量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，荣获2021年度AMMA优秀品牌力、优秀洞察力大奖，连续2年被腾讯云+社区评选为“年度最佳作者”。

作者：Larry Swedroe

CAMP是经济学家提出的第一个正式的资产定价模型，它假定资产的收益与风险成正相关。然而，实证研究表明，收益与风险间可能没有明显的关系，有时候甚至负相关。基于波动率的防守性策略，往往能带来显著的Alpha（以Fama-French三因子模型和Carhart四因子模型做测试）。

早在规模和价值溢价被“发现”之前，低波动率股票的优异表现就已在1972年Fisher Black等人首次在文献中记录下来。低波动性的异常现象已被证明存在于世界各地的股市中。有趣的是，这一发现不仅适用于股票，也适用于债券。换句话说，它已经无处不在。

在“Your Complete Guide to Factor-Based Investing”一书中，Andrew Berkin和Larry Swedroe讨论了异常现象存在和持续的原因。其中的解释有：

• 许多投资者对杠杆的使用有所限制，或者对杠杆的使用有一种厌恶。卖空也是如此。

• 一些难以借入的股票的借贷成本可能相当高。这种限制可以防止套利者纠正定价错误。

• 虽然CAPM的一个假设是市场没有摩擦，这意味着不存在交易成本和税收，但在现实世界中存在成本。有证据表明，最错误定价的股票是那些卖空成本最高的股票。

• 监管约束往往不区分低贝塔系数和高贝塔系数股票的风险，导致一些投资者偏爱高贝塔系数股票。

• 偏爱“彩票”——贝塔系数高、平均回报率低、但获得高回报机会小的股票。

学术研究，再加上2008年的熊市，导致低波动率策略成为投资者的宠儿，现金大量涌入。但是，作为一个独立的因子，它值得这样的赞美吗?让我们来看看最近的研究。

低Beta因子的收益可以被常见因子的暴露解释

Robert Novy-Marx在2016年的研究“Understanding Defensive Equity,”，以及Eugene Fama和Kenneth French在2015年的研究“Dissecting Anomalies with a Five-Factor Model”发现，低波动和低beta异常可以通过包括盈利能力和投资及营利性等因子的资产定价模型解释。

Stefano Ciliberti, Yves Lemperiere, Alexios Beveratos, Guillaume Simon, Laurent Laloux, Marc Potters和Jean-Philippe Bouchaud在2017年论文“Deconstructing the Low-Vol Anomal”表明，在全球范围内对因子进行研究，发现一旦对价值和盈利能力这两个共同因子进行控制，低波动性/低beta的表现就变得不显著。

低Beta与流动性风险

Cynthia Gong, Di Luo和Huainan Zhao在他们2021年2月的研究“Liquidity Risk and the Beta Premium”中，他们研究了低beta溢价是否可以用文献中发现的另一个常见因子—流动性溢价来解释。具体来说，他们研究了低beta与各种流动性风险指标的关系。他们的数据样本涵盖了1963年至2017年期间纽约证交所/美国证交所/纳斯达克的数据。具体有以下发现：

• CAPM beta与公司规模正相关，与账面市值比负相关。

• CAPM beta与资产增长率呈正相关关系。

• 流动性风险从低到高的CAPM beta投资组合稳步下降。low-beta组合的流动性风险因子是最高的(0.635, t = 7.79)，high-beta组合流动性风险因子是最低的-0.492 (t =−4.04)。

• 而非流动性调整模型如CAPM、Fama-French三因子模型和Fama-French五因子模型不能解释beta溢价，在对流动性进行调整后，CAPM beta溢价不再显著——CAPM beta溢价只出现在低流动性股票的组合中。

• 低CAPM beta的股票往往比高CAPM beta的股票交易量更低，交易速度更慢，价格影响更大，这表明低CAPM beta的股票往往流动性更差。

• 流动性指标在控制了资金流动性后仍然显著，表明资金流动性不同于股票流动性。

• 这一结果在两个子时期都表现强劲。

以上发现可以看出，“投资者会对于持有这些低beta股票获取高额回报的期望，主要是因为它们的流动性风险较高。”

低波动和做空利率

Bradford Jordan 和 Timothy Riley在2016年进行了一项研究“The Long and Short of the Vol Anomaly”中，研究范围从1991年7月到2012年12月，其动机是之前的研究表明，高波动性股票和高做空意愿股票的未来表现都很差（经风险调整后的未来表现）。作者发现，在高波动性的股票中，只有卖空利率低的股票实际获得了非凡的正回报。而那些支付高空头利率的投资者获得了惊人的负回报。所以，高波动性本身并不是糟糕的未来回报的指标——换句话说，它不是一个独立的因素。

低波动溢价与市场环境有关

低波动溢价高度依赖于现有的市场环境。Pim van Vliet 在2012年的论文“Enhancing a Low-Volatility Strategy is Particularly Helpful When Generic Low Volatility is Expensive”中发现低波动策略往往会暴露于价值因子，但这种暴露是随时间变化的。低波动性因子在价值因子中暴露的时间大概为62%，在增长因子暴露的时间为38%。市场经济环境转换行为影响低波动策略的表现。当波动性较低的股票有价值敞口时，它们的表现平均优于大盘2.0%。然而，当波动性较低的股票有成长型风险敞口时，它们的表现平均落后1.4%。

Luis Garcia-Feijóo等在2015年的论文“Low-Volatility Cycles: The Influence of Valuation and Momentum on Low-Volatility Portfolios”中发现，除了在极其廉价、低波动性的环境中，四因子模型中已经没有alpha。这一发现很重要，正如你将在下表中看到的， “受欢迎的诅咒”已经导致低beta值的股票偏离价值，在中市值，它们的估值高于中市值指数：

Adam Zaremba在2018年8月的研究 “Small-Minus-Big Predicts Betting-Against-Beta: Implications for International Equity Allocation and Market Timing” ，其中他研究了1989年至2018年6月期间24个发达市场的betting-against-beta (BAB)和small-minus-big (SMB) 因子投资组合的回报。在具有最高(最低)三个月SMB回报的五分之一国家中，在BAB因子的多头等权组合每月产生1.5%的平均收益，且非常显著(t-stat为7.8)。使用SMB收益的BAB因子组合的可预测性也存在于单个国家收益的时间序列中。特别是在小规模因子溢价高的国家，BAB的表现特别强劲。

总结

对低波动异常的研究已经持续了近50年。它在全球各种资产类别中持续存在，无处不在。然而，新的研究表明，低波动异常能够被其他常见的因子所解释（包括流动性风险），而且低波动溢价的高低依赖于当前市场环境是价值还是成长。对于采用低波动策略的投资者来说，不幸的是，这种策略的拥挤已导致不能产生足够的Alpha。