本报告系统阐述了组合风险分解的理论框架与风险预算模型,分析了如何基于多因子模型将组合风险分解为系统性风险与特质风险,说明风险预算与传统均值方差组合优化的内在联系及其在风险管理中的优势。报告使用实证组合进行风险贡献分析,展示因子风险贡献的动态变化及其对组合的影响,并提出结合风险预算与组合优化以更合理管理整体风险和风险结构的策略,有助于更精准地控制因子暴露和特质风险比例,提升组合风险管理效果
| 模型 | 灵敏度表现 | 约束示例 | 求解方法 |
|---|---|---|---|
| 均值方差组合优化 | 对协方差估计敏感,解受扰动明显 | 权重和为1,无卖空限制 | 线性/quadratic 优化 |
| 风险预算组合 | 对参数变化更稳健,局部解问题 | 约束风险贡献比例,二次规划 | 序列二次规划、凸优化 |
| 风格因子 | BP | 换手率 | 反转 | 特异度 | 市值日志 | ROE TTM | 净利润增速 |
|---|---|---|---|---|---|---|---|
| 平均风险贡献比例 | 24.05% | 19.05% | 17.70% | 13.96% | 11.28% | 4.96% | 3.19% |
报告标题:《金融工程——组合优化与风险预算》
作者:吴先兴分析师、张欣慰分析师
发布机构:天风证券研究所
发布日期:2018年3月5日
主题:聚焦于金融资产组合的风险管理技术,具体探讨组合优化和风险预算两种方法的理论基础、联系、实操及结合应用。
核心立意:传统均值-方差组合优化主要控制组合的整体风险大小,但不能精准管理组合内风险的结构;风险预算技术强调风险在各资产或因子间的分配。报告提出,将组合优化和风险预算相结合,有助于更加科学地控制整体风险规模及结构,灵活应对市场多维风险敞口,提升组合风险管理效果。
,
风险函数RM(x)(如标准差、VaR等)是线性齐次函数,满足RM(cx)=cRM(x),c≥0。基于欧拉定理,风险可以被分解为各自变量(资产权重)对整体风险的边际贡献(MCR)与该自变量权重的乘积之和(CR,风险贡献):
风险贡献比例(PCR)满足∑iPCRi=1,表示风险在各资产的分布百分比。
举例中,两资产组合的风险贡献分解清晰说明了风险区间的构成和相互关系。
多因子模型假设股票收益由因子暴露和特质收益构成,协方差为Σ=XFX′+Δ。风险由系统性风险(因子贡献)与特质风险构成,采用以下3种分解方式:
该表达强调资产风险贡献是系统性与特质风险边际贡献的加权平均,权重为两类风险占比(平方和为1)。
以上分解方法均可用于绝对风险和跟踪误差风险的衡量,灵活适配不同风险管理场景。,,,,
风险预算设定了每个资产或因子的风险贡献比例{bi},要求风险贡献比例等于预算比例(PCRi=bi)。该目标可转化为非凸优化问题,通过对数变量变换转化为凸优化问题,方便借助序列二次规划(SQP)或内点法(IPM)求解。
此外,风险预算问题可加入约束如卖空限制、权重和约束,在因子空间求解时,也需要将权重约束转化为因子暴露约束。
风险平价组合(Risk Parity)是风险预算的一种极端形式,所有资产或因子的风险贡献平等,是风险预算策略的代表。,
在因子模型假设下,资产由因子线性映射,且无其他约束时,基于资产的均值-方差组合优化等价于基于因子的组合优化。
均值-方差优化中,因子的风险贡献PCRi和收益贡献PCi成正比:
PCRi∝rf,i(Σf−1rf)i如果因子间不相关,则PCRi与因子夏普比平方成正比。因而风险预算等价于特定风险贡献分配,且只有所有因子夏普比相同时,风险平价才为最优。
示例中,带有约束条件时,均值-方差组合与风险预算组合虽相似,但收益贡献与风险贡献不再严格成正比。
灵敏度分析显示,当资产收益、波动率或相关系数变化时:
这表明风险预算策略避免了均值-方差优化中的过度拟合风险。
,,,
以某无因子约束的组合(跟踪误差TE=5%)为例,报告选取7个典型风格因子(市值、反转、换手率、特异度、账面市值比、净利润增速、ROE)和32个行业二级因子。
统计显示:
[图4][图5][表3][表4]说明了风险分解清晰揭示组合风险结构。
通过限制某因子(如反转因子)暴露偏离基准区间(±0.1,±0.5),观察系统性风险贡献变化:
表明风格因子风险贡献可用于有效管理因子暴露,弥补传统因子暴露控制的不足。
[图6][图7]
报告构造不同跟踪误差约束的组合(3%、5%、7%、10%),分析特质风险及系统性风险贡献比例:
这揭示降低跟踪误差优先压缩系统性风险,继而是特质风险。
[图8][图9]
引入特质风险占比限制(20%,30%,40%),观察组合股票数量:
[图10]
以反转因子为例,限制其对系统性风险贡献不超过10%,构建组合:
[图11][图12]
| 图表编号 | 名称 | 描述 | 解读 | 联系文本与结论 |
|---|---|---|---|---|
| 图1 | 组合风险分解到资产上 | 风险总量分解成各资产的风险贡献。 | 风险分布体现每个资产的相对重要性,调整风险贡献比例即可管理资产风险敞口。 | 章节1.2.1阐述资产风险贡献的计算与应用。 |
| 图2 | 组合风险分解为系统性与特质风险 | 总风险拆分为因子系统性风险和个股特质风险部分。 | 明确系统性风险占比使得风险管理可针对两部分分别施策;系统性风险进一步由因子贡献组成。 | 章节1.2.2详细公式和加权边际风险贡献表达,支持风险结构理解。 |
| 图3 | 组合风险直接分解到因子上 | 风险分解至各因子及股票的特质部分。 | 该方式适用于通过因子和个股特质风险结合理解风险来源,利于因子层面风险预算和因子管理。 | 章节1.2.3介绍直接分解的数学框架,明确风险贡献计算工具。 |
| 表1 | 敏感性分析表 | 通过调整输入参数,比较均值方差组合和风险预算组合权重变动。 | 均值方差组合对参数高度敏感,风险预算组合表现稳定。 | 章节2.2强调风险预算方法的稳定性,优于传统均值方差优化。 |
| 表2 | 风格因子列表 | 列出7个典型风格因子及其含义。 | 为后续因子风险分解和组合管理提供基础变量。 | 章节3.1说明风格因子的构成及选取标准。 |
| 表3 | 无因子约束组合年度收益风险数据 | 2010-2017年组合的业绩及风险统计数据。 | 量化组合收益超额和风险状况,支撑组合表现的有效性判断。 | 章节3.1用于组合性能分析与风险结构分解对比。 |
| 表4 | 各风格因子对系统性风险贡献比例 | 不同因子风险贡献占比,BP因子最高。 | 指出组合风险主要来源因子,为因子风险管理提供目标指向。 | 章节3.1图表对应,进一步分析系统性风险构成。 |
| 图4 | 无因子约束组合风险贡献比例 | 时间序列展示风格因子、行业因子和特质风险贡献比例。 | 风险贡献动态变化,特质风险约占42.64%,系统性风险占57.36%。 | 章节3.1论述组合风险动态及构成的直观呈现。 |
| 图5、图6、图7 | 因子对系统性风险的贡献 | 反转因子暴露受约束前后系统性风险贡献的变化。 | 更严格暴露限制显著降低反转因子风险贡献,体现风险贡献约束的实效。 | 章节3.2重申因子敞口与风险贡献控制。 |
| 图8、图9 | 不同跟踪误差约束组合的风险分布 | 特质风险比例与风格因子风险贡献随跟踪误差变化的趋势。 | 跟踪误差越紧约束,特质风险占比越高,风格因子风险贡献越大。 | 章节3.3说明风险约束强度影响风险结构调整。 |
| 图10 | 不同特质风险约束下股票数量 | 在不同特质风险比例约束下,组合持有股票数量变化。 | 特质风险压制越严,持仓越多,反映风险分散需要。 | 章节3.3风险约束对组合多样性的表现。 |
| 图11 | 反转因子风险贡献限制下暴露变化 | 反转因子暴露随时间的动态波动。 | 波动较大时暴露降低,体现风险贡献约束动态调节因子权重。 | 章节3.4阐述风险贡献约束下的动态敞口管理技术。 |
| 图12 | 反转因子波动率时间序列 | 展示反转因子波动率的长期变化。 | 较高波动期对应较低暴露,支持风险贡献与因子波动动态权衡理论。 | 章节3.4理论与实证结合。 |
报告虽聚焦组合风险管理,并未涉及金融资产定价估值模型的直接内容,但在风险预算与均值方差优化的比较中,应用了经典均值-方差优化模型:
风险预算作为组合优化的补充,借助风险贡献分解和风险预算约束,将风险管理精细化,突破传统模型对协方差矩阵逆运算敏感的缺点,提高优化稳定性和实际运用效率。
风险预算优化通过非凸问题转为凸问题,大幅提升计算效率和稳定性,是组合风险管理的技术进阶。
报告明确指出两大风险:
报告虽未细化缓解策略,建议结合多模型比较、动态调整、严格参数估计以及压力测试等方法管理风险。
本报告系统地阐释了组合风险的多层次分解方法,重点介绍了如何利用风险预算方法在标准差形式的风险函数下进行风险贡献分配,结合均值-方差组合优化,实现精细化风险管理。
综上,报告结论确认,单纯控制风险总量或结构均不充分,建议结合均值-方差优化和风险预算进行多维度风险管理,提升策略的科学性和实战效果。
本报告围绕组合风险的内涵、分解、管理方法进行了系统全面的阐释,并通过理论和实证结合充分论证了组合优化与风险预算相结合的优越性。具有较强的理论深度和实务指导价值,对于资产管理、风险控制领域的专业人士均具参考意义。
,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16]
金融工程:风险预算与组合优化.pdf