BAB 杠杆厌恶因子：被杠杆约束压低的低 Beta 溢价

问题：为什么高风险没有换来高回报？#

CAPM 是资产定价的第一课，它给出一个干净漂亮的结论：一只股票的预期超额收益，正比于它的市场 beta。

$E[r_i] - r_f = \beta_i \cdot (E[r_m] - r_f)$

画出来就是证券市场线（SML）：横轴 beta，纵轴预期收益，一条从无风险利率出发、斜率等于市场风险溢价的陡峭斜线。beta 越高，预期收益越高——高风险高回报，天经地义。

但几十年的实证数据反复打脸：真实的 SML 比 CAPM 预测的平坦得多。 低 beta 股票（公用事业、消费必需品）的风险调整后收益，系统性地高于高 beta 股票（科技、周期股）。你按 beta 从低到高买十组股票，会发现最低 beta 组的夏普比率往往是最高的，最高 beta 组反而最差。这个现象太稳健了，稳健到有了自己的名字——低 beta 异象（low-beta anomaly）。

问题来了：这是市场无效（有免费的 alpha 可捡）？还是有更深的结构性原因？Frazzini 和 Pedersen 在 2014 年给出了一个优雅的答案——杠杆约束（leverage constraints）。本文用固定种子 20260801 造一个真实 alpha 严格等于 0 的世界（CAPM 在个股层面完美成立），检验四件事：仅凭杠杆约束能不能把 SML 压平？BAB 因子怎么把这个扭曲变成可交易溢价？它的软肋在哪？以及——如果没有杠杆扭曲，BAB 还赚得到钱吗？

一、杠杆约束如何把 SML 压平#

Frazzini-Pedersen 的核心洞见是这样的：很多投资者想要高收益，但不能（或不愿）借钱加杠杆。

• 共同基金受契约限制，很多不能用杠杆；
• 散户融资成本高、融资额度受限；
• 养老金、保险有监管杠杆上限。

这些”受约束”的投资者想追求高于市场的收益，唯一的办法是在不加杠杆的前提下超配高 beta 股票——因为高 beta 股票天然提供了”内置杠杆”。大家一起去抢高 beta，结果就是：

• 高 beta 股票被买贵了 → 价格偏高 → 未来预期收益被压低；
• 低 beta 股票被冷落了 → 价格相对便宜 → 未来预期收益相对更高。

在均衡状态下，实现的 SML 就被”压平”甚至可能倒挂。注意：这不需要任何 alpha，也不需要市场非理性。 它纯粹是杠杆约束下的均衡定价扭曲。

我在模拟里严格执行这个逻辑：设定每只股票的真实 alpha = 0（CAPM 在个股层面完美成立），然后叠加一个由杠杆约束导致的定价扭曲——高 beta 收益被压低、低 beta 被抬高，扭曲幅度正比于 beta 偏离市场均值的程度。

结果一目了然：理论 CAPM 的 SML（黑虚线）斜率是市场风险溢价 11.4%，但实现的 SML（红实线）斜率被压平到只有 4.6%，截距被抬高到 7.5%。低 beta 股票（左侧）普遍落在 CAPM 线上方（“太高了”），高 beta 股票（右侧）普遍落在下方（“太低了”）。

这张图是整个 BAB 逻辑的地基：在一个 alpha 严格为零的世界里，仅仅因为一部分投资者不能加杠杆，SML 就被压平了。低 beta 股票的”超额收益”不是 alpha，是别人被杠杆约束逼出来的定价扭曲。

二、BAB 因子：做多低 beta 加杠杆，做空高 beta 去杠杆#

既然低 beta 股票被低估、高 beta 被高估，最直接的套利就是做多低 beta、做空高 beta。但这里有个关键细节，也是 BAB 相对朴素”低 beta 组合”的精妙之处：必须做到 beta 中性。

如果你只是简单地做多低 beta 组、做空高 beta 组，你的组合会有一个净的负 beta（低 beta 腿的 beta 小于高 beta 腿）——市场一涨，你的组合天然吃亏，赚的钱一部分只是空头 beta 的反向暴露，不纯粹。

Frazzini-Pedersen 的做法是：

• 做多低 beta 腿，并加杠杆把这条腿的 beta 放大到 1（比如低 beta 腿组合 beta=0.7，就用 1/0.7≈1.43 倍杠杆）；
• 做空高 beta 腿，并去杠杆把这条腿的 beta 缩小到 1（比如高 beta 腿 beta=1.4，就只用 1/1.4≈0.71 的仓位）。

两条腿的 beta 都被标准化到 1，多空相抵，组合净 beta ≈ 0——纯粹的市场中性，赚的完全是低 beta 相对高 beta 的定价差。

# 每天按估计 beta 排序，分低/高两半
low, high = idx[order[:n_half]], idx[order[n_half:]]
# 两腿各按 1/beta 加权
wl = (1/b[low]);  wl /= wl.sum()
wh = (1/b[high]); wh /= wh.sum()
beta_low, beta_high = np.sum(wl*b[low]), np.sum(wh*b[high])
# 关键：做多低beta腿加杠杆到beta=1，做空高beta腿去杠杆到beta=1
lev_long, lev_short = 1/beta_low, 1/beta_high
port_ret = lev_long*ret_long - lev_short*ret_short

图2a 是 BAB 组合的净值曲线：稳健向上，Sharpe 1.65，远超市场买入持有的 0.64。BAB 的收益率并不比市场高多少（年化 5.5%），但它的波动小得多——因为它是市场中性的，不吃市场的方向风险，只赚低 beta 相对高 beta 的稳定价差。

图2b 验证了 beta 中性：把 BAB 的日收益对市场日收益回归，斜率（即组合 beta）只有 0.052——几乎完全的市场中性。这是 BAB 相对朴素低波动策略的关键优势：它把”低 beta 溢价”从”低市场暴露”里干净地剥离出来，无论市场涨跌都能提取这个溢价。

三、致命软肋：你能不能低成本加杠杆？#

BAB 有一个绕不过去的问题，它甚至就写在这个因子的名字里——你必须给低 beta 腿加杠杆。低 beta 腿的 beta 只有 0.7，要把它放大到 1，你得借钱（或用保证金、期货、掉期）把仓位做到 1.43 倍。加杠杆是要付融资成本的。

这就带来一个尖锐的讽刺：BAB 赚的正是”别人不能加杠杆”的钱，但你自己要吃到这个溢价，恰恰得能低成本加杠杆。 如果你的融资成本和那些受约束的投资者一样高，这个溢价就被融资成本吃光了。

我把做多腿的年化融资成本从 0 扫到 8%，看 BAB 的 Sharpe 怎么变：

图3a/3b 的下滑趋势很陡：融资成本每上升 1%，Sharpe 大约掉 0.15。成本到 3% 时 Sharpe 从 1.65 掉到 1.2，到 8% 时只剩 0.45——溢价被大幅侵蚀。这不是细节，这是 BAB 能不能实盘的生死线。 对冲基金、自营盘能以接近无风险利率的成本融资，BAB 对它们是真金白银的 alpha；对融资成本高的投资者，这个溢价看得到、吃不到。

这也从反面印证了 Frazzini-Pedersen 的逻辑：低 beta 溢价的存在，正是因为大量投资者融资成本高或受约束。 如果所有人都能免费加杠杆，大家都会去套这个利，溢价早就被抹平了。溢价能长期存在，恰恰因为能低成本加杠杆的钱是稀缺的。

四、对抗式检验：这溢价是真的吗？#

一个 Sharpe 1.65 的市场中性因子，太漂亮了，漂亮到必须怀疑。四个对抗式检验直击要害。

图4a：无杠杆扭曲的世界里，BAB 赚得到钱吗？ 这是最关键的一个检验。我把杠杆扭曲关掉（真实 alpha=0 且 SML 不被压平，CAPM 完美成立），重跑 BAB——Sharpe 变成 -0.22，净值曲线（灰）在零附近徘徊甚至向下。这证明了一件至关重要的事：BAB 的溢价完全来自杠杆约束导致的定价扭曲，而不是数据挖掘或某种统计假象。 扭曲在，BAB 就赚钱；扭曲不在，BAB 就是一条死鱼。任何声称”低 beta 异象”的策略，都应该先问：如果 SML 不平，我还赚得到吗？如果答案是”照样赚”，那你赚的根本不是这个溢价，是别的东西（很可能是 bug 或 look-ahead）。

图4b：beta 估计误差有多大影响？ BAB 依赖对每只股票 beta 的估计，而 beta 是估出来的、有噪声的。我对比了用真实 beta（oracle，偷看了真相）排序和用滚动估计 beta排序的 BAB：滚动估计与真实 beta 的相关系数 0.971（估得相当准），oracle 的 Sharpe 是 1.62，滚动估计的 Sharpe 1.65——两者非常接近。这说明在 beta 估计足够准（相关 0.97）时，估计误差对 BAB 的伤害有限。 但反过来说，如果你的 beta 估计很糟（相关掉到 0.7 以下），排序就会大量出错，低 beta 组混进高 beta 股票，溢价被稀释。beta 估计质量是 BAB 的隐性前提。

图4c：随机分组置换检验。 我把”按 beta 分多空组”换成”随机分多空组”，跑 300 次，得到零假设下的 Sharpe 分布：95 分位只有 0.55，最大 0.79。真实 BAB 的 1.65 远远甩开——证明 BAB 的收益来自”按 beta 排序”这个真实结构，不是随便分组也能刷出来的运气。（注意：这里必须用随机分组置换，而不是打乱 BAB 已实现日收益的顺序——后者会保持 Sharpe 不变，是无效检验。）

图4d：beta 十分位的实现收益。 按 beta 从低到高分十组，看各组的年化实现收益：低 beta 组的收益并不比高 beta 组低——在真实 alpha=0 但 SML 被压平的世界里，低 beta 组承担的风险远小于高 beta 组，却拿到了相近甚至更高的收益。风险调整后（除以各组波动），低 beta 组的优势就更明显了。这正是”低 beta 异象”在个股层面的直接体现。

三段式总结#

A. 实现细节#

• 数据生成：400 只股票、2520 日（约 10 年）。每只股票日收益 = 真实 beta × 市场收益 + 特异噪声，真实 alpha 严格设为 0（CAPM 在个股层面完美成立）。真实 beta 横截面从 0.4 到 1.8。固定种子 20260801。
• 杠杆扭曲：在个股收益上叠加一个正比于 beta 偏离均值的定价扭曲（高 beta 被压、低 beta 被抬），模拟杠杆约束下的均衡结果。这是 BAB 溢价的唯一来源——关掉它，BAB 就不赚钱。
• beta 估计：252 日滚动窗口 OLS，因果（只用历史）。BAB 组合每日按估计 beta 排序、分低/高两半、各腿按 1/beta 加权、做多低 beta 腿加杠杆到 beta=1、做空高 beta 腿去杠杆到 beta=1，实现组合净 beta≈0。
• 对抗式检验：(1) 关闭杠杆扭曲重跑 BAB；(2) oracle（真实 beta）vs 滚动估计 beta 的对比；(3) 随机分组置换 300 次（非打乱已实现收益）；(4) beta 十分位实现收益分布。

B. 已知偏差#

• 杠杆扭曲是外生设定的：本文直接把”高 beta 被压、低 beta 被抬”的定价扭曲叠加到收益上，而没有从投资者的杠杆约束优化里内生地推导出来。真实世界这个扭曲的幅度、稳定性是经验问题，会随市场情绪、货币政策（融资便利度）波动。
• 融资成本简化：只对做多腿加杠杆的部分计固定年化利息，没有建模保证金追缴、融资额度限制、期货展期成本、做空的借券成本与轧空风险。真实 BAB 的成本结构比这复杂，做空高 beta 股票尤其可能遭遇借券难、借券贵。
• beta 估计的时变性：本文用 252 日滚动 OLS 估 beta，假设 beta 在窗口内稳定。真实 beta 会漂移（见另一篇卡尔曼动态对冲），估计滞后会让排序失真，尤其在市场 regime 切换时。
• 零交易成本口径：每日重排多空组意味着高换手，本文未建模买卖价差和冲击成本。真实 BAB 通常用月频或更低频调仓来控制换手，Sharpe 会因此打折。
• 横截面同质假设：模拟里特异波动与 beta 无关、股票同质。真实市场低 beta 股票常集中在特定行业（公用事业、必需消费），BAB 可能隐含行业押注，需要额外的行业中性化。

C. 结果解读#

• 低 beta 异象不需要 alpha 来解释：本文最重要的结论是——在一个真实 alpha 严格为零的世界里，仅凭杠杆约束就能把 SML 从 11.4% 压平到 4.6%，产生一个 Sharpe 1.65 的可交易因子。低 beta 溢价不是”市场犯错留下的免费午餐”，而是杠杆约束下的均衡定价扭曲。 这个区分很重要：均衡扭曲比”市场错误”稳定得多，也持久得多。
• BAB 的价值 = 你的融资成本优势：融资成本从 0 到 8%，Sharpe 从 1.65 崩到 0.45。BAB 赚的是”别人不能加杠杆”的钱，而你要吃到它，恰恰得能低成本加杠杆。这个溢价对能以近无风险利率融资的机构是真 alpha，对融资成本高的投资者是看得到吃不到的镜花水月。 溢价能长期存在，正因为廉价杠杆稀缺。
• “无扭曲则不赚钱”是诚实性的证据：图4a 里关掉扭曲后 BAB 变成 -0.22，这不是坏消息，是好消息——它证明 BAB 的收益确实来自它声称的来源（杠杆约束），而非数据挖掘。任何因子策略都该做这个检验：把你假设的收益来源关掉，如果还赚钱，你赚的就不是你以为的东西。
• beta 中性是 BAB 的灵魂：组合 beta 只有 0.052（图2b）。如果不做 beta 中性化，简单的”多低空高”会残留负 beta，收益里混进市场方向的反向暴露——熊市里看着赚钱，牛市里莫名其妙亏。BAB 的 1/beta 加权正是为了把低 beta 溢价从市场 beta 里干净剥离。
• 适用边界：BAB 最适合能低成本加杠杆、能低成本做空、且能承受高换手的机构投资者。对个人投资者，融资成本、做空成本、借券风险三座大山会把溢价吃掉大半——一个更现实的近似是不加杠杆地超配低 beta 股票（吃到一部分溢价，放弃 beta 中性和杠杆放大）。先算清你的融资成本，再决定要不要碰 BAB。