主动量化研究系列：指增超额回撤控制波动率分域视角

正文目录TOC\o"1-2"\h\z\u指增超额管理：回归个股维度 4持仓个股视角的超额收益拆分 4因子收益 风格的影响 5风格因子与收益：脆弱的关联 5敞口暴露与收益贡献：更为复杂的关联 6超额收益可控性：个股残差波动率视角 7小结 9超额回撤控制：个股残差波动视角 9残差波动率、个股偏离和超额收益 9指增超额波动分析示例 波动率分域下的优化思路 123.4小结 13风险提示 13图表目录图1：公募中证500指增产品日超额收益中位数 4图2：优化组合在多数时间内回撤小于基准组合 4图3：A股风险模型解释度分布：多数在40%以下 6图4：市场波动与风险模型解释度正相关 6图5：模型解释度提升并非总能与市场波动变化保持一致 6图6：因子均值多数在±10%以内 6图7：标的市值敞口与个股收益呈强正相关 7图8：标的波动率敞口与个股收益呈强正相关 7图9：中盘价值相对大盘价值主要风险敞口 7图10：中盘价值较大盘价值超额收益归因 7图11：个股市值与残差波动呈负相关 8图12：个股残差波动率不同宽基内分布 8图13：2026年以来风险模型解释度未明显提升 9图14：少数股票贡献了主要的残差波动 9图15：截面残差多数时间呈正偏分布 10图16：截面残差多数时间呈尖峰厚尾分布 10图17：个股残差时序相关性较低 10图18：个股残差波动率时序相关性较高 10图19：中证500成分内多数标的被低配 12图20：超配标的池仍可贡献较高正超额 12图21：超配标的集中在低波股票域 12图22：高波股票池主导超额回撤 12图23：优化组合和基准组合收益风险对比 13图24：优化组合在多数时间内回撤小于基准组合 13表1：阿尔法因子超额收益与风格因子：均存在较高相关性 5表2：组合超额回撤拆解：风险集聚在低配的高残差波动股票池 2026年以来，以中证500为基准的增强策略多数出现了一定回撤。对于这一现象，我们在前期系列报告中进行了讨论，优化方向也出现了一些变化。收紧风险敞口，是直观能想到的思路，多数情况下能够降低回撤，例如2024年初的市值/中盘敞口影响。对于2024年9-10月市场快速拉升以及主题行情区间，我们尝试收紧贝塔、波动率敞口，对超额回撤改善不大；添加个股涨跌幅限制、板块、主题风险因子，效果也不及预期。其后我们发现整体敞口管理过于粗糙，整体严约束无法有效管理局部偏离，尝试进行精细化贝塔管理。在对组合超额收益来源进行分域拆分时（例如行业少数股票池贡献，据此进行针对性敞口管理，可在较小影响超额收益的前提下降低回撤幅度。通过前期系列研究，对于指增策略超额管理我们认为应秉持几点原则：风险源于阿尔法；适当的风险敞口是必要的；应更重视个股权重偏离管理。数。回测时，多次尝试一般可找到提高收益或降低回撤的参数选择，样本外持续性或存疑。在本报告中，我们聚焦于个股权重偏离管理，从相对符合逻辑/直觉的角度出发，进行超额回撤管理。核心结论是：策略倾向于超配低波动标的，低配高波动标的；低波动股票池对超额收益的贡献更大，高波动股票池对回撤的贡献更大。将优化目标落在个股维度，即收紧高残差波动标的个股偏离。从结果看，在近年来主要高波动期，优化框架均可在一定程度上降低超额回撤，且超额收益也有所提升。图1：公募中证500指增产品日超额收益中位数 图2：优化组合在多数时间内回撤小于基准组合0.60%0.40%0.20%0.00%-0.20%-0.40%-0.60%-0.80%

0.00%-4.00%-6.00%-8.00%-10.00%2020/1/22020/3/22020/1/22020/3/22020/4/222020/6/162020/8/72020/9/282020/11/252021/1/152021/3/152021/5/102021/6/302021/8/192021/10/192021/12/82022/1/282022/3/282022/5/242022/7/142022/9/22022/11/12022/12/212023/2/172023/4/112023/6/52023/7/272023/9/152023/11/142024/1/42024/3/42024/4/252024/6/202024/8/92024/10/92024/11/282025/1/202025/3/192025/5/142025/7/42025/8/252025/10/222025/12/110.53%0.33%0.53%0.33%0.20%0.22%0.24%0.09%0.12%0.10%0.03%0.01%0.04%-0.17%-0.27%-0.32%-0.33%-0.35%-0.38%-0.41%-0.61%-0.78% 基准组合 优化组合；2020-2026/1/30不考虑择时，指增超额收益来源于三个维度：行业、风格和选股。前期研究中，我们发现单独考虑行业或风格，模型解释度接近，因此我们仅考虑风格和选股维度。首先就阿尔法因子收益与风格因子之间的关联进行分析，然后就个股偏离的影响进行讨论。结果表明，对于超额回撤控制，尤其是应对尾部事件，个股偏离管理是更为有效的方法。因子收益 风格的影响阿尔法因子收益序列使用如下方式生成：将单个因子作为信号，以全指为股票池，约束行业、风格、个股偏离，得到超额收益。计算各因子与风格因子收益相关性，计算大类均值，从而分析阿尔法因子与风格的内在关联。主流风险模型主要包含表中风格，且新增风险因子对模型解释度边际提升较小。这一框架本质是寻找对个股截面收益分化有解释能力的指标，即其首先需能够贡献边际解释度，其次再考虑其稳定性。从下表可以看出，所涉阿尔法因子，无论基本面还是量价，多数与动量、波动率、流动性、市值存在较强相关性。例如成长，其与动量、波动率、贝塔、流动性存在显著正相关关系；超预期，其与动量也存在较强的正相关性。在《风险管理：如何降低对超额收益的影响》中，我们使用回归方法分析了因子与风格收益的内在关联，表中结果也佐证了这一结论。逻辑清晰、可理解程度高、简单易得的指标/标签，才有可能成为边际贡献高的风格。现有风险模型中的行业、风格已相对较为完备，收益的内在关联使得严约束敞口对超额收益的负向影响较大，适当的敞口是必要的。表1：阿尔法因子超额收益与风格因子：均存在较高相关性因子\风格流动性盈利长期反转盈余成长动量中盘市值波动率贝塔分红估值-15.1%5.7%0.0%29.7%-8.9%-37.8%8.4%-17.4%12.2%-3.0%4.9%成长18.4%3.1%8.8%-10.8%13.4%23.9%17.8%-10.7%23.3%26.5%-13.1%盈利-3.5%23.6%-6.4%-4.4%8.7%21.1%9.8%-3.8%17.4%9.7%-4.3%覆盖度-10.7%37.7%-30.5%-8.7%25.9%27.4%20.8%34.0%-1.4%1.7%-10.9%超预期-9.7%23.4%-9.6%0.5%12.5%35.3%14.5%7.7%-2.0%-4.1%0.1%机构持仓-9.6%19.4%-17.8%-3.7%15.8%15.6%10.1%9.9%10.8%10.6%-4.7%动量反转-6.4%4.1%-4.4%-2.4%3.9%-6.5%6.8%-19.7%27.7%14.3%-1.1%波动率-33.7%-0.4%-5.5%11.5%-12.6%-24.3%-1.8%-19.0%-0.7%-20.1%10.3%流动性-31.9%4.9%-12.3%-3.9%-1.3%1.8%-1.9%-13.0%4.0%-12.6%6.3%；2016-2025年；因子超额收益与风格收益相关系数风格因子与收益：脆弱的关联多因子框架核心是寻找对标的未来收益排序有预测能力的指标，在各种约束下，最大化目标敞口，收益依赖于这一预测关系的强弱和稳定性。40%10280%以上，超过1000个交易日在20%2%22%80%。这也意味着，当市场出现较大波动时，尤其是未预期主题2021Q3-2022Q1、20241-2月、20249-10月、2025月、20258-920261月。阿尔法维度，因子IC均值基本在±10%以内，且不同时间波动较大。《指增超额回撤：风险端的缺失和优化》中，我们将阿尔法因子作为新的解释变量纳入，解释度边际贡献较低。即不论边际还是整体，因子与标的收益相关性均不高，其波动性使得这一关联更为脆弱。图3：A股风险模型解释度分布：多数在40%以下 图4：市场波动与风险模型解释度正相关100%80%风险模型解释度70%风险模型解释度60%50%40%30%20%10%0%-15.0% -10.0% -5.0% 0.0% 5.0% 10.0% 15.0%全指涨跌幅年 年图5：模型解释度提升并非总能与市场波动变化保持一致 图6：因子IC均值多数在±10%以内年 ；横，IC均值敞口暴露与收益贡献：更为复杂的关联2024/09/24-2024/10/08，高贝塔和高波动风格收益出现历史极值，组合在二者有负向暴露，绩效归因视角其贡献一定负超额。然而中性化二者敞口暴露仍无法有效降低区间回撤。区间内科创/创业板标的涨幅上限更高，中性化板块约束对回撤控制效果也不佳。风格/因子，与标的收益关联整体较为脆弱。以IC等指标度量这一关联时，会发现整体线性关系往往强于局部线性关系，如下图所示。这意味着，仅通过提高、降低敞口大小，并不总能捕捉目标收益。以大盘价值/中盘价值指数为例，其分别在巨潮大盘、巨潮中盘成分内，根据价值指标筛选得到得分最好的一组股票。2026/1/28，大盘价值、中盘价值较基准超额收益分别为-0.13%和1.63%，前者较后者超额收益为-2.57%。从敞口看，中盘价值较大盘价值，低配沪深300、超配中证500，低配银行、超配有色/基础化工，超配流动性、贝塔，低配市值、分红、盈余、价值。风格行业敞口可解释收益为-1.44%，即仍有-1.13%无法被解释。为价值，这一问题在策略中经常会出现。目标敞口的来源，较目标敞口的大小，或更加重要，然而这一点我们无法进行预判。图7：标的市值敞口与个股收益呈强正相关 图8：标的波动率敞口与个股收益呈强正相关40.0% 35.0%

30.0%25.0%涨跌幅20.0%涨跌幅个股涨跌幅10.0%个股涨跌幅

15.0%0.0-10.0%

5.0%0.0%-20.0%-5.0%-30.0%

相关系数：55.5%相关系数：33.8%相关系数：55.5%相关系数：33.8%个股市值敞口

-10.0%

-3.0 -2.0 -1.0 0.0 1.0 2.0 3.0 个股波动率敞口；2024/10/8图9：中盘价值相对大盘价值主要风险敞口 图10：中盘价值较大盘价值超额收益归因150.00%

1.32

1.03

-0.600%-0.400%-0.200%0.000%0.200%0.400%0.600%0.800%1.000%1.200%100.00%50.00%0.00%-50.00%-100.00%-150.00%-200.00%

-44.97%

41.91%

-8.74%-9.19%

-31.57%

-1.10

-1.40

-1.49

沪深300沪深300中证500非银行金融银行流市值

沪深300中证500非银行金融银行流

-0.364%-0.291%

-0.069%-0.017%-0.055%-0.029%

0.044%0.144%0.083%0.029%0.134%0.124%

0.649%

1.114%超额收益可控性：个股残差波动率视角回顾一下风险模型的整体结构：nfciXifisXsfsnrn为标的超额收益；当期模型解释度为：

fc为国家因子；

fi为行业因子；fs为风格因子；un为残差项。iiniinR21wu2/wr2iiniin不考虑风险因子部分，相对权重偏离乘以残差收益，即为组合超额收益。权重较基准偏离整体与阿尔法得分呈强相关关系。残差收益，即个股收益剔除风险因子贡献的部分，即不可被解释程度。其预期波动率越高，其对组合超额收益影响越大。额回撤不可控性越强。残差波动率和市值呈负相关关系，不过局部分散化程度较高，即相近市值敞口，残差波动率也可能差异较大。沪深300、中证500、中证1000、中证2000，标的残差波动率中位数逐步提高，波动上沿部分提升更多，下沿部分较为接近。2026年以来，风险模型解释度整体处于历史均值附近，市场波动较大交易日也没有明显提升，即风险因子视角进行超额回撤管理，效果会不及预期。对2026/1/12模型未解释部分进行拆分，少数股票贡献了主要的波动。这表明，从风格、行业出发进行整体敞口管理，或以风险因子或残差波动贡献为约束条件进行整体跟踪误差管理，在尾部事件出现时，效果往往会不及预期。在《风险管理：如何降低对超额收益的影响》中，我们发现对于给定策略，不同股票池对收益/回撤的贡献存在较大差异。这里我们可以更进一步，不同残差波动的标的，其贡献也存在较大差异。从以行业/风格为维度的分域管理，可细化为对不同类型标的权重分配进行直接限制。图11：个股市值与残差波动呈负相关 图12：个股残差波动率不同宽基内分布300%250%波动率200%波动率150%100%50%0%-4.00 -3.00 -2.00 -1.00 0.00 1.00 2.00 3.00 4.00市值34.4%35.0%32.1%31.6%32.1%30.3%30.0%28.6%28.1%26.4%25.0%25.3%34.4%35.0%32.1%31.6%32.1%30.3%30.0%28.6%28.1%26.4%25.0%25.3%25.0%24.0%22.9%20.6%20.0%17.6%18.4%18.6%15.0%12.8%10.0%5.0%0.0%17.00%,80%50.0%47.6%100% 45.0%90% 40.0%37.3%80% 70% 60% 50% 40% 30% 20% 10% 0% 小结多因子指增体系，即在约束相对基准偏离的条件下，最大化组合信号得分，即控风险、叠收益。此部分分析结果表明，无论是风格还是阿尔法因子，其与标的预期收益的相关性均较低，关联较为脆弱。尤其是当市场处于高波动环境，而风险模型解释度未能同步提高。此时标的残差部分对组合超额起主导作用，因子有效性往往会降低。风险源于阿尔法、适当的风格敞口是必要的、应更加关注个股权重偏离的影响。此部分我们就残差波动在超额回撤控制中的作用进行分析，首先给出相对理想条件下的结果，然后据此给出一种相对简单可理解的可执行的组合约束框架，最后给出模型测试结果。残差波动率、个股偏离和超额收益假设标的因子得分向量为f，权重向量为w，进行如下组合优化：xf

(wB2

wB0BIBS动率。上述优化是在可做空的条件下，中性化所有风险因子敞口，得分目标组合。求解可得w1(fll l)/2。定义风险调整因子信号i i 0 1Ki(fil0 lKKi/i，则：i i w1F/i i 益波动也会随之抬升。超额收益由两个因素决定：标的权重相对基准偏离、个股预期收益率。核心逻辑是认为信号与预期收益存在相关性，从而超配，以一定胜率获取超额收益。若存在成分外持仓，可将对应标的基准持仓设定为0，即拓展的基准池。超配股票池收益和低配股票池收益贡献，共同决定了组合超额收益。相对基准存在个股偏离，意味着超低配标的残差收益出现异常波动时，组合超额波动也会较大。如下图所示，残差收益多数时间呈尖峰厚尾和右偏特征，即尾部样本较多。若高波动时点，即使因子有效性仍在，局部非线性特征或会使得多头部分仍可贡献正超额，但不足以覆盖空头部分失效所带来的负超额，导致整体出现回撤。从风控出发，我们不能假设信号有效，而是要刻画高波动环境失效时，超配/低配所对应的尾部风险大小。然而，11.9%5天为-2.0%。66%，均值为83%，整体右偏。策略无法实现完美预测，所应关注的是大样本学习下的胜率，并执行下去将胜率转化为收益。正如截面模型解释度中，使用到的是当日个股残差收益，但本质是其尾部可能的波动性。因此使用历史波动率对其进行预测，可靠性更高。图15：截面残差多数时间呈正偏分布 图16：截面残差多数时间呈尖峰厚尾分布4.003.002.001.000.00-1.00-2.00

35.0030.0025.0020.0015.0010.005.00年1月 年1月图17：个股残差时序相关性较低 图18：个股残差波动率时序相关性较高年1月 年1月指增超额波动分析示例构建如下中证500指增组合：因子，量价+高频；个股偏离0.5%，行业偏离1%；市值、中盘、贝塔、波动率敞口0.3。2026/1/23，组合日超额收益为-1.00%，残差收益贡献为-0.69%。成分内持有139只标的，即多数标的未被持有，其中123只标的超配。除基准权重最大的一些标的受限于约束条件有持仓，持仓集中在基准权重靠后股票池。整体看，组合持仓数量不算多，与基准累计权重偏离较大。超配股票池超额收益贡献为1.01%，低配股票池贡献为-2.01%，即因子在多头有效性仍在，空头失效。低配股票池超额收益贡献升序排列，前51只、前125只累计超额贡献分别超过-1.5%和-2.0%，即少数标的贡献了主要回撤。对比标的残差波动率和个股权重偏离，可以发现超配的高波标的均由成分外贡献，成分内低配较多。对于成分外，超配也主要由低波股票池贡献。这一结果与前文分析结论一致，即多因子指增框架下，策略偏好低波动标的。以15%为划分标准，合并基准池中低波和高波数量分别为398和146只，超配数量分别为146和21只，占比分别为14%和37%。低波标的池占比更高，不过相对超配比例仍高于高波标的池。对于收益贡献，低波股票池贡献为正，高波股票池主导超额回撤。多因子指增框架下，组合整体偏好低波标的，其在所有股票池中占比也更高。低波股票池贡献更多超配权重，高波股票池贡献更多低配权重。从此处分析示例看，组合超额出现较大回撤时，因子有效性在超配/低频、高波/低波股票池中存在差异，即整体失效并不意味着局部也失效。以波动率进行分域，据此对不同类别标的针对性进行风控管理，或能更好平滑超额收益曲线。表2：组合超额回撤拆解：风险集聚在低配的高残差波动股票池数量/权重数量权重超配权重低配权重成分内13980.4%59.8%-79.4%成分外4419.6%19.6%0.0%合计183100.0%79.4%-79.4%收益超配低配合计成分内0.85%-2.01%-1.16%成分外0.16%0.00%0.16%合计1.01%-2.01%-1.00%残差波动率分组>15%<15%>10%<10%超低配-成分内-29.71%10.02%-31.68%11.99%超低配-成分外4.17%15.46%8.61%11.02%合计-25.55%25.49%-23.07%23.01%累计收益-1.12%0.12%-1.29%0.29%；2026/1/23；数值较小差异源于数据精度0.08%0.06%0.04%0.02%-0.80%-0.60%-0.40%-0.20%0.00%0.00%-0.02%0.20%0.40%0.60%0.80%0.08%0.06%0.04%0.02%-0.80%-0.60%-0.40%-0.20%0.00%0.00%-0.02%0.20%0.40%0.60%0.80%1.00%-0.04%-0.06%-0.08%-0.10%-0.12%-0.14%1.00%0.80%标的个股权重偏离0.60%标的个股权重偏离标的收益贡献0.40%标的收益贡献0.20%0.00%-0.20%-0.40%-0.60%-0.80%0.00% 0.10% 0.20% 0.30% 0.40% 0.50% 0.60% 0.70% 0.80%标的基准权重

标的个股权重偏离图21：超配标的集中在低波股票域 图22：高波股票池主导超额回撤1.00% 0.08%0.80%

0.06%标的个股权重偏离标的个股权重偏离

0.04%标的收益贡献0.02%标的收益贡献0.00%0.20%

-0.02%0.00%

-0.04%-0.20%-0.40%-0.60%

-0.06%-0.08%-0.10%-0.12%-0.80%0.00% 5.00% 10.00% 15.00% 20.00% 25.00% 30.00% 35.00% 40.00%标的残差波动率

-0.14%0.00% 5.00% 10.00% 15.00% 20.00% 25.00% 30.00% 35.00% 40.00%标的残差波动率波动率分域下的优化思路超额回撤一般意味着因子失效。结合前文分析结论，可从个股残差波动出发对其进行分域讨论。超配标的跑输基准，低配股票池收益突然拉升，或兼而有之，我们无法事前确定具体哪些标的会贡献负超额。仅考虑哪些标的若反转，带来的影响可能会较大。前文结果表明，残差收益时序相关性较低无法应用，可从残差波动率出发。对于超配/低配组合，在残差波动延续的假设下，高残差波动+权重与基准偏离较大标的，无论其出现在超配组还是低配组，若出现收益反转，均可能对组合超额产生较大的负面影响。构建如下中证500指增基准组合：因子，低波因子；个股偏离0.5%，行业偏离1%；市值、中盘、贝塔、波动率敞口0.3。结合前文分析，考虑进行如下优化调整：对于低波成分，放宽个股偏离约束对于中波和高波股票池，适当收紧个股偏离。具体