学海拾珠系列之二百四十三：基于贝塔质量的多空因子策略（BABB）

主要观点： 分析师：严佳炜执业证书号：S0010520070001邮箱：yanjw@hazq.com ⚫BAB因子改进：从单一贝塔到"好/坏"贝塔双因子 Frazzini和Pedersen（2014）提出"做空贝塔"（BAB）因子，利用低贝塔股票超额收益现象，因投资者杠杆约束导致高贝塔股票被高估。Campbell等学者将贝塔分解为现金流驱动的"坏"贝塔（永久性冲击）和折现率驱动的"好"贝塔（暂时性冲击）。本研究探讨能否通过区分二者改进BAB策略。 ⚫贝塔分解的理论与实证方法 研究基于ICAPM框架，通过VAR模型分解市场风险为现金流贝塔（坏贝塔）和折现率贝塔（好贝塔）。采用Campbell-Shiller分解方法，利用市场收益、期限利差、CAPE比率和小盘股价值利差等变量构建VAR系统，提取两类贝塔成分。其中现金流贝塔反映永久性冲击，折现率贝塔反映暂时性波动，为构建"做空坏贝塔"（BABB）策略提供理论基础。 1.《资产间相关性的时变与机制切换研究——“学海拾珠”系列之二百四十二》 2.《基于大语言模型的新型风险评估与波动率预测——“学海拾珠”系列之二百四十一》 ⚫BABB因子：改进的"做空贝塔"策略 研究提出"做空坏贝塔"(BABB)因子，在传统BAB因子基础上增加现金流贝塔(坏贝塔)筛选。实证显示BABB年化收益达15%，夏普比率1.09，显著优于BAB因子(11.4%，1.01)。该策略通过双重排序(贝塔+坏贝塔)构建组合，能更好捕捉现金流冲击带来的永久性风险溢价，且六因子回归alpha达75bps，是BAB的两倍。 3.《高阶矩视角下的投资组合优化：基于偏度与峰度的马科维茨模型拓展——“学海拾珠”系列之二百四十》 4.《基于相关性最小生成树边缘节点的分层风险平价策略——“学海拾珠”系列之二百三十九》 ⚫文献来源 5.《高维环境下的最优因子择时——“学海拾珠”系列之二百三十八》 核心内容摘选自Miguel C. Herculano于2025年6月23日在Quantitative Finance上的文章《Betting Against (Bad) Beta》。 6.《马科维茨模型中均值的最优收缩——“学海拾珠”系列之二百三十七》 ⚫风险提示 7.《基于层级动量的投资组合构建——“学海拾珠”系列之 二百三十六》 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 正文目录 1引言.......................................................................................................................................................................................................42好贝塔、坏贝塔..................................................................................................................................................................................52.1测算的理论基础.........................................................................................................................................................................52.2计量方法......................................................................................................................................................................................73BABB因子策略...................................................................................................................................................................................83.1BABB因子构建与表现..............................................................................................................................................................94稳健性检验........................................................................................................................................................................................124.1不同贝塔计算方法...................................................................................................................................................................124.2杠杆与交易成本.......................................................................................................................................................................135总结.....................................................................................................................................................................................................14风险提示：.............................................................................................................................................................................................15 图表目录 图表1文章框架--------------------------------------------------------------------------------------4图表2折现率消息与现金流消息的时间序列---------------------------------------------------------------8图表3构建BAB因子所用高三分位和低三分位组合的平均贝塔差异-----------------------------------------9图表4"做空坏贝塔"(BABB)因子的累计收益-------------------------------------------------------------10图表5BABB因子的风险收益特征---------------------------------------------------------------------11图表6BABB因子的回归结果-------------------------------------------------------------------------11图表7BABB的夏普比率-----------------------------------------------------------------------------12图表8BABB与BAB的杠杆水平----------------------------------------------------------------------13图表9因子回归分析："做空（坏）贝塔"因子的3×3双重排序--------------------------------------------14 1引言 资料来源：华安证券研究所整理 Frazzini和Pedersen（2014）提出了一个"做空贝塔"（Betting Against Beta,BAB）因子，该因子利用了与资本资产定价模型（CAPM）实证失效相关的著名低贝塔异象。其基本原理相当简单——由于低（高）贝塔股票的平均回报率高于（低于）CAPM的预测值，因此做多低贝塔资产、做高高贝塔资产的BAB因子能够产生正的CAPM阿尔法收益。作者认为，从理论上看，驱动这一现象的核心机制是投资者的融资约束。由于杠杆限制，投资者无法通过调整市场组合杠杆来匹配风险偏好，只能次优地超配高风险资产，导致高贝塔资产溢价交易而低贝塔资产折价交易。 在CAPM框架中，贝塔衡量个股相对于市场组合的风险。一个关键问题是：市场贝塔究竟是由与企业基本面相关的现金流冲击驱动，还是由反映投资者折现未来 现金流激进程度的折现率冲击驱动（Campbell和Mei，1993）。新兴研究采用Merton（1973）跨期CAPM（ICAPM）的修正版本来探讨这个问题，该模型认为投资者更关注市场现金流的永久性变化而非暂时性折现率波动（参见Campbell和Vuolteenaho（2004）；Campbell等（2010，2023））。在ICAPM中，股票要求回报率由两个独立贝塔决定：一个关联市场永久性现金流消息（"坏"贝塔），另一个关联市场折现率的暂时性冲击（"好"贝塔），后者对投资者财富的影响具有暂时性特征。 基于此，我们自然要问：通过区分"好"贝塔与"坏"贝塔，能否改进"做空贝塔"策略？我们提出创新的"做空坏贝塔"（Betting Against Bad Beta, BABB）因子，采用贝塔与"坏"贝塔双重排序构建。遵循Novy-Marx和Velikov（2022）关于等权贝塔排序可复制BAB因子的发现，我们将Frazzini和Pedersen（2014）的贝塔定义与Campbell和Vuolteenaho（2004）的"坏"贝塔测算相结合。BABB策略的核心前提是：低贝塔资产往往具有高坏贝塔特征，易受对净资产产生永久影响的现金流冲击。因此，做多低贝塔/低坏贝塔资产并做高高贝塔/高坏贝塔资产，理论上应能提升多空BAB因子的盈利能力。简而言之，本研究创新性地提出"做空坏贝塔"（BABB）因子，通过区分对现金流冲击敏感的"坏"贝塔与对折现率冲击敏感的"好"贝塔，改进了传统"做空贝塔"（BAB）策略。 我们在CRSP数据库1963年1月至2021年1月的月度数据回测显示，BABB因子表现优异。其夏普比率较BAB因子提升约800个基点，且无论采用何种因子模型基准，均能产生显著更高的阿尔法收益。但