论文部分内容阅读
贝塔中性策略(Betting Against Beta Strategy),简称BAB策略,是Frazzini和Pedersen(2014)提出的买进低Beta资产,卖出高Beta资产,构建贝塔中性组合的一种低风险投资策略。在有低系统性风险高收益的Beta异象(Beta Anomaly)市场中,BAB策略可以获得传统定价模型难以解释的超额收益。Frazzini和Pedersen(2014)实证发现BAB策略在美国股市、债券市场、外汇市场、.商品市场和其他多个国家股票市场都有异常收益。Beta异象及BAB策略受到学术界的广泛关注。对Beta异象的解释,有机构投资者行为、融资约束、博彩偏好、异质信念、波动率影响等方面的研究成果。Barroso和Maio(2016)研究发现,波动率对BAB策略表现有着不寻常的预测能力,高波动月后的BAB策略超额收益可以被风险因子解释,没有显著的阿尔法收益,而低波动月后的BAB策略可获得显著的正阿尔法收益。对BAB策略进行目标波动率管理(Target Volatility),不仅会提高BAB策略组合的夏普比率,还会增加BAB策略的阿尔法收益。本文参考Barroso和Maio(2016)的研究,从目标波动率管理、波动率分组的角度探究:在中国A股市场,波动率对BAB策略收益的影响。本文的研究思路是:选取1997年1月至2018年7月的沪深A股作为研究样本,构建Frazzini and Pedersen(2014)提出的BAB策略组合,在验证中国沪深A股市场存在Beta异象的基础上,计算BAB策略已实现波动率,通过AR(1)模型检验已实现波动率对下期波动的预测能力。基于已实现波动率对波动的良好预测性,构建目标波动率管理BAB策略(Volatility Scaled BAB),探究目标波动率管理对BAB策略收益的影响。之后,按照BAB策略滞后一期波动率大小,把BAB策略组合分为高波动月后BAB策略组和低波动月后BAB策略组,通过Fama-French三因子模型、Carhart四因子模型、Fama-French五因子模型回归,探究波动率对BAB策略阿尔法收益的影响,并结合行为金融中常被用来解释Beta异象的博彩偏好和异质信念两个特征因素,做双变量分组回归,加以讨论。最后,为了加强文章结论的稳健性,本文还做了三方面检验:一是对BAB策略波动率序列做滚动一阶自回归,依据回归模型样本外RR2值(out of sample R2,OOS R2)衡量波动率对下期波动预测的稳健性。二是将BAB策略样本分为股市上行期和股市下行期,检验BAB策略子样本的波动和阿尔法收益表现。三是用BAB策略的月度收益做GARCH(1,1)模型回归,用估计的下一期条件方差作为波动率的预测值,建立GARCH(1,1)波动率管理BAB*策略,探究GARCH(1,1)模型波动率管理BAB*策略的风险与收益特征。通过以上研究,本文得出以下几个重要结论:(1)中国A股市场存在Beta异象,BAB策略可产生显著的正阿尔法收益,但策略存在左偏风险。(2)BAB策略已实现波动率对下期波动有良好的预测能力,目标波动率管理BAB*策略能够提高BAB策略的夏普比率,消除左偏风险,增加阿尔法收益。相比于已实现波动率管理BAB*策略,GARCH(1,1)波动率管理BAB*策略单位风险回报率更高,实际波动更贴近目标波动率。(3)波动率不同的BAB策略阿尔法收益呈现出不同的表现。高波动月后的BAB策略不再有显著的正阿尔法收益,低波动月后的BAB策略阿尔法收益显著为正且增多。这种差异性在股市上行期和股市下行期的子样本中得到了验证,并且不能被博彩偏好和异质信念解释。本文可能的创新之处:(1)国内关于Beta异象或者BAB策略的研究大多是对其异象的存在性检验和理论解释,对BAB策略改进的研究相对较少。本文根据国外目标波动率管理对BAB策略影响的研究,在验证中国A股市场Beta异象存在性基础上,分析了基于目标波动率管理的BAB*策略表现。(2)研究目标波动率管理的已有文献,或基于已实现波动率建立目标波动率管理,或基于GARCH(1,1)模型估计的条件方差建立目标波动率管理,本文同时采用这两种方法改进BAB策略,比较了它们对BAB策略的改进效果。