波动性因子概述及收益表现 [page::0][page::2]

• 关注3个波动性因子：77号（日收益标准差）、78号（月标准差24月）、79号（月标准差60月）。

- 77号因子年初至今收益14.89%，本月收益2.04%；78号和79号因子年初至今收益分别为6.65%和8.55%。

• 波动因子在不同行业的收益表现相对一致，显示了波动性因子具备一定的跨行业稳健性。

| 因子编号 | 年初至今收益(%) | 本月收益(%) | 大因子-小因子年初至今收益(%) | 本月收益(%) |
|---------|----------------|-------------|-----------------------------|--------------|
| 77 | 14.89 | 2.04 | -14.85 | -1.90 |
| 78 | 6.65 | 0.98 | -7.23 | -1.00 |
| 79 | 8.55 | 1.96 | -9.32 | -2.04 |

因子77分组净值及多空表现 [page::2][page::3][page::4]

• 图示77号因子不同分组（组1至组5）净值及多空净值走势，表现出较明显的分组收益差异。

- 多空组合呈现明显阿尔法收益，支持该波动因子在组合构建中的有效性。

波动因子行业多空净值表现 [page::3][page::5]

• 77号因子在各行业多空净值表现不一，部分行业如机械、汽车表现较好，部分行业波动较小。

- 附图5、6展示78号和79号因子在行业层面多空净值，显示行业间微小差异，但整体走势趋同。

量化因子构建与应用总结 [page::2]

• 因子基于历史收益的标准差计算，分别采用日收益标准差和月收益标准差两个时间维度的波动率指标。

- 采用投资组合法进行分层测试，结合行业分组检验因子表现的一致性和稳健性。

• 因子收益曲线显示其可用于阿尔法选股和多因子模型中，具有一定的预测能力和风险调节作用。[page::2]

12 波动性因子收益点评 —— 详尽分析报告解读

---

一、元数据与概览（引言与报告概览）

1.1 报告基本信息

• 报告标题：《12 波动性因子收益点评》

- 作者：吴俊鹏，证券分析师，执业证书编号S0130517090001

• 发布机构：中国银河证券研究院

- 报告发布日期：未明确具体发布日期，内容涵盖今年1月至11月数据

• 研究主题：聚焦波动性因子的最新市场表现，具体涉及三个波动性因子对收益的贡献及其行业表现差异

1.2 核心观点

• 三个波动性因子的年初至今收益分别为：

- 77号因子（日收益标准差）收益$14.89\%$，本月收益$2.04\%$；
- 两个其他因子（78号和79号）年内收益分别为$6.65\%$和$8.55\%$。

• 不同行业中波动类因子表现较为一致。

- 报告强调波动性因子在因子投资体系中的应用价值，包括资产定价、风险管理和业绩归因。

整体而言，报告主要传达波动性因子作为风险因子或阿尔法选股因子，在当前市场中依然具备显著的收益贡献，且表现稳定，行业扩散均匀[page::0,2]。

---

二、逐节深度解读（逐章节剖析）

2.1 波动性因子引言及方法论

报告将因子应用分为资产定价、风险管理和业绩归因三个方面，特别是阿尔法选股模型构建中结合因子模型做股票预测。张然观点指出，阿尔法模型（预测预期收益）和风险模型（预测风险）所用的因子形式上相似，但阿尔法模型构建组合风险无法完全由基准因子风险模型解释，说明因子的多维性[page::2]。

Fabozzi提出了四种评价因子收益与风险的方法：

• 投资组合法（分层）：把样本按因子特征划分组合，分析收益差；

- 因素法（多变量回归）：利用多变量统计建立因子收益模型；

• 因素组合法（单变量回归，即Fama-MacBeth）：基于横截面回归序列来判断因子效用；

- 信息系数法（IC）：基于预测相关性的指标评价因子稳健性。

报告选用的主要测试方法为投资组合法（行业分层），便于同时控制行业影响，提升结果解释力[page::2]。

2.2 因子定义及表现

在表1中，报告定义了三只波动性因子，均为基于收益的波动率指标：

| 编号 | 因子名称 | 备注 |
|-------|-----------------|--------|
| 77 | 日收益标准差 | 波动性 |
| 78 | 月标准差(24个月) | 波动性 |
| 79 | 月标准差(60个月) | 波动性 |

这些因子均用于衡量股票价格的波动特征，77号因子为短期波动指标，78号与79号分别代表中长期（2年与5年）的波动情况，从时序尺度层次反映不同的价格变动稳定性[page::2]。

对应的收益统计（表2）显示：

• 77号因子（短期波动）年内表现最佳，收益14.89%，当月仍有2.04%的正收益；

- 78号因子（24月波动）年内收益6.65%，当月0.98%；

• 79号因子（60月波动）年内收益8.55%，当月1.96%。

此外，多头组合（小因子）相对于空头组合（大因子）呈正收益，反向亦成立，表明因子收益的对称性和有效性[page::2]。

2.3 分组净值与多空净值表现（图1及图2）

图1展现了因子77的分组净值走势。将股票根据该因子由小到大分为五组，净值表现依次递减，组1（小波动）表现优于组5（大波动）明显，体现出较强的因子收益效应。

多空净值（组5-组1）曲线逐渐上升，表明通过多空组合套利策略，投资者能捕捉到稳健持久的超额收益。图中灰色区域表示股票数量，表示分组样本覆盖稳定，未出现显著的样本变化引发的异常表现[page::3]。

图2进一步分解了因子77在不同细分行业的多空净值表现。不同子图代表不同行业板块，如石油石化、煤炭、有色金属、机械、汽车、医药、银行、房地产、电子元器件等：

• 大部分行业多空净值曲线均呈上升趋势，表现一致，验证了波动性因子的跨行业稳定性。

- 细分行业内部尽管波动有所差异，但整体趋势均表明低波动股票组合相较高波动股票组合有显著超额收益。

• 某些周期性明显行业如钢铁、煤炭波动较大，但因子收益依旧稳健[page::3]。

2.4 风险提示章节

报告明确风险提示，强调基于历史价格和统计规律的分析难以完全预测未来市场走势，尤其是市场受政策因素影响时，规范的统计模型可能失效。提醒报告使用者需审慎参考，结合当前宏观及政策环境理解因子表现与产生的风险[page::3]。

---

三、图表深度解读

3.1 表1波动因子表

表1列明77号因子为“日收益标准差”，78和79号为不同月份长度的“月标准差”，均为波动性指标，用于衡量资产价格的波动剧烈程度。其设立基于对波动性的传统定义，即标准差作为风险衡量尺度。

该表从定义层面奠定分析基础，明确因子样本数据的时间尺度差异，促进后续表现对比的合理性。

3.2 表2 因子收益统计

表2具体呈现三个波动因子的数值表现，分别列出“年初至今收益”和“本月收益”，同时分为“小因子-大因子”和“大因子-小因子”两种多空组合收益，体现收益的对称性。

| 编号 | 小因子-大因子年初至今收益 (%) | 小因子-大因子本月收益 (%) | 大因子-小因子年初至今收益 (%) | 大因子-小因子本月收益 (%) |
|------|----------------------|-----------------|----------------------|-----------------|
| 77 | 14.89 | 2.04 | -14.85 | -1.90 |
| 78 | 6.65 | 0.98 | -7.23 | -1.00 |
| 79 | 8.55 | 1.96 | -9.32 | -2.04 |

该数据强调低波动性股票组合带来的超额收益远高于高波动组合，77号因子尤其突出，反应了短期价格波动对投资组合质量影响更显著。

3.3 图1 因子77分组净值和多空净值（图3&附图1）

图1显示了2018年至2019年底五组分层净值走势（组1-组5），净值随波动性因子梯度变化，组1净值持续向上，组5则表现较差，清晰展现因子收益有效性。

同时，多空净值从1开始逐步攀升，强调因子套利价值，股票数量平稳支持样本的稳健性，组合策略适合长期资本配置[page::3][page::4]。

3.4 图2 因子77-行业多空净值（图5 & 附图4）

按照行业细分，图2分为十个子图，覆盖能源、材料、工业、消费、金融、信息技术等多个板块。

整体观察：

• 多数行业展现明显多空净值的上涨，意味着低波动性因子在各行业均能带来持续超额收益；

- 资源类行业（石油石化、煤炭、有色金属）波动稍大，但因子表现依然正面；

• 消费及高科技行业多空线均表现稳健，支持因子跨行业应用；

- 某些行业如农林牧渔和建筑等呈现相对波动，提示投资者需关注行业周期影响[page::5]。

3.5 附图2、3及附图5、6（因子78、79）

这两组图以类似格式展现中长期波动因子的分组和行业多空净值走势。整体净值表现低于77号因子，但依然展示了有效的因子收益，且行业一致性明显。

这表明，各时间尺度的波动性因子均具备一定预测性和投资价值，但短期因子更具代表性和盈利空间[page::4][page::5]。

---

四、估值分析

本报告主要聚焦波动性因子收益分析，没有独立的企业估值或个股目标价制定内容，故无DCF、P/E或EV/EBITDA等估值模型的使用及讨论，核心为因子表现统计与趋势分析[page::0-6]。

---

五、风险因素评估

报告对风险因素的描述主要体现在第三部分“风险提示”中，重点如下：

• 由于报告分析基于历史价格数据和统计规律，存在局限性；

- 市场受政策及突发事件影响较大，历史规律可能突然失效，导致因子收益不可预期下降；

• 投资者应审慎参考因子表现，结合宏观、政策面因素理性决策；

- 缺乏具体缓解措施，但提示了市场不确定性的现实存在[page::3]。

---

六、批判性视角与细微差别

• 报告采用业界主流的投资组合法，覆盖面广，对因子收益验证较充分，但缺少基于其他统计方法（如IC、Fama-MacBeth回归等）交叉验证，或许会影响因子效用的稳健性判断。

- 虽然多个行业展示一致性，但部分行业如农林牧渔展现波动较大，未深入分析该差异背后驱动因素。

• 报告对因子构建的模型原理和取样具体细节阐述不足，存在一定透明度欠缺。

- 风险提示章节简短，未量化不同风险对因子收益的具体影响概率或风险权重。

• 可能隐含的偏向是在强调波动性因子持续有效，但未充分讨论市场情绪、流动性冲击或极端事件对波动性因子组合表现的扰动。

---

七、结论性综合

报告系统评估了三个波动性因子在今年至11月的市场表现，特别突出77号因子（日收益标准差）作为短期波动指标收益显著，年初至今达到14.89%，当月仍维持2.04%增幅，而78号和79号的中长期波动指标也录得稳健收益（分别为6.65%和8.55%）。收益的表现通过投资组合法分层统计，显示低波动股票组合相较高波动组合可获得持续超额收益。

图表深入支持论点：

• 表2 直观体现因子收益的对称性及多空组合策略的有效性；

- 图1和附图1展示了因子77分组净值曲线清晰分化，低波动股票净值持续走高；

• 图2及附图5、6多行业多空净值进一步印证了波动性因子跨行业普适的收益表现，行业内部波动虽有起伏但整体趋势向好。

报告同时以风险提示提醒投资人理性看待因子收益，历史统计规律可能在突发政策或市场行为下失效，强调谨慎性和多维度考量。

总体上，报告展现了波动性因子作为重要风险和收益预测因子的价值，短期至中长期因子均具备一定的实证基础，支持其在多因子投资策略组合中的应用。分析师吴俊鹏保持专业且独立客观的立场，报告提供透明数据与图形支持，有效辅助投资决策参考。

---

图表展示

表1 波动因子表

| 编号 | 因子名称 | 备注 |
|-------|-----------------|--------|
| 77 | 日收益标准差 | 波动性 |
| 78 | 月标准差(24个月) | 波动性 |
| 79 | 月标准差(60个月) | 波动性 |

表2 因子收益统计

| 编号 | 小因子-大因子年初至今收益 (%) | 小因子-大因子本月收益 (%) | 大因子-小因子年初至今收益 (%) | 大因子-小因子本月收益 (%) |
|------|----------------------|-----------------|----------------------|-----------------|
| 77 | 14.89 | 2.04 | -14.85 | -1.90 |
| 78 | 6.65 | 0.98 | -7.23 | -1.00 |
| 79 | 8.55 | 1.96 | -9.32 | -2.04 |

---

图1：因子77分组净值和多空净值

图中5条颜色区分的净值曲线，组1（红色）净值最高且趋势稳定向上，组5（蓝色）净值最低，多空净值（虚线）持续增长，股票样本数稳定支撑组合表现。

---

图2：因子77-行业多空净值

细分行业多空净值均呈正向趋势，反映低波动因子在能源、材料、工业等行业均可产生超额收益。

---

参考文献

• 报告内容均基于中国银河证券研究院资料及吴俊鹏分析师研究成果[page::0-6]。

---

总结

该报告通过权威数据和多层次图表，全面展现了波动性因子在今年市场上的优良表现，尤其是短期日收益标准差因子。同时，不同行业均显示较一致的正收益水平，验证该因子稳健的跨行业适用性。投资者可将波动性因子视为风险管理及收益提升的重要工具，但需结合市场环境与政策动向，谨慎应用。此报告为因子投资策略提供了重要的实证支持和操作参考。

报告