际应用时应谨慎考虑的重要方面,12]
本次《金融工程 基于SemiBeta的因子研究》报告系统地基于行为金融学“损失厌恶”理念,对传统Beta因子拆解,提出并构建了适应A股市场特性的SemiBeta因子体系。通过对48个细分因子的全面评估,特别是fBeta_MN系列因子(市场下跌时个股表现逆势上涨)展现出稳定的负IC和高信息比,在月度调仓频率及多基准指数条件下均实现显著Alpha。
不同回溯周期的SemiBeta因子反映出换手率与收益的权衡,短期因子换手率高但收益颇具吸引力,60日期因子兼顾收益与交易成本优势。基于此因子体系,报告构建了针对沪深300、中证500和中证1000的指数增强策略,均取得5%-12%不等的年化超额收益,且策略净值稳步增长,超过对应指数基准,表现稳定。
此外,SemiBeta因子与传统市值、动量因子相关性较低,表明其为有效补充投资组合多样性的信号来源。报告客观警示模型风险及市场环境不确定性,充分体现研究的专业性与审慎性。
综合来看,该报告不仅理论体系健全、数据全面和实证充分,而且对A股量化投资策略构建具有强烈指导价值,提供了一套较为新颖与有效的Alpha捕获框架。
图1:有限理性投资者损失厌恶特征
图2:不同SemiBeta结构的资产对比
图6:fBeta_MN_120_S399905因子多空累计收益
图14:fBeta_MN_120_S399006因子多空累计收益
图18:fBeta_MN_60_S399905因子多空累计收益
图26:fBeta_MN_60_S399006因子多空累计收益
图30:fBeta_MN_20_S399905因子多空累计收益
图38:fBeta_MN_20_S399006因子多空累计收益
图39:SemiBeta沪深300增强策略回测净值
图40:SemiBeta中证500增强策略回测净值
图41:SemiBeta中证1000增强策略回测净值
(全文分析基于报告原文内容,含所有表格及图表解读,确保全面、客观、结构清晰。)
【广发金融工程】基于SemiBeta的因子研究——多因子Alpha系列报告之(四十五).pdf