广发证券_20160401_广发证券产品创新专题报告系列之十三:低风险高收益的低波动率策略.pdf
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《广发证券_20160401_广发证券产品创新专题报告系列之十三:低风险高收益的低波动率策略.pdf》由会员分享,可在线阅读,更多相关《广发证券_20160401_广发证券产品创新专题报告系列之十三:低风险高收益的低波动率策略.pdf(22页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、 识别风险,发现价值 请务必阅读末页的免责声明 1 1 / 2222 金融工程|专题报告 2016 年 3 月 31 日 证券研究报告 “低风险高收益”的低波动率策略“低风险高收益”的低波动率策略 产品创新专题产品创新专题报告报告系列系列之十之十三三 报告摘要报告摘要: 海外低波动率海外低波动率指数指数受到受到追捧追捧 低波动率指数是 Smart Beta 指数中非常重要的一类指数。由于低波动率异象的存在,低波动率指数能够获得比普通指数产品更好的风险调整后收益。从 2008 年金融危机以来,低波动率指数产品日益受到人们的重视。目前市场上管理规模最大的低波动率指数产品是景顺 PowerShare
2、s 推出的S&P 500 Low Volatility ETF(SPLV) ,成立于 2011 年 5 月,目前的管理规模已经超过了 55 亿美元。从管理规模上来看,近年来低波动率指数 ETF每年的管理规模增长约 50 亿美元。 低波动率低波动率指数的构建方法指数的构建方法 低波动率指数的构建策略一般有两大类:最小方差策略和根据波动率排序的策略。 最小方差策略考虑股票收益率之间的关系,通过优化方法获得波动率最低的组合;波动率排序策略将股票按照过去一段时间的波动率进行排序,选择波动率较低的股票构建低波动率指数。 实证分析实证分析结论结论 本报告分别基于沪深 300 指数成份股和中证 500 指数
3、成份股构建了低波动率指数。 从本报告的研究结果来看,不管是在大盘股还是小盘股,低波动率指数的性能都优于基准指数,一方面,低波动率指数的收益率高于基准指数;另一方面,低波动率指数的波动率和最大回撤幅度小于基准指数。换而言之,投资低波动率指数所承担的风险低于市场水平;而所获得的期望收益优于市场。因而,低波动率指数是一种具有“低风险高收益”特性的投资品种。 进一步,我们在牛市、熊市、震荡市等不同的市场环境下对低波动率的性能进行了分析,发现在震荡市和熊市,低波动率指数对指数波动率的降低最为明显。由于投资者更加关注指数的下行风险,因此,低波动率指数的这一良好特性符合投资者控制下行风险的目标。 2008
4、年以来,低波动率指数在海外日益受到投资者的追捧,管理规模稳步上升。由于低波动率指数有着优良的收益风险特性,在“牛短熊长”A股市场,低波动率指数会越来越受到投资者的关注。 图图 1 1 沪深沪深 300 低波动率低波动率指数表现指数表现 图图 2 2 中证中证 500500 低波动率低波动率指数表现指数表现 分析师:分析师: 张张 超超 S0260514070002 020-87578291 相关研究:相关研究: 交易所工具型产品的现状与未来: 从单一产品到多资产解决方案 2014-06-09 产品创新专题报告系列之十二:Smart Beta 深度解析 2016-03-24 联系人: 文巧钧文
5、巧钧 0755-88286935 识别风险,发现价值 请务必阅读末页的免责声明 2 2 / 2222 金融工程|专题报告 目录索引目录索引 一一、低波动率指数产品概述低波动率指数产品概述 . 4 4 (一)低波动率异象 . 4 (二)低波动率指数产品 . 5 二、二、低波动率指数策略低波动率指数策略 . 7 7 (一)最小方差策略 . 7 (二)波动率排序策略 . 9 三、三、量化模型实证分析量化模型实证分析 . 1010 (一)沪深 300 低波动率指数 . 10 (二)中证 500 低波动率指数 . 17 四、四、总结总结与讨论与讨论 . 2020 识别风险,发现价值 请务必阅读末页的免
6、责声明 3 3 / 2222 金融工程|专题报告 图表索引图表索引 图 1:沪深 300 指数低波动异象 . 5 图 2:中证 500 指数低波动异象 . 5 图 3:低波动率指数 ETF 规模增长 . 6 图 4:富时 100 低波动率指数与基准指数净值对比 . 6 图 5:富时 100 低波动率指数相对基准指数的波动率变化 . 6 图 6:低波动率指数的风险收益特征 . 7 图 7:沪深 300 最小方差低波动率指数表现 . 11 图 8:沪深 300 排序策略低波动率指数表现 . 11 图 9:沪深 300 最小方差策略低波动率指数换手率 . 12 图 10:低波动率指数的选股和权重优化
7、示意图 . 13 图 11:沪深 300 最小方差策略低波动率指数的波动率 . 13 图 12:沪深 300 排序策略低波动率指数的波动率 . 14 图 13:沪深 300 指数成份股波动率的动量效应 . 14 图 14:沪深 300 指数阶段划分 . 15 图 15:沪深 300 指数成份股过去一年波动率与市值的相关性 . 16 图 16:沪深 300 指数成份股过去 3 个月波动率与市值的相关性 . 17 图 17:沪深 300 最小方差低波动率指数持股风格 . 17 图 18:中证 500 最小方差低波动率指数表现 . 18 图 19:中证 500 排序策略低波动率指数表现 . 18 图
8、 20:中证 500 指数成份股过去一年波动率与市值的相关性 . 19 图 21:沪深 300 最小方差低波动率指数持股风格 . 20 表 1:沪深 300 低波动率指数综合性能比较 . 11 表 2:指数调仓的事前波动率与实际波动率的比较 . 15 表 3:不同市场状况下低波动率指数的性能 . 16 表 4:中证 500 低波动率指数综合性能比较 . 19 表 5:性能综合比较 . 20 识别风险,发现价值 请务必阅读末页的免责声明 4 4 / 2222 金融工程|专题报告 一一、低波动率指数低波动率指数产品产品概述概述 (一)(一)低波动率低波动率异象异象 风险和收益是投资领域永恒的两大主
9、题。根据资产定价的基石理论 CAPM 模型,资产的预期收益高意味着该资产的风险高,投资者通过承担较高的风险去获得较大的收益。 然而,近年来的实证分析却表明低波动率的股票组合能够带来比高波动率股票更高的收益。 Black等人在1972年指出股票的超额收益和beta值之间不是线性关系。被誉为低波动率投资之父的 Haugen 在 1975 年的论文中认为低波动率的股票能够带来更高的收益。Fama 和 French(1992 年)也证实了高 beta 股票组合的平均收益并不好于低 beta 股票的组合。 Clark 等人 (2006 年) 构建了海外市场的最小方差组合,发现最小方差组合的年化波动率只有
10、传统宽基指数波动率的 3/4,分别为 11.7%和15.4%;同时,最小方差组合的夏普比 0.55 明显高于市值加权的宽基指数(夏普比0.36)。 随着 08 年金融危机以来,低风险指数组合日益受到人们的重视,这一现象被称为低波动率异象。 导致股票市场出现低波动率异象的原因比较复杂,可以概括为 4 方面的原因: 1、 由于受到杠杆的限制,风险偏好比较高的投资者倾向于选择高波动的股票,认为高波动的股票能够带来较大的回报,即使高波动股票的夏普比不高。 2、 博彩假说认为投资者的非理性心理使得他们倾向于购买高波动的股票, 期待像购买彩票一样博取高回报,并且愿意为这种非理性的心理付出溢价。 3、 行为
11、金融学假说认为卖方分析师对高波动股票过于乐观, 从而推高高波动股票的股价,使得高波动率的股票未来的收益下滑。 4、 指数型基金经理不愿意买入低波动股票, 因为这些股票可能会增大指数跟踪的误差。 我们取 A 股市场的沪深 300 指数和中证 500 指数分别进行研究。将指数成份股按照过去一年的波动率进行排序, 分为 5 等分。 在每个季度第一个交易日进行调仓,对每一档的股票分别进行等权投资,持有期 3 个月。从 2006 年 4 月份至 2015 年年底约 10 年的分档累积收益率如图 1 和图 2 所示。可以明显看到,低波动率股票组合(第一档和第二档)收益率高于高波动率的股票组合(第四档和第五
12、档),波动率和长期收益率存在负相关关系。这个证实了 A 股市场也存在明显的低波动率异象。 识别风险,发现价值 请务必阅读末页的免责声明 5 5 / 2222 金融工程|专题报告 图图1 1:沪深沪深300指数指数低波动异象低波动异象 数据来源:广发证券发展研究中心,Wind 图图2 2:中证中证500指数指数低波动异象低波动异象 数据来源:广发证券发展研究中心,Wind (二二)低波动率指数低波动率指数产品产品 低波动率指数产品从 2008 年金融危机以来日益受到人们的重视。MSCI 在 2008年 4 月份推出了 MSCI Global Minimum Volatility 指数。2011
13、年之后,指数开发商基于标普 500 指数推出了一系列的低波动率指数。目前市场上管理规模最大的低波动率指数产品是景顺 PowerShares 推出的 S&P 500 Low Volatility ETF (SPLV) , 成立于 2011年 5 月,目前的管理规模已经超过了 55 亿美元。 从管理规模上来看, 近年来低波动率指数 ETF 每年的管理规模增长约 50 亿美元。 0%100%200%300%400%500%600%700%800%第1档(低)第2档第3档第4档第5档(高)0%200%400%600%800%1000%1200%1400%1600%第1档(低)第2档第3档第4档第5档(
14、高)识别风险,发现价值 请务必阅读末页的免责声明 6 6 / 2222 金融工程|专题报告 图图3 3:低波动率指数低波动率指数ETFETF规模增长规模增长 数据来源:广发证券发展研究中心,Blackrock 图图4 4:富时富时100100低波动率指数与低波动率指数与基准基准指数净值指数净值对比对比 数据来源:广发证券发展研究中心,Bloomberg 图图5 5:富时富时100100低波动率指数相对低波动率指数相对基准基准指数指数的波动率变化的波动率变化 数据来源:广发证券发展研究中心,Bloomberg 012345672012201320142015上半年资资 金金 净净 流流 入入 (
15、 1 0 亿亿 美美 元元 )0501001502002502001/4/12003/4/12005/4/12007/4/12009/4/12011/4/12013/4/12015/4/1指数富时100低波动率指数富时100指数-50%-40%-30%-20%-10%0%10%2001/4/12003/4/12005/4/12007/4/12009/4/12011/4/12013/4/12015/4/1波动率变化识别风险,发现价值 请务必阅读末页的免责声明 7 7 / 2222 金融工程|专题报告 以富时 100 低波动率指数(FTSE 100 Minimum Variance Index)为
16、例,比较其与富时 100 指数的波动率,可以看到,从长期来看,低波动指数跑赢了基准指数;而且低波动指数将基准指数波动率降低了 20%到 40%。特别是在股市下跌的时候(互联网泡沫和 08 年金融危机),低波动率指数的波动明显小于基准指数。 从收益风险特性来看, 下图描述了股票市场产品在 10 年期间的波动和收益情况。可以看到,承受较高的风险并不意味着会带来高的收益。大部分指数的波动率明显高于低波动率指数,但是回报率与低波动率指数差不多,甚至反而低于低波动率指数。从图上可以看到,低波动率指数是一种风险相对较低,而风险调整后收益较高的产品。 图图6 6:低波动率指数的风险低波动率指数的风险收益特征
17、收益特征 数据来源:广发证券发展研究中心,Lazard 二、二、低波动率指数低波动率指数策略策略 (一)(一)最小方差最小方差策略策略 从低波动率指数的构建策略来说,一般可以分为两大类:最小方差策略和波动率排序策略。 最小方差策略是一种基于全局最优化的方法进行股票的权重配置。假设成份股收益率的协方差矩阵为,N 只个股的权重向量为1TNwww,则股票组合的收益率标准差为Tw w。最小方差策略的目标就是最小化股票组合的收益率标准差,即 mins.t. 1TTww w1 w(1) 其中1表示元素全部等于 1 的向量。该最优化问题可以直接获得解析解,即为 识别风险,发现价值 请务必阅读末页的免责声明
18、8 8 / 2222 金融工程|专题报告 11T 1w1 1(2) 在构建股票指数的时候,我们一般会对做空加以限制:因此只能做多成份股,在这种情况下,该优化问题会改写成 mins.t. 10, 1,2,TTiwiN ww w1 w (3) 本报告中,考虑到个股流动性,对个股权重的上限加以限制。假设个股在基准指数中的权重为000 1TNwww,则限制每个个股的权重不超过指数成份股权重的 5 倍,优化问题可以写成 0mins.t. 10, 1,2,5, 1,2,TTiiiwiNwwiNww w1 w(4) 在不等式约束下,该优化问题没有解析解。一般通过数值计算方法求解。 最小方差策略关键的输入参数
19、是股票收益率的协方差矩阵。由于未来的协方差矩阵未知,我们一般通过过去一段时间的收益率数据,进行协方差矩阵的估计。 由于指数成份股较多,如果用于估计协方差矩阵的收益率数据不够多的话,协方差矩阵的估计容易受到噪声的影响。 以沪深300指数为例, 其协方差矩阵包含45150个不同的参数(协方差矩阵是对称阵,因此只需要估计上三角矩阵的参数),而一年时间的数据样本才 250 个不到,远小于需要估计的参数个数,因而直接估计协方差矩阵会有较大的估计误差。 为了避免市场噪声对协方差估计的影响,研究者们提出了许多不同的解决思路,因子方法(factor-based method)是其中比较常用的思路。因子方法是将
20、股票收益率数据分解为低维度的潜在因子和特质噪声,一般来说有三种分解方法:基于宏观经济因子的方法 (如 CAPM 模型) , 基于基本面因子的方法 (如 BARRA 的多因子模型)和基于统计因子的方法(如主成分分析方法等)。本报告采用类似 BARRA 的思路,通过结构化多因子风险模型来进行协方差的估计。 结构化多因子风险模型的主要想法是将个股的收益率分解成可以被因子解释的因子收益率和不能被因子收益率所解释的特质收益率。 对股票 j(j=1,2,N),在 t 时刻的收益率可以分解为 1 122jtjtjtjKKtjtrx fxfxfu (5) 其中,jkx表示股票在第 k 个因子上的暴露,ktf表
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 广发 证券 _20160401_ 产品 创新 专题报告 系列 十三 风险 收益 波动 策略
![提示](https://www.deliwenku.com/images/bang_tan.gif)
限制150内