← 返回报告库
低相关性 BAC · 全 A 实测

低相关性股票该有溢价吗？
—— BAC 在 A 股反转：独狼反而跑输

Betting-against-correlation（Asness-Frazzini-Pedersen 2020）的核心论断：低 beta 异象真正的来源是相关性而非波动率——与市场低相关的股票被低估、该有溢价。这是对 BAB 机制的精细拆解。A 股实测给了个漂亮的反例：相关性通道在 A 股是反的。

样本 2016–2026｜全 A（剔 ST/北交所）｜近 250 日与全 A 等权市场的相关系数｜月度·等权·纯多头
−5.4%低相关(独狼)组超额——反而最差
+5.7%高相关(主流)组超额——反而最好
−11.2ppQ1−Q5（与 AFP 符号相反）
−7.2%/yrIVOL 中性后低−高相关（独立于波动率）
一句话结论。Betting-against-correlation 在 A 股反转：与市场高相关（主流/beta）的股票跑赢（+5.7%），低相关（独来独往）的跑输（−5.4%，froth 里 −8.5%），Q1−Q5 −11.2pp（test −19pp），与 AFP 符号相反；且IVOL 中性后仍 −7.2%/年（不只是波动率的影子）。最锋利的洞察：A 股的低风险溢价来自"波动率"通道（低 IVOL 赢），而不是 AFP 说的"相关性"通道——相关性通道在 A 股反着来。因为在 A 股，"与市场低相关"标记的是独来独往的妖股/微盘/事件驱动 oddball（它们靠自己的炒作而非市场 beta 驱动）→ 过度反应后反转；而高相关 = 随大盘（小盘为主）走的主流股。

五组全景：越低相关越差（反 AFP）

与市场相关性分组全期超额train 16-21test 22-26
Q1 低相关（独狼）−5.4%−3.2%−8.5%
Q3 中+0.1%−0.4%+0.8%
Q5 高相关（主流）+5.7%+2.6%+10.5%
Q1 − Q5−11.2pp−5.8pp−19.0pp
单调向上（越高相关越好），train+test 一致，froth 里最夸张（低相关 −8.5% vs 高相关 +10.5%）。这和 低 IVOL 赢 恰好相反方向——所以在 A 股，"低波动"和"低相关"这两个 AFP 认为应该一致的低风险维度，指向相反：低波好、低相关差。

为什么两个低风险维度在 A 股分道扬镳

低波（IVOL）= 稳健 → 赢

低特质波动选出的是波动小、不被爆炒的稳健股 → 长期跑赢（IVOL +16.5pp）。这是"避开高波妖股"。

低相关 = 独狼妖股 → 输

与市场低相关选出的却是独来独往、走自己节奏的股——在 A 股大多是题材/事件/微盘炒作驱动的 oddball（收益不被市场解释 = 靠自身投机），过度反应后反转 → 跑输。高相关反而是随大盘的主流股。
对 AFP 机制的证伪：AFP 说 BAB 主要走相关性通道（低相关被低估）。A 股数据显示——低风险溢价确实存在，但来自波动率通道（IVOL），相关性通道反而是负的。原因在于 A 股的"低相关"不代表"分散化价值高的稳健资产"，而代表"自成一派的投机妖股"。换个市场，同一个统计量的经济含义可以完全颠倒。落地：避妖股用 IVOL/波动率、换手率，别用"低相关"当低风险信号（在 A 股它是反的）。

论文与口径

· 论文：Asness, Frazzini, Gormsen & Pedersen, Betting Against Correlation, JFE 2020——低 beta 异象主要由低相关驱动（而非低波动）。
· 口径：全 A、信号 = 近 250 日与全 A 等权市场的相关系数、按分位分 5 组、月度、等权、纯多头；信号 t / 收益 t+1。IVOL 中性 = 每 IVOL 档内低/高相关三分之一对比。剔 ST（按当前名）与北交所。与 AFP 符号相反如实呈现。非投资建议。
· 可复现：backtest.py · backtest_result.json
· 关联：IVOL（低波赢） · 低 beta（regime 依赖） · 换手率 · 因子地图。
chaoe.net · A 股低风险溢价来自波动率通道不是相关性通道——低波赢、低相关反而输（独狼妖股）。