2023年多因子与ESG策略专题 常见的类期权产品收益结构

一、类期权产品

1.1 典型期权

1.1.1 期权要素、功能和特点

期权是一种选择权，指的是一种能在未来某特定时间以特定价格买入或卖出一定数量的某种特定商品的权 利。期权的构成要素主要包括标的物（股票、债券、股价指数、期货、外汇、商品等）、行权价格、到期日、期 权价格、行权方式、交割方式等。选择可以被交易，以定价买入期权的一方是期权的持有者。在期权的到期日 内，期权的持有者可以选择是否实施权利：如果实施权利，期权持有者按期权合约规定买入或卖出标的物；如 果放弃权利，期权持有者不进行任何操作。期权的出卖者则只负有期权合约规定的义务。 期权双方的损益与期权持有者的交易方向、标的物的真实价格有关。期权具有“零和游戏”特性，即买卖 双方损益相加为零。以标的物市价（S）变动为横轴，期权合约产生的损益（π）变化为纵轴，K 表示执行价格， C 表示买权权利金、P 表示卖权权利金，期权交易的买卖双方损益可归纳为错误!未找到引用源。

指数隐含波动率已成为衡量股票市场情绪的重要指示性指标。在美国，芝加哥期权交易所波动率指数 VIX 是基于标准普尔 500 指数期权链价格的隐含 30 天远期波动率，用于预测美国股市在不久的将来可能高于和低于 其当前水平的波动范围。当隐含波动率处于高水平时，VIX 数值会相应地提高，可能值范围亦较为宽阔。当隐 含波动率处于低水平时，则 VIX 数值会相应降低，可能值范围亦较为狭窄。在中国，上交所于 2015 年 6 月发 布中国首只基于真实期权交易数据编制的波动率指数中国波指（iVIX）或 50ETF 期权波动率，成为市场动荡或 经济衰退时的表征性指数和前瞻性参考，有助于防范系统性金融风险，提高市场稳定性。 另一个基于期权计算的市场情绪指标为看跌期权的成交量之和与看涨期权成交量之和的比值（PCR）。该指 标反映的是短期市场的多空状态，主要反映的是近期的买方市场动向。当 PCR 值大于 1 时，看跌期权更为活跃， 市场行情偏向沽空市场；反之当 PCR 值小于 1 时，看涨期权更为活跃，市场行情偏向多头市场。

期权的风险对冲功能愈发受到投资者密切关注。2018 年至 2020 年是我国股票期权交易规模迅速扩张的时 期，成交规模从 4 亿手不到扩张到 10 亿手以上；2022 年底中证 500ETF 期权、创业板 ETF 期权、中证 1000 股 指期权、上证 50 股指期权、深圳 100ETF 期权接连上市，这些新期权品种或许是股票期权市场最需要的动力。 以一年为周期，成交量在每年的 3 月、6 月、10 月和 12 月附近有明显的上升，这是由于我国期权规定的到期日 一般包括合约当月、下两个月及随后三个季月，而大部分投资者决定在季月平仓。

我国期权市场发展经历了 2015 年之前的空白期、2015 年至 2018 年的初步增长期、2019 年至 2021 年的快 速增长期，在 2022 年迈入以丰富期权产品体系为驱动因素的活力时期。其中，股票期权可以增强标的股票、 ETF、股指对投资者的吸引力，吸引增量资金注入标的，有利于提高市场股票的流动性，带动股票市场的良性运 作；同时，股票期权给予投资者对冲成长风格的新工具，带来期权与标的物之间非线性的套利可能；期权还拥 有发现功能，由期权计算而来的隐含波动率与波动率指数 VIX 可以有效预示股票的波动，防范系统性金融风险， 提高定价效率，增强市场稳定性。期权产品体系的完备化除了进一步丰富风险管理工具外，在对外开放、服务 实体等议题中也发挥着积极作用。

1.1.2 典型期权定价模型—波动率建模

BS 模型是由 Black 和 Scholes 提出的一个欧式期权定价模型，该模型的提出为期权的发展奠定了基础，在 理论和实践方面都有着重大的意义。BS 模型中波动率的衡量是期权定价中很重要的部分。波动率指的是金融资 产收益的波动程度，是对资产收益不确定性的度量，用来反映资产的整体风险情况。BS 期权定价模型的核心思 想是无套利定价，假设期权价格和股票价格同时受到不确定因素的影响，个人投资收益不确定。通过管理一定 数量的基础期权和组合，可以覆盖风险，消除不确定性。 BS 模型建立在严格的假设基础上，其假设包括： 1.期权标的物的价格服从布朗几何运动，因此股票价格的收益率必须服从对数正态分布； 2.市场没有摩擦，没有税收，没有卖空限制； 3.无风险利率是恒定不变的； 4，期权不能在到期日之前行使，必须是欧式期权。

1.2 常见的类期权产品收益结构

1.2.1 交易要素

类期权产品结构主要由关联标的、敲出/敲入机制、票息率、存续期限等要素组成。

1.挂钩标的：包括指数、个股或多只股票组合等，还可能包含更多内容，例如利率、黄金、商品等，余地比 较宽；目前市场上的类期权产品，大部分都是以中证 500 指数为标的； 2.敲出机制：敲出观察是指观察标的价格在观察日是否超过敲出界限，如果超过界限，则投资者获得敲出票 息，产品计算收益的区间提前结束，按敲除票息率计算收益，价格一般为期初价格的 110%附近； 3.敲入机制：敲入观察则是指观察挂钩标的价格在观察日是否低于敲入界限，如果低于敲入界限，则产品收 益转为标的实际涨跌，一般来说，即使已经触及敲入界限，未来依然会观察敲出的状态。若标的资产始终在区 间内波动，则以红利票息率和产品存续时间计算收益，其中敲入价格一般为期初价格的 70%附近； 4.收益率：与市场波动率有关。不同时点、不同敲出、敲入价格、不同期限的类期权产品结构产品报价不同。 根据投资者需求不同可加杠杆，以双倍类期权产品结构为例，名义本金＝投资本金×2，则年化收益及亏损都被 放大 2 倍。 总的来看，类期权产品结构预期收益高于一般纯固收产品。当且仅当关联标的在投资期间仅敲入未敲出， 到期价较初始价下跌时投资者承担损失。

1.2.2 收益结构

从收益结构的角度观察，类期权产品更适合大幅上涨和下跌概率都较低的震荡市场环境。从下跌的角度看，只要标的资产不在极端情况下大幅下跌，投资者本金发生损失的概率较小。标的下跌会增加类期权产品敲入的 风险，但一般情况下敲入价格大幅低于当前标的价格，相当于为类期权产品投资者提供资产保护。从上涨的角 度看，当标的资产的价格触发到敲出线，则会自动敲出，锁定收益。虽然快速上涨的行情虽然能帮助投资者直 接敲出锁定票息，但在这种情况下，投资人实际持有的时间较短，获得的绝对收益有限。所以，当标的资产出 现持续上涨的趋势时，类期权产品由于止盈属性，会锁定上行空间。

我们下面的流程图模拟了类期权产品的收益结构的三种情形，总体来看收益结构与敲出时点、票息率、标 的资产价格路径所决定： 1） 不触发敲入也不触发敲出：如存续期内标的资产既没有触发敲入也没有触发敲出，换言之，标的价格始终位 于 75-100 之间，1 年到期后，投资收益为 100 万元*10%=10 万元。 2） 触发敲入，未触发敲出：如果存续期内标的资产跌破 75 元，则触发了敲入，收益率转为指数亏损程度，假 设到期后价格为 95 元，投资亏损 100-95=5 万元；若到期后价格为 104 元，则保留本金。 3） 触发敲出：如果持有 3 个月后标的资产价格突破敲出界限（105 元）达 110 元，则投资收益为 100*25%*3/12=6.25 万元。即使该标的资产曾触发过敲入状态，即价格曾低于 75%，仍获得 18.75 万元收益。 可以发现，过早敲出也会减少类期权产品的最终收益。

除经典类期权产品结构（非保本型）外，还有大幅减少投资者尾部风险和本金损失的保本型和限亏型类期 权产品，年化收益率会低于非保本型类期权产品： 1) 保本类期权产品通常是指在买入期权合约后，挂钩标的出现大幅下跌，即便跌破保证金水平也不需要 追加保证金；合约终止后，出现超额(超出保证金部分)亏损也不需要承担。保底类期权产品遵循了经 典类期权产品的基本合约条款，与其区别就在于追保类型，最大亏损和收益的不同。在杠杆和名义本 金同样的情况下，保底类期权产品则降低了票息收益的预期，转而实现不追保和限亏的目标。部分保 本型类期权产品不设有敲入价格、敲入观察日、敲入事件等敲入相关条款，仅在敲出观察日观察标的 的收盘价是否高于敲出价格，若触发了敲出事件，则产品提前结束；如果在产品存续期的敲出观察日中，标的收盘价格均未高出敲出价格，未触发敲出事件，则无法获得敲出票息，收益率为 0%。 2) 限亏型类期权产品限定了投资者本金潜在损失的上限，是风险相对更低的类期权产品，但敲出票息通 常也低于非保本型类期权产品。如果是典型类期权产品投资者需要承担 20%的本金损失；但如果是设 置了 15%下跌保护的限亏型型类期权产品，则投资者最多只需要承担 15%的本金损失；

目前市场上也流行对典型类期权产品的敲出方向、敲出界限等进行创新的反向类期权产品和逐渐下调类期 权产品： 1) 反向类期权产品为一种向下敲出的产品，其本质是投资者向做市商卖出带有触发条件的看涨期权，其 敲出方向、收益方向与典型类期权产品结构恰恰相反。反向类期权产品期权适应的场景更为广泛，在 微熊、微牛以及大跌的行情下，反向类期权产品都会给客户创造收益。 2) 逐渐下调(step-down)类期权产品是指则在第一个敲出观察日开始，逐月下调敲出价格，例如每月下调 0.2%，相比典型的类期权产品，其敲出条件更易触发、敲出试点更靠前。

1.2.3 类期权产品的基本投资策略

投资机构看多标的资产的波动率，如果实际波动率高于类期权产品发行时定价的隐含波动率，机构就会盈 利，实践中利用“高抛低吸”等期权 Delta 交易策略，攫取高于期权费的收入，并给予投资者期权费，实现机构 和投资者的双赢。客户达成类期权产品结构期权交易后，证券公司以自有资金在二级市场交易挂钩标的进行风 险对冲，规避挂钩标的价格变动产生的方向性风险，证券公司将基于专业的量化模型计算风险敞口，通过动态 对冲的方式始终保持风险中性。在期初类期权产品结构期权交易达成时，证券公司将根据量化模型给出的风险 敞口，建仓买入相当于名义本金规模一部分的挂钩标的资产。若标的资产价格不断上涨，证券公司将逐步卖出 所持有的标的资产、降低仓位；当产品敲出时，证券公司将清仓所持有的标的资产。若挂钩标的资产价格不断 下跌，在发生敲入事件之前，证券公司将逐步买入标的资产、增加仓位；发生敲入事件后，证券公司已将全部 产品资金买入标的资产，持有 100%的标的资产仓位。证券公司在上涨周期中不断卖出挂钩标的资产、在下跌周 期中不断买入标的资产，通过低买高卖，证券公司将赚取标的资产价格波动收益。证券公司在对冲活动中赚取 的价格波动收益减去证券公司约定支付的票息收益，差额部分（若有）即为证券公司的最终对冲收益。证券公 司在对冲类期权产品结构期权时呈现低买高卖特征、高对冲持仓比例和低换手率的行为特征。

类期权产品结构的对冲操作核心是以正向 Gamma 提供收益来源。类期权产品结构处于 Gamma 显著的标 的价格区间，是主要的对冲收益来源。由于类期权产品结构发行后大部分时间标的价格处于敲出价附近的一段 区间。假设使用 IC 合约进行 Delta 对冲，大部分时间的对冲操作是在市场下跌时，Delta 绝对值增加，这时原有 IC 头寸产生了更少的下跌损失，之后动态调整 IC 合约成新的头寸，继续保持 Delta 风险中性；若市场再度上涨， Gamma 使得 Delta 绝对值再次减少，同样原有的 IC 头寸产生了更多的上涨收益，而后再将 IC 减仓至新的 Delta 头寸。

1.3 国内类期权产品期权概况

21 世纪初，结构化产品进入国内。光大银行在 2002 年 9 月推出外币结构性存款业务，尽管该业务严格意 义上并不属于结构化产品，但这类存款的设计思路已经使其具备早期结构化产品的雏形。

2004 年 3 月，《金融机构衍生品交易业务管理暂行办法》的正式实施，标志着衍生产品在我国合法地位的确 立。结构化产品最初以外汇结构化存款的形式存在，当月“工农中建”四大国有银行分别推出“汇聚宝”、“汇 得盈”、“汇利通”和“汇利丰”等结构化理财产品。2005 年以后，国内银行结构化产品逐渐增多，挂钩标的从 原先的外汇，逐渐扩展到利率、股票、股票指数、商品等多种标的。挂钩标的的数量也从单一资产向多种类资 产转变。2010 年股指期货上市之前，国内结构化产品市场几乎是外资商业银行主导，标的资产通常是境外标的 物，很少有以 A 股市场为标的物的。2011 年开始，券商资管以集合资产管理计划的形式发行结构化产品，为希 望参与期权交易的投资者提供了一个风险可控、形式灵活的衍生品投资渠道。2012 年证监会发布政策允许银行 和证券公司发行风险中性产品。境内机构稳步推进产品优化，产品发行频率加快，投资者结构以风险厌恶型为 主，产品投资诉求以本金保护为主。

2019 年以来，自动赎回型结构在国内市场初现端倪，并冠以“类期权产品”的结构名称。由于固定收益类 产品实际收益率下降，同时 A 股在 2019 年至 2021 年走出一波牛市，期间中证 500 指数涨幅 75%。产品投资者 享受到快速敲出并复购带来的收益，自此类期权产品风靡市场。据粗略估计，2021 年 5 月高峰时期类期权产品 存量近 1500 亿元。2021 年下半年在各项政策引导下，类期权产品发行增速放缓，行业工作重心转向投资者教育 工作，实际上起到了厘清产品形象，夯实投资者认知的作用，为类期权产品乃至结构化产品的长期发展铺平道 路。在类期权产品之外，从业机构也在积极推进产品优化，例如华夏资本推出“指数区间增强”、“非对称指数 增强”等结构，为不同投资需求提供投资工具，也获得了市场认可。 类期权产品结构产品已成为目前市场上较为流行的结构化产品。近年来随着银行理财收益的持续下降，类 期权产品成为市场上非常流行的金融产品。零售端的类期权产品多为利用场外衍生品作为主要资产，私募发行 的资管计划等资管产品。产品的主要持仓为奇异期权，由券商和资产管理机构以场外期权（或收益凭证）的形 式订立场外衍生品协议。“类期权产品”是在敲入敲出价格间不断“滚类期权产品式”获得票息的形象描述。类 期权产品合同一般会限制衍生品持仓的头寸，本身不具有投资杠杆。由于较高的票息收益和仅承担尾部风险的 特征，类期权产品在近两年得到了市场的广泛关注。类期权产品是典型的结构化产品，底层收益由券商以场外 合约的形式提供。除了经典类期权产品之外，市场上还存在多种类期权产品结构变种，例如保本类期权产品、 有限损失类期权产品、有锁定期类期权产品、阶梯型类期权产品、蝶变型类期权产品、看涨类期权产品等。

总体上，类期权产品规模有增长趋势但仍然有限，市场集中度较高。2019 年之后估算得到的类期权产品规模呈现出一定的增长趋势，但其绝对规模不高，敲入对市场冲击有限。以类期权产品为代表的场外期权业务有 较高市场集中度，根据证券业协会公布的最新数据，申万宏源、华泰证券、中信证券、国泰君安、海通证券场 外期权发行规模位于市场前列。2020 年与 2021 年，类期权产品迎来快速发展阶段，目前类期权产品暂无官方统 计的产品规模，我们借助场外市场规模数据对类期权产品规模进行估计。根据中国证券业协会和中证报价的文 章报道，截至 2022 年 2 月末，类期权产品存续规模约为 1500 亿元，其中挂钩中证 500 指数的产品规模约为 1100 亿元。我们假设挂钩中证 500 的类期权产品规模为 1100 亿元，2021 年以来中证 500 期货和指数现货每日成交 额平均分别为 782 亿和 1792 亿元，敲入时类期权产品需要卖出的规模占两者的比重分别为 16.9%和 7.4%，占 比相对较低。此外，市场下跌时，未发生敲入的类期权产品依然按照低买高卖的原则进行对冲，券商在实际操 作中会将所有的对冲头寸进行合并处理，因此两者抵消之后敲入对市场的影响会更低。

随着衍生品市场的不断发展和完善，以类期权产品结构为代表的结构化产品也越来越受到国内市场的关注。 结构化产品凭借其灵活的结构设计和收益特征成为财富配置工具的重要补充，相比于海外的成熟市场，结构化 产品在我国仍然具备较大的发展空间。类期权产品在国内流行，暗示了我国金融创新从“绕监管”的低级形态 逐渐进入发展金融工程的高级形态。类期权产品的发展，可能带来资产管理行业和场外衍生品市场的新变化。

二、波动率预测模型

波动率预测主要分为三种方式：1）时间序列模型 ARCH/GARCH：基于每个交易日的日收益率数据利用时 间序列建模计算 t 时刻的条件波动率。2）隐含波动率：利用标的资产相应的期权通过 BS 公式反推期权的隐含 波动率。隐含波动率特点就是由于期权是投资者根据未来预期投资的产品，隐含波动率当中包含了投资者的未 来预期，具有一定预见性。3）通过多因子模型对投资组合的波动率进行预测。

2.1 时间序列模型

利用时间序列模型预测波动率可以反映历史波动率特征，用 GARCH 类时序模型、SV 模型（马尔科夫链蒙 特卡洛方法）等随机波动率模型结合可以减小预测误差。

2.2 隐含波动率

隐含波动率是将市场上的期权交易价格代入期权理论价格模型，反推出来的波动率数值。从理论上讲，要 获得隐含波动率的大小并不困难。由于期权定价 BS 模型给出了期权价格与五个基本要素（标的股价、执行价 格、利率、到期时间、波动率）之间的定量关系，只要将其中前 4 个基本参数及期权的实际市场价格作为已知量代入定价公式，就可以从中解出唯一的未知量，即隐含波动率。 影响隐含波动率的因素有：标的资产的历史波动率以及期权的供求关系。 一般来说，期权的隐含波动率普遍比历史波动率要高，两者具有正相关关系。特别是在期权发行时，发行 人会把期权的历史波动率作为依据之一来确定其隐含波动率，从而确定期权价格。此外，供求关系也会影响隐 含波动率，隐含波动率在某种程度上是期权供求关系的一个反映。当投资者对某只期权需求旺盛，使得其价格 虚高，引申波幅达到了较高的水平，甚至远高于期权的实际波幅。

由于 BS 模型有严格的前提，实证检验中存在一些偏差。根据 BS 模型的常数波动率假设，同种标定资产的 期权应有相同的隐含波动率，但实证研究表明，同种标定资产、相同到期日的期权，协定价偏离现货价越多， 隐含波动率往往越大。因其形似一个人微笑时两端上翘的嘴唇，被称为“波动率微笑”。股票期权的隐含波动率 曲线可能出现歪斜，被称为“假笑”。 隐含波动率本质上是期权价格的另一种表达方法，“波动率微笑”表示 BS 模型有低估深实值和深虚值期权 的倾向。对 BS 模型的考察发现，资产价格过程特征和市场机制都会影响到期权定价的准确性。期权的市场价值 取决于现实市场中△套期保值的成本。如果资产价格过程特征和市场机制对深实值和深虚值期权的△套期保值 影响更大，使其构造成本高于 BS 模型价格更多，深实值和深虚值期权的隐含波动率就会更大。

波动率期限结构是衡量期权隐含波动率水平的另一个重要指标，反映了期权合约在不同到期时间的隐含波 动率水平以及远期波动率与近期波动率的关系。由于期限结构斜率变化反映了市场近期与远期之间波动率水平 差异。一般情况下，波动率期限结构倾向于上偏斜，即近月的隐含波动率要小于远月，但随着时间增长隐含波 动率的变化幅度会衰减。然而当行情出现大幅的波动时，可能会引起近月隐含波动率高于远月，观察到波动率 期限结构向下偏斜。根据隐含波动率近期与远期价差大小或者波动率曲面结构的特征分布，可以衍生出一系列 波动率交易策略。

在期权进入交易后，投资者就可以利用隐含波动率为自己的投资做指导，使用方法主要包括： 1. 买卖波动率。期权的投资者除了可以利用预期标的股价的变化方向来买卖期权外，还可以从股价的波动幅 度的变化中获利。一般来说，波动率并不是可以无限上涨或下跌，而是在一个区间内来回震荡。投资者可 以采取在隐含波动率较低时买入而在较高时卖出期权的方法来获利。 2. 与历史波动率做比较，确定买卖时机。若投资者已经决定了买卖方向，可以将历史波动率与隐含波动率做 比较，在隐含波动率低（高）于历史波动率的时候买进（卖出）期权。 3. 另外，投资者还可以通过隐含波动率比较同一标的资产不同剩余时间的期权，隐含波动率越小，该期权越 便宜，从而可以为选择期权的种类提供指导。

2.3 多因子模型

多因子模型可以理解为对于风险与收益关系的定量表达，不同因子代表了不同风险类型的解释变量。多因 子模型定量刻画了资产的预期收益率与该资产在每个因子上的因子暴露度，以及因子收益率之间的线性关系。 由于股票的预期收益是对投资者所承担风险的报酬，多因子模型正是对于风险—收益关系的定量表达，不同因 子代表不同风险类型的解释变量。多因子模型定量刻画了股票预期收益率与股票在每个因子上的因子暴露度， 以及每个因子每单位因子暴露度的因子收益率之间的线性关系。

三、风险分解与波动率预测

3.1 独立波动率分解法

独立波动率分解法的重要缺陷在于忽略了收益来源的相关性。显然，一个与投资组合高度正相关的收 益来源要比一个不相关或负相关的收益来源的风险大得多。在前一种情况下，该收益来源往往与整个投资 组合的表现同向变动，因此提供的风险分散程度很低。相比之下，负相关的收益来源实际上降低了组合的 风险，因为它对投资组合的其他部分起到了对冲作用。此外，这种独立波动率分解法下，各收益来源的波 动率加总后与组合波动率并不相等，使部分风险无法被拆解，带来一定不透明性。

3.2 边际风险贡献法

边际风险贡献法的优势在于计算每一风险来源的隐含收益率，但其劣势在于无法获得每一风险来源的波动 率，会带来一定不透明性。

3.3 X-Sigma-Rho 法

本研报提出了一种将独立波动率法与边际风险贡献法相结合的风险分解方法，该方法定义了驱动组合风险 的三个方面：收益来源暴露度、收益来源波动率以及该来源与组合的相关性，因此我们将该方法称为“XSigma-Rho 法”。通过简单地将、和进行不同的组合，可以得到上述两种风险分解方法的特殊情况，具体来 说，独立波动率法即为()，边际贡献法则由()得到。因此，X-Sigma-Rho 公式可视为上述两种方法的结合。

3.4 波动率预测与期权定价

上文介绍了基于多因子模型 CNE7 构建的风险分解方法 X-Sigma-Rho，通过该方法对投资组合波动率在期 初进行预测，为股票期权定价提供了新思路。将 X-Sigma-Rho 计算的波动率代入期权定价 BS 模型中可得到相 应期权价格。 在经典的 Markowitz 均值方差模型中，投资组合的风险计算方法为计算投资组合内部个股之间的协方差矩 阵。这个方法在实际操作中存在计算效率问题：在有 N 只股票的投资组合中，需要进行 N 的乘方级次计算才能 得到个股之间的协方差矩阵，若 N 为 1000，即对于中证 1000 指数期权而言，一次风险确定就要涉及上亿次计 算。本文多因子模型将计算次数下降到了因子数量的乘方级次，而因子数量相对股票数量较小，其计算次数在 可控范围内，因此在实际的投资组合风险确定过程中更具备可行性。

四、实证研究

在上文我们阐述了类期权产品等期权产品本质上还是预测标的资产的波动率幅度，并比较了 BS 模型和 CNE7 模型等前沿方法的模型假设和计算方法。

BS 模型考虑了当前资产价格、期权行权价格、到期时间和无风险利率等因素，计算出标的隐含波动率 （Implied Volatility），该 IV 满足使期权的理论价格等于市场价格的波动率水平这一条件，进而识别基 于隐含波动率和基础资产历史波动率之间差异的潜在交易机会。高隐含波动率表示市场预期基础资产 未来将出现显着价格波动，而低隐含波动率表示市场预期基础资产价格相对稳定。

CNE7 考虑了来源于多类风格因子和行业因子的协方差，基于因子暴露可以计算和预测任意组合的波 动率，适用范围更广，另外在涉及大量标的资产计算量级上更为轻捷，不必直接估计 N 只标的协方差 矩阵。

以沪深 300 指数为例，我们分别利用 BS 和 CNE7 模型，基于 300ETF 期权、中金所沪深 300 股指期权的期权价格计算其 2020 年至 2022 年末的隐含波动率。总体上看，BS 和 CNE7 模型的波动率走势几乎一致，暗含沪 深 300 的波动率呈现周期性趋势，但 CNE7 模型估计的隐含波动率变化更加连续、稳定，较少出现像 BS 模型 2020 年 3 月、7 月和 2022 年 3 月的跳跃估计点。

我们利用 Granger 因果检验的方法，比较上述两者对于沪深 300 波动率预测的有效性和准确性。Granger 考虑两个时间序列之间的因果性，这里的因果性指的是时间顺序上的相关性的“显著程度”。如果 ,−1…对于 有额外的预测作用，则认为是的 Granger 原因。实践中，通过对{ }进行回归判断系数是否显著，来验 证对的预测能力。 我们的实证结果显示 CNE7 方法预测能力更强。图表 9 展示了两者 Granger 因果检验的结果，图表 10 展示 了 P 值的统计阐述表，系数的 P 值愈小，意味着回归系数愈显著，该模型的预测能力越强。我们发现 CNE7 方 法的波动率即使在滞后 37 天后预测能力依然可靠，在滞后 41 天时 P 值仍小于 0.10，而 BS 模型的隐含波动率 仅在滞后 7-31 天的范围内 P 值小于 0.05，但显著程度也基本低于 CNE7 方法。

上文我们介绍到风险拆解可以分析各个投资策略对主动风险的影响。2022 年 12 月 31 日沪深 300 的预测总 风险为 17.05%，其中主动风险/超额风险由共同因子风险和个股选择风险构成。如图表 11 所示，我们以无风险 收益率（现金收益率）为基准，对沪深 300 的绝对风险进行拆解。其中能被共同因子解释的风险有 16.94%，风 险贡献高达 98.68%；不能被共同因子解释的，即股票选择方面带来的风险有 1.96%，风险贡献占比仅 1.32%， 共同因子风险中，市场因子风险 16.47%，该部分风险来源于全市场波动，且风险贡献占比最高，约 93.36%。 行业与风格的风险占比相近，分别约 5.61%和 5.44%，其中行业与风格的波动率分别约 15.26%和 7.89%，行业 波动相对更高。值得注意的是，协方差矩阵反映了不用因子大类之间的协方差，若协方差为负，说明共同因子 大类的风险之间有分散效果存在。沪深 300 的协方差风险贡献为-5.72%，说明市场、行业、风格的风险存在分 散效应。

在 X-Sigma-Rho 模型下（图表 12），每个因子的风险贡献包含了因子协方差效应，因此共同因子风险中不 再包含协方差贡献，并且不同因子之间的风险贡献均可加。由于不同因子之间的风险分散效应，行业和风格的 预测主动风险下降，分别约 0.36%和 0.90%。

我们进一步分析自 2020 年 2 月 3 日至 2022 年 12 月 30 日（以下简称“分析期间”）内各行业因子对沪深 300 风险贡献。白酒、电力设备、电子、银行和非银的平均风险贡献较高，分别为 1.91%/0.46%/0.32%/0.84%/1.03%。 如图表 12 所示，白酒行业风险贡献在 2021 年底达到近 5%的高点，随后回落至 2%附近。电力设备风险贡献于 2021 年底陡增，电子行业、非银行业与银行行业整体风险贡献走势较为平稳。风险贡献占比较低的行业有商贸 零售、建筑材料、环保、石油石化、社会服务和纺织服饰。

行业因子风险贡献等于该行业因子暴露度的平方与该行业因子自身波动率的乘积，图表 13 和 14 展示了部 分风险贡献较高的行业因子的波动率与暴露度，其中行业因子暴露度反映了沪深 300 在该行业的市值占比。白 酒行业的波动率由 2020 年初的 1.50%逐步上升至 2021 年 10 月的接近 4%，随后回落至 2022 年末的 2.50%，其 市值占比自 2020 年初至 2021 年 2 月小幅上升，随后在 10.00%附近波动。自 2021 年底开始，电力设备的波动 率与市值占比均呈现上升趋势，对沪深 300 的风险贡献大幅攀升。非银波动率 2020 年 6 月陡增至接近 3.50%后整体呈现下降趋势，市值占比亦逐渐下降。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）