本报告围绕因子投资在资产配置中的创新应用,强调基于资产价格的隐含因子体系构建及其对协方差矩阵估计的提升作用,通过低相关性因子有效分散尾部风险,结合贝莱德核心因子产品体系,展示了战略性+战术性的资产配置框架与实际ETF产品的优秀表现,为投资组合风险控制与收益优化提供新思路
| 资产类别 | 黄金 | 原油 | 商品 | 标普300 | 美国国债指数 | 铜价 |
|---|---|---|---|---|---|---|
| 全样本 | 100.00% | 21.48% | 48.67% | -8.25% | 8.60% | 26.73% |
| NBER经济衰退期 | 0.00% | 36.22% | 53.99% | 12.51% | 16.82% | 38.28% |
报告标题:因子投资:资产配置新思路—借鉴 Blackrock 产品体系的思考
作者:丁鲁明、赵然
发布机构:中信建投证券研究发展部金融工程研究
发布日期:2018年06月05日
主题:资产配置理论、因子投资框架、Blackrock ETF 产品体系
本报告聚焦于资产配置中因子投资的新思路,旨在结合金融工程方法和Blackrock产品体系的实践经验,提出更科学的资产配置模型。报告核心观点强调“战略性+战术性”资产配置框架,强调资产相对强弱而非绝对价格的方向预测,采用多因子模型解析资产间的相关性与风险,并介绍了贝莱德旗下ETF业务的规模与费率情况。该模型用Black-Litterman融合战略配置与战术择时,使资产配置更具灵活性和稳健性,核心目的是控制波动率和最大回撤,提升组合风险调整后的收益。报告预示未来将基于因子体系对比资产配置模型的效果,对因子投资展开更深入的实证分析。
要点总结:报告提出资产配置核心不再是预测资产价格的方向,而是关注不同经济环境下资产的相对强弱,实现场景匹配的资产配置。战略配置关注3-6个月中期、低波动和控制回撤,战术择时则调整资产超配或低配比例。两者通过Black-Litterman模型融合,实现组合优化。
推理与依据:报告指出传统资产配置方法更新对收益风险比提升有限,如最小方差、风险平价的方法各有局限,尤其风险平价在2017年后利率上行环境表现较差。因而提出寻找低相关性基础标的,避免资产类别之间的相关性限制配置效率。
关键数据:图1(中信建投资产配置框架)清晰展示战略层关注资产间“一对多”比较、价格相对价值,战术层侧重多对一多因子定价及平衡动量与反转。组合优化通过Black-Litterman动态调整权重。
金融模型:Black-Litterman模型结合投资者观点与市场均衡,解决均值-方差优化中协方差估计不稳和输入敏感问题,提高配置效果。
关键论点:资产配置要特别关注资产间低相关性,尤其尾部风险的独立性。传统资产价格尾部相关性增强,降低配置效益,故从单资产转向宏观因子配置、策略配置乃至隐含因子投资是更优路径。
数据解析:
逻辑深层:因宏观指标(GDP, CPI等)更新滞后,投资者应关注资产价格本身隐含因子,构造稳定且低相关因子族,通过加权降维从资产价格中提取因子,实现实时、同步的风险监控。
隐含因子特点:因子非单因子而因子族,具备持续稳定的资产价格权重分布,符合经济逻辑,且所有资产价格均可被该因子体系分解。
图4阐述:从资产配置到因子投资,相关性逐级下降,因子投资风险分散效果最佳。
概念解析:资产或因子相关性是不同共同因子正负向作用的组合体现。模拟了两种情景:
图5-7展示:全样本及滚动相关性显著随因子波动率变化,提醒传统采用历史协方差矩阵容易低估风险。
图8通过分组展示高波动状态下自变量X1、X2影响的相关性,表现不同。
实证案例:黄金和原油作为资产价格,其共同因子包括通胀和美元指数。美联储货币政策和通胀趋势改变黄金、原油的价格相关性:
图11和图12:货币政策、经济增长指标、通胀等宏观变量在黄金/原油不同涨跌组合下分布不同,为条件协方差矩阵调整提供依据。
总结:因子体系带来的先验概率分布及贝叶斯更新技术,可提升资产配置中协方差矩阵估计的精准度和时效性。
核心理念:从资产价格直接提取因子,经正交化,得到一组低相关、独立的因子体系。资产可视为这些因子的线性组合,从而从传统资产类别配置转向因子配置。
图13中描绘传统以宏观经济指标为基础资产配置与基于资产价格因子两种路径的对比,突出因子投资的优势。
图14、图15引用Greenberg et al.(2016)提出的一组较好因子体系,包含权益(Equity)、通胀(Inflation)、实际利率(Real Rates)、商品(Commodity)、信用(Credit)、新兴市场(Emerging Markets)六个维度。
因子的经济涵义:剔除交互混杂影响,力求保持因子间独立,使得配置效果稳定且风险易于管理。
因子表现(图15):历史期间不同因子回报表现差异明显,为组合提供多元化收益来源。
关联回归:基于这组因子,传统资产配置方法能被直接映射,赋予灵活且稳健的配置能力。
资产管理规模及策略:截至2018年3月,Blackrock ishares ETF管理资产总体规模为1.7万亿美元,平均综合费率0.4%;核心策略25只基金费率仅0.15%。iShares Core S&P 500 ETF最大,规模达1524亿美元。
产品结构:
具体基金费率(第13页):
结论:Blackrock产品体系成熟低成本,为因子投资理念在ETF产品中的实际应用提供了强有力的市场载体。
报告将继续深化基于因子和基于资产的配置模型对比,完善多层次资产配置体系,提升投资组合的风险调整收益。因子体系被视为资产配置未来重要的发展方向。
报告主要聚焦资产配置和因子投资理论及产品体系介绍,无直接证券估值内容,不涉及DCF或市盈率等传统估值模型分析。
报告虽无专门章节凸显风险点,但隐含多个风险提示:
报告强调持续迭代与多层次验证以缓释风险。
本报告系统阐述了跳出现有基于资产类别传统配置的局限,提出因子投资作为未来资产配置的创新思维。通过深入理论分析、数值模拟和实际ETF产品分析,报告论证了基于资产价格隐含因子体系构建低相关性框架,有效应对极端市场环境下尾部相关性加强的挑战。因子投资通过解耦资产间交互影响及动态调整协方差矩阵非对角元素,提高组合的风险调整收益。
报告进一步以Blackrock庞大的ETF产品体系为例,说明市场正在走向低费率、低相关和动态因子暴露的产品线布局,为因子投资提供了市场基础设施。对于投资者而言,因子投资不仅能精确识别风险驱动因素,助力资产配置优化,也能推动主动管理和被动管理的融合集成,有望实现收益与风险的最佳平衡。
报告具备高度的理论深度和实践导向,兼具定性与定量分析,图表丰富且紧密支撑论点。基于多维度经济指标和资产表现的风险特征分析,提供了极具参考价值的投资框架。未来报告有望通过实证回测验证方法论的有效性,完善因子权重动态调整机制,实现全方位资产配置升级。
总结:该报告立场明确,主张通过构建稳定低相关性因子体系转变资产配置思路,融合战略性配置与战术择时,借鉴国外成熟ETF产品体系,旨在优化组合风险收益特征,推动大类资产配置迈向量化因子投资新时代。,2,3,4,5,6,7,8,9,10,11,12,13]
图2(资产净值序列):
图13(资产到因子新思路):
图16(产品规模按国家分类):
以上分析详尽覆盖了报告的理论框架、数据支撑、模型思路、产品实践与未来发展方向,并对图表内容结合文本进行逐层解析,力求呈现一篇全面、细致且具专业深度的解构报告。
借鉴Blackrock产品体系的思考:因子投资 资产配置新思路.pdf