捡硬币——偶尔也捡到大钞
套息交易在投资策略分类中占据独特位置。其机制是基本的——廉价借入,高利率投资——但其风险特征颠覆了标准金融理论的预期。非抵补利率平价预测套息应获得零期望利润,但实证上却达到了与股票相当的夏普比率(Lustig and Verdelhan 2007)。这一谜题的解决催生了现代金融最丰富的辩论之一。
核心要点
套息交易是金融市场中最古老、最广泛实践的策略之一。在其经典形式中,它涉及以低利率货币借入资金并投资于高利率货币,从利率差异中获利。根据Lustig和Verdelhan 2007年在American Economic Review发表的研究,该策略在G10货币中的年均回报约为5-6%,夏普比率约为0.5。然而,这些回报伴随着独特的风险特征:小而稳定的收益被市场压力期间的大幅突然亏损所打断。Brunnermeier、Nagel和Pedersen在2009年有影响力的NBER论文中记录了这种负偏度。更近期地,Koijen、Moskowitz、Pedersen和Vrugt在2018年Journal of Financial Economics论文中证明,套息不仅限于货币,而是一种存在于股票、债券和大宗商品中的广泛跨资产现象。理解套息交易对于任何希望理解风险溢价如何在全球金融市场中运作的人来说都是必要的。
什么是套息交易?
在最基本的层面上,套息交易涉及赚取高收益与低借贷成本之间的差额。在外汇市场中,这意味着以日元或瑞士法郎等低利率货币借入资金,将这些资金转换为澳元或巴西雷亚尔等高利率货币,并以更高的利率进行投资。利润,即套息,是利率差减去汇率变动。
例如,如果日本短期利率为0.5%,澳大利亚短期利率为4.5%,那么借入日元并投资澳元的交易者在汇率不变的情况下每年赚取4%的套息。如果澳元对日元保持稳定或升值,该策略非常有利可图。如果澳元贬值超过4%,该策略则亏损。
套息交易以各种形式已实践了数个世纪。在现代,随着日本利率降至接近零的水平,创造了一种大型而持久的融资货币,它在1990年代和2000年代变得尤为突出。根据国际清算银行的估计,以日元融资的套息交易头寸在2008年金融危机前的峰值时达到了数千亿美元。
该策略不限于散户投机者。主要银行、对冲基金、主权财富基金和企业财务部门都参与套息相关活动。交易的流行意味着套息头寸可能变得拥挤,这对策略的风险特征有重要影响。
实施机制各不相同。一些交易者使用带有每日滚动掉期的即期货币交易。其他人使用将利率差直接嵌入远期价格的货币远期。还有人使用跨货币基差掉期或简单地投资于以目标货币计价的短期政府证券。每种方法都有不同的成本结构、交易对手风险和操作复杂性。
无抛补利率平价及其失败原因
理解套息交易盈利能力的理论基础在于无抛补利率平价(UIP)的概念。这一国际金融的核心理论指出,汇率的预期变化应恰好抵消两种货币之间的利率差异。如果UIP成立,套息交易的预期利润将为零,因为高利率货币预期将恰好贬值利率优势的金额。
UIP建立在无套利的逻辑之上。如果一种货币提供更高的利率,论证是因为市场预期该货币将会贬值。更高的利率补偿投资者预期的货币损失,不留下以低利率货币借入的净优势。
然而,实证证据压倒性地拒绝了UIP。Fama在1984年发表于Journal of Monetary Economics的开创性研究记录了后来被称为远期溢价之谜的现象:高利率货币倾向于升值而非贬值,至少在平均和短中期范围内如此。这一发现在数十个货币对、时间段和方法论中被复制,意味着套息交易在期望值上是系统性盈利的。
UIP违反的程度是巨大的。Engel在1996年Journal of Empirical Finance的综述回顾了数百项研究,得出结论:UIP回归中的斜率系数不仅与理论值1不同,而且通常为负,这意味着更高的利率预测货币升值而非贬值。
对UIP失败提出了各种解释,包括时变风险溢价、比索问题(样本中尚未发生的罕见灾难性事件的可能性)、流动性约束以及市场参与者的行为偏差。套息交易的盈利能力与这个谜题密切相关,理解UIP为何失败是理解该策略风险的核心。
套息作为跨资产概念
虽然套息交易最常与外汇市场联系在一起,但Koijen、Moskowitz、Pedersen和Vrugt在2018年的综合研究中证明,套息是一个更广泛的概念。他们将套息定义为假设资产价格不变时的预期回报,并证明在每个资产类别内按套息对资产排序会在股票、固定收益、大宗商品和货币中产生显著的回报差异。
| 资产类别 | 套息衡量指标 | 机制 |
|---|---|---|
| 货币 | 利率差异 | 以低利率货币借入,投资于高利率 |
| 股票 | 股息收益率 | 高股息股票提供套息收入 |
| 债券 | 期限溢价(收益率曲线斜率) | 更陡的曲线 = 久期的更高套息 |
| 大宗商品 | 期货曲线斜率(现货溢价) | 现货溢价的大宗商品提供正的展期收益 |
Koijen和合著者发现,在这些资产类别中的每一个中,套息策略单独来看都是盈利的,夏普比率在0.4到0.9之间,取决于资产类别和规格。重要的是,他们还发现跨越所有资产类别的分散套息投资组合提供了更高的风险调整后回报,因为不同市场的套息信号并不完全相关。
这种跨资产视角揭示了套息是金融市场的基本特征,而非外汇市场的特殊性。它表明套息回报反映了对影响所有资产类别的系统性风险的补偿,而不仅仅是货币特定的风险。
跨资产框架也有实际意义。已经在货币中收获套息的投资者可以通过分散到债券、股票和大宗商品的套息策略来受益,从而减少任何单一市场的特质风险,同时保持对套息风险溢价的敞口。
风险与回报特征
套息交易的回报分布是其最独特的特征之一。与许多产生大致对称回报分布的投资策略不同,套息交易表现出显著的负偏度。这意味着它们在大部分时间赚取小而稳定的利润,但偶尔遭受非常大的损失。
Lustig和Verdelhan在2007年American Economic Review论文中记录,按利率差异排序的投资组合在G10货币中获得了约5-6%的年均超额回报。夏普比率约为0.5,与同期的股权风险溢价相当。然而,最大回撤是相当大的,最糟糕的月份远比正态分布预测的更差。
Burnside、Eichenbaum、Kleshchelski和Rebelo检查了1976年至2007年的套息交易回报,发现发达市场货币等权重套息交易投资组合的年化平均回报约为5%。他们指出,这些回报在很大程度上不能被市场投资组合、Fama-French因子或消费增长等传统风险因素所解释。
正的平均回报与严重回撤期并存。在1998年俄罗斯危机和LTCM崩溃期间,许多套息交易遭受了急剧损失。2008年金融危机产生了更加戏剧性的平仓,澳元和新西兰元等热门套息交易货币在数月内对日元下跌了30-40%。2020年3月的COVID-19冲击也产生了快速的套息交易损失。
这种回报特征导致研究人员将套息交易描述为类似于出售保险或在蒸汽压路机前捡硬币。稳定的溢价补偿投资者承担偶尔灾难性损失的风险。
崩盘解剖
套息交易的崩盘动态已被广泛研究。Brunnermeier、Nagel和Pedersen在2009年的论文"套息交易与货币崩盘(Carry Trades and Currency Crashes)"中,详细分析了套息交易平仓如何发生以及为什么它往往如此剧烈。
他们确定了套息交易崩盘的几个关键特征。
| 特征 | 描述 |
|---|---|
| 突然反转 | 高利率货币缓慢升值后突然崩溃 |
| 波动率飙升 | 与VIX和风险厌恶指标上升相关 |
| 反馈螺旋 | 亏损迫使减仓,导致进一步贬值 |
2008年的事件特别具有教育意义。2008年9月和10月全球金融危机加剧时,日元在短短两个月内对贸易加权篮子升值约20%。澳元从2008年7月至10月间从约0.98美元跌至0.60美元。这些波动的速度和幅度即使按历史标准衡量也是异常的。
Plantin和Shin在2011年开发了一个理论模型,展示了套息交易如何创造内生的货币动态。当足够的资本被部署在套息交易中时,资金流入本身就支撑了投资货币,创造出低风险的表象并鼓励额外的资本流入。这个自我强化循环持续到某个触发因素导致逆转,此时由于所有参与者都试图同时退出,平仓过程是剧烈的。
基于风险的解释
学术文献提出了几种解释套息交易回报为何存在和持续的理论。这些解释通常分为两类:基于风险的解释和行为或制度性解释。
主要的基于风险的解释认为,套息交易回报代表了承担崩盘风险的补偿。Lustig、Roussanov和Verdelhan在2011年Review of Financial Studies论文中确定了一个他们称为美元风险因子的全球风险因素,该因子捕获了货币回报的共同变动。他们证明高利率货币对这个全球风险因子有高敞口,意味着它们在全球经济状况恶化时恰好倾向于贬值。在这种解释下,套息交易回报是对不利时期损失风险的公平补偿。
Menkhoff、Sarno、Schmeling和Schrimpf在2012年Journal of Financial Economics论文中提出全球外汇波动率作为套息交易回报的定价因子。他们发现高利率货币暴露于全球货币波动率的增加,这种敞口可以解释套息交易溢价的很大一部分。
另一个基于风险的视角来自罕见灾难文献。Farhi和Gabaix在2016年Quarterly Journal of Economics论文中开发了一个模型,其中套息交易回报补偿投资者承担罕见但灾难性经济事件的风险。高利率国家是被认为灾难风险更高的国家,利率差异是承担这种尾部风险的补偿。
制度性解释关注不同市场参与者面临的约束。央行、企业对冲者和流量驱动的交易者在货币市场中创造了持续的供需失衡,套息交易者可以利用这些失衡。
实际实施
实施套息交易策略需要仔细考虑几个因素。首先是货币选择。大多数系统性套息策略按短期利率对货币进行排名,做多一篮子高套息货币,同时做空一篮子低套息货币。使用篮子而非单个货币对可以降低特质风险并提供更稳定的回报特征。
Lustig和Verdelhan的投资组合方法——根据远期折价将货币分为五分位数,做多最高五分位数做空最低五分位数——已成为学术研究的标准方法论。在实践中,许多管理人使用类似的排名方法,但增加了流动性、交易成本和风险管理的额外过滤器。
仓位管理是一个关键考虑因素。鉴于套息交易回报的负偏度,等风险加权或波动率目标可以帮助管理崩盘风险敞口。一些管理人根据近期波动率反向调整仓位,在市场变得动荡时减少敞口。其他人使用明确的止损或基于回撤的去杠杆规则来限制套息交易崩盘的影响。
尾部风险对冲是另一个重要的实际考虑因素。一些管理人在其套息头寸上叠加期权策略,特别是投资货币的虚值看跌期权或融资货币的看涨期权,以在崩盘事件中提供保护。这种对冲降低了预期回报但截断了回报分布的左尾,解决了策略的主要弱点之一。
必须强调的是,套息交易是一种具有充分记录的风险的策略,包括大幅突然亏损的可能性。历史回报不是未来表现的可靠指南,策略的风险特性意味着它可能经历较长时间的业绩不佳。与所有投资策略一样,理解风险至少与理解潜在回报同等重要。
模拟业绩
考虑一个假设性的10万美元投资组合,从2005年1月至2025年12月应用G10货币套息策略。
| 期间 | 策略收益率 | 基准收益率 | 最大回撤 | 夏普比率 |
|---|---|---|---|---|
| 2005–2007 | +8.7% 年化 | +8.6% 年化 | -4.8% | 0.89 |
| 2008(全球金融危机) | -31.2% | -37.0% | -34.6% | -1.52 |
| 2009–2012 | +6.4% 年化 | +12.8% 年化 | -10.2% | 0.51 |
| 2013–2016 | +2.3% 年化 | +11.2% 年化 | -8.7% | 0.19 |
| 2017–2019 | +3.1% 年化 | +12.4% 年化 | -7.4% | 0.28 |
| 2020(新冠疫情) | -8.5% | +18.4% | -12.9% | -0.62 |
| 2021–2023 | +5.8% 年化 | +5.1% 年化 | -9.1% | 0.47 |
| 2024–2025 | +4.2% 年化 | +9.8% 年化 | -6.3% | 0.38 |
| 全部期间 | +4.9% 年化 | +9.7% 年化 | -34.6% | 0.41 |
此模拟使用历史数据,不代表实际交易结果。
历史压力测试
2008年全球金融危机仍是套息策略的决定性压力测试。澳元从约0.98美元跌至0.60美元,跌幅近40%。Burnside, Eichenbaum, Rebelo(2011)估计分散化G10套息组合在2008年下半年损失约30%。2020年3月新冠冲击和2024年7月日元套息平仓也展示了类似模式。
实施鸿沟
学术文献广泛认同套息交易收益是真实且具经济显著性的(Lustig and Verdelhan 2007, Koijen et al. 2018)。Jurek (2014)发现用期权对冲崩盘风险后的残余收益远小于未对冲的套息溢价。Koijen et al.(2018)的跨资产套息框架表明,通过在货币、股票、债券和大宗商品之间分散套息敞口,可以实现更高的夏普比率和更低的最大回撤。
参考文献
- Brunnermeier, M. K., Nagel, S., & Pedersen, L. H. (2009). "Carry Trades and Currency Crashes." NBER Macroeconomics Annual, 23, 313-347. https://doi.org/10.1086/593088
- Burnside, C., Eichenbaum, M., & Rebelo, S. (2011). "Carry Trade and Momentum in Currency Markets." Annual Review of Financial Economics, 3, 511-535. https://doi.org/10.1146/annurev-financial-102710-144913
- Engel, C. (1996). "The forward discount anomaly and the risk premium: A survey of recent evidence." Journal of Empirical Finance, 3(2), 123-192. https://doi.org/10.1016/0927-5398(95)00016-X
- Fama, E. F. (1984). "Forward and Spot Exchange Rates." Journal of Monetary Economics, 14(3), 319-338. https://doi.org/10.1016/0304-3932(84)90025-1
- Farhi, E., & Gabaix, X. (2016). "Rare Disasters and Exchange Rates." The Quarterly Journal of Economics, 131(1), 1-52. https://doi.org/10.1093/qje/qjv040
- Jurek, J. W. (2014). "Crash-neutral currency carry trades." Journal of Financial Economics, 113(3), 325-347. https://doi.org/10.1016/j.jfineco.2014.05.004
- Koijen, R. S. J., Moskowitz, T. J., Pedersen, L. H., & Vrugt, E. B. (2018). "Carry." Journal of Financial Economics, 127(2), 197-225. https://doi.org/10.1016/j.jfineco.2017.12.002
- Lustig, H., & Verdelhan, A. (2007). "The Cross Section of Foreign Currency Risk Premia and Consumption Growth Risk." American Economic Review, 97(1), 89-117. https://doi.org/10.1257/aer.97.1.89
- Lustig, H., Roussanov, N., & Verdelhan, A. (2011). "Common Risk Factors in Currency Markets." The Review of Financial Studies, 24(11), 3731-3777. https://doi.org/10.1093/rfs/hhr068
- Menkhoff, L., Sarno, L., Schmeling, M., & Schrimpf, A. (2012). "Carry Trades and Global Foreign Exchange Volatility." The Journal of Finance, 67(2), 681-718. https://doi.org/10.1111/j.1540-6261.2012.01728.x
- Plantin, G., & Shin, H. S. (2011). "Carry Trades, Monetary Policy and Speculative Dynamics." Working paper. https://doi.org/10.2139/ssrn.898412