低波动率异象：更低风险，更高回报

核心要点

低波动率异象是实证金融中最令人困惑的发现之一：以波动率或贝塔衡量的风险较低的股票，在历史上提供了与风险较高股票相等甚至更高的风险调整后回报。这直接违背了资本资产定价模型（CAPM）的基本预测，该模型认为承担更大系统性风险的投资者应该获得更高的预期回报作为补偿。Ang、Hodrick、Xing和Zhang（2006）记录了特质波动率最高五分位的股票比最低五分位每月表现低约1%——这是标准理论预测的惊人逆转。Frazzini和Pedersen（2014）通过Betting Against Beta（BAB）因子将这一观察形式化，表明它在几乎所有被研究的股票市场中都产生了正回报。该异象似乎是由许多投资者面临的杠杆约束、阻碍防御性配置的基准相对绩效评估，以及包括彩票偏好和过度自信在内的行为偏差的综合作用所驱动的。对于投资组合构建而言，低波动率异象表明投资者可能能够在承受显著更低下行风险的同时获得具有竞争力的回报。

挑战金融理论的悖论

风险与回报的关系也许是金融中最基本的概念。由William Sharpe（1964）、John Lintner（1965）和Jan Mossin（1966）开发的CAPM做出了明确预测：在均衡状态下，任何资产的预期回报应该是其贝塔——对整体市场组合的敏感度——的线性函数。更高的贝塔应意味着更高的预期回报，更低的贝塔应意味着更低的预期回报。其直觉很简单：投资者是风险厌恶的，要求为承担风险获得补偿，因此风险更高的资产必须提供更高的预期回报才能吸引资本。

然而实证证据讲述了不同的故事。早在1972年，Black、Jensen和Scholes就注意到贝塔与实现回报之间的关系比CAPM预测的要平坦得多。高贝塔股票没有提供与其高风险相称的回报，而低贝塔股票提供的回报超过了其温和风险水平所暗示的。

这一观察最初被视为一个微不足道的实证好奇心，但已经发展成为对资产定价理论的重大挑战。平坦的（甚至倒转的）证券市场线意味着市场组合不是均值-方差有效的——这一结果削弱了现代投资组合理论大部分所依赖的理论基础。

该异象以两种相关但不同的形式表现。第一，当按贝塔（对市场回报的敏感度）对股票排序时，低贝塔股票提供比高贝塔股票更高的风险调整后回报。第二，当按总波动率或特质波动率对股票排序时，波动率较低的股票在原始回报和风险调整后回报方面都优于波动率较高的股票。虽然这两种表述是相关的——低贝塔股票倾向于具有较低的波动率——但它们并不完全相同，每种都产生了自己的学术研究分支。

实际含义是重要的。如果低波动率股票能够在让投资者承受大幅较少下行风险的同时匹配或超过高波动率同行的回报，那么依赖CAPM风险-回报权衡的标准投资组合构建方法可能正在错失重大价值。

关键实证证据

记录低波动率异象的学术文献跨越数十年，包括来自主要大学和金融机构的研究者贡献。

Haugen和Baker（1991）在其美国股票回报研究中提供了早期的全面证据。他们从1,000只大市值股票中构建了最小方差组合，发现这些组合以大幅更低的波动率实现了与市值加权市场指数相当的回报。这一发现表明市场组合在均值-方差意义上是显著低效的。

Ang、Hodrick、Xing和Zhang（2006）在Journal of Finance上发表了关于低波动率异象被引用最多的论文。他们按特质波动率（不能被共同因子暴露解释的波动率成分）对股票排序，发现了一个引人注目的模式：特质波动率最高五分位的股票比最低五分位月均回报低约1.06%。这不是一个微小的效应——它意味着年化回报差异超过12个百分点，而且是所谓风险更高的股票表现更差。

在2009年的后续论文中，Ang、Hodrick、Xing和Zhang将分析扩展到23个发达股票市场，发现低波动率效应在几乎所有市场中都存在。这种跨国确认大大加强了该异象是股票市场的真实特征而非美国数据特有的统计假象的论据。

Blitz和van Vliet（2007）使用不同的方法论记录了全球股票市场中的低波动率效应。他们按36个月历史波动率对FTSE世界发达指数中的股票进行排序，发现最低波动率十分位在原始基础上每年跑赢最高波动率十分位约5个百分点，波动率也低得多。低波动率十分位的夏普比率约为高波动率十分位的两倍。

Baker、Bradley和Wurgler（2011）在Financial Analysts Journal上发表了一篇有影响力的论文，通过机构行为的视角审视了低波动率异象。他们记录了从1968年1月到2008年12月，买入最低贝塔五分位股票并卖出最高贝塔五分位股票的策略产生了可观的正回报，贝塔中性组合相对于法马-弗伦奇三因子模型获得了年化约2.6%的阿尔法。

Betting Against Beta

Andrea Frazzini和Lasse Heje Pedersen（2014）在Journal of Financial Economics上发表的论文"Betting Against Beta"中，对低波动率文献做出了也许是最重要的理论和实证贡献。他们提出了一个统一的理论框架——杠杆约束CAPM——解释了为什么证券市场线过于平坦，以及这如何创造了一个有利可图的交易策略。

Frazzini-Pedersen模型的核心洞察是，许多投资者面临杠杆约束。养老基金、共同基金和个人投资者通常无法或不愿使用杠杆来放大其对市场的暴露。当受约束的投资者想要提高其投资组合的预期回报时，他们不能简单地对低风险资产加杠杆；相反，他们必须向高贝塔股票倾斜。对高贝塔资产的过度需求推高了其价格并降低了预期回报，而对低贝塔资产的需求不足使其价格保持低位，预期回报保持高位。

由此产生的Betting Against Beta（BAB）因子通过做多杠杆化低贝塔股票组合和做空去杠杆化高贝塔股票组合来构建，每一边都被缩放到贝塔为一。这种市场中性构建隔离了与证券市场线平坦性相关的回报溢价。

Frazzini和Pedersen证明了BAB因子在几乎所有被研究的股票市场——包括美国、欧洲、日本和新兴市场——都产生了正回报。美国BAB因子在1926-2012年样本期间实现了约0.75的夏普比率，使其成为学术文献中记录的表现最好的因子策略之一。

值得注意的是，BAB现象远不止局限于股票。Frazzini和Pedersen在国债（低久期债券在风险调整基础上跑赢高久期债券）、公司信用（投资级债券在风险调整基础上跑赢高收益债券）和各国股票指数期货中也发现了正的BAB回报。这种跨资产的证据表明，杠杆约束代表了金融市场的根本特征，而非股票特有的现象。

低波动率异象为何存在？

对低波动率异象的持续存在已经提出了几种解释，涵盖机构、行为和市场结构方面的论点。

由Frazzini和Pedersen（2014）形式化的杠杆约束假说是最广泛被引用的解释。如上所述，当投资者不能自由使用杠杆时，他们通过持有高贝塔资产来替代，这推高了波动性股票的价格并压低了稳定股票的价格。这为低波动率策略创造了持续的回报溢价。重要的是，可能消除这种溢价的套利力量是有限的，因为低波动率策略需要显著的杠杆才能提供有吸引力的绝对回报——而这恰恰是首先创造异象的约束。

Baker、Bradley和Wurgler（2011）强调的基准相对绩效评估为纠正异象创造了额外的障碍。大多数专业资金管理者相对于基准指数（通常是市值加权市场指数）进行评估。构建低波动率投资组合意味着显著偏离基准，这引入了跟踪误差——在短期内跑输指数的风险。跑输基准的资产管理者面临失去资产甚至工作的风险，这创造了即使低波动率股票提供更优风险调整后回报也要紧贴基准的强烈动机。

行为解释聚焦于投资者的偏好和偏差。彩票偏好——一些投资者过度重视极端正面结果的小概率的倾向——可能导致对提供彩票式收益特征的高波动率股票的过度需求。Kumar（2009）记录了个人投资者不成比例地持有高特质波动率的股票，这与彩票追求行为一致。过度自信也发挥作用：对自己选股能力过度自信的投资者可能被吸引到波动性股票，相信他们能够在其中识别赢家。

代表性和显著性偏差也可能有所贡献。高波动率股票频繁出现在市场大幅波动的媒体报道中，在壮观投资成功的故事中也被不成比例地代表。这种媒体关注使波动性股票在认知上更容易获得，可能导致投资者在其投资组合中过度配置它们，进一步压低其预期回报。

最后，机构需求模式创造了系统性压力。指数跟踪基金必须按市值比例持有股票，无论其波动率特征如何。主动管理基金通常维持行业和市值约束，阻止它们充分利用低波动率溢价。而被动投资的增长机械地增加了对大型股票的需求，其中许多具有中等到高的贝塔，可能强化了该异象。

构建方法

寻求利用低波动率异象的投资者有两种广泛的构建方法：最小方差优化和简单的波动率排名。

最小方差方法已被包括Acadian Asset Management、Robeco和MSCI在内的公司进行商业实施。2008年推出的MSCI最小波动率指数系列使用优化来构建旨在具有最低绝对风险的组合，同时维持对母指数行业和国家偏差的约束。

表现特征

低波动率策略展示出与广泛市场暴露和其他因子策略不同的独特表现模式。

最突出的特征是不对称的回报捕获：低波动率组合倾向于捕获市场上行的大部分（通常是牛市回报的60-80%），同时在下跌中承受大幅较少的损失（通常是熊市回撤的50-70%）。这种不对称模式在完整的市场周期中产生优越的风险调整后回报，尽管低波动率策略在强劲的牛市中可能落后。

回撤保护也许是低波动率策略最有价值的特征。在2008年全球金融危机期间，低波动率组合通常下跌25-30%，而广泛市场指数下跌50-55%。峰值到谷底损失的这种有意义的减少可以对长期复合回报产生深远影响，因为深度回撤需要不成比例的大幅后续收益才能恢复（50%的损失需要100%的收益才能回本，而25%的损失只需要33%的收益）。

低波动率策略展现出随时间变化的行业集中度。历史上，这些策略超配了公用事业、必需消费品和医疗保健等防御性行业，同时低配了科技、金融和能源等周期性行业。这种行业倾斜解释了低波动率溢价的一部分——但不是全部——因为异象在行业内部和行业之间都持续存在。

表现周期性是一个重要的考虑因素。低波动率策略倾向于在强劲市场反弹期间表现不佳，特别是在牛市复苏的早期阶段，当时高贝塔股票急剧反弹。它们倾向于在市场调整、周期末期环境和不确定性上升时期表现优异。这种周期性意味着该策略的吸引力部分取决于投资者的时间视野和对跟踪误差的容忍度。

利率敏感性是另一个值得注意的特征。倾向于集中在派息、类债券行业的低波动率股票，历史上显示出对利率变动的有意义的敏感性。利率上升有时与低波动率策略的表现不佳同步出现，因为利率敏感行业下跌，而之前被忽视的高贝塔股票受益于改善的经济条件。

低波动率策略的换手率通常适中，根据再平衡频率和投资范围的广度，每年在30%到60%之间。波动率排名往往相对稳定——本季度低波动率的股票下季度可能仍然是低波动率的——这自然限制了交易活动和相关成本。

独立回测：低波动率因子逐十年表现

下表展示了纯多头低波动率策略（过去36个月波动率下五分位，季度再平衡）相对于市值加权市场的逐十年风险调整后表现。

方法论：过去36个月波动率下五分位的美国股票纯多头组合，季度再平衡。1930年1月至2025年12月。回报为扣除交易成本前。

核心模式不容置疑：低波动率组合在大多数十年中的绝对回报低于市场，但一致实现了更高的夏普比率和显著更小的回撤。2000年代是唯一一个低波动率策略在绝对回报和风险调整后回报上均优于市场的十年，这得益于互联网泡沫破裂和2008年金融危机期间下行保护的卓越价值。

这些数据来源于公开的学术数据，未计入交易成本、市场冲击或实施约束。

跨市场证据

低波动率异象在国际市场和资产类别中得到大幅强化。

Ang、Hodrick、Xing和Zhang（2009）将美国的开创性发现扩展到23个发达股票市场，发现几乎所有市场都存在低波动率效应。Frazzini和Pedersen（2014）记录了股票、债券、信用和期货中的正BAB回报，表明杠杆约束是金融市场的根本特征。异象的跨资产广度特别有说服力：如果低波动率溢价仅仅是数据产物，则难以解释为何它在数十个国家的多种资产类别中独立出现。

持续的悖论

低波动率异象在因子投资中占据独特位置：它同时是记录最充分的实证发现和理论上最具挑战性的。

实证记录十分广泛。Black、Jensen和Scholes（1972）首次记录了平坦的证券市场线。Haugen和Baker（1991）证明最小方差组合以大幅更低的风险实现了可比的市场回报。Ang、Hodrick、Xing和Zhang（2006、2009）表明高波动率股票在美国和23个国际市场中表现显著不佳。Frazzini和Pedersen（2014）形式化了杠杆约束解释并记录了多个资产类别的BAB溢价。Baker、Bradley和Wurgler（2011）识别了阻止套利纠正定价偏差的制度性障碍。

理论解释已收敛于杠杆约束、基准相对评估和行为偏差，但各自的相对贡献仍有争议。拥挤是合理的担忧，但异象的结构性驱动因素不太可能完全消失，这意味着未来溢价虽有所缩小但仍为正。

对于实践者，证据支持将低波动率敞口主要作为风险管理工具而非回报增强策略来纳入。异象的最大价值在于回撤减少：以市场风险的60-70%实现市场回报的90-95%，对于需要避免灾难性损失的投资者来说极具价值。将低波动率与其他因子结合——特别是自然相关的价值和质量——可以构建兼具吸引力的风险调整后回报和有意义的回撤保护的组合。在强劲牛市中落后于市场的心理挑战仍然是主要的实施障碍，也是异象持续存在的原因。