导言

高风险获得高收益，低风险获得低收益，似乎是投资中的“常识”。我们刚入行做投资，都会听到一句术语：“盈亏同源”。甚至许多人只看收益，不断在高风险的投资中“搏杀”。然而，通过大量的数据研究，我们竟然发现低风险投资部仅仅风险低，而且收益率很高。

今天分享的是AQR的深度报告，他们从各个方面把BAB(Bet Against Beta)策略进行了回撤，发现这种低风险投资在不同年份，不同资产中都获得了很好的风险调整后收益。本文从五个真相和五个误解的角度，和大家分析低风险投资的好处。我们对本文做了翻译，也希望给大家带来帮助！

正文

主要结论：

1、低风险投资策略，无论看是样本内还是样本外表现，在历史上都实现了较高的风险收益比；

2、低风险投资策略适用于各类资产投资，包括股票，政府债券和信用债等；

3、统计学的风险量化指标（如beta系数）和侧重基本面的风险量化指标（如盈利的稳定性）都可以用来衡量低风险投资。

观点摘要：

低风险投资策略在过去的十年间在市场上得到了很大的关注。这篇文章试图阐释关于低风险投资策略的5个事实以及市场对它的5个误解。

5个事实：低风险投资策略  1）在历史上获得显著的收益率；2）样本外结果显著有效；3）在不同国家和资产间同样适用；4）它有经济理论的支撑；5）该策略在市场下行时收益率可能为负。

5个误解：1）低风险投资策略相较于基于其他风险因子溢价模型的策略收益表现偏弱；2）组合的表现很大程度上受个别类债券行业的影响；3）该策略受交易成本影响较大且只适用于小盘股投资；4）太贵以至于未来很难实现高收益；5）CAPM风光不再，低风险投资策略当然也黯然失色。这句话其实是自相矛盾的，如果CAPM理论被抛弃，那么低风险投资策略更应该大放异彩。

图1：低风险（Beta）的收益率要优于高风险（Beta）投资

从简单的字面意思看，低风险投资策略就是买预期风险小的证券。同其他风险因素模型相比，低风险投资策略在历史上都实现了较高的收益表现，它同样有经济理论依据，而且无论是基于哪种风险量化指标来衡量，或是考虑交易成本和剔除小市值股票，其收益表现都十分亮眼。

关于低风险投资策略最早的文献来源于Black, Jensen and Scholes (1972) 提出的‘平滑的证券市场线’概念。他们发现当把股票按照风险大小（贝塔系数）分类，他们的长期平均收益率相差甚小。这个发现似乎有违CAPM的思想，因为如果CAPM理论是正确的话，预期的超额收益率和风险应该是正向关系的。

那该如何解释这个现象？我们可以这样想：假定组合中有低风险股票和高风险股票，分别对应贝塔系数0.5/预期超额收益率10%和贝塔系数1.5/预期超额收益率12%。理性投资者的交易策略应该是买入好的，卖出差的来获取套利机会。基于风险收益比，我们假设买入1美元的低风险股票，卖出1美元的高风险股票，那么预期超额收益率为10%-12%=-2%，这就意味着我们将赔钱。这个策略的问题在于，低风险资产的收益不单单体现在资产回报率上，而是更多地反映在降低组合风险上。

那么应该如何正确操作以获利呢？正确的做法是买入1个beta的低风险股票，卖出1个beta的高风险股票。也就是我们买入2美元的低风险股票，卖出0.67美元的高风险股票，从而获得2*10%-0.67*12%=12%的收益率。这个策略叫做betting-against beta （BAB押注贝塔策略），当实际的证券市场线较CAPM的理论线更平滑时，这个BAB策略就十分有效。

除了BAB策略，我们也可以采用只买入一个低风险股票的组合，降仓或是避免高风险股票的策略才实现低风险效应。其目标不在于跑赢市场，而是试图以更低的风险获得市场收益水平。

这种低风险效应产生的套利机会为什么能持续存在？Black在1972年提出‘杠杆限制’理论来试图解释这个现象；而行为学理论认为投资者往往出于博运气的心态，愿意高价买入高风险股票。还有的学派认为风险衡量指标的不同，也就是会计视角下的经济基本面风险而非以收益衡量的计量统计风险的差异，是造成该现象的原因。

研究方法和数据：

就如我们之前说的，低风险投资策略简而言之就是买入低风险股票，卖出高风险股票。风险衡量的标准有以收益衡量的计量统计风险（如贝塔系数，波动率，相关系数）和基本面风险（如盈利质量，公司质量等）。在模型里，我们引入了6个计量风险因子和4个基本面风险因子，并对1931年以来美股月度计量风险因子数据和1957年以来基本面风险因子进行排序然后基于因子模型构建组合。

策略一是基于Frazzini和Pedersen (2014) 计量风险BAB理论，每个月依照因子排序变化，买入低贝塔值股票，卖出高贝塔值股票并且保证组合的市场中性（零贝塔）。

策略二是基于SMR因子模型。SMR模型同样是依照因子排序变化，买入低贝塔值股票，卖出高贝塔值股票；但不同于BAB， 它并非市场中性，而是市值中性（买入卖出同等价值的股票）。具体来讲，基于French和Fama（1993）的权重选择设计，我们以价值加权的方法分别在小盘股和大盘股两个市场中买入30%最低风险的股票组合，卖出30%最高风险的股票组合然后计算组合的平均收益率。

策略三是BAB和SMR的结合体—SMRMN因子模型。他沿用了BAB中市场中性的策略和对计量风险因子排序的方法，但是借鉴了SMR模型中保持低风险和高风险股票在组合中各占30%价值权重的方法，便于我们区分前面两个模型中因为决策设计的不同而受到的不同影响。

其他的计量风险因子模型还有基于相关系数的betting-against correlation （BAC策略，也就是保持组合中相关系数中性，而非贝塔系数中性），基于个体波动率的idiosyncratic volatility （IVOL策略）和基于最高日收益率的maximum recently daily return （MAX策略）。BAC同样是市场中性，而IVOL和MAX沿用SMR市值中性的思想和French和Fama对权重选择的设计。

对于基本面风险因子的选择，我们参考Asness, Frazzini和Pedersen （2019）的方法，挑选出了四个有代表性的指标：QMJ（基于16个指标计算出的综合衡量指标并计算出数列中最优和最差的差值），盈利能力，成长性和安全性。具体构建沿用了SMR市值中性的思想和French和Fama对权重选择的设计。

   1.请输入标题

事实一：低风险比高风险资产实现更高的风险收益比。

图二显示了不同策略的历史超额收益率，阿尔法收益（相对于CAPM 阿尔法），阿尔法收益（相对于French and Fama五因子模型加动量因子模型的阿尔法），夏普比率，信息比率以及收益的显著性。结果显示所有策略均实现正的阿尔法收益；除了SMR和IVOL，其余策略均实现了显著的正年化收益；但前两者依旧获得正的阿尔法收益。这其中的差异来源于组合的负贝塔值（SMR beta为-0.84，IVOL beta为-0.54）。

接下来的分析我们着重以BAB策略作为低风险投资的代表。

图2：Bet Against Beta（BAB作为买入低弹性股票）策略年化收益率最高

   1.请输入标题

误解一：低风险因子收益溢价低于其他传统因子收益溢价

人们会很自然的比较基于低风险因子模型和基于其他传统多因子模型构建的组合收益率表现的不同。我们因此分别构建了BAB, QMJ和SMR组合，并和French and Fama 的五因子中的价值因子（High-minus-low or HMLFF），市值因子（Small-minus-big or SMB），投资风格因子（Conservative-minus-aggressive or CMA），和盈利能力（Robust-minus-weak or RMW）除去市场因子，外加上一个动量因子（up-minus-down or UMD）所构建的组合相比较，从1957年后的样本数据中分析我们可以发现BAB, SMR和QMJ三个低风险策略均实现了最高的CAPM 阿尔法收益（这里我们排除了UMD动量因子 策略，因为此策略需要高于其他策略2.5-4倍的交易量，图中的收益率未考虑各种交易成本）。

考虑到不同因子间的相关性，我们如图三所示，用多元回归模型来建立每个因子同市场因子及其他因子的回归方程，结果显示除价值因子外，其他因子均实现正的阿尔法收益；而低风险因子的阿尔法收益率都超过3%。

图3：低风险投资的超额收益

事实二：低风险因子的溢价在样本外仍表现显著

人们往往会认为这种套利机会会很快被消化，或者低风险策略的优异表现是基于数据挖掘；这样的观点使得样本外数据检验（OOS）变得尤为重要。如图五所示，样本外数据期间显示该策略表现甚至优于样本内数据期间。图六显示了BAB模型下组合的累计CAPM阿尔法收益，Black, Jensen and Scholes （1972）（BJS）的原始样本期间为1931-1965,和BJS样本外期间1966-2009，以及Frazzini and Pedersen (2014) 样本外期间2010-2019。可以看到样本外期间的变化对于结论没有影响，低风险策略组合在样本内外均展现了优异的表现。

图4：不同因子的溢价值，包括信息比例

图5：样本内外各因子的阿尔法收益比较

图6：长期看BAB策略的收益率惊人

   1.请输入标题

误解二：低风险策略更似押注特定行业，如类债券行业

虽然有说法认为低风险股票投资仅在一些稳定的特定行业中表现优秀，但是实际并非如此。BAB（市场中性）策略同样适用各行业之间以及行业内部。Asness, Frazzini,和 Pedersen 2014年的研究发现，通过研究1926年至2012年美国49个行业的样本数据，BAB策略夏普比率为正。此外从1980年往后的全球数据来看，BAB策略在全球大部分行业中的夏普比也是大于零。如果不采用我们在本篇文章中的行业中性原则，BAB策略的收益率会更高。