當我們在談論配置風險的時候,在配置什麼?

ADVERTISEMENT

摘要

從尾部風險談起

2016年以來,A股出現多次日內較大幅度的回撤,尾部風險值得關注。註冊製的推出和再融資新政出臺引發市場對創業板外延擴張及殼資源等超小盤股的擔憂,風格切換也一直是量化投資面臨的重要問題。做好擇時及風格判斷模型不易。因此從配置資產到配置風險變得尤為重要。

從風險平價看風險分散

在沒有明確的收益和風險的預期時,構造各類資產的風險貢獻度,實現風險貢獻等權是數量上和邏輯上的相對最優選擇,但資產之間並非獨立,如果若幹資產包含同一基礎標的,那麼並沒有實現基礎資產層面的風險分散。因此從基於資產類別到基於風險因子的風險平價至關重要。更進一步,如果對基礎標的或者風險因子有預測和估計模型,那麼可以進行風險預算。在風險可控時,高配高Alpha的資產,獲取更多風險溢價。

大類資產配置體系框架

資產配置主要追求兩個目標:(1)追求單個資產的高alpha;(2)降低組合內(資產/策略)的相關性。因此我們建立了中信建投金融工程大類資產配置體系框架,主要包含四個部分:(1)資產/策略的分類;(2)基於風險因子的風險預算;(3)單一資產定價模型;(4)合理優化配置權重。我們的配置標的是廣義的資產,既可以是股、債指數基金本身,亦可以是由策略選股得到的淨值曲線。首先我們對這種廣義資產進行分類,分類配置型(長期存在較穩健上漲趨勢,流動性好,非保證金交易)和進攻型(中期無法明顯趨勢行情,波動劇烈,可能有爆倉危險)。對於配置型標的,我們採用基於風險因子的風險預算;對於進攻型資產,我們通過單一資產定價模型,尋找價格極端偏離價值時的投資機會,基於不合理價格終將均值回覆的假設,大部分時期可能並無配置,隻抓把握性的交易機會。兩個模型我們採用black-litterman的框架進行計算,單一資產定價的觀點採用主觀預期收益和波動的方式輸入模型。

基於改進投資時鐘的配置模型回測

投資時鐘本質利用離散的風險因子進行資產配置。本報告通過觀察GDP和CPI同比變化的差分來度量未來短期經濟和通脹的方向性變動,量化劃分經濟週期,基於中美市場資料,以各類資產(股票、債券、現金、商品、黃金和原油)在歷史上各個時期(衰退、復甦、過熱、滯脹)的歷史收益率分佈來估計下一預測經濟週期內的收益率分佈,設定風險價值(VAR)的約束,比較最小風險、最大收益、最大夏普方法的差異,推薦利用最大夏普模型優化配置權重,得到配置基準。從回測結果來看,針對美國市場(1973年至今)的四資產模型可以實現7.68%的收益,3.65%的最大回撤,1.89倍的夏普比率(無風險收益為0),六資產模型的年化收益率為7.8%,最大回撤為2.64%,夏普比率為2.22。針對中國市場(2003年至今)可以實現9.03%的年化收益率,2.6%的最大回撤和1.95的夏普比率。風險提示:模型存在未來函數,需要堤防收益率分佈的相對變化。

基於中美基金產品的結果複製及建議

落到基金層面,本文採用上文配置權重進行配置,結果值得關注。

目前國內市場指數型產品類別較少,特別是投資標的為商品等細分產品的指數型基金較少,隨著養老金等資金大規模入市,二級市場需要更豐富的投資標的。各類指數基金價值更多體現在分散風險的配置意義而不是純粹的投機,FOF產品能不能順利推進,關鍵還是要豐富FOF基金配置的池子,成熟的證券市場需要相關性低的指數型基金產品,不僅有利於緩解大資金的配置壓力,同時有助於市場的健康發展。

正文

一、前言

1.1、從尾部事件談起

“尾部事件(Tail Event)”是指某一期投資收益率偏離整體分佈均值多於三個標準偏差,該定義涉及兩個重要的概念:資產收益率的總體分佈和標準偏差的定義。通常,資產價格收益率並不服從正態分佈,因此出現極端漲跌幅的頻率大於正態分佈得到的理論概率值,易產生所謂的“尾部/厚尾風險(Tail/Fat Risk)”。對於投資者來說,尾部風險或帶來巨大的回撤。從追求收益/風險的價效比角度來看,如何左側提前減倉規避或者衍生品對衝尤其重要。尾部相關性決定了資產組合內各類資產同時發現較大回撤的可能性,值得重點關注。

在時間維度上,資產收益率分佈的偏度等也在不斷變化。除去年初的熔斷,以2016年的A股為例,市場整體呈現震盪行情,波動相對較小,特別是對於絕對收益的產品而言,若幹次較大級別的回撤讓趨勢模型非常痛苦。覆盤究其原因,在當前,供給側改革帶動上遊主動淘汰落後產能,週期品價格觸底反彈,PPI大幅回升帶來上遊企業盈利回升,但並未改變經濟大週期的增速放緩;資金並未脫虛向實,與央行降息降準,量化寬鬆的目標事與願違,債市總體槓桿較高,疊加美聯儲加息預期及人民幣貶值壓力,通脹預期擡頭,利率難降,特別是到10月後,央行主動去槓桿,利率大幅上升,簡言之,市場缺少核心上行動力和增量資金,存量資金的博弈造就了整體震盪的行情。另外,由於資訊披露日漸發達,新聞脫煤,市場易形成一致預期,一致預期的反轉通常意味著市場拐點的到來,瞬間的反轉造成了若幹次巨大的回撤。尾部風險,特別是尾部相關性尤其值得關注。中信建投金融工程在各大類資產擇時方面已經建立了相對成熟的方法體系,在該系列報告中,我們將重點介紹大類資產配置的體系框架。

1.2、資金收益率的分解

在建立資產配置體系之前,首先我們從資產收益率的角度出發,明確我們所追求的收益來源。

投資組合的收益率可以被拆分成傳統的Asset Beta和傳統的Alpha,前者主要與投資標的本身屬性有關(如股、債、現金等),由市場和資產類別決定,後者又可以被具體劃分為Enhanced Beta、Alternative Beta 和True Alpha,其中Enhanced Beta來源於通過主動管理,獲取對投資標的本身的風險溢價,如指數增強類的產品。Alternative Beta的收益來自各種風險因子(如:動量、規模、波動率、價值等),獲取因子的風險溢價,降低投資組合的風險。True Alpha主動管理的類無風險收益(非系統性風險因子)。以夏普比率來評判,傳統的Asset Beta

1.3、從配置資產到配置風險

不同投資者的目標不盡相同,因此,如何實現風險收益的匹配,儘可能提高資產的收益率,降低風險,穩健實現資產的保值增值是資產配置的目標。從構建投資組合的角度來說,尋找高alpha,降低資產間相關性是更切實的思路。這裡有兩點值得注意:(1)風險是什麼?風險分散如何定義?(2)基於資產類別的配置模型是否真正的實現風險分散?

1.3.1、風險與風險分散

風險的度量需滿足次可加性、齊次性(兩者可替換為較弱的凸性(Follmer、Schied))、單調性和平移不變性等性質。常規應用中,考慮模型的可解性和計算方便,通常使用標準差作為風險的度量,但從投資的角度來看,這種風險度量並不精確,資產價格的波動並不等同於風險,基於“收益與風險成正相關”的基本假設,不同波幅的波動性質不一樣,如果將低波動(可接受的波動)同樣定義為風險,那麼是以犧牲相應的收益為代價的。直觀來說,投資者無法接受的回撤定義為風險更加契合投資目標,因此,尾部風險的度量值得關注,如風險價值VAR和期望虧空ES。本文梳理了主要的風險度量指標,主要包含以下幾類指標:

(1)基於收益率相關各階矩的風險度量;(2)基於形態識別的直觀度量(3)基於風險價值VAR的風險度量;(4)基於隨機優勢準則的風險度量;(5)滿足凸性的風險度量等。

各種風險度量各有利弊,本文重點討論和比較各類風險度量的差異:

(1)基於收益率各階矩的風險度量

ADVERTISEMENT

最常用的度量是收益率序列的標準差、偏度和峰度。標準差主要存在的問題主要有以下幾點:(1)標準差、協方差陣等雖然計算直觀方便,但“歷史能否重演”這條基本假設無法保證,難以精確計算。利用近一段時間的歷史波動率作為預期波動率,易忽略市場拐點,根據時間序列,滾動計算得到的波動率的波動率並不穩定,難以把握市場風格的變點,另外,如果涉及較長的投資週期和多類別資產,計算量較大;(2)收益率分佈通常並不滿足正態分佈的基本假設,存在厚尾性,低階矩無法度量此類資訊。

(2)基於形態識別的風險度量

這類風險度量比較直觀,如回撤,最大回撤,回撤時間等,主要是根據由資產的價格形態特徵決定。我們認為是風險度量中的技術指標,以回撤時間為例,資產價格在某一時間段內回撤時間其實反映了更多交易資訊,特別是對於權益類指數,該指標和波浪理論中的波浪級別一脈相承,基於“投資者存在一定的投資週期和持倉成本”的假設,在某一段時間內,若幹次級別相同的回撤幅度和時間是存在一定的規律的,關於在於級別的把握,因此基於形態識別的風險度量同樣是十分重要的。

(3)基於風險價值VAR的風險度量;

風險價值是損失分佈的alpha位分位點。考慮到以波動率計算風險是以犧牲接受波動為代價的,因此VAR傾向於計算極端回撤出現,可能給投資者帶來的巨大損失,作為尾部風險的度量指標之一,儘管不滿足次可加性,但更符合投資目標和經驗邏輯。

二、大類資產配置的框架

2.1、從風險平價視角再論風險分散

資產配置的核心目標是尋找ALPHA,降低投資標的的相關性。“相關性”的定義值得討論:(1)如何度量相關性?(2)相關性是否真的被降低?為了深入討論這個問題,我們從風險平價開始,首先簡單梳理一下風險平價的思路。為了控製回撤,我們希望儘可能分散投資組合的風險。在對各類投資標的沒有風險預判與收益預期的情況下,各類資產平等對待,等權配置成為最優的選擇。最直觀的邏輯便是風險等權,如果以波動率來定義風險,那就是風險平價的雛形。簡單波動率等權忽略的資產之間的相關性,若投資標的存在強相關性,易同時回撤。因此,風險平價以協方差陣定義風險,同時定義了風險貢獻這一統計量來度量各類資產的風險佔比。

從實際資產的表現來看,大類資產之間的平均相關性處於歷史較低水平,合理配置資產具有重要意義。

2.2、資產配置框架簡介

在理想的情況下,風險因子應滿足:(1)風險因子相互獨立(正交性);(2)提供正面的風險溢價;(3)因子系統完善,可以解釋各個維度的系統性風險。因子分類並無標準的分類方法,基於Fama and French(1993)的框架,按照Tradional,Carry,Momentum,Value,Volatility被認為是相對完善的分類。常規的做法是,對於各類資產,首先分別根據五個因子構建相應的單因子策略,每類資產每個因子的收益率曲線。然後考慮根據宏觀、資金和流動性等因素進行因子輪動,計算在不同時期因子之間的相關性,根據對於未來市場環境的判斷,賦予預期收益率高,相關低的因子更多權重,從配置因子落到配置資產。

該模型邏輯清晰,難點在於因子輪動,因到各因子表現和經濟通脹等宏觀指標的相關性的邏輯性相對較弱。儘管因子存在一定的記憶性和短期動量效應,但對市場中的變點並不敏感,反映滯後。以A股為例,剝離市值因子後,大部分因子能夠持續穩定地提供正面收益貢獻,輪動的意義並不明顯。因此,秉承控製風險,增強組合進攻性的目標,我們建立了另一套可拓展、可優化的大類資產配置體系框架,該框架與傳統因子模型並不矛盾,而是可以使相互補充,主要包含四個部分:(1)資產/策略的分類;(2)基於風險因子的風險預算;(3)單一資產定價模型;(4)合理優化配置權重。

2.2.1、

資產/策略的分類

資產配置首先需對廣義的“資產”進行定義。我們將所有的資產分為兩類:配置型和進攻型。配置型資產主要滿足以下幾點:(1)資產/策略淨值整體呈現上升趨勢,可長期持有;(2)資產/策略淨值波動率及尾部風險在投資者可接受範圍內在;(3)資金容量大,流動性較好;進攻型資產/策略與之對應:(1)資產/策略長期來看,並無確定性趨勢;(2)價格序列波動率;(3)資金容量較小,可能存在流動性問題;(4)(非必要)保證金交易製度,存在爆倉的危險。

投資配置型資產的目標是優化配置比例,在嚴格控製回撤的基礎上,把握市場風格(如經濟週期和風格輪動等)的變化,適度提高進攻性。針對於此,我們建立的基於風險因子的風險預算模型。對於進攻型資產,大部分時期可能不參與,隻有在資產大方向確定性高,策略收益把握性的大的情況下,才會重點參與,我們建立單一資產的定價模型來實現。簡言之,基於風險因子的風險預算重點關注對於各類資產的共同因子,捕捉組合的Alternative Beta,單一資產定價模型更關注不同資產類別本身的特異性因子,尋找相對資產本身Enhanced Beta。舉例而言,債券和現金類為配置型資產,股、商品兼有配置和進攻的屬性,我們建議首先根據風險預算模型確定基準配置權重,後超配預期收益率較高的單一資產進行增強,動態調權。

2.2.2、基於風險因子的風險預算

本文重點是落地到資產類別層面的配置,因此基礎標的以股、債、商品、現金指數為主,未將具體的策略淨值等納入基礎配置標的。基於風險因子的風險預算也是針對大類資產展開的,在介紹具體模型之前,我們希望證明基於風險因子的配置能降低組合的相關性。

以中國市場的資料為例,分別選取上證綜指和深圳成指等權指數為股票指數,中證全債為債券指數,Wind商品指數來跟蹤商品表現,現金資產用定存收益率來替代,我們分別用宏觀因子經濟和通脹指標作為自變數,各類資產收益率為因變數,建立迴歸模型,比較資產之間的相關性,和減去迴歸項後的殘差相關性。我們發現,通過共同風險因子的分解,殘差項的相關性大幅降低,有助於風險的分散。

由於大類資產之間本身存在一定的相關性,因此在2.1節,我們重點介紹了基於資產類別層面分散風險的侷限,落到風險因子層面,可以獲得更好的效果。

ADVERTISEMENT

以全天候模型為例,以經濟和通脹的預期差而二分變數,每個象限內配置歷史上表現最佳的投資組合。如果對未來的經濟和通脹沒有明確的觀點,那麼不妨假設四個時期出現的概率是相等的,風險等權分配在四個時期,從風險因子等權過度到資產的配置,從而分散了風險。

在實際的應用中,結合我們跟蹤多年的宏觀預測、擇時體系和基於定量投資時鐘的模型,我們對未來三個月的經濟和通脹有一定預判,因此我們的風險預算會優先配置在確定性較大的經濟週期(衰退、復甦、過熱和滯脹)。經濟預測的準確性,經濟週期與資產表現的慣性及配置權重的優化決定了該模型的投資收益。

投資時鐘優勢在於邏輯清晰,問題主要在於經濟週期的劃分。“經濟增長趨勢”和“通貨膨脹趨勢”的識別是非常困難的,如何度量趨勢與噪聲一直是經濟學界的難題。我們的解決方法是:關鍵經濟和通脹的同比的差分,類似二階導的概念,重點關注經濟和通脹的“加速度”。在T時刻,如果有經濟和通脹的預測資料,則計算未來兩個月(不同國家的參數有差異)經濟及通脹“加速度”變動的方向。無預測資料,及重點考慮當前和過去兩個月的差分情況。從我們具體的回測結果來看,預測資料>同期資料>過去資料。

投資時鐘本身包含經濟和通脹兩個宏觀因子,採用離散的處理方法劃分象限,每個象限內配置單一資產回撤較大,因此在每個週期象限內,也應合理分配各類資產的權重,如何將對週期的判斷定量刻畫為各大類資產的超配和低配至關重要。

本文將重點介紹兩種思路:

(1)投資週期從四象限到多象限

直觀來說,經濟週期並非非黑即白,在我們的題為《投資時鐘指路,量化大類資產輪動破局——再談美林時鐘模型在中美市場的有效性》的報告中也曾強調,各類資產在不同的時期表現確實有一定差異,但無明顯邊界,因此週期的劃分也應該有更多象限。不妨定義處於哪一種經濟週期的概率錯誤!不能通過編輯域程式碼建立物件。為連續型因變數,考察更多經濟和通脹指標(不僅限於GDP,通脹),對未來的短期的經濟週期進行判斷,這樣資產配置權重更加分散。更貼近實際投資的需求。

(2)週期內資產配置多樣化

該方法考慮各類資產在歷史上每個週期內的收益率分佈情況,基於“預期收益率將滿足各類資產在歷史上每個週期內收益率分佈”的假設,我們按照各類資產在不同時期的歷史分佈作為預期分佈進行優化配置。

2.2.3、單一資產定價模型

基於風險因子的風險預算重點考察的是各類資產的共同因子,比如經濟、通脹和利率等,但對於不同類型的各類資產,資產本身有很多特異性因子,比如供求關係對於商品的影響,企業盈利對於股價的影響等等。因此,我們另闢蹊徑,針對各大類資產建立單一資產的定價模型。

單一資產定價的目標並不是追求絕對值的精準,而是希望度量合理的價格中樞與實際價格之間的價差,捕捉由於政策、事件等短期衝擊造成的價格偏離,捕捉短期價格嚴重偏離價值的情況。長期來看,投資組合的大部分風險預算都由2.2.4的模型來分配,隻有當單一資產模型捕捉到極端價格偏離時,才會配置相應的資產,提高組合的進攻性,快進快出,解決配置模型收益率低的問題。目前,我們主要覆蓋了原油、黃金和農產品等資產。下一篇報告將通過BL模型,將單一資產捕捉價格極端偏離價值的投資機會,增強配置模型的進攻性。

2.2.4、合理優化配置權重

資產配置權重的確定有很多種方法,本報告進行了整理與分類。分類的標準是看配置方式是否包含收益率與風險的預判。

如果確定配置權重之前,存在對於風險的預判,那麼屬於風險預算策略。需要根據投資者的風險偏好進行風險權重的分配。更進一步,如果投資者還有對於組合內標的的收益率預期,那麼需要將主觀的觀點帶入配置模型,基於已有的配置基準,採用Black-litterman的框架,進行權重的優化。

如果沒有風險的預判,組合屬於被動配置,如果有各類資產的預期收益,在強調進攻性的情況下,是馬克維茨的體系。如果也沒有收益的研判,模型屬於被動配置,主要根據收益和風險的目標進行配置。主要涉及三個部分:(1)配置目標;(2)風險貢獻的度量;主要的模型包括:最分散,最小方差和風險平價。直觀來說,再沒有風險預期的情況下,各類資產風險等權(標準差為風險度量)是數量上和邏輯上風險最分散的選擇,是一種特殊的風險預算。

三、基於改進投資時鐘優化的配置基準

本報告主要展示了對於配置型的資產,基於改進的投資時鐘,優化配置的結果。目的是定義一條穩健的配置基準,在後續的報告中,我們將基於該配置基準,結合單一資產定價模型給出的各類資產的預期收益率,調整權重,提高投資組合的進攻性。

3.1、投資標的梳理

本報告重點考察了分別測試了中美市場上,基於改進投資時鐘的配置模型的回撤結果。本報告選取的資產以指數為主,後續報告會拓展到具體資產類別下的各種策略回報指數。對於中美市場,重點考察股票、債券、商品、現金指數,另外,經過統計發現,黃金和原油的價格與美國的經濟和通脹也有很強的相關性,可以根據經濟和通脹變化率劃分的經濟週期進行配置,因此對於美國,納入黃金和原油的現貨價格,分別研究了四類資產和六類資產的情況。本文希望儘可能覆蓋更長的回測區間,美國市場的資料從1973年3月到2016年10月,中國市場的資料從2003年1月至2007年1月。具體投資標的及表現見下表。

3.2、投資時鐘的劃分及各類資產表現

ADVERTISEMENT

本報告介紹了根據經濟和通脹變化率劃分投資時鐘的方法。對於美國市場,經濟主要看未來4個月的變化率,通脹主要看未來一個月和上個月的變化率,簡言之,經濟偏重未來一季度左右的中期趨勢,通脹更關注當前所處狀態。對於中國市場,經濟時期的劃分都參考經濟和通脹未來兩個月的變化率,較之美國,中國更關注經濟的短期未來的趨勢。

劃分週期後,首先我們從配置角度分析各類資產的排名打分的分佈情況。排名的定義是同一個月各類資產收益率的排名,按照升序排序,收益率越高排名打分越高。無論是美國還是中國市場,該排名的分佈都符合投資時鐘邏輯。因此,這裡的經濟和通脹變化率作為離散型的因子,區分度顯著。

不妨假設,各類資產在每個週期:衰退、復甦、過熱,滯脹內的歷史分佈為實際分佈,分別考察該分佈的均值、標準差和VAR及頻數之間的協方差。根據這些統計量,設定優化函數,計算不同經濟週期下的配置權重。

本報告認為在不同時期,在沒有外部資訊的情況下,歷史表現的收益率可以認為是先驗分佈。從單一資產配置來看,單純依靠歷史分佈擇時是不夠的,但落到資產配置層面,各類資產在不同時間的相對強弱關係既有經濟學邏輯支撐,同時基於資料的驗證。因此,作為配置基準來看,效果出色。

本文主要用各類資產在各時期的歷史收益率分佈作為預期分佈,用均值來代替預期收益率,用標準差表示預期波動率,歷史VAR即為預期風險價值。在配置方法上,本文主要測試了最大收益、最小風險和最大夏普,和傳統馬科維茨均值方差迴歸的主要差異在於對尾部風險的控製,即在約束條件中,對投資組合設定一定的VAR值,根據不同經濟週期各類資產的歷史分佈,設定對各類資產的可容忍的極端風險的閾值。回撤結果顯示,收益穩健,回撤較小,夏普比例高,很適合作為配置基準。

3.3、美國市場實證結果

美國市場主要針對上文提到的六類標的,分別測試四類資產和六類資產的情況。我們認為該策略的收益分成兩部分,一部分是投資時鐘下的配置收益,一部分是投資組合優化獲得的風險溢價。(此處夏普比率的計算未考慮無風險收益率。)總體來看,有了風險價值的約束,組合的收益率有明顯下降,但是夏普比率非常高,很適合大資金的配置需求,作為配置基準是非常好的選擇。

我們推薦取VAR=0.03的情況,無論是對於四資產還是六資產的情況,都可以獲得較高的風險收益比。

從配置權重來看,基本切合股票多配於復甦,商品多配於過熱,衰退優配債券,現金滯脹避險、黃金在滯脹期多配,原油在過熱期有較高收益率的大邏輯。為了控製回撤,較多的權重配置在債券和現金,同樣符合配置資金的投資偏好。回望1973年至今的回測結果,較好地迴避了歷史上幾輪權益和商品資產的大回撤。(1997年,2000年,2008年等)

3.4 中國市場實證結果

由於黃金和原油的價格主要受美國經濟和通脹的影響,所以對於中國市場的回測主要覆蓋傳統的股債商品現金四類資產,整體來看,基於改進投資時鐘的優化配置模型同樣取得了較好的回測結果。

對於中國市場,我們推薦取VAR=0.03時的情況,最大回撤隻有2.6%,較好地規避權益類資產2008和2015年的系統性風險。股票在復甦期超配,債券在衰退期超配,商品在復甦和過熱起都佔了較大的配置比例,由於過熱期經濟和通脹齊升,債券資產選擇規避。比較特殊的是,由於國內市場債券出現極端回撤的時期較少,因此滯脹時期,債券依舊分配了較高的權重。

3、基金配置方案及討論

投資最終需要落地到標準化產品,流動性好,費率相對較低的指數化產品是不錯的選擇,上文在指數層面正面了合理分配資產權重,實現降低風險的意義,下文我們將具體落地到基金層面,實現從策略到投資的過度。本文未針對具體的基金品種進行進一步優化,而是按照上文得到的配置權重。

4.1、美國市場實證結果

對於美國市場,我們分成了兩種情況進行回測。第一種情況:投資標的為在國內發行的QDII產品,主要跟蹤國外的標的,但由於該類型國內此類品種尚不完備,某些品種(特別是商品)缺少合適的標的,而且有些品種上市時間較晚,缺少回測的資料,因此我們採用了第二種方式進行對比,後者主要投資在美國發行的指數化產品。

4.1.1、投資於國內發行的國外基金產品

在研究的過程中,我們發現目前可供投資的跟蹤國外標的的產品較少,種類不全,因此完全配置對應的指數產品十分困難。為了保持回測的時間儘可能長,同時標的相關性儘可能高,因此我們選擇以下品種。

股票資產選擇了大成標普500等權基金,商品由於標的稀缺,我們近似用華寶興業標普油氣來代替,債券方面選擇了華夏海外收益A和富國全球債券(2013年1月前配華夏海外收益A,之後配富國全球債券,由於兩隻基金並非跟蹤美國國債指數,因此相關性不高,影響了組合的收益),(值得注意的是,考慮到回測時間,國內缺少跟蹤美國國債的相關指數產品,因此開發更多跟蹤美元債的產品是十分重要的,無論是對於分散風險還是推進金融產品創新都擁有重要意義)。黃金投資於諾安全球黃金,原油投資於華安標普全球石油。

從具體的配置結果可以看出,該組合收益及波動情況不夠理想,主要是由於沒有合適的投資標的,擬合度較低,商品由油氣基金代替,未能合理分散風險。因此,我們認為國內需要更多指數化的產品。其中配置權重和上文指數配置相同。

4.1.2、投資於美國發行的美國基金產品

美國指數基金產品較全,基本覆蓋了所需要的指數產品,跟蹤誤差較小,流動性較好,非常適合大類資產配置的需求,值得國內基金公司借鑑。具體的投資標的見下表。

由於債券、商品和原油基金都跑輸指數,因此組合最大回撤較指陣列合有所增加。

4.2、中國市場實證結果

中國市場的投資標的分別為富國中證500,富國產業債和國泰大宗商品和南方現金增利。回顧A股的基金市場,目前仍然缺少較好覆蓋商品的指數產品,在FOF指引推出的今天,我們需要更多流動性的指數基金,滿足不同風險偏好投資者的配置需求,從結果來看,效果較好,規避了2016年股票的回撤,表現穩健。

上文主要介紹了基於改進投資時鐘的配置模型,得到了中美市場大類資產的配置基準,在後續報告中,我們將在此配置基準的基礎上,基於BL框架,融合我們單一資產定價模型的結果,進一步提高組合的進攻性,並嘗試更多的因子,在有較強邏輯支撐的基礎上,採用連續因子,儘可能地提高模型的收益風險比。

五、總結與展望

高alpha與低相關性:單一資產/策略追求高ALPHA,更多時候為了增強模型的進攻性。低相關性主要是為了控製組合的回撤,尾部風險,特別是尾部低相關性是重要的優化模型。基於各種風險因子,尋找正交的因子,發現更好的分散效果,同時需要兼顧邏輯上的解釋性和模型本身的嚴謹性。關注長期穩定的因子關係,風險因子的衰減值得重點研究。

量化投資時鐘劃分減少幹擾:本系列模型希望從傳統解釋度較高的經典模型入手,發揮量化模型的優勢,提高組合的穩健性。投資時鐘的週期劃分飽受詬病,本文根據經濟和通脹短期變化率,建立了純定量的投資週期劃分方式。模型簡潔明瞭,回測效果穩定。投資時鐘本身是離散的因子模型,追求模糊的精確,不求精確的錯誤。四象限相對簡單,值得進一步深究。但無論是新增新因子還是連續化處理(分解成更多經濟階段)都要嚴格推導,實現數量和邏輯的統一。

預測經濟尤為重要:本報告假設投資者能較好地判斷未來2-4個月各自國家經濟和通脹的變化方向。經濟預測的準確性直接影響到組合的收益率。市場通常會放大事件的短期衝擊,而忽略事件的長期影響,大多數經濟資料和資產價格都是同期變動,資料披露之時價格早已反映,根據已披露的資料做投資,永遠滯後於市場。因此,無論是預測經濟尤其重要。

資產間強弱關係穩定:本報告基於一條重要的基本假設,在不同的經濟週期下,各類資產的收益率的關係相對穩定,不會出現顛覆性的該表。該假設保證了在不同因子下,不同週期內,資產收益率和波動率等指標的長期穩定性。

國內指數產品前景廣闊:從研究到回測的過程中,我們發現國內市場指數型產品類別較少,特別是投資標的為商品等細分產品的指數型基金較少,隨著養老金等資金大規模入市,二級市場需要更豐富的投資標的。各類指數基金價值更多體現在分散風險的配置意義而不是純粹的投機。舉例而言,過去若幹年,市場資金,特別是銀行間資金大多投資與債市,造成擁擠交易,當債券市場出現系統性風險時,極易造成踩踏,因此市場需要更多相關性較低的投資標的,不僅有利於緩解大資金的配置壓力,同時有助於市場的健康發展。

» 華爾街見聞

ADVERTISEMENT