文章核心观点 - 文章针对A股量化策略在波动率分布上存在系统性偏差的问题，提出了一种名为“波动率分层约束”的优化方案 [1][2] - 该方案通过在高波动率股票组内放松个股权重偏离约束，在低波动率股票组内收紧约束，能够有效改善多因子组合的超额收益与最大回撤，实现风险与收益的更好平衡 [17][18][32] 量化组合的波动率分布偏差问题 - 自2025年A股进入上涨环境以来，依赖低波、低流动性、反转等偏反转逻辑因子的量化策略效果明显下降 [1] - 2026年1月中证500指数快速上涨期间，指数增强产品普遍跑输指数，核心原因是量化组合因低波等因子倾向选择波动率较低的股票，导致组合在高波动股票上的配置不足 [1] - 构建的四个多因子组合（P1八因子等权、P2成长动量低波红利、P3成长动量分析师、P4低波反转低流动性）分析显示，除P3外，其余组合均大幅低配高波动率（前60%）股票，其中P4低配幅度最深 [7] - 偏反转逻辑因子的大量使用是量化组合低配高波动股票的重要原因 [7] 传统“波动率中性”方案的利弊 - 对基准股票按波动率分五组并强行配平权重的“波动率中性”方案，能直接修正组合的波动率分布 [12] - 实施该方案后，P1、P2和P4组合的超额最大回撤得到明显改善，但P3的最大回撤反而扩大 [14] - 该方案主要控制住了波动率分布风险，但代价是可能损失超额收益，P1、P2、P3的月均超额收益维持不变或下降，仅P4有小幅上升（从0.24%升至0.25%）[14] - 仅对波动率最高前20%股票进行中性化，结果相似：除P3外，最大回撤明显改进，但超额收益大都出现下降 [15][16] - “波动率中性”更适合特殊时期采用，而非长期保持 [16] 推荐的“波动率分层约束”方案及其效果 - 推荐方案：对波动率高的60%股票（高波组）放松个股偏离约束至0.6%，对波动率低的40%股票（低波组）收紧约束至0.4% [17] - 该方案能同时提升超额收益和减少最大回撤 [17] - P1组合：月均超额从0.36%提升至0.40%，累计超额从46.43%提升至52.32%，最大回撤从9.46%降至9.06% [18] - P2组合：月均超额维持0.46%，累计超额从61.88%提升至63.01%，最大回撤从7.47%降至6.95% [18] - P3组合：月均超额从0.34%提升至0.37%，累计超额从43.05%提升至48.26%，最大回撤从8.62%降至8.51% [18] - P4组合：月均超额从0.24%提升至0.26%，累计超额从27.82%提升至31.04%，最大回撤从8.06%降至7.38% [18] - 反向操作（高波组收紧至0.4%，低波组放松至0.6%）会导致超额收益下降且最大回撤上升，效果不佳 [19] 高波动组内放松约束有效的内在原因 - 多个因子在高波动组内的表现显著优于低波动组 [20] - 低波因子：高波组月均IC为3.06%，低波组仅0.30%，差值达2.76个百分点 [21] - 红利因子：高波组IC为2.88%，低波组为1.19%，差值1.69个百分点 [21] - 成长因子：高波组IC为3.12%，低波组为1.72%，差值1.40个百分点 [21] - 高波动组内部分因子的离散度（股票间因子得分差异）更高，选股更容易获得超额收益 [29] - 反转、低流动性、动量、成长因子在高波组的离散度均显著高于低波组 [30] - 波动率分层约束后，组合在高波组内超配股票所带来的收益贡献显著提升，是整体表现改善的主要原因 [31] - 例如P1组合，高波组超配股票收益贡献从46.33%提升至56.38% [32] 方案的普适性与参数敏感性 - 方案普适性：波动率分层约束方案可推广至沪深300和中证1000指数，在大多数情况下能提升月均超额或降低最大回撤 [51] - 例如，中证1000指数下，P1组合最大回撤从10.03%降至8.25%；P2组合月均超额从0.76%提升至0.78%，最大回撤从10.68%降至9.85% [52] - 高波组划分参数：将高波组定义从波动率前60%收窄至前30%或40%，能在一定程度上减少最大回撤，但月均超额也会出现下降 [49] - 例如P1组合，高波组定义为前30%时，月均超额为0.34%，最大回撤8.32%；定义为前60%时，月均超额为0.40%，最大回撤9.06% [50] - 对波动率分布的影响：该方案不能实现完全的“波动率中性”，但相比原始组合，高波组股票的配置比例均有提升 [45]