“投资范围包括美国及九个非美国工业化国家，使用全市场回报指数和三个月国库券利率作为无风险利率。策略基于美国远期方差风险因子（FVF^US）预测市场超额回报，计算隐含波动率（VIX），并通过两阶段OLS回归估算PLS因子。所有投资组合按市值加权并每月重新平衡。”
资产类别：差价合约（CFDs）、ETF、基金、期货 | 区域：全球 | 频率：月度 | 市场：股票 | 关键词：远期方差
策略概述
投资范围包括美国和九个非美国工业化国家，包括澳大利亚、加拿大、法国、德国、意大利、荷兰、瑞典、瑞士和英国，使用全市场回报指数和三个月国库券利率（作为国内无风险利率的代理）。(该策略不适用于日本资产)。金融数据来自Global Financial Data (GFD) 和 S&P 500 期权价格数据来自 OptionMetrics。
我们假设风险厌恶系数为3。应使用前60个月的数据作为初始训练期 [例如，在作者的案例中，时间段为1996年2月至2001年1月]。
<策略的核心思想>
投资者基于美国远期方差风险因子 (FVF^US) 的样本外市场超额回报预测，选择股票市场和该国无风险国库券的最优组合。
- 为了衡量条件性的美国波动率风险，首先根据CBOE的方法，从S&P 500期权价格构建隐含波动率（VIX指数）。
- 通过计算两个邻近到期日的VIX指数的差值，来获得“无模型”年化的t期远期方差。
- 在清理期权数据后，根据给定交易日计算所有可用到期日的VIX指数，使用CBOE (2009) 中描述的线性插值方法来获得特定到期日的VIX指数 (3、6、9、12和18个月)。最后，基于方程(3)计算相应的远期方差：FV_3m6m、FV_6m9m、FV_9m12m 和 FV_12m18m。
接着，使用一个周期前的美国市场超额回报 (r_US,t+1) 作为 PLS 代理变量，运行以下两阶段 OLS 回归：
- 在第一阶段，我们对每个远期方差对代理变量进行时间序列回归（方程 (4)）。
- 在第二阶段，我们对FV_i,t进行交叉回归，使用第一阶段的斜率估计值ˆφ_i（方程 (5)）。
方程 (5) 中的斜率估计值是时间 t 的 PLS 因子估计值。我们将从美国远期方差期限结构中提取的PLS因子称为美国远期方差风险因子 FVF^US。 (FVF^US 是四个远期方差的线性组合，每个远期方差的权重基于其与未来一期美国市场回报的协方差 [方程(6)]。）
股票市场的最优权重在方程 (17) 中，基本是对样本外国家股票市场简单超额回报预测与远期方差风险因子的商，以及最后一步计算的回报方差预测的除法。
所有构建的投资组合按市值加权（见最后一段中的计算）并每月重新平衡。
策略合理性
该研究探讨了美国股票市场波动率风险对国际股权溢价的跨国影响。通过部分最小二乘法（PLS），作者基于S&P 500期权价格的远期方差期限结构构建了美国远期方差风险因子FVF^US。在1996年1月至2019年6月的样本期内，FVF^US在样本内和样本外均显著且正向预测美国和十个非美国工业化国家的市场回报。这种可预测性对包含本地期权隐含远期方差风险因子和本地及全球经济变量具有稳健性。此外，结果不受回报度量（以国家货币或美元）或样本期选择的影响。简而言之，研究结果展示了美国波动率风险在全球风险定价中的独特作用，并进一步证实了国际股票回报对美国波动率风险的敞口与美国波动率溢出效应强度正相关。这些发现支持了市场一体化塑造全球波动率风险定价的观点。总体而言，研究结果强调了将美国波动率风险纳入国际回报预测和条件国际资产定价模型的重要性。
论文来源
International Stock Return Predictability: The Role of U.S. Volatility Risk [点击浏览原文]
- 邓以哲，江富伟，王云琪，周提，中华投资公司（CIC），中央财经大学，深圳证券交易所研究院，南方科技大学
<摘要>
我们构建了一个基于美国期权隐含远期方差的共同波动率风险因子，证明了其在发达国家的样本内和样本外均显著且正向预测市场回报。这一结果对纳入本地波动率因子和其他预测变量具有稳健性。此外，当美国波动率溢出效应更强时，预测能力更为显著，并且在与美国金融联系更紧密的国家中表现更好。相比之下，对新兴市场的预测能力较弱。这些发现强调了美国波动率作为全球风险因子的独特角色，塑造了一体化市场中的风险收益权衡。
回测表现
| 年化收益率 | 3.48% |
| 波动率 | 8.29% |
| Beta | N/A |
| 夏普比率 | 0.42 |
| 索提诺比率 | N/A |
| 最大回撤 | N/A |
| 胜率 | N/A |
