干货 | 低波动因子选股策略：为何“躺平”跑赢了“刺激”？

嗨，我是小九。文章仅作分享，无任何投资建议。

大家五一去哪玩了呢？小九在假期研究了一个低波动因子选股策略，感觉挺有意思，拿出来和大家聊聊。

先来看看这个策略的核心——低波动因子：

“低波动因子”是量化投资和因子投资中一个非常经典的风格因子。它的逻辑有点反直觉：长期来看，低波动率的股票，回报反而比高波动率的股票更高。这在传统金融学“高风险高收益”的框架下根本说不通，所以也被称为低波动异象。

下次别人再跟你吹嘘他的股票有多“刺激”，你就可以把这幅图甩给他了。

那么，如何衡量“低波动”呢？

在构建低波动因子时，最常用的指标有两个：历史波动率 和 市场贝塔（β）。

• 历史波动率：直接计算过去一段时间（比如1年）日收益率的年化标准差，然后优选波动率最低的股票。
• 市场贝塔（β）：用来衡量单只股票对大盘的敏感度。一个低β策略，说白了就是专门挑选那些不怎么跟市场涨跌“瞎起哄”的股票，比如公用事业、必需消费品这些板块里，经常有一些“慢悠悠”的选手。

那么问题来了，为什么这种看似“躺平”的低波动策略，反而能带来超额收益呢？

这事儿，学术界和市场上有几种主流的解释：

1. 杠杆厌恶：很多像公募基金这样的机构投资者，操作上被限制不能随意加杠杆。但为了追求高收益，它们只好去追捧那些高β、高波动、看起来像“彩票”一样的股票。买的人多了，价格自然被推高，未来的收益潜力反而被透支了。而无人问津的低波动股票，因为估值相对低，反而给逆向投资者提供了潜在的超额收益空间。
2. 行为偏差：散户和部分投资者骨子里就喜欢“以小博大”，对高波动的“刺激感”有着天然的博彩式偏好。这种集体行为，也会系统性地催生高波动股票的泡沫。

当然，这些只是理论上的解释。具体效果到底怎么样，还是要自己动手，写个策略来回测一番才能见分晓。

如果你对构建这类策略的编程工具感兴趣，社区里关于 Python 的讨论和相关技术分享，或许能给你一些启发。