押注低贝塔：为什么无聊的股票反而赢

核心要点

资本资产定价模型（CAPM）做出了一个明确的预测：更高的贝塔应意味着更高的回报。实际上，这一关系远比理论预测的平坦——有时甚至完全反转。Frazzini和Pedersen的BAB（Betting Against Beta）因子将这一异象形式化，表明一个做多杠杆化低贝塔股票、做空高贝塔股票的组合在美国股市中实现了约0.75的夏普比率。机制十分精妙：许多投资者面临杠杆约束，无法放大安全资产的头寸，因此转而购买高风险、高贝塔的股票来追求收益目标。这种需求压力使高贝塔资产被高估、低贝塔资产被低估，创造出持续且可利用的溢价。

平坦的证券市场线

CAPM预测贝塔与预期收益之间的关系应该是线性且陡峭的：贝塔为市场两倍的股票应获得两倍的市场风险溢价。Fischer Black早在1972年就认识到，实证的证券市场线（SML）远比CAPM预测的平坦。

这种平坦意味着高贝塔股票的实际收益低于理论预期，而低贝塔股票的收益高于预期。在风险调整基础上，无聊的低贝塔股票系统性地跑赢令人兴奋的高贝塔股票。

关键洞察在于，SML不仅仅是未能维持其预测的斜率，而是以一种特定的、有方向性的方式失效，从而创造出可交易的机会。

BAB因子的运作方式

Frazzini和Pedersen（2014）通过对市场中所有股票按估计贝塔排名，然后构建两个组合来创建BAB因子。

低贝塔组合持有贝塔最低十分位的股票，通过杠杆将贝塔提升至1.0。如果这些股票的平均贝塔为0.6，组合将使用约1.67倍杠杆。

高贝塔组合持有贝塔最高十分位的股票，通过去杠杆将贝塔降至1.0。如果平均贝塔为1.5，组合缩减至约0.67倍。

BAB因子是收益差：杠杆化的低贝塔减去去杠杆化的高贝塔，产生一个贝塔为零的市场中性组合。

美国股票表现

约0.75的夏普比率显著高于市场组合约0.4至0.5的长期夏普比率。由于BAB与市场的相关性接近零，将其加入传统股票组合时能提供显著的分散化收益。

为什么这一异象存在？

BAB因子的理论基础建立在一个核心思想上：杠杆约束。

杠杆约束机制

考虑两类投资者。第一类——养老基金、共同基金、散户投资者——面临杠杆限制。许多人被禁止借贷，大多数无法使用超过适度水平的杠杆。第二类——对冲基金、自营交易台——可以更自由地使用杠杆，但面临融资约束和保证金要求。

当第一类投资者追求特定的收益目标（比如年化8%）时，他们无法通过对安全的低贝塔股票组合加杠杆来实现。公用事业和必需消费品组合在无杠杆情况下可能回报6%。要达到8%需要1.3倍杠杆——但他们无法使用。

相反，他们购买高贝塔股票：科技、生物技术、投机性成长公司。这种需求压力推高了高贝塔股票价格，压低了预期收益。同时，被忽视的低贝塔股票维持低价。

为什么套利无法消除它

几种摩擦阻止了套利者纠正这种错误定价。

跟踪误差厌恶。 专业资产管理人相对于基准被评估。低贝塔组合对市场指数会有显著的跟踪误差，即使风险调整后收益更优，也会为管理人带来职业风险。

杠杆风险。 利用BAB因子需要多头端的杠杆和高贝塔端的做空。两者都引入了追加保证金、资金冲击和逼空等风险。

收敛缓慢。 贝塔错误定价可能持续多年，考验套利者的耐心和资金。

BAB与低波动率：有何区别？

BAB因子和低波动率异象相关但不同。

实际操作中，两者正相关——低贝塔股票通常也具有低波动率。但它们并不相同。对纯多头投资者来说，实务含义相似：向低贝塔或低波动率股票倾斜。

跨资产类别的证据

Frazzini和Pedersen研究最引人注目的方面之一是证据的广度。BAB效应不限于美国股票。

这些跨资产证据有力地支持了杠杆约束假说。

实操建议

纯多头方式

最简单的实施是向低贝塔股票的纯多头倾斜。可通过低波动率或最小方差ETF和基金实现。此方式牺牲了部分理论阿尔法（因为错过了空头端的贡献），但避免了杠杆和做空成本。

多空实施

完整的BAB实施需要对低贝塔端加杠杆并做空高贝塔端。这通常仅对机构投资者和对冲基金可行。

与其他因子的组合

BAB与价值和动量因子组合良好。三个因子的成对相关性低，因此包含BAB的多因子组合能捕获不同的收益溢价。但投资者应注意，在投机性高贝塔股票领涨的急剧市场上涨中，BAB可能显著跑输。

风险与回撤

BAB因子并非免费午餐。

杠杆风险。 杠杆化的低贝塔组合在广泛市场压力中放大损失。即使是无聊的股票在市场恐慌时也可能急剧下跌。

逼空风险。 高贝塔空头头寸可能在投机性反弹中经历剧烈逼空，如2021年初某些被大量做空的股票。

体制依赖性。 BAB在平静、温和上涨的市场中表现最佳。在投机热情驱动的激进风险偏好反弹中，高贝塔股票可能大幅跑赢，导致BAB因子受损。

拥挤。 随着更多投资者采用低波动率和BAB策略，有证据表明溢价有所收窄，特别是在流动性最好的市场。

独立回测：BAB因子逐十年表现

方法论：做多估计贝塔排名后30%的股票（杠杆至贝塔1.0），做空排名前30%的股票（去杠杆至贝塔1.0）。使用1年滚动贝塔并向1.0收缩，月度再平衡。美国股票，1927年1月至2025年12月。回报为扣除交易成本和融资费用前。

BAB因子在大多数十年中提供了强劲的风险调整回报，全样本夏普比率0.48显著高于市场的长期夏普比率约0.40。2010年代和2020年代初期标志着显著的弱化，与高贝塔超大型科技股的主导地位和低波动率策略的广泛采用相吻合。杠杆结构创造了比大多数因子组合更大的回撤，38.5%的最大回撤反映了策略内在的放大效应。

跨市场证据

Frazzini和Pedersen（2014）记录了所有主要资产类别中的BAB效应，发现一致的证据表明证券市场线不仅在美国股票中，而且在所有地方都过于平坦。Asness、Frazzini和Pedersen（2012）将此扩展，表明杠杆约束解释统一了跨资产类别的低风险异象。跨资产证据的广度将BAB与主要为股票现象的因子区分开来，并支持杠杆约束机制是资本市场的根本特征。

杠杆约束的前沿

BAB（Betting Against Beta）因子在投资因子中占据独特位置：它基于清晰的理论机制，而非纯粹的实证异象。

Black（1972）首先发现了实证证券市场线的平坦性，Frazzini和Pedersen（2014）将杠杆约束解释正式化为可交易因子。理论的优雅性与非凡的实证广度相匹配——很少有其他因子能同时在股票、债券、信用、货币和大宗商品中展示一致的溢价。

然而，收获BAB溢价的实际挑战是巨大的。杠杆结构需要持续的融资和再平衡，产生侵蚀总回报的成本。贝塔估计噪声引入换手率和潜在的错误分类。空头端面临借贷成本、做空约束和周期性逼空风险。2010年代证明，当非杠杆约束资本流入低贝塔策略时，溢价可以长期消失。

对于实践者，证据建议将BAB敞口部署为分散化多因子框架的一个组成部分，而非独立配置。与价值（Fama and French 1993）、动量（Jegadeesh and Titman 1993）和质量（Novy-Marx 2013）的低相关性使BAB成为有价值的组合分散器。通过最小方差或低波动率策略的纯多头实施，能在避免杠杆和做空成本的同时捕获溢价的有意义部分——这些成本使完整的BAB实施对大多数投资者而言不可行。异象的持续性很可能反映了杠杆约束的结构性特征——养老基金和共同基金不太可能被允许无限制使用杠杆，无论BAB溢价的文献记录有多充分。