本报告基于CAPM市场beta因子的拆分方法,提出将beta拆分为四个半beta,分别反映市场与资产在不同收益方向组合下的协方差特性。通过改进半beta计算算法并实证检验,发现半beta具有显著的基金预期收益解释能力,特别是N beta(市场与资产均向下波动)表现出较强的收益预测能力。基于半beta的排序分层构建基金组合,回测显示N beta优选组合收益最高,P beta组合风险调整后收益最佳。半beta因子具有良好的稳定性和增量信息价值,为基金优选提供有效工具 。
半 beta 原理与定义
实证检验概况及数据
半 beta 对基金收益的预测能力
排序分层组合回测分析
半 beta 因子信息系数(IC)检验
量化基金组合构建与回测
报告主要结论
报告标题: 《基于 Beta 分解的基金组合策略》
发布机构: 浙商证券研究所
报告日期: 2022年8月14日
分析师: 邱冠华
报告主体: 该报告聚焦于利用CAPM模型中beta的细分形式(半beta)对基金组合策略的构建与实证检验,涵盖基金组合的预期收益解释能力、排序分层回测、风险调整收益表现及IC检验等多个维度。
核心观点摘要:
介绍CAPM模型的基本框架及其局限性:CAPM中市场因子生成风险溢价的逻辑是基于系统性风险不可分散,beta作为整体市场与资产收益的线性相关指标,但其缺陷是忽视了市场价格波动的正负方向。该报告基于Bollerslev et al. (2021)细分beta的思想,将CAPM的市场beta拆分为四个半beta,探讨不同半beta的风险定价能力,同时基于基金半beta构建投资组合并进行5年多的回测。
表1显示,2017年至2022年,不同半beta筛选组合的累计净值、年化收益、夏普比率等指标存在显著差异:
这些数据支撑了半beta拆分对风险和收益差异性的捕捉能力,具有实际应用价值。
详细阐述传统CAPM beta的定义及其不足,引用Ang et al.(2006)和Bollerslev et al.(2021)对beta进行的下行风险拆分。
通过协方差拆分,将beta拆分为四个“半beta”,分别对应市场和资产收益的四种组合状态:均为正、均为负,资产涨市场跌,资产跌市场涨。
引入高频数据下的计算定义,利用带符号的资产和市场高频收益的协方差计算半beta,公式(3)细化了计算方法,并说明当高频数据间隔趋近于零时,实现的半beta趋势收敛于真实半beta。
此部分技术含量较高,基于Barndorff-Nielsen和Bollerslev等的渐近理论支持,说明半beta的估计具备统计一致性和收敛性。
报告提出针对Bollerslev等只使用高频K线收盘价收益率计算半beta的不足,引入了利用K线的开、高、低价计算带符号收益率的方法,从而使半beta的估计更加丰富详细,有助于提高估计精度。
这些章节构成了半beta理论基础,既包含公式定义,又包含统计学特性和方法改良,显示作者对该领域的深入理解及创新改进能力。
使用Tushare数据接口,对2017年6月至2022年6月期间的517只股票型主动基金进行实证,使用沪深300指数替代市场组合。
限于基金缺失日内开高低信息,采取合成5日K线方法构造高频数据,创新点在于克服基金数据的局限。
通过表2和表3展示了四个半beta的样本统计:
此统计特征符合资本市场基本认识,为后续因子效用确认提供支撑。
以未来5日和20日基金收益率为被解释变量,与当期四个半beta回归,结果显示:
说明半beta对中短期基金收益有较强解释力,且反映市场与资产负向协动的风险更受投资者奖励。
此部分以大量分层回测图(图3-图10)验证排序有效性,并通过累积净值、月均收益率等指标展示了投资组合的优劣。
图表解读举例:
其他半beta组合亦展现不同程度的单调性,但月末值法显著优于均值法,反映半beta时效性的重要性。
使用秩相关系数(Rank IC)测度半beta对未来收益排序的预测力,结果显示:
图11~14直观展示了不同时间段IC的月度演变,表7统计了关键指标。
该结果表明半beta指标具备稳定的预测能力,尤其是对中短期基金组合筛选意义重大。
表8汇总了以4个半beta构建的优选组合在5年多期间的绩效指标:
图15-17通过月度收益率分布及与基金池中位数对比,揭示风险调整收益特性和波动控制能力:
图形内容直观体现组合风险收益特征,与表8数据相呼应。
报告总结指出:
半beta方法被推荐给FOF、MOM等基金管理人,意义在于为基金筛选提供有效的新工具。
核心绩效指标表,显示4个半beta排序构建基金组合在5年历史上的表现差异,其中累计净值和年化收益率揭示收益能力排序,夏普比率和年化收益/最大回撤比率体现风险调整后绩效。该表是全文数据支撑的关键表现基准。
展示了基金数据缺乏日内高低信息的情况下,如何使用5日累积净值数据合成日内高低价的5日K线,体现了方法学上的创新突破。图中不同色线(沪深300指数和某基金)高低价的构造直观说明计算半beta的基础。
统计了41847个半beta数据的基本统计量和相互相关,确认了4个半beta因子独立性和特征差异。βN均值最大,符合下跌行情系统风险的高影响,βM−均值最小,反映资产逆市场波动的弹性较低。相关性矩阵中,βP与βM−关联度高,βN与βM+关联度高,符合其经济含义。
4个半beta的分布显示出偏态和峰值特点,反映半beta的统计分布特征和极端走势风险提示。
分两种月度半beta取值方式(均值法和月末值法),分别对4种半beta组合的累计净值和平均收益率进行展示。所有图表明确呈现组合间收益的单调性,及月末值法更优的时效性和对收益递增的捕捉能力。
详细呈现不同半beta因子在不同预测时段与基金收益的秩相关系数,证实半beta指标的稳定预测效力。各柱状波动之间折射因子随走势变化带来的预测准确度的不同。
量化总结20、40、60日收益预测中IC均值、IR系数及IC大于0比例,是支撑半beta长期有效性的具体数据。
明确比较基金组合的收益、风险和换手率,综合考量各组合特征,具有指导组合选择的实务价值。
直观展现了两类代表性半beta组合在收益率波动、密度分布与整个基金池表现的差异,确认组合优选在投资实务中的优势。
该报告主要侧重于风险因子和组合策略的研究,并未单独展开传统意义上个股或基金的估值分析(如DCF、P/E等)。其“估值”体现为组合的风险调整收益和统计显著性指标(如夏普比率,IC等),这符合资产定价因子类研究的范式。
报告专门在开头“风险提示”指出,所有结论均基于历史数据模型推算,未来不确定性可能导致实际结果偏离,同时提示该研究不构成投资建议。
此外:
在保持报告观点中性和严谨的同时,以上细节指出了潜在的限制因素和值得注意的地方。
本报告以CAPM模型的beta分解为核心创新点,细致展开了半beta的定义、改进计算算法以及以此构建基金组合的实证研究。理论和实证结合紧密:
理论贡献: 半beta拆分提供了对传统beta的方向性加权解释,细化了市场收益与资产收益间的复杂关系,尤其区分了市场上涨与下跌时资产响应的不同风险暴露。报告进一步将日内高低价信息引入半beta计算,提高了指标的丰富度和预示能力。
实证发现:
方法学创新: 采用5日K线合成基金高频收益,弥补了数据缺陷,这在基金行业因子研究中较为少见,为实操提供可借鉴的技术路径。
策略应用: 半beta方法为FOF、MOM等基金管理机构提供科学的筛选工具和组合构建思路,体现了学术研究向实务应用的有效转化。
综上,报告系统地展示了半beta理论及其实证应用,证明了细分beta对基金组合策略的指导价值和风险收益改进效果,具有较强的理论意义和实践参考价值。
若需要深入协议本文所有图表图片,请告知,我将基于相关页面出处给予进一步针对性的图表解读。
20220814-浙商证券-浙商证券金融工程深度报告:基于Beta分解的基金组合策略.pdf