【线索征集令！】你吐槽，我倾听；您爆料，我报道！在这里，我们将回应你的，正视你的无奈。新浪财经爆料线索征集启动，欢迎广大网友积极“倾诉与吐槽”！爆料联系邮箱： “我发现如果我拥有15-20个良好的、互不相关的回报流，我就能大大降低我的风险，同时又不减少我的预期收益。这些原则适用于所有的经营活动。无论经营宾馆、科技公司还是任何其他东西，你的业务都会产生回报流。拥有几个良好的、互不相关的回报流，要比只有一个好。而且，知道如何结合不同的回报流，要比能够选出好的回报流更有效果（不过显然你必须二者都做）。大多数投资经理没有明白这一点。他们管理单一资产类别的投资：股权管理者管理股权，债券投资者管理债券，等等。他们的客户给他们钱，是希望他们在收获此类资产的总体收益（例如标准普尔500股市指数）之外，还能通过押注、高估和低估特定资产的价值（例如买入比特定指数中更多的微软股票）取得一些额外收益。但同一资产类别内部的具体资产通常约有60%是相互联系的，这意味着在一半以上的情况下，这些资产的价值是一起上升或下跌的。一个股权投资经理把1000只存在60%相关性的股票纳入自己的资产组合，与只选择5只股票的情况相比，多样性并没有高多少。” 这是桥水基金创始人达利欧写的新书《原则》中的一段文字。以我们后文要讨论的Smart Beta指数为例，文字中所说的对回报流的选择，可以理解为如何更好地从指数成分股中选股；而对不同的回报流的结合，可以理解为如何更好地优化加权的方法。达利欧在书中提到，低相关的资产可以在不降低预期收益的情况下大大减少风险，能够有效地提高收益风险比，他将其称为“投资的圣杯”。所以，以达利欧的话来说，要获得更高的收益风险比，关键在于选取相关性较低的良好的回报流，再用比较好的方式对不同的回报流进行结合。受此，我们认为可以以指数成分股之间的相关性为切入点，研究Smart Beta指数构造过程中的选股和加权方法。 其中x_i代表第i只个股，m代表市场。由于Vol(m)对不同的个股而言是一样的，所以只考虑波动率和相关系数。在此过程中，他们证明了利用BAC因子构造的策略（做多与市场相关度低的股票和做空与市场相关度高的股票）的有效性。 在相关的讨论和文献中，我们发现低相关性因子在海外市场表现不错，且在海外低相关性的股票可以取得更高的收益。但是国内对这个因子的讨论比较少。因此，我们希望将相关性因子应用到A股市场，对该因子在A股市场中的有效性进行探究，并基于此构造Smart Beta指数。在后文的讨论中我们会看到，对A股市场而言，相关性因子的效果与海外是相反的。 2.1 高相关性、低波动与高Beta对于指数的某个成分股，我们首先考虑用它与其他各个成分股的相关系数的均值来衡量它与其他股票的相关性。我们基于中证500指数对相关性因子进行测算。调仓频率为季度调仓，在每年的1月、4月、7月和10月的第1个交易日调仓。在调仓的时候，首先我们计算每个指数成分股在过去一个季度的日收益率与其他各个成分股的日收益率的相关系数的均值（剔除过去一个季度停牌超过10个交易日的成分股），即假设第i个成分股的过去一个季度的日收益率序列为X_i （i=1,2,…,n），则该成分股的因子值CORR(i)定义如下：数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心 可以看到，与海外市场不同，在A股市场，相关性越高的一档表现越好，且从因子值最高档到最低档收益有着比较明显的单调性。为了更好地解释这种现象，我们先使用一种不同的相关性因子的定义，即指数成分股的因子值为该个股与指数过去一个季度的日收益率的相关系数。事实上，我们之前定义的相关性因子为个股与其他成分股的相关系数的等权平均；而由于指数是各个成分股的加权平均，这里定义的相关性因子即为个股与指数成分股的加权平均的相关系数。虽然两者定义不太一样，但总体上是类似的。数据来源：广发证券发展研究中心数据来源：广发证券发展研究中心 可以看到，用个股与指数的相关系数作为相关性因子，与用个股与其他个股的相关系数的均值作为相关性因子得到的5档收益是类似的。相比较之下，前者5档收益的单调性和各档之间的分层还比后者更明显。因此，在本篇报告后面的讨论中，我们都用前者来定义相关性因子和构造相应的策略。 接下a型血女人的性格来，我们通过对相关系数进行分解来解释高相关性组合表现优于低相关性组合这一现象。指数成分股与指数的相关系数的定义如下： 由于对同一指数的不同成分股，Vol(y)是相同的，我们只需考虑该个股的Beta值和波动率。所高相关性因子，其实就是高Beta和低波动的非线性组合。 高Beta策略、低波动策略分别能够比较好地抓住市场的高、低风险特性，而我们提出的高相关性策略，通过对高Beta和低波动的权衡，能够对收益和风险有更好的平衡。 为了更好地说明高相关性与低波动率、高Beta的关系，我们观察根据相关性因子值排序选出来的各档个股的波动率和Beta值。具体而言，在每个调仓日，我们先根据相关性因子值对指数成分股进行从大到小的排序，分为5档，然后在各档内部计算成分股在过去一个季度的日收益率的波动率的均值和Beta值的均值，然后对各档的值进行比较。 从上图可以看到，相关性因子选出的五档个股的波动率和Beta值都有着相对明显的单调性和区分度：相关性因子值越高的一档成分股的波动率均值越低，Beta值均值越高。 从的讨论中，我们发现前述的高相关性策略可以视为低波动率策略与高Beta策略的结合，我们认为这样的结合能够比较好地提升策略的效果。为了比较这三种不同的策略的收益，我们基于中证500指数，在每个季度的第1个交易日基于过去一个季度的数据分别计算成分股与指数的相关系数、成分股的波动率和成分股的Beta值，各因子都分为5档，分别选择高相关系数、低波动率、高Beta的一档等权构造三种不同的组合。 下表中的季度IC值是基于调仓日过去一个季度各成分股与指数的相关系数和下个季度的收益率计算的。IC均值约为0.07，IC的信息比达到1.46。 数据来源：广发证券发展研究中心我们构造1、5档多空策略，得到回测结果如下：数据来源：广发证券发展研究中心近两年表现差，通过数据分析，我们发现相关性因子与小市值因子的相关性约为56%。三、高相关性Smart Beta指数构建 我们基于中证500指数，通过高相关性因子来构造Smart Beta指数。在每个季度的第1个交易日，我们先把过去一个季度停牌超过10个交易日的成分股去掉，然后计算剩下的各指数成分股与指数的相关系数，从高到低分为5档，选出相关系数最高的一档。在之前的报告《“低风险高收益”的低波动率策略》中，我们用波动率的倒数作为权重。类似地，我们这里用相关系数为权重构造组合。数据来源：广发证券发展研究中心 从图中可以看到，中证500高相关性Smart Beta指数到2017年都表现良好，2017-2018年表现一般。从前文的因子分析中我们也可以看到，高相关性因子在2017年和2018年因子IC的方向发生了改变。 从表中可以看到，中证500高相关性Smart Beta指数在收益率、回撤等方面都优于中证500指数。 在构造Smart Beta时，以因子值（或因子值的倒数）为权重加权和等权是两种比较常见的加权方式。我们下面比较一下以相关系数为权重加权和等权这两种不同的加权方式。 可以看到，用相关系数加权和等权两种方式得到的净值曲线非常接近，几乎是重合的。通过研究，我们发现主要原因是，相关性因子第一档股票相关系数的标准差都很小。数据来源：广发证券发展研究中心 本文对相关性因子进行分析，发现相关性因子按大小排序分为5档后5档的收益有着较为明显的单调性，各档区分度较高，且有着较高的IC值和ICIR值。虽然海外的研究和实践表明，与市场低相关的股票组合要优于高相关的股票组合，但我们发现在A股市场结论是相反的，即高相关的组合明显优于低相关的组合。 我们将这种现象归因于相关系数的分解项：个股的波动率和Beta值。我们认为，高相关性策略可以视为低波动率策略与高Beta策略的结合，且发现高相关策略要明显地优于单独的低波动率或高Beta策略。 利用该因子，我们基于中证500构造了高相关性Smart Beta指数，该指数的收益率、最大回撤和胜率（季度调仓）都优于中证500。 风险提示：策略模型并非百分百有效，市场结构及交易行为的改变以及类似交易参与者的增多有可能使得策略失效。详细研究内容请见广发金工专题报告《高相关性因子与其Smart Beta指数构建——产品创新系列专题之二十一》 |