一、低波动因子概述
什么是低波动因子？
低波动因子，说白了就是一个选股标准——专门挑那些价格波动小的股票。
我习惯这么定义它：低波动因子是指股票过去一段时间内收益率的标准差（或方差）较低。你想想看，波动率低的股票，涨跌幅度通常比较温和，不会动不动就涨停跌停。
在量化投资里，我们通常用这么几个指标来衡量波动率：
- 历史波动率：过去N天收益率的标准差
- 贝塔系数：股票相对于市场的敏感度
- 特异波动率：剔除市场因素后的剩余波动
我个人习惯用过去252个交易日的日收益率标准差，也就是一年的数据。为什么？因为数据量够大，统计上更稳定。
核心定义：低波动因子 = 做多低波动股票 + 做空高波动股票的投资组合策略
为什么低波动股票能跑赢市场？
这个问题我当年刚入行时也困惑过。按常理说，高风险应该对应高回报才对。但现实狠狠打了脸——低波动股票长期来看，收益反而更高。
为什么会这样？主要有三个解释：
- 彩票效应：投资者喜欢买那些波动大的股票，幻想一夜暴富。就像买彩票一样，明知道中奖概率低，还是忍不住。这种非理性行为推高了高波动股票的价格，压低了它们的未来收益。
- 机构投资者的约束：很多基金经理有业绩排名压力，不敢买那些"太稳"的股票。万一市场涨了你的组合不动，客户会骂你。这种职业风险导致机构扎堆买高波动股票，反而让低波动股票被低估。
- 杠杆限制：理论上，如果你能加杠杆，低波动股票可以通过杠杆放大收益。但现实中散户和机构都有杠杆限制，没法这么操作。结果就是低波动股票被"折价"交易。
我在项目中遇到过一件事：2018年A股大跌，我们回测了一个低波动因子策略，当年竟然只跌了3%，而沪深300跌了25%。嗯，那次之后我对低波动因子的信心就彻底建立起来了。
避坑指南：我曾经以为低波动因子在任何市场都有效，后来发现它在牛市中会跑输大盘。因为牛市里大家都在追涨，低波动股票涨得慢。但拉长到3-5年周期，低波动的优势就出来了。
低波动异象的发现历史
低波动异象的发现，其实挺有意思的。最早可以追溯到1970年代。
| 时间 | 研究者 | 核心发现 |
|---|---|---|
| 1972年 | Black, Jensen, Scholes | 低贝塔股票的实际收益高于CAPM模型的预测值 |
| 1975年 | Haugen, Heins | 低波动股票长期收益高于高波动股票 |
| 2006年 | Ang, Hodrick, Xing, Zhang | 特异波动率与未来收益呈负相关 |
| 2011年 | Baker, Bradley, Wurgler | 系统性地解释了低波动异象的行为金融学原因 |
我记得最震撼的是Ang等人在2006年的那篇论文。他们发现，如果你把股票按特异波动率分成5组，最高波动率那组的年化收益比最低组低了将近12%。这个差距太大了，大到让人怀疑人生。
你想想看，如果这个结论是对的，那传统的"高风险高收益"理论就站不住脚了。实际上，后来的研究也证实了这一点——低波动异象在全球主要市场都存在，包括美国、欧洲、日本，还有咱们A股。
我2015年刚接触量化时，第一件事就是把A股的数据拉出来跑了一遍。结果发现，从2005年到2015年，A股低波动组合的年化收益比高波动组合高了大约8%，夏普比率更是翻了一倍。当时我就知道，这条路走对了。
注意：低波动异象不等于"买波动最低的股票就能赚钱"。它说的是一个统计规律，需要组合投资、长期持有才能体现。单只股票的低波动可能只是暂时的。
知识体系框架
下面这张图，是我梳理的低波动因子核心知识结构。你可以把它当作整个课程的地图：
这张图把低波动因子的五个核心维度串起来了。从定义到解释，从历史到应用，再到风险控制，每个环节都值得深挖。后面的章节，我会逐一展开讲。
嗯，这一章就到这里。记住一句话：低波动因子不是让你赚快钱的，它是让你稳稳地赚钱的。