波动率对贝塔中性策略收益的影响 ——基于中国A股市场的实证研究

论文摘要

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。

论文目录

• 摘要
• ABSTRACT
• 1 引言
•   1.1 研究背景
•   1.2 研究目的和研究意义
•     1.2.1 研究目的
•     1.2.2 研究意义
•   1.3 研究思路
•   1.4 结构安排
•   1.5 研究创新与不足
•     1.5.1 研究创新
•     1.5.2 研究不足
• 2 文献综述
•   2.1 Beta异象和BAB策略
•   2.2 目标波动率管理
•   2.3 现有研究评述
• 3 数据和方法
•   3.1 数据说明
•   3.2 BAB策略构建
•   3.3 BAB策略波动率
•     3.3.1 已实现波动率的计算及预测
•     3.3.2 GARCH （1,1）波动率模型
•   3.4 目标波动率管理BAB*策略
• *策略构建'>    3.4.1 BAB^*策略构建
•     3.4.2 目标波动率管理对收益的影响
• *策略意义'>    3.4.3 BAB^*策略意义
•   3.5 多因子回归模型
• 4 实证检验
•   4.1 BAB收益和Beta异象存在性
•   4.2 BAB已实现波动率分析
•     4.2.1 时变性分析
•     4.2.2 可预测性检验
•   4.3 目标波动率管理对BAB策略收益的影响
• *策略的风险与收益'>    4.3.1 BAB^*策略的风险与收益
• *策略的阿尔法收益'>    4.3.2 BAB^*策略的阿尔法收益
•   4.4 波动率对BAB策略阿尔法收益的影响
•     4.4.1 波动率分组回归后的BAB阿尔法收益
•     4.4.2 基于行为金融的进一步讨论
• 5 稳健性检验
•   5.1 已实现波动率预测的样本外检验
•   5.2 股市上行期和下行期子样本检验
• *策略'>  5.3 GARCH（1,1）BAB^*策略
•     5.3.1 BAB策略的GARCH（1,1）模型
• *策略的风险与收益'>    5.3.2 GARCH（1,1）BAB^*策略的风险与收益
• 6 总结
• 参考文献
• 后记

文章来源

类型: 硕士论文

作者: 张竞元

导师: 陈日清

关键词: 策略,阿尔法收益,波动率,目标波动率管理

来源: 东北财经大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

单位: 东北财经大学

分类号: F832.51;F224

DOI: 10.27006/d.cnki.gdbcu.2019.000814

总页数: 51

文件大小: 3336K

下载量: 33