证券研究报告降低波动率对组合有什么用？请务必阅读报告末页的重要声明分析师：包承超、邓宇林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数据来源：《engineering targeted returns and risks》，bridgewater，国联证券研究所图：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 但在权益资产内部，如风格因子，高风险并不意味着高回报数据来源：wind，国联证券研究所图：2010年-2019年a股smart beta的收益率和波动率图：近3年a股smart beta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 行业因子间的风险收益特征始终更加无序数据来源：wind，国联证券研究所图：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最近几年，高风险并未带来高收益高收益因子反而具有相对低的风险 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。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。 但横向来看，低波动因子未来的收益率通常较高数据来源：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。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 同时衡量风险后，规律更明显——历史波动率低的因子，未来sharpe ratio更高数据来源：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。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数据来源：wind，国联证券研究所图：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，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 高波动性因子在牛市周期中的收益明显高于低波动因子数据来源：wind，国联证券研究所图：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” 低波动因子在熊市中更能抵抗回撤数据来源：wind，国联证券研究所图：历轮熊市周期下，风格因子的风险收益特征 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。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 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。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倍标准差内变化数据来源：wind，国联证券研究所。注：此处中位数和标准差为因子季度波动率指标的统计行特征。图：动量因子的季度波动率指标特征一览图：红利因子的季度区间波动率指标特征一览2016年以来，红利因子的波动率保持在0.5倍标准差范围内变动动量因子的波动率大体只在1倍标准差范围内变动 波动率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倍标准差内变化数据来源：wind，国联证券研究所，注：各因子的波动率频率区间设置为季度。图：各因子的季度波动率指标特征一览年份全a沪深300中证1000动量因子反转因子横向低pb纵向低pb大盘因子小盘因子低波动因子红利因子景气因子质量因子2007年377a7ac7857ab9 08年49iuhurripdiqp 09年3236)54224'213 10年23%)(%!"#) #(' 11年19!%"$ %$" 12年19 &!& &" 13年22"$$% "#" 14年19!!!" 15年48@gdd96@fa8e8 16年30"3(4$"23& 17年11%9 18年22!%'% ""$#( 19年21 %!&! %#% 20年24#((( #'(% 21年16(! #' 22年21 %3' !$'& 23年13%波动率中位数21.7!.5%.5'.8%.9.3 .4!.7$.9.1.9#.7%.7%波动率标准差10.8%9.7.7%9.0.0.9.4%9.8%9.6.6.3.3%9.4%[中位数±0.5*标准差]-区间概率53esasqeesqeyg%【中位数±标准差]-区间概率82qvq�vvqvvvve%各因子的波动率大体均在1倍标准差范围内变动 但收益率波动范围较大，难以通过历史数据预测数据来源：wind，国联证券研究所。注：数据自2010年1月1日以来。图：2010年至今，各因子年度收益率与年度波动率的统计指标对比全a动量因子反转因子横向低pb纵向低pb大盘因子小盘因子低波动因子红利因子景气因子质量因子中位数3%0%5%-2%-5%8%5%5%6%8%标准差24@c" $( #)%最大值57�4qrrxaucy%最小值-30%-39%-38%-18%-29%-27%-37%-22%-25%-36%-25%中位数21%% !%#%%标准差9%7%7%7%6%7%8%8%7%8%6%最大值48dd96@fa8e8%最小值11%9%统计指标收益率波动率波动率指标具有较好的特征延续性，相较于收益率指标或更易预测收益率指标的历史区间范围较大，较难捕捉特征 权重差异组合收益率变动权重差异组合收益率变动权重差异组合收益率变动向上偏离1单位标准差0.434-17.6%0.146-6.1%0.768-28.9%向下偏离1单位标准差0.42017.0%0.48220.0%0.2328.7%向上偏离1单位标准差0.30512.3%0.1004.1%0.2328.7%向下偏离1单位标准差0.580-23.5%0.518-21.5%0.768-28.9%向上偏离1单位标准差0.1556.3%0.1124.6%0.2328.7%向下偏离1单位标准差0.261-10.6%0.175-7.3%0.520-19.6%向上偏离1单位标准差0.134-5.4%0.089-3.7%0.270-10.2%向下偏离1单位标准差0.1646.6%0.1184.9%0.2328.7%不相关情景(ρ=0)负相关情景(ρ=-0.5)正相关情景(ρ=0.5)波动率指标对象误差产品a收益率产品b产品a产品b相较于波动率，无法精准预测收益率会给整个组合带来更大的损失数据来源：wind，国联证券研究所。注：模拟情景中产品a的参数设置参照全a历史指标给定，产品b参照所有smart beta因子历史指标的中位数给定。图：不同相关性情景下，错误预测预期收益率或波动率对于组合表现的影响尽管存在好运气的特例，但大部分情景下，错误预测收益率带来的“代价”远高于错误预测波动率存在部分特殊情景下，错误预测波动率可能不仅具有更小的潜在损失，同时具有更大的潜在意外收获，预测波动率更具“性价比”收益率收益率标准差波动率波动率标准差产品a3$!%9%产品b5$"%7%实际数据：产品a参照全a历史指标设置，产品b参照所有smartbeta因子历史指标的中位数设置我们希望去完美预测产品a和产品b的真实数据，然而实际上总会有所偏差。在不同相关性情景下，依次对收益率和波动率设置不同维度的偏差扰动，对比结果的变化。 基于波动率的组合管理 低波动策略简单有效数据来源：wind，国联证券研究所。注：每季度优选过去3个月波动率最高的3个因子等权构造高历史波动率组合，过去3个月波动率最低的3个因子等权构造低历史波动率组合。图：基于历史波动率构建投资组合策略，低历史波动率组合轻松跑赢基准，高历史波动率组合表现平平高历史波动率低历史波动率偏股混合型基金全a低历史波动率/全a高历史波动率/全a偏股混合型基金/全a低历史波动率组合轻松跑赢基准 如果可以完美预测因子的波动率和收益率，组合管理可以较好的实现优化目标数据来源：wind，国联证券研究所。注：每一轮调仓时，基于有效前沿优选夏普比最大的资产组合进行换仓配置，此处选用过去5年波动率以及过去1年收益率。图：基于样本内数据(当年真实数据)进行组合管理所得到的净值曲线①smart beta因子②行业因子③偏股混合型基金指数④全a通过“作弊”得到的各因子预期收益率和波动率数据，组合管理可以较好的实现优化目标 然而理论和现实存在差距，选用历史数据作为预期收益率和波动率，策略效果很差数据来源：wind，国联证券研究所。注：每一轮调仓时，基于有效前沿优选夏普比最大的资产组合进行换仓配置，此处选用过去5年波动率以及过去1年收益率。图：基于样本外数据(往年历史数据)进行组合管理所得到的净值曲线若无法“作弊”，只能基于历史数据做出预判——策略效果很差，因为历史数据包含了大量的样本误差，延续性较弱①smart beta因子④行业因子②偏股混合型基金指数③全a 弱化对收益率的预测，也可以明显跑赢基准——即历史波动率作为未来波动率& 正确判断未来收益率正负数据来源：wind，国联证券研究所。每一轮调仓时，基于有效前沿优选夏普比最大的资产组合进行换仓配置，此处选用过去5年波动率以及过去1年收益率。图：从smart beta因子来看，“历史波动率 准确收益率方向”可以较好的跑赢基准②有效前沿：准确收益率方向 历史波动率③风险平价：准确收益率方向 历史波动率④偏股混合型基金指数⑤全a①作弊策略：样本内（实际数据）尽管比