波动性悖论:为何低风险股票长期跑赢高风险对手?

从去年开始,“红利低波”类的产品净值稳步向上,不断新高,让很多人关注到了A股“分红高”、“波动率低”这两类股票。分红高的公司更受投资者青睐,这从基本面的角度很容易理解,那么波动率低的股票明明波动更小,那为什么涨的更好呢?
 

1、低波异象


首先,我们从一个违反错觉的现象说起:“低波异象”。传统金融理论,如资本资产定价模型(CAPM),主张投资的预期回报率与其贝塔系数(β)或市场相关风险成正比例关系。根据这一理论,承担较高系统性风险的资产应当获得较高的预期收益,而风险较低的资产则预期收益相对较低。但是,与CAPM模型的预测相反,众多学术研究的实证分析发现,在较长的时间范围内,低波动性(即低风险)股票相较于高波动性(即高风险)股票实际上展现出了更优的收益表现和更小的价格波动,这一现象被称为“低波动率异象”。

金融学领域的两位学者贝克和豪根研究了 21个发达市场和 12个新兴市场在 1990 年至2011年间低波动股票和高波动股票的表现,他们发现低波动异象是全球股市广泛存在的长期定价异常在所研究的 33 个国家或地区均存在低波动异象。此外,他们的研究还显示发达市场的低波动异象较新兴市场更强,且在他们的测试样本中,相较其他市场,A股市场的低波动异象程度很低。

在A股市场,低波动率的股票相对于高波动率的股票在大部分时间里都能跑赢,特别是在2017年之后,低波/高波的相对收益率稳定向上,至今一直长期有效。
 

85bfc4e91f8da82e91574ed308021e58

数据来源:Wind,中信建投,少数派投资

2、低波异象的原因


低波异象的构成可以从以下几个方面来理解:

1)投资者倾向于对高波动性股票过度乐观,导致这些股票被高估,而低波动性股票则可能被市场忽视,从而被低估。一些行为金融学理论认为,投资者可能因为彩票偏好、代表性偏差、过度自信等非理性行为,对高波动性股票有过度需求,而对低波动性股票需求不足。

2.)从风险补偿的角度来看,投资者可能认为低波动性股票的风险较小,因此要求的回报率较低,这可能导致这些股票的市场价格低于其真实价值。

3)在量化投资领域,低波动性因子被用作一种投资策略,通过选择波动率较低的股票来构建投资组合,以期获得稳定的收益。在欧美市场,低波动率因子的SmartBeta产品也受到投资者的广泛追捧,助推了低波动率因子的收益率。

4)相比多头操作,空头的限制较多,导致投资者对这类股票的多空交易存在不对称性,促使高波动股票的高估。该效应在做空机制不够完善的A股市场可能更加明显。

3、高波动率vs低波动率

低波异象的存在挑战了传统的金融理论,并且为投资者提供了一种可能获得超额收益的策略。然而,这种策略并非没有风险,低波动率的股票在牛市来临时往往会跑输大盘。那么作为低波动率的反面 -- 高波动率股票,他们在配置时的特色是什么?
 

投资高波动率股票也有其特定的优势和考虑因素,主要包括:
 

1)市场情绪:在市场情绪积极时,投资者可能更愿意承担风险,这时高波动率股票可能会受到追捧,从而推高其价格。在市场反弹期间,高波动率股票往往能够迅速恢复并可能提供快速的回报。
 

2)潜力更大:在某些市场周期或行业轮动中,高波动率股票可能会受益,因为投资者可能会寻求更高的风险以期获得更高的回报。高波动率股票可能更受动量交易者的青睐。高波动率股票可能在短期内提供较高的收益潜力。如果投资者能够准确预测市场走势,高波动性股票可能会带来较大的盈利空间。
 

3)基本面发生更大更长期的变革:高波动率股票往往属于市场领导者或快速增长的公司,这些公司可能在创新、市场占有率增长或行业变革中处于前沿。即使是短期波动或者回撤,但是从中长期来看,目前的价值仍然很便宜。
 

然而,高波动率股票的风险也相对较高,因此投资者在追求高收益的同时,需要对相关风险有充分的认识和准备。此外,投资高波动率股票可能需要更频繁的监控和更高的交易成本。在构建投资组合时,投资者最好还是配置更多的低波动率股票,同时,根据基本面与情绪面的变化,配置一定的高波动股票,万一“牛市”这次真的来了呢?

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/615811.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

前端笔记-day1

文章目录 01-标签的写法02-HTML的基本骨架03-标签的关系04-注释05-标题标签06-段落标签07-换行与水平线标签08-文本格式化标签09-图像的基本使用10-图像的属性12-绝对路径13-超链接14-音频15-视频标签16-招聘案例18-个人简历19-vue简介 01-标签的写法 <strong>文字内容&…

解决NVM 下载node.js慢问题->最新镜像

一、NVM 介绍 nvm是node版本管理工具&#xff0c;可以运行在多种操作系统上。这里主要记录一下在windows系统的安装和使用。 在使用过程中&#xff0c;下载其他版本时会出现下载慢或卡住或下载失败的情况&#xff0c;是因为服务器在国外&#xff0c;网络原因导致&#xff0c;…

使用socat做端口转发

最近买的云上mongo数据库但是数据库不支持外网访问&#xff0c;准备做iptables转发但是一直不成功&#xff0c;腾讯云官方给予的解释是受服务器内启动的docker影响 做iptables转发会冲突&#xff0c;所以只能另想办法&#xff0c;我发现使用socat做转发也很好用&#xff0c;所以…

3D 生成重建009-DreamGaussian使用gaussian splatting在两分钟内生成3d

3D 生成重建009-DreamGaussian使用gaussian splatting在两分钟内生成3d 文章目录 0 论文工作1 论文方法2 效果 0 论文工作 DreamGaussian是第一个使用gaussian splatting方法进行3d生成的工作。论文最先使用gaussian splatting替代原来用nerf表示3d。整体架构依然保留了原来的…

C++调用有依赖库的python函数(VS2017+WIN10+Anaconda虚拟环境)

情况1.在写的函数中依赖了能够pip的库&#xff0c;例如numpy库、torch库,见下面的函数&#xff1a; import numpy as np import torch def add1(a, b):# 确保a和b都是NumPy数组a_array np.array(a) if not isinstance(a, np.ndarray) else ab_array np.array(b) if not isins…

云贝教育 |【直播课】5月19日Oracle 19c OCM认证大师课 即将上课了!(附课件预览)

贝教育独家认证课OCM全网价格最低&#xff0c;性价比最高&#xff01;&#xff01;&#xff01; Oracle 19c OCM认证大师培训 - 课程体系 - 云贝教育 (yunbee.net) OCM部分课件预览 Oracle Database 19c Certified Master Exam (OCM) 认证大师 25 天 / 150课时 什么是Oracle 1…

利用IP地址查询解决被“薅羊毛”的方法

在互联网时代&#xff0c;随着各种网络诈骗手段的不断更新和演变&#xff0c;“薅羊毛”成为了一种常见的网络犯罪行为。其中&#xff0c;利用查询IP地址进行欺诈活动已经成为一种普遍的手段。当个人或组织的IP地址被不法分子查询后&#xff0c;可能会面临虚假注册、盗取个人信…

LLM一些适合小白的入门项目和视频

AIX 大模型专区学习&#xff08;史上最丰富&#x1f973;&#xff09; https://github.com/stay-leave/enhance_llm 图谱大哥五一写得。 【对于卷积神经网络&#xff0c;硕士博士不需要搞明白原理&#xff0c;只要会应用是这样吗&#xff1f;-pytorch/深度学习/神经网络】 htt…

系统分析师论文——论软件需求分析方法和工具的选用

现已临近2024年软考&#xff0c;周围一些报名参加系统分析师考试的“小伙伴”还未准备论文&#xff0c;我分享早年写的一些内容&#xff08;包括参加继续教育准备的论文&#xff09;&#xff0c;仅供大家结合最新考纲要求酌情参考&#xff0c;希望予人玫瑰&#xff0c;手有余香…

政安晨:【Keras机器学习示例演绎】(四十三)—— 使用 KerasNLP 实现英语到西班牙语的翻译

目录 简介 设置 下载数据 解析数据 数据标记化 格式化数据集 建立模型 训练我们的模型 解码测试句子&#xff08;定性分析&#xff09; 解码测试句子&#xff08;定性分析&#xff09; 评估我们的模型&#xff08;定量分析&#xff09; 10 个轮次后&#xff0c;得分…

声明变量的六种方法

ES6 声明变量的六种方法 varfunctionletconstclassimport 顶层对象的属性 1. ES6 声明变量的六种方法 ES5 只有两种声明变量的方法&#xff1a; var 命令和 function 命令。 ES6 除了添加 let 和 const 命令&#xff0c;还有另外两种声明变量的方法&#xff1a; import 命令和…

matlab使用教程(69)—创建包含多个 x 轴和 y 轴的图

此示例说明如何创建这样一张图&#xff0c;通过坐标区底部和左侧的轴放置第一个绘图&#xff0c;并通过坐标区顶部和右侧的轴放置第二个绘图。 使用 line 函数绘制一个红色线条。将 x 轴和 y 轴的轴线颜色设置为红色。 注意&#xff1a;从 R2014b 开始&#xff0c;您可以使用圆…

python脚本-整理vsphere虚拟机资源/批量开关机虚拟主机

1.整理vsphere中的虚拟机资源 将每一台虚拟主机所属esxi主机&#xff0c;虚拟机电源状态&#xff0c;虚拟主机ip&#xff0c;虚拟机的操作系统&#xff0c;虚拟所属文件夹&#xff0c;虚拟机的备注一一对应&#xff0c;存放到xlsx表格。 其中vsphere的目录为&#xff1a; fro…

《A data independent approach to generate adversarial patches》论文分享(侵删)

原文链接&#xff1a;A data independent approach to generate adversarial patches | Machine Vision and Applications author{Xingyu Zhou and Zhisong Pan and Yexin Duan and Jin Zhang and Shuaihui Wang}, 一、介绍 在图像识别领域&#xff0c;与数字域中的攻击相比…

【CTF MISC】XCTF GFSJ0513 pdf Writeup(PDF隐写)

pdf 菜猫给了菜狗一张图&#xff0c;说图下面什么都没有 解法 打开 pdf&#xff0c;只看见一张图片。 用浏览器搜索 flag&#xff0c;发现图片中间藏了一行字。 复制出来&#xff0c;得到 flag。 Flag flag{security_through_obscurity}声明 本博客上发布的所有关于网络攻…

物联网到底物联了个啥?——青创智通

工业物联网解决方案-工业IOT-青创智通 物联网&#xff0c;这个听起来似乎颇具科技感和未来感的词汇&#xff0c;其实早已悄然渗透到我们生活的方方面面。从智能家居到智慧城市&#xff0c;从工业自动化到医疗健康&#xff0c;物联网技术正在以其独特的魅力改变着我们的生活方式…

【深耕 Python】Quantum Computing 量子计算机(5)量子物理概念(二)

写在前面 往期量子计算机博客&#xff1a; 【深耕 Python】Quantum Computing 量子计算机&#xff08;1&#xff09;图像绘制基础 【深耕 Python】Quantum Computing 量子计算机&#xff08;2&#xff09;绘制电子运动平面波 【深耕 Python】Quantum Computing 量子计算机&…

QT学习(2)——qt的菜单和工具栏

目录 引出qt的菜单栏工具栏菜单栏&#xff0c;工具栏状态栏&#xff0c;浮动窗口 属性设计ui编辑控件添加图片 总结 引出 QT学习&#xff08;2&#xff09;——qt的菜单和工具栏 qt的菜单栏工具栏 菜单栏&#xff0c;工具栏 1QMainWindow 1.1菜单栏最多有一个 1.1.1 QMenuBar…

开发利器 - docker 安装运行 mysql

本文选择安装的mysql版本为5.7 &#xff0c;安装环境 mac 1、查看镜像是否存在 docker search mysql:5.7 2、拉取镜像 docker pull mysql:5.7 3、运行镜像 docker run --name mysql -p 3306:3306 -e MYSQL_ROOT_PASSWORDroot1234 -d mysql:5.7 --name&#xff1a;指定容器…

深入理解Linux下的网络监控工具:iftop

目录标题 1. 什么是iftop?2. 安装iftop在Debian/Ubuntu上安装在CentOS/RHEL上安装在其他Linux发行版上 3. 使用iftop监控网络流量命令行选项界面说明交互命令 4. 相关参数及说明 在维护和监控Linux服务器时&#xff0c;了解网络流量的细节非常重要。网络监控可以帮助我们诊断延…