NNagi
DOSSIER · No.a95

A股低特质波动率

剔除大盘影响后自己波动大的股票,后面反而跑得差?

仍有效 经典因子 数据 B 级 月度调仓
灵不灵(和基准比)
仍有效

发表后风险调整收益跑赢基准,最近三年也仍为正

是否跑赢基准(等权持有全部可买 A 股)
跑赢基准

论文发表后,夏普比率 0.83 对比 0.60;年化收益高于基准。

夏普比率: 发表前0.16 发表后0.83 基准(发表后)0.60 最近三年0.78
「仍有效」指论文发表后风险调整收益跑赢基准,历史回测不代表未来收益,不构成任何建议。2026-10-19 更新。
来源论文:Andrew Ang, Robert J. Hodrick, Yuhang Xing, Xiaoyan Zhang (2006). The Cross-Section of Volatility and Expected Returns. Journal of Finance.

原理

一只股票的波动可以拆成两部分:一部分是跟着大盘一起涨跌,另一部分是它自己特有的波动,比如公司消息、题材炒作带来的涨跌,后者叫“特质波动率”。按传统理论,特质风险可以通过分散化消除,不应该得到补偿。

但一项很有影响的研究发现,特质波动率高的股票,下个月的收益反而明显更低,这和“高风险高收益”正好相反,被称为“特质波动率之谜”。常见的解释包括:投资者偏好彩票型股票、卖空限制让高估的股票难以纠正、以及高特质波动股票往往信息不透明、更容易被情绪推高。

A 股卖空几乎做不到,题材股炒作频繁,这些条件都可能让特质波动率效应更强。这个策略每月用过去一个月的日收益对等权全 A 指数做回归,取残差的波动率,等权买入特质波动率最低的一部分。它和普通低波动策略相似,但更聚焦于“股票自身的躁动”,而不是大盘带来的波动。

封

以下内容仅对会员开放

这份卷宗剩下的部分已封存。

  • 含成本的完整回测与净值曲线
  • 论文发表前后、最近三年分段对比
  • 逐条交易规则与结果解读
  • 可直接运行的 Python 代码下载
注册并解锁
已有账号?登录
在闲鱼搜索「nagi 」,下单后自动发送激活码

历史回测不代表未来收益,仅供学习研究,不构成投资建议。