中國股市低波動率策略研究

王志強++齊玉錄++羅衛星

摘 要： 本文從最小方差組合的視角，采用對比分析方法，考察了中國股市中低波動率組合策略的績效。經驗研究結果發現：最小方差組合具有明顯的相對績效優勢，最小方差組合的夏普比率不僅顯著高于相應的等權重組合和市值加權組合的夏普比率，而且遠遠高于同類指數組合的夏普比率；最小方差組合表現出的這種相對績效優勢在控制價值因素后仍然存在，在控制規模因素后消失，說明它與價值異象無關，與規模異象有關。進一步研究發現，采用波動率加權的方法構建組合無助于提升組合的績效，而簡單用部分低波動率股票構建組合就能夠顯著提升組合的績效。

關鍵詞： 中國股市；低波動率策略；最小方差組合；波動率異象

中圖分類號： F83091 文獻標識碼： A

文章編號： 1000176X（2015）09003509

一、引 言

就單個股票而言，Ang等[1-2]的經驗證據顯示，波動率或異質波動率較高的股票其未來收益率較低，他們將這種負向關系稱為波動率異象。為了降低組合換手率，Blitz和Vliet[3]采用長期波動率度量指標代替短期波動率度量指標，結果發現不僅高波動率股票具有較低的未來收益率，而且低波動率股票具有特別高的未來收益率，并將其稱之為低波動率效應。

在股票組合方面，由于組合可以對單只股票的風險起到分散作用，即單只股票的波動率不能通過線性組合構成投資組合的風險，更多的研究采用協方差矩陣作為風險的度量進行進一步的分析[4]。根據馬科維茨資產組合理論，當給定資產組合的期望收益時，可以通過調整組合內單個資產的權重使風險最小化，但是在將該方法引入資產組合特質波動率與組合收益率研究時，存在著預期收益難以準確估計和最優權重對預期收益敏感的問題。為了解決這一問題，人們將研究的重點轉向具有組合權重與預期收益無關的最小方差組合。結果顯示，最小方差組合中存在波動率異象。

對于中國股市，大部分研究結果表明中國股市中存在股票收益與其波動率之間的負相關關系，即存在波動率異象。然而，這些研究主要集中于個股收益與其波動率之間的關系研究上，而對于最小方差組合的構造也僅限于理論上的推導，并未給出最小方差組合的構造方法和組合收益與風險的分析。鑒于此，本文嘗試通過構造中國股票市場中最小方差組合，研究該組合是否存在波動率異象并探討異象存在的原因。

二、相關文獻綜述

股票收益與其特質波動率之間的相關關系在理論上是有爭議的。Miller[5]認為，股票的特質波動率越高，股票超出市場均衡價格的可能性和幅度越大，在賣空限制和投資者具有意見分歧的條件下，股票超出市場均衡價格后，樂觀者還是會買入，悲觀者卻由于做空限制而無法賣空以糾正被高估的股價，股價就會被高估，日后的收益率應該越低，因此，股票收益與其特質波動率之間呈現負相關關系。與此相反，Merton[6]從供求關系角度研究了股票收益與其特質波動率之間的相關性，他認為，由于各種原因導致非系統性風險不能被充分分散，故而投資者不僅對系統性風險要求風險溢價，同時也會對非系統性風險要求相應溢價，因此，股票收益與其特質波動率之間呈現正相關關系。

理論上的分歧得到了很多經驗證據的證實。支持股票收益與其特質波動率之間呈現正相關關系的經驗證據有：Goyal和Santa-Clara[7]以CAPM模型為判斷基準，發現特質波動率與股票收益率之間正相關；Fu[8]采用EGARCH模型估計特質波動率，也得到了股票收益與其特質波動率之間具有明顯的正相關關系。支持股票收益與其特質波動率之間呈現負相關關系的經驗證據有：Bali等[9]認為Goyal和Santa-Clara的結果與其樣本選擇有關，若將樣本區間延長或采用不同類的股票進行分析，則股票收益與其特質波動率之間不存在正相關關系；Ang等[2]采用Fama-French三因子模型的估計殘差序列的標準差作為波動率的度量指標，結果發現特質波動率與股票預期收益之間有顯著的負相關關系，高特質波動率組合未來有低收益，低特質波動率組合未來有高收益，并且市場波動風險、流動性、動量、偏度和杠桿等因素都不能解釋這一現象；Bali等[10]以投資者偏好彩票類股票的現實情況為依據，研究發現過去一個月中最大日收益率與股票預期收益之間存在顯著的負向相關關系，即若以最大日收益率作為波動率的度量指標，則波動率與預期收益之間表現為負相關關系。

對于特質波動率之謎的檢驗與分析，Bali和Cakici[11]從度量特質波動率的方法、數據頻率、形成組合的分組方式等角度檢驗特質波動率之謎存在的穩健性。Jiang等[12]研究了特質波動率、公司未來的利潤沖擊、股票預期收益三者之間的關系，發現特質波動率與公司未來的利潤沖擊及股票預期收益之間均存在負向關系，并且特質波動率對收益的預測能力由未來利潤相關的信息決定，即特質波動率之謎由公司選擇性的披露經營信息導致的。Huang等[13]以收益的短期反轉現象來分析特質波動率之謎，認為月收益率的一階負自相關可能導致了波動率與收益之間的負向關系。Chabi-Yo[14]利用隨機貼現因子解釋特質波動率溢價的來源，在控制了非系統偏斜度因子后，特質波動率與預期收益之間不再存在顯著的負相關關系。

對于股票組合收益率與其波動率之間的關系，Haugen和Baker[15]的實證結果表明，按照市值加權計算的市場組合并非是有效的，換言之，存在一個異于市場組合的其它組合，在收益率相同的前提下，波動率小于市場組合。Clarke等[4]用美國股票市場1968年1月—2005年12月的月度數據構造最小方差組合，通過與市場組合（Russsll1000大盤指數）比較，結果發現最小方差組合收益略高于市場組合，但最小方差組合的風險（收益的標準差）卻遠小于市場組合，約為市場組合的75%，這表明最小方差組合中存在波動率異象。

對于中國股市，相關問題的研究主要集中在兩個方面：一是個股收益與其波動率之間關系的經驗分析；二是最小方差組合邊界的理論推導。在股票收益與其波動率之間關系方面，多數的研究表明中國股市股票收益與其特質波動率之間存在明顯的負相關關系。左浩苗等[16]對中國股市特質波動率與橫截面收益率的關系進行了經驗探討，發現二者存在明顯的負相關關系，但是控制了表征異質信念的換手率后，這種負相關關系消失了。張玉龍和李怡宗[17]研究發現，中國市場中特質波動率與收益率存在顯著的負向關系，進一步通過對流動性靜態和動態兩個渠道的分析，發現流動性是驅動特質波動率與收益率負相關系的重要因素。王志強等[18]采用組合價差比較分析法和回歸分析方法，考察中國股票市場中股票收益率與其波動率之間的關系，經驗證據顯示中國股票市場存在明顯的波動率異象，即低波動率的股票未來收益顯著大于高波動率股票的未來收益，持續時間長達36個月，且這種波動率異象是有別于規模、價值異象、反轉異象和換手率異象的另一種股市異象。

在最小方差組合邊界方面，朱玉旭和黃潔綱[19]從分析最小方差組合證券入手研究了均值方差有效組合證券的精確邊界，推出了N種風險證券的有效均值方差組合及投資選擇數學模型。張丹松和李馨[20]則從分析最小方差組合證券集入手，研究了均值方差有效組合證券邊界的性質，并且對有效組合證券結構的統計特性進行了分析驗證。蘇咪咪和葉中行[21]討論了在方差—協方差矩陣半正定條件下，馬科維茨均值—方差最優化投資組合模型的求解問題，利用主成分分析法得到了解析解。同樣面對收益的協方差矩陣為奇異矩陣時，安中華[22]通過利用收益率的主成分和二次凸規劃的求解方法，給出了問題的解析表達式。

綜上，中國現有的相關研究存在以下不足：第一，僅從理論角度推導了最小方差組合的構造和分析了最小方差組合的性質，但是并沒有從經驗上對組合的收益率與其波動率進行分析，無法確認最小方差組合的實際收益和風險。第二，現有文獻對于最小方差組合的構造僅給出了理論的解析解，但并未給出具體的構造方法。第三，僅考察了個股收益與其特質波動率或波動率之間的相關關系，考慮到構造組合之后會分散掉部分個股的風險，因此，現有的研究結論并不適用于股票組合收益與其波動率之間關系。

三、數據與方法

1樣本選擇

本文研究所需要的數據有：A股股票的月度收益率、月初市值和賬面市值比，月度無風險收益率和上證180指數月度收益率等數據。為了與上證180指數組合進行比較，本文中我們選取的樣本區間為2002年7月至2014年7月。同時，為了能估計樣本股票收益的協方差矩陣，需要選擇出的股票在每個月均有之前50個月的歷史月度收益數據，因此，要剔除不滿足該數據要求的股票。其中，A股股票月度收益率、月度無風險收益率和上證180指數月度收益率等數據來自國泰安CSMAR數據庫，而股票市值和賬面市值比財務數據來自Wind數據庫。

2數據處理

樣本區間內每個月，我們按照如下四個步驟處理相關數據：

第一步，將上市A股所有股票按照市值從大到小排序，選出市值最大的180只股票，按照市值加權構建組合，用該組合代替市場組合。由于下文估計協方差矩陣需要每只股票在每個月份的超額收益率，為此我們計算每只股票的超額收益率（實際收益率-無風險收益率）以及組合的超額收益率。

第二步，基于這180只股票的前50個月歷史超額收益率R= [rit -fit]180×50，計算樣本協方差矩陣Ω=RR′。與一般意義上的樣本協方差的計算不同，這里我們沒有在每只股票的超額收益率中減去其時間序列均值，也沒有除以其樣本觀測值個數，根據French等[23]的研究結論，這種計算方法不影響最終結果。

第三步，使用主成分分析法和貝葉斯減縮法，估計樣本的調整協方差矩陣。眾所周知，構建最小方差組合中的最優化問題需要樣本協方差矩陣具有可逆性，但是上述方法求得的Ω并不滿足可逆性的要求，因為收益率觀測值個數（T=50）遠小于組合中股票個數（N=180）。為此，我們需要對協方差矩陣Ω進一步處理，使其滿足可逆性的要求。本文中，我們采用主成分分析法和貝葉斯減縮法兩種方法估計調整協方差矩陣。

第四步，將估計得出的調整協方差矩陣代入最優化模型中，計算得到不同約束條件下最小方差組合的最優權重。

3 協方差矩陣估計方法：主成分分析法和貝葉斯減縮法

主成分分析方法（Principal Components，PC）。本文中，我們采用Connor和Korajczyk[24]提出的漸近主成分分析方法。首先，基于T×T階的股票收益交叉乘積矩陣R′R（而非樣本協方差矩陣RR′）的特征值分解，選取K個最大特征值對應的特征向量，構成K×T階的因子收益矩陣F；其次，基于回歸方程R=B′F+E，估計K×N階的因子風險暴露矩陣B，并計算N×T階的殘差矩陣E；最后，基于K個風險因素模型計算主成分分析方法版的調整協方差矩陣ΩPC。

根據回歸分析，因子風險暴露矩陣B和殘差矩陣E分別為：

B=（FF′）-1FR′ （1）

E=R-B′F （2）

根據風險因素模型，主成分分析方法版的調整協方差矩陣為：

ΩPC=B′（FF′）B+diag（EE′） （3）

其中，diag（#）表示矩陣對角化函數。

本文中，我們提取的是5個主成分，即K=5，將得到的5個特征向量用于估計后續的因子收益矩陣F、因子風險暴露矩陣B和殘差矩陣E。由于K×K階的因子收益協方差矩陣FF′可逆，且殘差協方差矩陣EE′可對角化，因此，調整協方差矩陣ΩPC是可逆的。

貝葉斯減縮法（Bayesian Shrinkage，BS）。本文中，我們采用Ledoit和Wolf[25]提出的貝葉斯減縮法。首先，基于樣本協方差矩陣Ω計算貝葉斯先驗協方差矩陣Ωprior；其次，基于最小化估計協方差矩陣（即貝葉斯先驗協方差矩陣與樣本協方差矩陣之間的加權平均）與總體協方差矩陣之間的距離，求出貝葉斯減縮因子λ（0<λ<1）；最后，計算貝葉斯減縮方法版的調整協方差矩陣ΩBS。

貝葉斯先驗協方差矩陣Ωprior的對角線元素與樣本協方差矩陣Ω的對角線元素一樣，其非對角線元素（i，j）由平均的樣本相關系數計算得出：

ΩBS（i，j）= σiiσjj =[ 2 N（N-1） ∑ N-1 i=1 ∑ N j=i+1 σij σiiσjj ] σiiσjj （4）

其中， 表示樣本相關系數ρij（i>j）的平均值，σij表示樣本協方差矩陣Ω的元素（i，j）。

經最優化求解，貝葉斯減縮因子λ為：

λ= SUM[SQ（R）SQ（R）′]-SUM[SQ（Ω）]/T SUM[SQ（Ω-Ωprior）] （5）

其中，SQ表示對矩陣元素求平方的矩陣函數，SUM表示矩陣元素平方和函數。

于是，貝葉斯減縮方法版的調整協方差矩陣為：

ΩBS=λΩprior+（1-λ）Ω （6）

4 最小方差組合構建法：馬科維茨組合法

馬科維茨資產組合理論應用的一個前提是在求各資產的權重之前需要估計資產的期望收益率，但是理論研究和實證研究均表明最優權重對期望收益率預測的微小擾動十分敏感，換言之，期望收益率的預測值與實際值的微小差距，會造成權重與真實值差別巨大。然而，最小方差組合處于均值方差有效前沿的最左端，具有資產在組合中所占的權重與其期望收益率無關的特殊性質，因而可以保證計算出的最小方差組合具有較高的可靠性。

不允許賣空條件下的最小方差組合優化問題的數學表示如下：

min x x′∑x

st x′ι=1

x≥0 （7）

其中，∑表示股票組合內各資產收益間的協方差矩陣，x表示組合中各股票所占權重的縱向量，約束條件x′ι=1（ι為單位縱向量）表示各資產權重之和等于1，約束條件x≥0表示各資產權重均為非負（即不允許賣空）。

將采用主成分分析法和貝葉斯減縮法估計得到的調整協方差矩陣ΩPC和ΩBS分別替代∑，求解式（7）即可得出不允許賣空條件下的最小方差組合權重。據此，我們可以計算最小方差組合的未來收益以及收益的時間序列均值、標準差和夏普比率。

四、經驗結果與分析

1最小方差組合策略的收益與風險

在樣本區間內的每個月初，我們挑選出符合數據條件的180只最大市值的股票，分別運用主成分分析方法和貝葉斯減縮方法，估計得到調整的協方差矩陣，在此基礎上根據馬科維茨的投資組合模型，構造最小方差投資組合，并計算出該組合在未來一個月超額收益率的均值、標準差和夏普比率。為了便于比較和對照，我們同時計算出這180只最大市值股票的等權重組合和市值加權組合收益的均值、標準差和夏普比率，以及由規模大、流動性好、行業代表性強的股票構成的上證180指數組合的均值、標準差和夏普比率。具體結果如表1所示。

表1中的結果顯示，第一，180只最大市值股票組合（包括等權重和市值加權）策略的績效明顯好于上證180指數組合。180只最大市值股票組合（包括等權重和市值加權）的夏普比率（033）顯著高于上證180指數組合的夏普比率（019），夏普比率提高了74%，原因在于相對于上證180指數組合，180只最大市值股票組合的收益（等權重和市值加權分別為085%和084%）顯著提高而風險卻沒有明顯增加（保持在30%的水平）。第二，基于180只最大市值股票的最小方差組合的績效又進一步得到提升?；?80只最大市值股票的最小方差組合（主成分分析法PC和貝葉斯減縮法BS兩種估計法下）的夏普比率（051）顯著高于180只最大市值股票組合（包括等權重和市值加權）的夏普比率（033），夏普比率提高了55%，這一績效的提高不僅是來自于收益的增加（從1020%、1010%增加到1380%、1340%），而且還來自于風險的下降（從3080%、3040%下降到2680%、2610%），盡管風險下降的幅度（大約16%）小于收益增加的幅度（大約34%）。

表1中的經驗結果顯示的是組合在短期內（1個月）的表現，下面考察組合收益和風險的長期表現。圖1左半部分顯示了最小方差組合與市場組合（上證180指數）自2002年7月至2014年7月共145個月內累計超額收益。樣本期期初，兩者的累計收益率相差不大，但是隨著時間的推移，最小方差組合的累計超額收益率逐漸高于市場組合，并且收益的差距呈現擴大的趨勢，說明最小方差組合的持續盈利能力是要高于市場組合的。

圖1 最小方差組合（實線）與市場組合（虛線）的累計收益率（左）和風險（右）比較

圖1左半部分顯示了最小方差組合與市場組合（上證180指數）在4年（48個月）內超額收益的標準差的比較。從圖1中可以看出，最小方差組合的標準差在絕大多數月份都小于市場組合，而且隨著時間的推移，標準差的差距呈現出擴大的趨勢，截至2014年7月，最小方差組合的標準差（5%）與市場組合的標準差（6%）相比降低了約17%。由此可以說明，長期內最小方差組合的風險低于市場組合的風險。

2最小方差組合與市場組合的差異性分析：基于市值和價值因子的視角

眾多國內外相關經驗證據顯示[26-27]，股票的異常收益主要與市值、價值（賬面市值比）和動量三個因素有關?？紤]到中國股票市場并不存在月度動量效應[28]，因此，本文僅從市值和價值兩個方面考察最小方差組合與市場組合的差異性。

為了分析最小方差組合與市場組合的差異性，需要比較兩個股票組合的市值和賬面市值比。我們之前選擇上證180指數作為市場組合，但是由于該指數的成分股一直處于變動之中，變動周期短且幅度較大，對其市值和賬面市值比的分析較為困難，因此，我們選擇180只最大市值股票的市值加權組合作為市場組合的替代組合進行分析。

首先，采用標準化賦分方法比較最小方差組合與市場組合在市值和賬面市值比兩個方面的差異。以市值為例，標準化賦分方法將組合的市值賦分值zscore定義組合的加權市值與等權重市值之差除以組合的市值標準差，即：

zscoret= size w，t -sizea，t stdsize，t （8）

其中， sizew，t=∑ N i=1 ωi，tsizei，t 表示組合的加權平均市值， sizea，t= 1 N ∑ N i=1 sizei，t 表示組合的等權重平均市值， stdsize，t= ∑ N i=1 ωi，t（sizei，t-sizea，t）2 表示組合的市值標準差；sizei，t表示第t個月第i只股票的市值；ωi，t表示第t個月第i只股票在組合中的權重。

類似地，可以計算組合的賬面市值比的標準化賦分值。最小方差組合與市值組合的市值和賬面市值比的標準化賦分值如圖2所示。根據圖2左半部分，最小方差組合的市值小于市場組合的市值，最小方差組合的高收益低風險可能與其市值小于市場組合的市值有關，由此可以初步推斷中國股票市場中存在的波動率效應可能與規模效應有關。根據圖2右半部分，在2008年之前最小方差組合的賬面市值比高于市場組合，但是在2008年之后最小方差組合的賬面市值比卻比市場組合小，這種大小的不一致性說明最小方差組合的高收益低風險可能與其賬面市值比因子無關。

圖2 最小方差組合（實線）與市場組合（虛線）的市值賦分（左）和賬面市值比賦分（右）

其次，采用有約束最優化方法比較最小方差組合與市場組合在市值和賬面市值比兩個方面的差異。為了剔除市值和賬面市值比對最小方差組合的影響，我們分別將市值約束和賬面市值比約束加入到構造最小方差組合的優化算法中，考察重新構造的最小方差組合是否存在高收益低風險的波動率異象。如果剔除某個因素之后，波動率異象消失，則說明波動率異象是由該因素引起的。

加入市值或賬面市值比的約束條件之后，最優化問題的數學表示如下：

其中，Y′為組合中個股的市值或賬面市值比；ymarket為市場組合的加權平均市值或賬面市值比。

據此，我們可以構建出市值約束和賬面市值比約束下的最小方差組合，并計算出約束條件下最小方差組合收益的均值、標準差和夏普比率，具體結果如表2所示。

從表2可以看出，當對賬面市值比進行約束時，也就是剔除賬面市值比的影響后，最小方差組合的收益率依然明顯高于市場組合收益，標準差也明顯低于市場組合的標準差，說明了賬面市值比因素并不是波動率異象的原因，這與上一部分得到的結論是一致的；而當對組合進行市值約束時，即剔除了市值因素的影響之后，最小方差組合的收益均值與標準差均略低于市場組合，夏普比率與市場組合基本一致，也就是說，剔除市值因素之后，波動率異象不復存在，市值因素是波動率異象存在的主要原因，這與上一部分得到的結論也是一致的。

表2 有約束和無約束條件下最小方差組合的收益與風險估計結果

組 合 月度收益（%） 年化收益（%）

均 值 標準差 均 值 標準差 夏普比率

180只最大市值股票市值加權組合（代替市場組合） 084 877 1010 3040 033

最小方差組合PC

最小方差組合BS 無約束 115 774 1380 2680 051

市值約束 065 837 780 2890 027

賬面市值比約束 109 777 1310 269 049

無約束 112 754 1340 2610 051

市值約束 073 799 880 2770 032

賬面市值比約束 103 763 1240 2640 047

3最小方差組合與低波動率組合的比較分析

理論上，Clarke等（2011）基于一個單因素模型，推導得出不允許賣空條件下最小方差組合的解析解，其結果顯示是股票的市場

SymbolbA@ 值而不是股票的異質波動波決定股票在最小方差組合的權重，最小方差組合中股票的最優權重與其市場

SymbolbA@ 值呈反向相關。這一結論為我們構建低波動率組合提供了重要思路和方法?？紤]到本文主要關注于低波動率組合策略，以及股票的市場

SymbolbA@ 值與其波動率正相關，我們采用兩種波動率加權方法構建部分低波動率組合：一是用波動率的倒數（1/標準差）的占比進行加權；二是用市值/標準差的占比進行加權。根據Clarke等（2011）的研究結論，理論上這種波動率加權組合策略的績效應該與最小方差組合策略的績效一致。

經驗上，王志強等[18]發現中國股票市場中存在非常明顯的波動率異象，即低波動率股票的未來收益顯著大于高波動率股票的未來收益。因此，采用部分低波動率股票構建的低波波動組合相對于全部股票構建的組合應該具有更優的績效。為了便于比較和對照，我們從180只最大市值股票中選出90只低波動率股票，用三種方法構建低波動率組合：一是等權重組合；二是波動率倒數加權組合；三是市值/標準差加權組合。

表3中的結果顯示，第一，相對于等權重組合和市值加權組合而言波動率加權組合的績效沒有顯著提升。兩個180只最大市值股票波動率加權組合的夏普比率分別為037和032，而180只最大市值股票等權重組合和市值加權組合的夏普比率都是033，兩者之間沒有明顯差異；兩個90只小波動率股票波動率加權組合的夏普比率分別為050和047，而90只小波動率股票等權重組合的夏普比率分別為049，兩者之間也沒有明顯差異。第二，相對于等權重組合和市值加權組合而言部分低波動率股票組合的績效有顯著提升。相對于180只最大市值股票等權重組合，90只小波動率股票等權重組合的夏普比率提升了48%（從033提高到049），基本上接近于180只最大市值股票最小方差組合的夏普比率051。

五、總結與討論

針對當股票個數大于收益率觀測個數時樣本協方差矩陣奇異的現實問題，首先，本文分別運用主成分分析法和貝葉斯減縮法估計出調整的樣本協方差矩陣，在此基礎上構建最小方差組合；其次，通過對比分析，分別比較了最小方差組合與市場組合（包括等權重組合和市值加權組合）、指數組合（上證180指數組合）在收益和風險方面的差異性，并分別采用標準化賦分方法和有約束最優化方法，探討了最小方差組合的績效優勢來源；最后，采用比較分析方法，考察了波動率加權組合策略和部分低波動率股票組合策略與最小方差組合策略的績效差異性。結果發現：

第一，最小方差組合具有明顯的相對績效優勢，最小方差組合的夏普比率不僅顯著高于相應的等權重組合和市值加權組合的夏普比率，而且遠遠高于同類指數組合（上證180指數組合）的夏普比率。這一結果與Clarke等[4]得到的經驗證據一致，它表明中國股市中最小方差組合表現出一定的波動率效應。因此，本文的經驗結果與該馬科維茨的投資組合理論相悖，不支持股票組合的收益與其風險具有正相關關系的結論。

第二，最小方差組合的相對績效優勢與規模異象有關。在控制價值因素后最小方差組合的夏普比率仍然相對較高，在控制規模因素后最小方差組合的相對較高的夏普比率不復存在，這說明最小方差組合表現出的波動率異象與價值異象無關，與規模異象有關。這一結果與Clarke等[4]得到的經驗證據不完全一致。Clarke等[4]的經驗證據顯示，最小方差組合的高夏普比率與價值異象和規模異象有關，在控制價值因素和控制規模因素后最小方差組合的夏普比率有所下降，但是仍然高于市場組合（市值加權組合）的夏普比率，說明美國股市中最小方差組合表現出的波動率異象不完全由價值異象和規模異象解釋。我們認為，中國股市中最小方差組合表現出的波動率異象與價值異象無關、與規模異象有關可以理解，因為很多經驗證據顯示價值因素對股票收益的影響作用很小、規模因素對股票收益的影響作用很大； 但是中國股市中最小方差組合表現出的波動率異象是否能夠完全被規模異象解釋還需要進一步深入仔細研究。

第三，波動率加權無助于提升組合的績效，而部分低波動率股票組合能夠顯著提升組合的績效。波動率加權沒有提升組合的夏普比率，說明我們的經驗證據不支持Clarke等[4]的理論結論，其原因是否在于波動率不能替代市場

SymbolbA@ 值，有待進一步研究；部分低波動率股票組合能夠顯著提升組合的夏普比率，且與全部樣本股票的最小方差組合的夏普比率較為接近，這與王志強等[18]得到的經驗證據較為一致?？紤]到最小方差組合的構建存在協方差矩陣估計困難、最小方差組合面臨較大的各種風險因素等問題，我們建議，構建低波動率股票組合代替最小方差組合在可操作性方面更具有現實性。

參考文獻：

[1] Ang， A， Hodrick， R J， Xing， Y，Zhang， X The Cross-Section of Volatility and Expected Returns[J] The Journal of Finance， 2006， 61（1）： 259-299

[2] Ang， A， Hodrick， R J， Xing， Y，Zhang， X High Idiosyncratic Volatility and Low Returns： International and Further US Evidence[J] Journal of Financial Economics， 2009， 91（1）： 1-23

[3] Blitz， D ，van Vliet， PThe Volatility Effect： Lower Risk Without Lower Return[J] Journal of Portfolio Management， 2007， 34 （1）， 102-113

[4] Clarke， RG，de Silva， H， Thorley， S Minimum-Variance Portfolios in the US Equity Market[J] Journal of Portfolio Management， 2006，33（1）：10-24

[5] Miller， EM Risk， Uncertainty， and Divergence of Opinion[J] Journal of Finance， 1977， 32（4）： 1151-1168

[6] Merton， RC Presidential Address： A Simple Model of Capital Market Equilibrium with Incomplete Information[J] The Journal of Finance， 1987， 42（3）： 483-510

[7] Goyal， A，Santa-Clara， P Idiosyncratic Risk Matters[J]The Journal of Finance， 2003， 58（3）： 975-1008

[8] Fu， F Idiosyncratic Risk and the Cross-Section of Expected Stock Returns[J] Journal of Financial Economics， 2009， 91（1）： 24-37

[9] Bali， T G ，Cakici，N， Yan， X， Zhang， Z Does Idiosyncratic Risk Really Matter？ [J]The Journal of Finance，2005， 60（2）：905-929

[10] Bali， T G， Cakici， N， Whitelaw， RF Maxing out： Stocks as Lotteries and the Cross-Section of Expected Returns[J] Journal of Financial Economics， 2011， 99（2）： 427-446

[11] Bali， T G， Cakici， N Idiosyncratic Volatility and the Cross-Section of Expected Returns[J] Journal of Financial and Quantitative Analysis， 2008， 43（1）： 29-58

[12] Jiang， G J， Xu， D， Yao， T The Information Content of Idiosyncratic Volatility[J] Journal of Financial and Quantitative Analysis， 2009， 44（1）： 1-28

[13] Huang， W， Liu， Q， Rhee， SG Return Reversals， Idiosyncratic Risk， and Expected Returns[J] Review of Financial Studies， 2010， 23（1）： 147-168

[14] Chabi-Yo，F Explaining the Idiosyncratic Volatility Puzzle Using Stochastic Discount Factors[J] Journal of Banking and Finance， 2011， 35（8）： 1971-1983

[15] Haugen， R， Baker， N The Efficient Market Inefficiency of Capitalization-Weighed Stock Portfolios[J] Journal of Portfolio Management， 1991， 17（3）：35-40

[16] 左浩苗， 鄭鳴， 張翼 股票特質波動率與橫截面收益：對中國股市特質波動率之謎的解釋[J] 世界經濟， 2011（5）： 117-135

[17] 張玉龍， 李怡宗 特質波動率策略中的流動性[J] 金融學季刊， 2014，（1）： 57-86

[18] 王志強， 吳風博， 黃芬紅 中國股市波動率異象的存在、持續性和差異性[J] 財經問題研究， 2014，（9）： 45-53

[19] 朱玉旭， 黃潔綱 最小方差組合證券集及其特性分析[J] 系統工程理論方法應用， 1996，（2）： 52-60

[20] 張丹松， 李馨 最小方差組合證券集的性質[J] 數學的實踐與認識，2003，（9）： 68-74

[21] 蘇咪咪， 葉中行 方差—協方差矩陣奇異情況下的最優投資組合[A] 中國運籌學會第七屆學術交流會論文集[C]Globd-Link出版社，2004286-291

[22] 安中華 奇異協方差矩陣的最優投資組合選擇[J] 武漢化工學院學報， 2004，（3）： 82-85

[23] French， K，Schwert， G W， Stambaugh， R Expected Stock Returns and Volatility[J] Journal of Financial Economics， 1987， 19（1）： 3-25

[24] Connor， G， Korajczyk， R Risk and Return in Equilibrium APT： Application of a New Test Methodology[J] Journal of Financial Economics， 1988， 21（2）： 255-289

[25] Ledoit， O， Wolf， M Honey， I Shrunk the Sample Covariance Matrix[J] Journal of Portfolio Management， 2004，30（2）： 110-119

[26] Fama， E F，French， K R Common Risk Factors in the Returns on Stocks and Bonds[J] Journal of Financial Economics， 1993， 33（1）： 3-56

[27] Carhart， M M On Persistence in Mutual Fund Performance[J]The Journal of Finance， 1997， 52（1）： 57-82

[28] 王志強， 王月盈， 徐波， 段諭 中國股市動量效應的表現特征[J] 財經問題研究， 2006，（11）， 46-55

[29] Clarke， RG， de Silva， H， Thorley， S Minimum-Variance PortfolioComposition[J] Journal of Portfolio Management， 2011， 37（2）： 31-45

[30] Kuo， L，Li， F An Investors Low Volatility Strategy[J] Journal of Index Investing， 2013， 3（4）： 1-15

（責任編輯：孟 耀）