江苏龙网

  1. 首页 > 资讯 > 资讯 > >

?解密低风险投资的真真假假( 二 )





那么应该如何正确操作以获利呢？正确的做法是买入1个beta的低风险股票 ， 卖出1个beta的高风险股票 。 也就是我们买入2美元的低风险股票 ， 卖出0.67美元的高风险股票 ， 从而获得2*10%-0.67*12%=12%的收益率 。 这个策略叫做betting-against beta （BAB押注贝塔策略） ， 当实际的证券市场线较CAPM的理论线更平滑时 ， 这个BAB策略就十分有效 。



除了BAB策略 ， 我们也可以采用只买入一个低风险股票的组合 ， 降仓或是避免高风险股票的策略才实现低风险效应 。 其目标不在于跑赢市场 ， 而是试图以更低的风险获得市场收益水平 。



这种低风险效应产生的套利机会为什么能持续存在？Black在1972年提出‘杠杆限制’理论来试图解释这个现象；而行为学理论认为投资者往往出于博运气的心态 ， 愿意高价买入高风险股票 。 还有的学派认为风险衡量指标的不同 ， 也就是会计视角下的经济基本面风险而非以收益衡量的计量统计风险的差异 ， 是造成该现象的原因 。



研究方法和数据：

就如我们之前说的 ， 低风险投资策略简而言之就是买入低风险股票 ， 卖出高风险股票 。 风险衡量的标准有以收益衡量的计量统计风险（如贝塔系数 ， 波动率 ， 相关系数）和基本面风险（如盈利质量 ， 公司质量等） 。 在模型里 ， 我们引入了6个计量风险因子和4个基本面风险因子 ， 并对1931年以来美股月度计量风险因子数据和1957年以来基本面风险因子进行排序然后基于因子模型构建组合 。



策略一是基于Frazzini和Pedersen (2014) 计量风险BAB理论 ， 每个月依照因子排序变化 ， 买入低贝塔值股票 ， 卖出高贝塔值股票并且保证组合的市场中性（零贝塔） 。



策略二是基于SMR因子模型 。 SMR模型同样是依照因子排序变化 ， 买入低贝塔值股票 ， 卖出高贝塔值股票；但不同于BAB ，它并非市场中性 ， 而是市值中性（买入卖出同等价值的股票） 。 具体来讲 ， 基于French和Fama（1993）的权重选择设计 ， 我们以价值加权的方法分别在小盘股和大盘股两个市场中买入30%最低风险的股票组合 ， 卖出30%最高风险的股票组合然后计算组合的平均收益率 。



策略三是BAB和SMR的结合体—SMRMN因子模型 。 他沿用了BAB中市场中性的策略和对计量风险因子排序的方法 ， 但是借鉴了SMR模型中保持低风险和高风险股票在组合中各占30%价值权重的方法 ， 便于我们区分前面两个模型中因为决策设计的不同而受到的不同影响 。



其他的计量风险因子模型还有基于相关系数的betting-against correlation （BAC策略 ， 也就是保持组合中相关系数中性 ， 而非贝塔系数中性） ， 基于个体波动率的idiosyncratic volatility （IVOL策略）和基于最高日收益率的maximum recently daily return （MAX策略） 。 BAC同样是市场中性 ， 而IVOL和MAX沿用SMR市值中性的思想和French和Fama对权重选择的设计 。



对于基本面风险因子的选择 ， 我们参考Asness, Frazzini和Pedersen （2019）的方法 ， 挑选出了四个有代表性的指标：QMJ（基于16个指标计算出的综合衡量指标并计算出数列中最优和最差的差值） ， 盈利能力 ， 成长性和安全性 。 具体构建沿用了SMR市值中性的思想和French和Fama对权重选择的设计 。



事实一：低风险比高风险资产实现更高的风险收益比 。



图二显示了不同策略的历史超额收益率 ， 阿尔法收益（相对于CAPM 阿尔法） ， 阿尔法收益（相对于French and Fama五因子模型加动量因子模型的阿尔法） ， 夏普比率 ， 信息比率以及收益的显著性 。 结果显示所有策略均实现正的阿尔法收益；除了SMR和IVOL ， 其余策略均实现了显著的正年化收益；但前两者依旧获得正的阿尔法收益 。 这其中的差异来源于组合的负贝塔值（SMR beta为-0.84 ， IVOL beta为-0.54） 。


推荐阅读


上一篇：张铭恩、徐璐的感情纠葛竟如此复杂！《女儿们的恋爱》成了分手魔咒？

下一篇：割喉割到断，韩国瑜，刚刚被罢高雄市长，一输到底？