降低波动率对组合有什么用？.docx

降低波动率对组合有什么用？

分析师：包承超、邓宇林

请务必阅读报告末页的重要声明证券研究报告

请务必阅读报告末页的重要声明

证券研究报告2024年07月20日

探讨波动与收益之间的关系

跨资产来看，风险较高的资产往往会具有较高的回报

图：各类资产间的期望收益率与期望风险

预期上看，通常呈现“风险越大，收益越大”分布

数据来源：《EngineeringTargetedReturnsandRisks》，BRIDGEWATER，国联证券研究所

但在权益资产内部，如风格因子，高风险并不意味着高回报

图：2010年-2019年A股SmartBeta的收益率和波动率图：近3年A股SmartBeta的收益率和波动率

最近几年，风格因子的风险与收益几乎完全呈反比。更低波动风险，反而有更好的收益

数据来源：Wind，国联证券研究所

行业因子间的风险收益特征始终更加无序

图：2010年-2019年A股行业因子的收益率和波动率图：近3年A股行业因子的收益率和波动率

高收益因子反而具有相对低的风险

最近几年，高风险并未带来高收益

数据来源：Wind，国联证券研究所

纵向来看，因子自身的波动率对其未来收益率并无指引意义

图：2005年以来，全A的历史波动率和未来涨跌幅分布

忽略时间区间，全周期混合来看，历史波动率和收益率并无明显规律特征。

数据来源：Wind，国联证券研究所。注：绿色标记为实际涨跌幅为负数的情况，为使便于观察规律，此处对涨跌幅取绝对值处理。

但横向来看，低波动因子未来的收益率通常较高

图：不同时间区间下，各因子历史波动率与未来收益率并未表现出稳定关系

低波动

低波动

低波动

低波动

数据来源：Wind，国联证券研究所。注：横轴为各因子日度涨跌幅过去6个月的波动率，纵轴为各因子未来3个月的涨跌幅。

同时衡量风险后，规律更明显——历史波动率低的因子，未来SharpeRatio更高

图：不同时间区间下，各因子历史波动率与未来夏普比均呈现出稳定负相关

数据来源：Wind，国联证券研究所。注：横轴为各因子日度涨跌幅过去6个月的波动率，纵轴为各因子未来3个月的夏普比。

任一时间区间，历史波动率和未来夏普比间的负相关性十分稳定

区分牛熊周期后发现，高波动因子在牛市占优，但低波动因子在熊市表现更好

图：牛熊周期下，高波动性因子和低波动性因子的表现出现分化

熊市周期下，

熊市周期下，因子涨跌幅和波动性表现出极强的负相关性

牛市周期下，因子涨跌幅和波动性表现出极强的正相关性

数据来源：Wind，国联证券研究所

高波动性因子在牛市周期中的收益明显高于低波动因子

图：历轮牛市周期下，风格因子的风险收益特征

“高波动高收益”

“高波动高收益”“

“高波动高收益”

“高波动高收益”

数据来源：Wind，国联证券研究所

低波动因子在熊市中更能抵抗回撤

图：历轮熊市周期下，风格因子的风险收益特征

数据来源：Wind，国联证券研究所

低波动因子和高波动因子似乎“龟兔赛跑”一般，高波动因子在牛市涨得多，但在熊市回

撤的更多

图：牛熊周期下，高波动性因子和低波动性因子的趋势表现一览

牛市周期下，高波动性因子上涨优势明显，但牛市结束时跌幅也更大

数据来源：Wind，国联证券研究所。注：依据统计特征，此处选择动量因子代表高波动性因子，红利因子代表低波动性因子。

相较于收益率，波动率具备更好的可预测性和延续性

波动率自身有着较好的可预测性和延续性——高波动的资产未来大概率也是高波动

图：不同时间区间下，各因子历史波动率与未来波动率均呈现出稳定正相关

数据来源：Wind，国联证券研究所。注：横轴为各因子日度涨跌幅过去6个月的波动率，纵轴为各因子日度涨跌幅未来3个月的波动率。

任一时间区间，历史波动率和未来波动率间的正相关性十分稳定

波动率自身有着较好的可预测性和延续性——风格因子的波动率通常在1倍标准差内变化

图：动量因子的季度波动率指标特征一览