风险缩放策略创新与应用框架 [page::3]

• 传统波动率缩放策略用波动率衡量风险，存在无法准确捕捉非正态收益的下行风险问题。

- 新策略采用VaR和CVaR替代波动率进行下行风险度量，实现动态风险暴露调整，更有效管理下行风险。

• 策略基于BAB组合，多空投资低贝塔和高贝塔股票，保持市场中性。

描述性统计与风险预测对比 [page::6][page::7]

| 地区 | Mean (年化%) | Vol (年化%) | Skew | Kurtosis | Alpha (年化%) | 样本容量 | 起始时间 |
|------------|-------------|-------------|-------|----------|--------------|----------|--------------|
| US | 7.54 | 9.73 | -0.51 | 18.99 | 9.67 | 23869 | 1930-12 |
| Global | 8.85 | 8.02 | -0.42 | 11.34 | 10.18 | 8805 | 1987-02 |
| Europe | 9.88 | 10.61 | -0.12 | 8.03 | 11.45 | 8283 | 1989-02 |

• 下行风险预测值如VaR和CVaR高于波动率预测，CVaR最高，显示其风险度量能力强。

- 杠杆限制下CVaR缩放策略的平均权重和波动较大，有利于捕捉风险动态。

BAB策略下行风险因子时序特征 [page::9]

• 滞后CVaR对下一期CVaR有很强的预测能力，但与未来回报无显著相关。

- 当滞后CVaR较低时，BAB策略夏普比率较高，说明风险调整后表现更佳。

样本外绩效对比与累计回报 [page::9][page::11]

| 策略 | Mean(%) | Vol(%) | 夏普比率 | CVaR比率 | 最大回撤(%) | CVaR(%) |
|--------------|---------|--------|------------|----------|-------------|---------|
| 未缩放BAB | 7.68~15 | 8~13 | 0.75~1.15 | 0.31~0.50| 19~37 | 20~36 |
| 波动率缩放 | 11~13 | 9~14 | 0.85~1.48| 0.36~0.69| 5~13 | 18~28 |
| VaR缩放 | 11~14 | 8~13 | 0.93~1.56| 0.40~0.73| 6~13 | 17~26 |
| CVaR缩放 | 13~15 | 10~16 | 0.90~1.55| 0.38~0.73| 5~11 | 21~30 |

• CVaR缩放策略在美国、全球及其他区域均显著提升夏普比率，平均回报增幅达30%以上，风险调整表现最佳。

- 累积回报显示CVaR缩放策略长期收益显著高于其他策略。

稳健性检验：不同分位数构建的BAB组合及参数敏感性 [page::11][page::12]

| p分位数 | 策略 | Mean(%) | Vol(%) | 夏普比率 | CVaR比率 | 最大回撤(%) |
| ------- | ---------- | --------|--------|----------|----------|-------------|
| 10 | CVaR缩放 | 25.63 | 21.22 | 1.21 | 0.57 | 10.3 |
| 20 | CVaR缩放 | 20.25 | 15.77 | 1.28 | 0.59 | 9.6 |
| 30 | CVaR缩放 | 16.91 | 13.34 | 1.27 | 0.57 | 9.87 |
| 40 | CVaR缩放 | 14.97 | 11.96 | 1.25 | 0.56 | 9.8 |

• 策略在多种贝塔分位数组合中均表现优于未缩放及波动率缩放策略。

- 参数窗口长度m对策略表现影响显著，建议选择不超过36个月的估计窗口，策略对显著水平α及最大杠杆M均稳健。

结论概要 [page::13]

• 提出基于VaR和CVaR的下行风险动态缩放策略，有效克服波动率测度缺陷。

- 实证检验显示该策略优于传统波动率缩放，提升夏普比率及长期收益率。

• 策略具备良好稳健性，适用于多市场、多资产的低风险多空因子投资组合。

深度分析报告：《低风险组合构建：基于下行风险的缩放策略——“学海拾珠”系列之一百七十二》

---

1. 元数据与概览

• 报告标题：低风险组合构建：基于下行风险的缩放策略——“学海拾珠”系列之一百七十二

- 作者：杉，严佳炜

• 发布机构：华安证券研究所

- 发布日期：2023年2月28日

• 核心主题：提出并验证了一种基于下行风险测度（VaR和CVaR）的风险缩放投资策略，应用于低风险异常策略BAB组合，实证显示该策略优于传统的波动率缩放方法。

报告核心论点摘要：
本报告作为“学海拾珠”系列之一，聚焦基于下行风险测量（VaR、CVaR）的风险缩放策略，用以应对波动率缩放策略在风险测量和管理中的不足。通过对24个发达国家及6个地区的BAB投资组合进行长周期实证研究，发现下行风险缩放策略在风险调整后的回报、夏普比率等指标上全面优于未缩放和波动率缩放策略。作者主张，该方法在风险度量更贴合实际的非正态资产收益分布情况下，能更好捕捉并管理投资组合的下行风险。[page::0,3,4]

---

2. 逐节深度解读

2.1 简介与问题提出

• 关键观点：

- 风险缩放策略以动态调整投资组合风险敞口为目的，传统为波动率缩放，使用组合收益方差作为风险代理。
- 波动率捕捉的是总体风险，而未能区分下行风险和上行收益，且在非正态收益分布下易低估真实风险。
- 本文创新将波动率替换为能衡量投资组合下行风险的VaR和CVaR，提出VaR/CVaR缩放策略。
- 该策略通过调节组合杠杆，基于历史预计的下行风险动态调整敞口，意图在风险上升时降低风险敞口，在风险降低时提高敞口。

• 支撑逻辑与文献基础：

- 多篇经典研究说明波动率缩放策略的有效性及其局限性，且资产收益率呈现负偏态和厚尾（Mandelbrot, Fama等），指导向半方差等下行风险指标转变。
- VaR和CVaR被银行监管和资产配置领域广泛采用作为下行风险衡量指标，反映极端亏损风险，更适合投资组合管理。

• 投资策略背景：

- 选用BAB（Betting Against Beta）策略作为典型低风险异常投资策略：做多低贝塔资产，做空高贝塔资产，具有市场中性特征。
- 研究框架明确，意图考察基于下行风险测度的风险缩放策略在BAB策略上的表现及优势。[page::3,4,5]

2.2 文献综述

• 论点总结：

- 波动率缩放策略自2000年代被广泛研究，且在多资产和因子排序（如Fama-French五因子、动量因子、BAB因子）中被验证。
- 然而，存在文献质疑波动率缩放策略的经济有效性，如Liu(2019)揭示前瞻偏差影响，Cederburg(2020)表明所谓提升夏普率未必能带来可实现价值。
- 下行风险研究历史悠久，CVaR被证明优于传统方差及VaR，能够管理高阶统计特征的风险。
- 本文突破在于引入时序维度的风险管理（风险缩放），区别于传统基于截面风险管理的CVaR投资策略。

• 学术贡献：

- 本文链接波动率缩放策略和下行风险指标，通过实证推进风险缩放策略理论与应用。（解决波动率缩放忽视的风险测量和管理缺陷）[page::4]

2.3 低风险投资与下行风险缩放策略构造

• 核心方法：

- 风险缩放公式：基于过去T期收益数据，定义策略收益为底层策略收益除以上一期风险度量 $\rho{t-1}$，乘以校准参数$c$，动态调整敞口。
- 改进一：引入最大杠杆限制M，防止杠杆无限增长风险。
- 改进二：为避免前瞻偏差，将校准参数$c$设为基于所有历史数据的风险水平，保证缩放和未缩放策略的无条件波动率相等。
- 风险度量指标：显著性水平$\alpha$下的VaR、CVaR，采用历史模拟法计算。其中，VaR衡量在某置信区间下可能的最大亏损，CVaR度量尾部超出VaR的平均损失，更加保守。

• BAB策略具体定义：

- BAB策略通过过去5年国家层面贝塔计算进行分组，做多低贝塔（低风险）资产，做空高贝塔（高风险）资产，并通过调整贝塔加权保持市场中性。
- 利润来源是贝塔异常：低贝塔资产收益率更优，存在低风险溢价。
- 进一步利用协方差定义下行风险，理论上如果有效管理下行风险，则BAB策略性能将提升。

• 结论：

- 理论基础充分，风险缩放在BAB策略适用性强，能够解决波动率缩放过于笼统风险度量的弊端，为低风险异常投资组合优化敞口管理提供新思路。[page::5,6]

2.4 实证设计与数据分析

• 样本数据：

- 涵盖24个发达国家、6个地区的股票市场，数据来源CRSP及XpressFeed。
- 使用日度收益数据，采用252天换算年化收益和波动率。

• 描述统计（图表2）：

- BAB策略在六个区域均实现正收益且CAPM alpha显著，表明低风险异常普遍存在。
- 收益呈现负偏态和峰度高，Jarque-Bera检验拒绝正态分布假设，支持使用下行风险指标进行风险测度。

• 风险预测及权重（图表3、4）：

- 图表3展示波动率（Vol-scaled）、VaR和CVaR的风险预测值及风险缩放权重。
- 下行风险测度预测值始终高于波动率，表明后者易低估风险。
- CVaR测度预测高于VaR，凸显其更严格的风险标准。
- 最大杠杆限制（M=2.5）下，CVaR缩放策略权重最高，波动率和VaR缩放权重无显著差异。
- 图表4显示CVaR缩放在美国及全球样本表现出更高平均权重及波动性，但周转率适中，说明适度调整风险暴露。

• 风险预测权重波动的背景逻辑：

- 通过最大杠杆控制避免过度杠杆化。
- 时间序列波动反映市场风险周期特征，动态调整体现灵活风险管理。

• 结论：

- 实证设计科学合理，风险预测和权重调整策略逻辑清晰，符合风险管理目标。[page::6,7,8]

2.5 回报来源解析（图表5、6）

• 时序分析模型：

- 回归展示滞后风险度量倒数与下一期风险度量倒数显著正相关（$\lambda1$显著），即风险具有持续性。
- 疑问：滞后风险度量倒数对未来回报预测不显著（$\gamma1$不显著），说明风险状态与未来收益不直接预测关系。

• 图表6结论：

- 按CVaR水平分组，收益率对滞后CVaR无明显单调反应，然而夏普率与滞后CVaR呈负相关，低下行风险状态对应较高的风险调整收益。
- 指示风险管理策略重在风险控制而非预测收益。

• 结论：

- 风险测度的持续性为风险缩放提供理论支持。
- 时序风险特征揭示风险缩放有调节风险暴露，改善风险回报表现的机制。[page::8,9]

2.6 样本外表现与绩效评价（图表7、8）

• 整体绩效：

- 图表7显示，VaR和CVaR缩放策略整体胜出，均值收益和夏普率均显著优于未缩放和波动率缩放（通常提升20%以上）。
- CVaR缩放表现最优，且大多数统计指标显著。（特别是在美国、全球及北美市场）
- CR指标（收益/5%-CVaR）显示下行风险缩放策略具有更优风险调整收益。
- 最大回撤（MDD）和CVaR值有时较大，原因是高杠杆带来的波动性，加权收益与风险同步上升。

• 累积回报（图表8）：

- 长期累积收益曲线明显显示下行风险缩放策略显著领先，cvR缩放策略收益约为未缩放1.4倍，表现稳健且持久。

• 结论：

- 实证强有力支持风险缩放策略提升低风险投资的投资者风险调整收益率，特别是CVaR测度。
- 波动率缩放虽有效，但存在明显劣势，因其风险测量不足。[page::9,10,11]

2.7 稳健性检验（图表9、10）

• 不同分位数形成的BAB组合：

- 分别使用10%~40%不同比例切分贝塔计算策略。
- 下行风险缩放策略在大多数分位数均显著优于未缩放和波动率缩放，结果具有稳健性。
- 收益和风险指标波动随策略调整亮起，但综合风险调整表现始终优越。

• 参数敏感性分析：

- 窗口长度m（月）是影响策略表现最大因素，短期窗口(<24个月)内表现提升，超长窗口则效果递减，反映对最新数据的敏感。
- 显著性水平$\alpha$和最大杠杆M对策略绩效影响较小，表明策略设置对这些参数较为鲁棒。

• 结论：

- 下行风险缩放策略适用范围广泛，能适应不同投资组合定义。
- 参数调整空间存在，但整体稳定有效，具有实际应用价值。[page::11,12]

---

3. 图表深度解读

图表1（文章框架）

• 内容描述：

- 图示展示研究的提出问题、文献综述、策略构造、实证结果及结论贡献。
- 直观诠释了研究逻辑与研究步骤，有助理解文章结构。

• 作用：

- 明确研究逻辑路径及核心问题解决方式，即由波动率缩放策略缺陷到风险缩放策略提出及验证。[page::3]

图表2（未缩放BAB策略描述性统计）

• 数据说明：

- 各区域BAB策略日度收益的均值（年化后）、波动率、偏度、峰度及CAPM alpha。
- 均为正收益，显著alpha，偏度负，峰度远高于正态分布的3，表现出厚尾。

• 分析含义：

- 负偏与峰度高度提示尾部风险显著，波动率作为风险指标不足。
- 支持研究将VaR/CVaR引入风险测度和管理的合理性。[page::6,7]

图表3（风险预测与策略权重）

• 顶部显示三种不同风险预测（Vol, VaR, CVaR）随时间演变：

- VaR和CVaR波动幅度和峰值均高于波动率预测，展示了后者在风险评估上的保守性不足。

• 中部显示无杠杆限制下的权重调整比率，底部则为有限杠杆（M=2.5）限制下权重。

- 分析：
- CVaR尺度下策略权重整体最高，拟反映最高风险敏感性。
- 杠杆限制削减了权重过度波动，体现实际操作性。
- 指明理论策略推广过程中杠杆控制的重要性。[page::7]

图表4（杠杆限制下策略权重统计）

• 各地区与策略的平均权重、方差和换手率详细对比

- 核心发现：
- CVaR缩放策略往往拥有最高的平均权重，且伴随较高的权重波动（方差）和相对适中的换手率。
- VaR缩放策略换手率较Vol缩放更高，显示更频繁调整。

• 结论：

- CVaR策略更积极反应风险波动，可能带来更好的风险调整收益，但也可能有更高交易成本。[page::7,8]

图表5（基准回归结果）

• 展示滞后下行风险倒数对未来风险倒数和收益的预测关系

- 关键观察：
- $\lambda1$系数在1%显著性水平显著，显示风险延续性，
- $\gamma_1$系数不显著，表明滞后风险对未来回报无预测力。

• 引申：

- 支持风险测度对调整风险敞口的重要性而非期待提升收益

• [page::8]

图表6（美国样本BAB因子时序特征）

• 用柱状图显现不同CVaR分组的平均收益、风险和夏普率变化

- 解释：
- 收益与滞后CVaR不呈显著单调关系，但夏普比率随滞后CVaR上升而显著下降。

• 结论：

- 下行风险管理策略能提升风险调整表现，但不能直接预测收益。

• [page::9]

图表7（样本期内策略表现对比）

• 详细统计指标表，涵盖均值、波动率、夏普率、偏度、峰度、最大回撤、CVaR等

- 核心发现：
- VaR和CVaR缩放策略在所有地区平均收益和夏普率均优于未缩放及波动率缩放策略，统计意义显著。
- CVaR缩放策略通常表现最优，但伴随较高的波动率和最大回撤。
- 从CR指标（收益除以CVaR）来看，下行风险缩放策略优于其他策略。

• 意义：

- 实证强力佐证基于下行风险度量的风险缩放在低风险异常组合中的有效性。[page::9,10]

图表8（累积回报表现）

• 长期表现曲线比较

- 要点：
- 下行风险缩放策略累积收益远高于未缩放，CVaR缩放尤其明显，体现超额收益持久且稳定。

• 投资启示：

- 除统计检验外，长期效益直观展现，增强投资者信心。[page::11]

图表9（不同贝塔分位数策略稳健性）

• 展示不同贝塔分位数构建的多空组合中各风险缩放策略表现

- 结论：
- 下行风险缩放策略在大部分分位数均仍优于传统策略，说明策略适用范围广泛。

• [page::11]

图表10（不同参数选择对策略表现影响）

• 对杠杆限制M，显著性水平$\alpha$，窗口长度m的敏感度分析

- 洞见：
- 窗口长度m对策略表现影响最大，太长时间窗口导致捕捉信息滞后，反而降低策略有效性。
- 显著性水平和最大杠杆变化对表现影响较小，显示策略鲁棒。

• 投资管理建议：

- 风险度量窗口宜控制在24-36个月以内，提升效率与响应速度。

• [page::12]

---

4. 估值分析

本报告为方法学与策略实证分析报告，无传统意义的估值测算或目标价设定。核心在于风险缩放策略对投资组合绩效的提升及风险管理的改进，无涉及市盈率、DCF等估值模型分析。[page::全篇]

---

5. 风险因素评估

• 报告在风险提示中指出，本研究结果基于历史数据及国外文献总结，不构成任何投资建议，投资具备风险且历史表现不代表未来表现。

- 策略风险包括：
- 历史模拟VaR/CVaR可能无法捕捉极端市场变化，预测失真；
- 杠杆限制可能不足以覆盖所有市场异常波动风险；
- 数据样本局限于发达国家，其他地区可能表现不同；
- 策略本身可能存在交易成本、滑点风险未充分计入。

• 该报告未详细讨论风险缓解战略，提示投资者谨慎评估策略适用性及执行细节。[page::0,13]

---

6. 批判性视角与细微差别

• 报告基于VaR/CVaR替代传统波动率测度提出策略，虽有较强理论与实证支持，但仍有以下潜在局限：

- 历史模拟法计算VaR/CVaR简单，但忽视多因子动态演变及市场结构变化；
- 高峰度和负偏度数据表明极端风险存在，CVaR缩放策略增加杠杆和权重波动，可能提高短期极端回撤风险；
- 最大杠杆限制设定为2.5是文献经验值，实际操作中可能需更为谨慎调整；
- 文章没有展开讨论策略实现过程中的交易成本、流动性冲击及滑点，可能导致实操表现低于理论。

• 报告中风险调整后回报指标如夏普比率提升显著，但偏度指标未见大幅改善，显示对尾部风险管理仍有提升空间。

- 文献中部分引用数据显示滞后风险预测未来表现的显著性有限，风险缩放策略收益改进主要依赖风险调整，非收益预测。

• 报告的稳健性检验充分，参数调节合理，但未涉及极端市场（如次贷危机、疫情初期）的策略表现，未来可补充这一方面。[page::4,8,9,12]

---

7. 结论性综合

本报告系统介绍并验证了基于下行风险指标（VaR和CVaR）的风险缩放策略在低风险异常投资——BAB策略中的有效性和优势。核心结论包括：

• 理论创新：风险缩放策略通过引入VaR/CVaR替代传统波动率测度，在风险度量上更精准区分下行风险和总体波动，实现动态调整组合杠杆，优化风险敞口管理。

- 策略优势：通过对24个发达国家及6个地区长周期样本的实证，风险缩放策略在均值、夏普比率及风险调整回报指标上显著优于传统波动率缩放和未缩放BAB策略，CVaR缩放效果最佳。

• 风险管理：下行风险缩放策略更有效地管理组合下行尾部风险，虽平均最大回撤和CVaR值有所增加，但以收益提升和CR指标来看整体风险调整后表现优异。

- 稳健性：策略对不同贝塔分组、参数设定均表现稳健，窗口长度是影响策略性能关键，建议中短期数据窗口优先。

• 图表洞见：

- 描述性统计（图表2）揭示低风险策略收益具有非正态特征，支持下行风险度量必要性。
- 风险预测（图表3、4）显示VaR和CVaR能更高估测风险，提供动态杠杆调整基础。
- 回归与时序表现（图表5、6）证实风险测度与未来风险持续相关，但与未来收益相关性弱，风险缩放目的在风险管理非收益预测。
- 样本期绩效（图表7、8）与稳健性检验（图表9、10）证明策略优越性和适用性。

综上，报告提出的基于下行风险的风险缩放策略为低风险投资组合构建提供了更精准和科学的风险管理工具，具有较强的理论意义和实用价值，对传统波动率缩放策略形成了有效补充和革新。

---

参考溯源

所有结论均基于文档中具体页码及图表说明，页码示例如下：

• [page::0,3,4,5,6,7,8,9,10,11,12,13]

---

备注

本报告为华安证券研究所出具，采用合法合规信息，且声明不构成投资建议。风险提示详见原文末尾相关章节。[page::14]

报告