本文概述    本文分别简单介绍了CAPM模型、Fama-French三因子和五因子模型及Carhart四因子模型,基于模型得到残差的波动率,即特质波动率;并在A股进行了实证与研究。最后分析了Barra纯因子模型得到控制特质波动率暴露度为一个单位,其它因子暴露为零的特质波动率纯因子收益。 低特质波动率配置效应显著 以特质波动率排名后30%的个股等权作为策略组合,以全市场个股等权为基准;2005年5月到2018年2月,年化超额收益7.55%,跟踪误差为4.67%,信息比率1.62,最大回撤5.85%。低特质波动率组合超额收益相当显著。    传统因子对特质波动率解释度并不明显 以传统的成长因子,盈利因子,市场因子,估值和规模因子等为自变量,特质波动率为因变量,得到拟合度均值0.34,方差膨胀因子均值为1.53,特质波动率与传统的因子之间并不存在明显的多重共线性。 Barra纯因子收益月度平均为-5.23% 控制投资组合对特质波动率的暴露度为一个单位,其它因子的暴露度为零,用A股流通市值的平方根加权的最小二乘法得到纯因子收益。2005年5月到2018年2月区间,纯因子收益月度平均为-5.23%,月度收益为负的概率为71.34%。    基于CAPM模型相对较弱,其它模型区别较小 2005年5月到2018年2月区间,根据流动市值全市场股票分成20组,分别在组内根据模型得到的特质波动率,以排名前20%的股票等权配置作为空头组合,以排名后20%的股票等权配置作为多头组合,最后各组等权得到市值中性组合。CAPM模型的特质波动率的年化多空收益18.12%,而Fama-French三因子和五因子模型及Carhart四因子模型对应分别为23.55%,22.80%和23.55%。表明仅用市场因子解释股票收益力度是有限的,而加入市值因子、估值因子后提升效果显著,年化多空收益提升5%左右;但加入动量因子、盈利因子或投资水平因子后,提升效果并不太明显。

声明：如本站内容不慎侵犯了您的权益，请联系邮箱：wangshiyuan@epins.cn 我们将迅速删除。