因子定义与构建方法 [page::3][page::4]

• 跳跃Beta与连续Beta分别反映市场跳跃时与市场连续时个股价格对市场变化的敏感度，均由5分钟高频数据估计。

- 连续Beta通过剔除跳跃数据的线性回归计算，跳跃Beta通过高阶收益统计平方根比估计。

• 结合贝叶斯压缩方法以提升Beta估计的样本外预测能力和稳健性。

因子表现优异，选股效果显著 [page::5][page::6]

• 跳跃Beta和连续Beta在沪深300、中证500、中证1000和中证全指市场中均表现优于传统Beta。

- 跳跃Beta多空组合年化收益最高达12.53%，信息比率超过1；连续Beta信息比率约0.75至1.07。

• 传统Beta因子表现相对较弱，行业市值中性化后相关性和ICIR均低于跳跃和连续Beta。

因子衰减特征与相关性分析 [page::8]

• 连续Beta和跳跃Beta衰减较慢，RankIC半衰期约9个月。

- 跳跃Beta与估值、非流动性、投机性因子相关系数均超过50%；连续Beta与非流动性因子相关度较高。

• 两者与常规Beta相关性高，但剔除常规Beta后仍具有显著的选股信息。

因子正交化后的增量信息 [page::9][page::10]

• 对九类常见因子及传统Beta正交后，跳跃Beta和连续Beta依然显著提升选股收益，跳跃Beta表现更优。

- 美的集团实例剖析显示跳跃Beta较低反映价格跳跃更少，连续Beta较低表明日内价格波动低，均对应较低市场分歧和投机性。

国际市场Beta类型因子表现参考 [page::2][page::10]

• 美国及海外市场历史30年数据显示，Beta因子中BAB组合（低Beta减高Beta）表现优异，持续跑赢SMB、HML、UMD、QMJ等其他主流因子。

- 预计随着A股市场逐步接轨全球市场，Beta因子将展现持续的长期优异表现。

《跳跃 Beta 与连续 Beta》深度分析报告拆解

---

1. 元数据与概览

报告标题： 跳跃 Beta 与连续 Beta
系列： 因子选股系列研究之 五十九
作者： 朱剑涛、张惠澍（证券分析师，执业证书编号分别为 S0860515060001 和 S0860518080001）
发布机构： 东方证券研究所
发布日期： 2019年08月01日
主题： 该报告主要研究基于高频数据（5分钟频率）构建的两个新型Beta因子——跳跃Beta和连续Beta，评估其在A股市场中的选股能力及表现特征，并做横向对比于传统Beta。

核心论点与结论：

• 跳跃Beta和连续Beta均具备显著的选股能力，无论是原始值还是行业中性化处理后，均在不同样本空间表现优异，远超传统Beta选股效果。

- 这两个因子在大市值股票中的表现与全市场类似，说明其应用面较广。

• 这两个因子基于一年的5分钟数据计算，因子衰减慢，半衰期约9个月，具备较强的稳定性。

- 跳跃Beta和连续Beta虽然与传统Beta高度相关，但在剥离传统Beta及其它九大类因子后，仍存显著选股信息，尤其跳跃Beta与估值、非流动性和投机性因子相关性较高。

• 在国际市场中，Beta类因子，特别是低Beta对冲组合BAB表现优异，暗示随着A股市场制度和结构全球接轨，Beta因子仍具备长期投资价值。

- 风险提示包括：极端市场可能致因子失效及基于历史数据的量化模型未来有效性存不确定风险。[page::0,2,11]

---

2. 逐节深度解读

2.1 Beta异像（章节1）

• 该章节介绍Beta异像（Beta Anomaly）的理论及历史研究。经典CAPM模型预期低Beta股应享受较低风险溢价，但实证数据显示低Beta股票实际收益高于高Beta股票，这一现象即为Beta异像。

- 引用Frazzini等（2014）“Betting Against Beta”（BAB组合）研究，该组合做多低Beta股票、做空高Beta股票，在多数全球市场均展现正Alpha，且该异像不仅来源于行业配置或价值因子，而是行业中性BAB贡献最大。

• 该报告基于Bollerslev等人（2016）的方法，将高频收益拆分为连续和跳跃成分，分别计算连续Beta和跳跃Beta，认为分解后Beta能更精确反映风险因子，更好解释股票收益。[page::2]

图1解读：

• 图展示不同市场中BAB组合剔除Fama-French四因子后的月均Alpha，多数国际市场均为正Alpha，香港市场表现最强（1.01%），欧洲部分国家表现负。

- 该图强调Beta异像的广泛性且存在跨市场稳定Alpha的证据，支撑Beta类因子研究的实践意义。

2.2 Beta因子的构建（章节2）

• 2.1节定义了连续Beta和跳跃Beta。用随机微分方程描述市场和个股价格变化，区分连续扩散项（平滑价格变动）和跳跃项（价格跳跃）。个股价格变化既受市场连续波动影响（连续Beta），也受市场跳跃影响（跳跃Beta）。

- 2.2节详细介绍连续Beta的估计方法，利用5分钟高频收益率做线性回归，剔除跳跃时点后估计连续波动相关系数。阈值选择基于二次幂变差（BV）和已实现变差（RV）等波动率指标以及“Time-of-Day”（TOD）效应校正，保证剔除跳跃样本的科学性和准确性。

• 2.3节给出跳跃Beta的估计方法，直接用跳跃贡献为主的收益率平方和的比值计算，无需剔除连续部分。

- 2.4节介绍贝叶斯压缩Beta方法，通过结合行业先验Beta值平衡样本估计值，降低过度拟合风险，提升样本外预测准确度。实证显示压缩后Beta估计误差下降（原方法34.5%降至33%），体现贝叶斯压缩在风险预测中的优势。[page::3,4,5]

图2解读

• 不同Beta估计方法的估计误差对比（横轴为按已实现Beta排序的分组），红色（压缩后Estimator）普遍低于灰色（传统方法），表明贝叶斯方法更优。

2.3 因子测试（章节3）

2.3.1 因子表现（3.1节）

• 报告基于2011年1月至2019年5月使用中证800为市场代理，计算连续Beta和跳跃Beta，并与常规Beta及压缩Beta进行比较。

- 表6-9图（图3-6）结果：跳跃Beta和连续Beta在所有样本空间（中证全指、中证500、中证1000和沪深300）中均表现出显著选股能力，RankIC和ICIR均明显优于传统及压缩Beta。

• 分组月超额收益图显示选股收益分组并非完全单调，第一组（低Beta组）收益在部分因子中低于第二组，属于Beta类型因子的典型表现。

- 行业市值中性化处理略微降低RankIC，特别是在沪深300中跳跃Beta和连续Beta的相关性降低但仍显著，反映行业因素对Beta部分解释作用。

• 行业内结构也表明常规Beta介于跳跃Beta和连续Beta之间，且跳跃Beta存在行业间差异，具体例子中非银行业股票跳跃Beta明显高于计算机行业，体现了行业投机特征差异。[page::5,6,7]

图3至6解读：

• 4个因子的表格展示RankIC和ICIR，跳跃Beta整体表现最佳，连续Beta次之，贝叶斯压缩Beta和常规Beta表现偏弱。

- 分组月超额收益图示支持跳跃Beta和连续Beta选股策略的有效性。

• 多空净值及最大回撤等风险调整指标也支持跳跃Beta组合相对更优。

图7、8、9解读：

• 行业平均Beta图显示跳跃Beta波动更大，表明跳跃成分波动性显著且不同行业差异明显。

- 实际交易日内最高涨跌时点对比海通证券（非银）与航天信息（计算机）股票的价格反应，验证跳跃Beta与股票日内激烈波动相关。

2.3.2 因子衰减与相关性分析（3.2节）

• 跳跃Beta和连续Beta均基于过去一整年五分钟数据计算，具有较慢衰减速度，月度RankIC的半衰期约为9个月（图10），说明因子持久性良好。

- 因子相关性分析显示连续Beta与跳跃Beta之间相关性极高（约68.7%至80%），与传统Beta及贝叶斯压缩Beta相关性也较高（均超过50%），体现其同属Beta因子。

• 跳跃Beta与估值、非流动性、投机等因子的相关性超过50%，而连续Beta与非流动性的相关性较高，可能反映跳跃Beta更反映投机性、估值等影响因素。

- 对常规Beta正交化后，跳跃Beta和连续Beta依然保持选股能力且跳跃Beta的效果更优（图12），说明新构建Beta因子包含传统Beta之外的增量信息。

• 以美的集团为例，显示其跳跃Beta处于市场低分位，连续Beta略低于常规Beta，反映其日内价格跳跃少、波动较温和，投资者市场分歧度低。

- 进一步正交剥离九大类其他因子，跳跃Beta和连续Beta亦仍保留显著解释力（图13）。[page::8,9,10]

图10解读：

• RankIC随滞后月数递减曲线缓慢下降，表明因子稳定性强。

图11相关性矩阵：

• 展示了跳跃Beta、连续Beta与多种因子（估值、非流动性等）的相关率，突显跳跃Beta与估值、投机因子较强联动。

图12、13解读：

• 正交处理后仍有负RankIC值表示该Beta类因子在剔除传统及其他因子后仍带选股显著性。

- 多空组合净值图证明基于跳跃和连续Beta策略长期正收益且回撤较小。

2.3.3 其他市场Beta因子表现（3.3节）

• 通过对比AQR网站美国及非美国市场五大因子组合的长期累计净值，证明Beta类因子（BAB组合）在这些市场长期表现最好。

- 结合美国、国际市场的经验，强调随着中国市场国际化和制度完善，Beta类因子在A股未来也具备强劲投资价值。[page::10]

图14解读：

• BAB组合曲线远超SMB、HML、UMD和QMJ，且持续稳健增长，表明Beta相关策略优越性。

- 此对比指出Beta异像的普适性及跨市场表现。

2.4 总结（章节4）

• 报告总结基于5分钟高频数据构建的跳跃Beta和连续Beta因子在A股各样本空间均表现优异，胜过传统Beta。

- 这两个因子基于一整年的高频数据，衰减缓慢，半衰期约9个月。

• 跳跃Beta与估值、非流动性和投机性因子高度相关，连续Beta主要与非流动性相关。

- 虽然A股Beta因子整体表现不如其它因子突出，但国际市场经验支持Beta因子长期有效。

• 风险提示重申极端市场对模型冲击和历史数据模型未来失效风险。

- 参考文献涵盖主要理论与方法来源。 [page::11]

---

3. 图表深度解读

3.1 图1（全球BAB组合月均Alpha）

• 显示全球主要股市中BAB组合剔除Fama-French四因子后的月均Alpha水平。

- 多数市场正Alpha显著，其中香港市场最高达1.01%，部分欧洲市场反而为负。

• 说明Beta异像和BAB策略存在跨市场稳定性及长期价值。

3.2 图2（不同Beta估计方法估计误差）

• 对比了传统和贝叶斯压缩Beta的估计误差。

- 贝叶斯方法整体误差下降，横跨各组分位均表现优于传统估计，验证模型预测力提升。

3.3 图3-6（跳跃Beta、连续Beta、常规Beta及压缩Beta表现）

• 各因子在沪深300、中证500、中证1000和全指中的RankIC、ICIR及组合表现。

- 跳跃Beta表现最优，连续Beta次之，常规Beta和压缩Beta相对较弱。

• 分组超额收益显示跳跃和连续Beta均带来正超额回报，但第1组偶有不规则表现，指标符合Beta类特征。

3.4 图7（行业平均Beta）

• 三种Beta值在不同一级行业的均值对比。

- 跳跃Beta数值明显高于其余两项，波动幅度较大，行业间差异明确，暗示不同行业内日内投机性差异。

3.5 图8、9（指数跳幅最大时间点股票价格表现）

• 列举指数日内最大涨跌时点对应海通证券和航天信息的同时间段涨跌幅。

- 非银行业(海通证券)股票涨跌幅明显更激烈，吻合其跳跃Beta较大的数据，实证支撑跳跃Beta含行业特征及投机性信息。

3.6 图10（月度RankIC衰减）

• 月度RankIC衰减图表明跳跃Beta和连续Beta半衰期约为9个月，因子稳定性高，相比传统日频指标具有优势。

3.7 图11（因子相关性矩阵）

• 跳跃Beta、连续Beta与传统Beta及九大类其它因子相关性差异明显。

- 跳跃Beta与估值、投机和非流动性因子相关性均较高（>50%），连续Beta主要和非流动性相关，显示两因子与常规Beta不同维度的多样性和增量信息。

3.8 图12、13（正交处理后因子表现及净值）

• 跳跃Beta和连续Beta剥离传统Beta后仍具选股效果，ICIR提升且多空组合净值稳健增长，回撤较小。

- 进一步剥离九大类因子并行业及市值中性处理后，因子仍保持负RankIC，证明其独到选股价值。

3.9 图14（美国市场及国际因子累积净值）

• BAB组合在过去30年的累计收益稳居各传统因子组合首位。

- 国际经验提供A股Beta因子长期有效性的有力佐证。

---

4. 估值分析

本报告为因子研究报告，聚焦于Beta因子的构建与实证检验，未涉及对具体上市公司估值分析，因此无估值模型(DCF、市盈率等)解读要求。

---

5. 风险因素评估

• 极端市场冲击风险： 极端或非常规的市场环境可能导致构建的Beta模型表现大幅波动，模型风险溢价失效，直接影响投资策略盈亏。

- 历史数据依赖风险： 模型基于历史高频数据估计，未来若市场结构变化、制度改变或行为习惯转变，因子表现可能弱化甚至失效。

• 模型稳定性需动态监控： 强调投资者需持续关注因子表现，及时调整配置，避免因子失效带来的风险。

- 风险披露合理，未提供特定缓释方案，提醒投资者审慎投资。[page::0,11]

---

6. 批判性视角与细微差别

• 正相关性高但选股效果差异显著： 跳跃Beta和连续Beta与传统Beta的相关性超过70%，但为何选股效果大幅提升？报告通过对常规Beta正交后因子表现的稳健性验证，合理解释了增量信息的来源，且单独剥离行业影响及其它因子增强了分析的严谨性。

- 分组超额收益非完全单调： 因子分组超额收益在首组表现不优，反映Beta因子典型的“Beta异像”现象，同时可能与市场波动、投机行为等复杂因素有关，需要投资者理解因子风险级别及因子暴露的非线性特征。

• 跳跃Beta对日内投机行为的内涵： 报告指出跳跃Beta可能反映投机炒作特征，此点切入独特，有一定创新，但日内跳跃是否完全归因于投机行为未有充分验证，需谨慎对待。

- 模型与数据的局限性未详尽披露： 计算跳跃和连续Beta阈值参数设置较为固定，未探讨不同市场、股票特性下参数灵敏度与适应性，可能存在参数显著影响最终结果的风险。

• 国际验证虽有优势，但A股表现仍显平平，说明市场结构差异及投资者行为影响明显，未来效果仍有不确定性。

- 风险提示虽合理，但缺少具体对冲及缓解策略建议，投资者需自主把控风险。

综合来看，本报告内容扎实，数据详实，逻辑清晰，创新构建Beta细分指标，实证结论具有参考价值，适合量化投资研究及因子建模领域。

---

7. 结论性综合

本报告通过基于5分钟高频数据的连续Beta和跳跃Beta构建，提供了一种比传统日频Beta更精细的市场风险量化方法，实证结果显示：

• 跳跃Beta和连续Beta因子均在沪深300、中证500、中证1000及全市场均表现出强于常规Beta的显著选股能力（RankIC在-0.09至-0.05间，显著高于传统Beta平均-0.03以下），尤其跳跃Beta提供了较多增量信息。

- 两因子基于过去一年高频收益构建，因子半衰期约9个月，衰减慢，稳定性较好，有利于中短线投资决策。

• 跳跃Beta与估值、投机及非流动性因子高度相关，连续Beta主要与非流动性相关，说明两因子在市场风险外还捕捉了市场微结构和行为特征。

- 正交传统Beta及九大类主流因子后，跳跃Beta和连续Beta仍保留显著选股信息，验证了独立增量价值。

• 行业层面，跳跃Beta展现更大异质性，部分行业具更强跳跃特征，反映市场微观结构及投机行为差异。

- 国际经验表明Beta异像及BAB组合在全球及美国市场具备长期优势，A股未来随着开放和规范管理，有望收益于Beta类因子的中长期投资价值。

• 风险方面，极端市场波动和模型基于历史数据存在失效风险，投资者需审慎跟踪调整。

综上，跳跃Beta与连续Beta作为Beta细分因子，为量化投资提供了更具预测力和稳定性的选股工具，尤其跳跃Beta的投机性和估值相关性为深入理解市场动态增加了新视角，具有重要的实践应用价值和研究意义。[page::0,2,3,5,6,8,9,10,11]

---

附：重要图表展示（Markdown格式）

跳跃Beta全球BAB组合Alpha：


不同Beta估计误差比较：


跳跃Beta表现总结表及超额收益：


连续Beta表现总结表及超额收益：


常规Beta表现总结表及超额收益：


贝叶斯压缩Beta表现总结表及超额收益：


行业平均Beta（2019.4.30）：


因子衰减情况（RankIC半衰期）：


跳跃Beta和连续Beta剥离常规Beta后表现：


美国及国际市场常规因子累积净值对比（BAB表现优）：



---

此份分析基于报告全文内容逐节详细拆解，结合表格与图表数据，力求全面呈现研究价值和方法细节，同时提供审慎视角，便于专业人士深入理解和应用此因子研究成果。

报告