报告对三个波动性因子进行了最新收益分析,77号因子年初至今收益14.89%,本月收益2.04%,其他两因子收益分别为6.65%和8.55%。波动因子在各行业表现较为一致,同时附带因子分组净值和行业多空净值图示,全面展示波动因子表现特征与行业差异,为因子投资策略提供数据支持。
| 因子编号 | 年初至今收益(%) | 本月收益(%) | 大因子-小因子年初至今收益(%) | 本月收益(%) |
|---|---|---|---|---|
| 77 | 14.89 | 2.04 | -14.85 | -1.90 |
| 78 | 6.65 | 0.98 | -7.23 | -1.00 |
| 79 | 8.55 | 1.96 | -9.32 | -2.04 |
整体而言,报告主要传达波动性因子作为风险因子或阿尔法选股因子,在当前市场中依然具备显著的收益贡献,且表现稳定,行业扩散均匀,2]。
报告将因子应用分为资产定价、风险管理和业绩归因三个方面,特别是阿尔法选股模型构建中结合因子模型做股票预测。张然观点指出,阿尔法模型(预测预期收益)和风险模型(预测风险)所用的因子形式上相似,但阿尔法模型构建组合风险无法完全由基准因子风险模型解释,说明因子的多维性。
Fabozzi提出了四种评价因子收益与风险的方法:
报告选用的主要测试方法为投资组合法(行业分层),便于同时控制行业影响,提升结果解释力。
在表1中,报告定义了三只波动性因子,均为基于收益的波动率指标:
| 编号 | 因子名称 | 备注 |
|---|---|---|
| 77 | 日收益标准差 | 波动性 |
| 78 | 月标准差(24个月) | 波动性 |
| 79 | 月标准差(60个月) | 波动性 |
这些因子均用于衡量股票价格的波动特征,77号因子为短期波动指标,78号与79号分别代表中长期(2年与5年)的波动情况,从时序尺度层次反映不同的价格变动稳定性。
对应的收益统计(表2)显示:
此外,多头组合(小因子)相对于空头组合(大因子)呈正收益,反向亦成立,表明因子收益的对称性和有效性。
图1展现了因子77的分组净值走势。将股票根据该因子由小到大分为五组,净值表现依次递减,组1(小波动)表现优于组5(大波动)明显,体现出较强的因子收益效应。
多空净值(组5-组1)曲线逐渐上升,表明通过多空组合套利策略,投资者能捕捉到稳健持久的超额收益。图中灰色区域表示股票数量,表示分组样本覆盖稳定,未出现显著的样本变化引发的异常表现。
图2进一步分解了因子77在不同细分行业的多空净值表现。不同子图代表不同行业板块,如石油石化、煤炭、有色金属、机械、汽车、医药、银行、房地产、电子元器件等:
报告明确风险提示,强调基于历史价格和统计规律的分析难以完全预测未来市场走势,尤其是市场受政策因素影响时,规范的统计模型可能失效。提醒报告使用者需审慎参考,结合当前宏观及政策环境理解因子表现与产生的风险。
表1列明77号因子为“日收益标准差”,78和79号为不同月份长度的“月标准差”,均为波动性指标,用于衡量资产价格的波动剧烈程度。其设立基于对波动性的传统定义,即标准差作为风险衡量尺度。
该表从定义层面奠定分析基础,明确因子样本数据的时间尺度差异,促进后续表现对比的合理性。
表2具体呈现三个波动因子的数值表现,分别列出“年初至今收益”和“本月收益”,同时分为“小因子-大因子”和“大因子-小因子”两种多空组合收益,体现收益的对称性。
| 编号 | 小因子-大因子年初至今收益 (%) | 小因子-大因子本月收益 (%) | 大因子-小因子年初至今收益 (%) | 大因子-小因子本月收益 (%) |
|---|---|---|---|---|
| 77 | 14.89 | 2.04 | -14.85 | -1.90 |
| 78 | 6.65 | 0.98 | -7.23 | -1.00 |
| 79 | 8.55 | 1.96 | -9.32 | -2.04 |
该数据强调低波动性股票组合带来的超额收益远高于高波动组合,77号因子尤其突出,反应了短期价格波动对投资组合质量影响更显著。
图1显示了2018年至2019年底五组分层净值走势(组1-组5),净值随波动性因子梯度变化,组1净值持续向上,组5则表现较差,清晰展现因子收益有效性。
同时,多空净值从1开始逐步攀升,强调因子套利价值,股票数量平稳支持样本的稳健性,组合策略适合长期资本配置。
按照行业细分,图2分为十个子图,覆盖能源、材料、工业、消费、金融、信息技术等多个板块。
整体观察:
这两组图以类似格式展现中长期波动因子的分组和行业多空净值走势。整体净值表现低于77号因子,但依然展示了有效的因子收益,且行业一致性明显。
这表明,各时间尺度的波动性因子均具备一定预测性和投资价值,但短期因子更具代表性和盈利空间。
本报告主要聚焦波动性因子收益分析,没有独立的企业估值或个股目标价制定内容,故无DCF、P/E或EV/EBITDA等估值模型的使用及讨论,核心为因子表现统计与趋势分析。
报告对风险因素的描述主要体现在第三部分“风险提示”中,重点如下:
报告系统评估了三个波动性因子在今年至11月的市场表现,特别突出77号因子(日收益标准差)作为短期波动指标收益显著,年初至今达到14.89%,当月仍维持2.04%增幅,而78号和79号的中长期波动指标也录得稳健收益(分别为6.65%和8.55%)。收益的表现通过投资组合法分层统计,显示低波动股票组合相较高波动组合可获得持续超额收益。
图表深入支持论点:
报告同时以风险提示提醒投资人理性看待因子收益,历史统计规律可能在突发政策或市场行为下失效,强调谨慎性和多维度考量。
总体上,报告展现了波动性因子作为重要风险和收益预测因子的价值,短期至中长期因子均具备一定的实证基础,支持其在多因子投资策略组合中的应用。分析师吴俊鹏保持专业且独立客观的立场,报告提供透明数据与图形支持,有效辅助投资决策参考。
| 编号 | 因子名称 | 备注 |
|---|---|---|
| 77 | 日收益标准差 | 波动性 |
| 78 | 月标准差(24个月) | 波动性 |
| 79 | 月标准差(60个月) | 波动性 |
| 编号 | 小因子-大因子年初至今收益 (%) | 小因子-大因子本月收益 (%) | 大因子-小因子年初至今收益 (%) | 大因子-小因子本月收益 (%) |
|---|---|---|---|---|
| 77 | 14.89 | 2.04 | -14.85 | -1.90 |
| 78 | 6.65 | 0.98 | -7.23 | -1.00 |
| 79 | 8.55 | 1.96 | -9.32 | -2.04 |
图中5条颜色区分的净值曲线,组1(红色)净值最高且趋势稳定向上,组5(蓝色)净值最低,多空净值(虚线)持续增长,股票样本数稳定支撑组合表现。
细分行业多空净值均呈正向趋势,反映低波动因子在能源、材料、工业等行业均可产生超额收益。
该报告通过权威数据和多层次图表,全面展现了波动性因子在今年市场上的优良表现,尤其是短期日收益标准差因子。同时,不同行业均显示较一致的正收益水平,验证该因子稳健的跨行业适用性。投资者可将波动性因子视为风险管理及收益提升的重要工具,但需结合市场环境与政策动向,谨慎应用。此报告为因子投资策略提供了重要的实证支持和操作参考。
金融工程报告:12波动性因子收益点评.pdf