战术资产配置的量化方法(下)—全面详尽分析报告
1. 元数据与概览
报告标题 :战术资产配置的量化方法(下)
作者 :李祥文(分析师)、王瑞韬(研究助理)
发布机构 :国泰君安证券研究所
发布时间 :继承《战术资产配置的量化方法(上)》(2021年5月11日)之后
主题 :本文聚焦量化择时系统在战术资产配置中的应用,主要围绕Faber(2017)论文“Quantitative Approach to Tactical Asset Allocation Revisited 10 Years Later”展开,覆盖量化择时模型的样本外回测、现金管理、权重调整和资产类别扩展。
核心论点 :
量化择时系统能显著提升风险调整后的收益表现,且在样本外数据(2006-2017年)中依然稳定有效。
该系统以趋势跟踪为核心,简单机械,仅基于价格,去除主观情绪影响。
在传统大类资产配置基础上,通过现金管理策略优化、权重调整和增加资产类别可进一步提升投资组合表现。
本策略非追求击败市场,而是降低投资组合波动性与最大回撤,帮助投资者避免恐慌抛售,提升长期收益。
作者意图 :展示一个简单且有效的量化择时策略及其演进,帮助投资者应对各种市场环境,构建稳健的战术资产配置体系。1 ,2]
2. 逐节深度解读
2.1 文献概述与引言
本文建立在Faber(2007)提出的趋势跟踪择时系统基础上,采用2006-2017年样本外数据验证其效果,保证结论的时效性与有效性。
该系统设计简单,统一适用于各类资产,无需复杂参数调优,以机械化规则消除投资者的情绪干扰。
2007年以来,经历了金融危机、地缘冲突以及持续低利率环境,对模型的稳健性提出挑战,重新检验模型表现十分必要。
2.2 择时系统概述
核心策略 :10个月简单移动平均线(10-month SMA)法则。
买入规则:当月收盘价 > 10个月SMA 买入
卖出规则:当月收盘价 < 10个月SMA 卖出持有资产,空闲资金转为现金(以90天国库券收益率计息)。
设计原则 :
单一规则,机械执行,减少主观情绪干预
同一套参数适用于所有资产类别
仅依赖价格数据进行判断
目的 :非追求超额收益,而是通过避开熊市实现降低回撤和波动性,从而提升风险调整后的长期收益。
假设不考虑 :税收、佣金及滑点,月度执行一次买卖决策。
作者强调,情绪驱动的不理性卖出是投资失败重要源头,本策略旨在帮助投资者克服恐慌,减少底部抛售,从而实现资产配置中的风险管理和回报平衡。3 ,3]
2.3 择时系统检验
历史回测 :
1901-2016年S&P 500指数与择时策略比较,趋势择时显著避开1930年代大萧条和2000年代互联网泡沫破裂的熊市(见图1)。
1990-2016年期间(图2)表现显示,择时策略在牛市中回报低于买入持有,但有效规避了长时间熊市,适合跨完整市场周期持有。
关键定量结果 (表1):
在1901-2005和2006-2016两个区间,择时系统均实现更高收益率(10.36% vs 9.65%,8.53% vs 7.66%),更低波动率(12.14% vs 17.97%,9.38% vs 14.67%),更高夏普比率(0.55 vs 0.33,0.80 vs 0.45),显著降低最大回撤(-50.29% vs -83.66%,-16.73% vs -50.95%)。
样本外表现 (表2):
2006-2016年间择时策略虽然在08年金融危机中表现卓越,但随后多年业绩常低于指数,这突出了择时策略在震荡和牛市阶段的内在劣势。
总结 :
该系统成功降低回撤,减少投资情绪导致的亏损,但在强劲牛市中会出现相对收益逊色的情况。
投资者若能承受大回撤,买入持有策略可能长远看更优,但多数投资者难以做到这一点。
因此,择时系统更适合风险敏感型投资者作为风险管理工具。5 ,5,6]
2.4 择时系统在投资组合中的应用
资产配置背景 :
分散投资是降低尾部风险、增强风险调整收益的有效方法。历史熊市普遍导致资产大幅缩水,依靠多元化和择时来管理风险成为必需。
资产类别 :
基础投资组合称为GAA(Global Asset Allocation),由五类主要资产组成:美国股市、外国股市、美国债券、房地产信托(REITs)和商品。
1972-2005年表现 (表3):
各单类资产收益约在8%-12%,波动率在8%-19%,夏普比率处于0.24-0.32之间;
GAA组合凭借等权配置,收益率11.5%,波动率8.88%,夏普0.6,回撤-19.62%。
2006-2016年样本外表现 (表4):
单个资产和GAA均表现低迷,尤其商品(-8.7%收益,-80.9%最大回撤),GAA组合年化收益仅3.51%,最大回撤达到-46%。
将择时系统应用于投资组合形成QTAA :
量化战术资产配置(QTAA)中对每类资产独立应用择时规则,仓位全或现金空仓。
结果(表5)显示QTAA相较GAA显著压缩波动率(6.84% vs 8.88%,6.55% vs 12.81%)和最大回撤(-9.54% vs -19.62%,-9.45% vs -46.00%),并提升夏普比率(0.81 vs 0.60,0.59 vs 0.19)。
示意图3-5展示了不同时间区间内GAA与QTAA的择时优越性 。
参数稳健性(表6) :
采用6、8、12个月均线参数均表现优于买入持有,参数选择对结果影响不大,说明模型稳健。
整体结论 :在多资产配置情况下,择时系统依旧有效,能够在控制回撤和波动的同时维持良好回报,为实际资产配置提供强有力的风险管理工具。7 ,7,8,9]
2.5 拓展研究
5.1 现金管理策略
QTAA持有大量现金(约30%),拖累收益。
通过将现金改为10年期国债投资,承担久期风险可提升近2%年收益(表7),在波动性和最大回撤微增情况下,显著增加收益。
5.2 权重配置策略
根据投资者风险偏好设计三种QTAA配置:
保守型:债券配置由20%升至40%,现金投资国库券
温和型:基本QTAA
激进型:根据1、3、6、12个月资产收益均值选取前三表现资产,其他资金配置于国库券(基于Faber 2010相对强度策略)
表8显示激进型回报最高(13.4%),但波动和回撤较大,保守和温和型则风险较低,三者适应不同投资者需求。
5.3 增加资产类别
将资产类别由5类扩展到13类,如美国大小盘价值/动量、发达/新兴市场股票、不同期限国债和企业债、大宗商品、黄金、房地产信托(表9)。
扩容资产类别后,投资组合收益提升150基点左右,夏普率明显提升,回撤变化适中(表10)。
这提示资产多样化有助于进一步优化风险收益特征。10 ,10,11]
2.6 现实考虑因素
本策略设计不包含交易成本、税收和滑点,但现实中这些因素不可忽视:
管理费:ETF或低费基金常见费用0.03%-0.7%
佣金与滑点:由于低换手率影响有限,年均换手率3-4次/组合,各资产换手率不超过1次
税收:需使用递延税账户优化,择时策略带来较多短期亏损,有助于税务管理
投资者在落地执行时应注意这些实际因素对整体收益的影响。12
3. 图表深度解读
图1:S&P 500指数与择时系统累计收益率对比(1901-2016)
展示了超过百年的复合表现。
择时系统曲线明显在两次熊市(1930年代大萧条和2000年代科技泡沫破裂)期间平滑回撤,回避了深度亏损。
长期来看,择时策略累积收益率优于买入持有指数。
支持文中“避开大熊市有助减少回撤”的论断。5
图2:S&P 500指数与择时系统累计收益率对比(1990-2016)
缩小时间窗口,更细致呈现表现差异。
1990年代牛市,择时策略落后买入持有。
2000年至2009年熊市,择时策略显著规避亏损。
模型“牛市表现弱、熊市规避好”的特征体现明显。
体现趋势跟踪策略的本质优势与局限。6
表1:S&P 500指数和择时系统主要指标对比(1901-2005及2006-2016)
时间区间 指标 股票指数 择时策略 1901-2005 年化收益率 9.65% 10.36% 波动率 17.97% 12.14% 夏普比率 0.33 0.55 最大回撤 -83.66% -50.29% 2006-2016 年化收益率 7.66% 8.53% 波动率 14.67% 9.38% 夏普比率 0.45 0.80 最大回撤 -50.95% -16.73%
数据充分证明择时系统兼具提升收益和降低风险特性,尤其是在最大回撤控制方面表现突出。
对比样本内外均具备有效性。6
表2:2006-2016年S&P 500与择时策略年化收益率对比
表明择时策略2008年极大地降低损失,实现正收益(+1.24%),而指数下跌37%。
之后数年,择时策略表现不及指数,2010-2013年数年负收益或逊色,其中有6年表现差于指数。
说明择时策略在股市上涨阶段存在相对劣势,是该策略必须承受的“成本”。7
表3与表4:资产类别表现及GAA组合
表3反映1972-2005年五大资产类别的收益风险分布,整体多元化效果显著提升夏普比率至0.60,但伴随较大回撤,说明分散投资非万能,仍有大幅震荡。
表4展示2006-2016年同类资产表现明显疲软,GAA最大撤退扩大到-46%,收益下降超半,风险加剧,显示近十年投资环境更复杂,资产相关性变化加大。
这一表现背景凸显修改资产结构和采用择时的重要性。7 ,7]
表5:GAA与QTAA表现对比
QTAA在两区间均明显优于GAA,降低了波动率(减小3.5-6.25个百分点)和最大回撤(削减10%以上),夏普比率提升显著。
凸显择时策略在多资产组合中的风险控制优势。8
图3-5:累计收益率曲线(1972-2016)
图之变化曲线清晰显示QTAA在样本内外均跑赢GAA,尤其是2008年金融危机中,QTAA回撤幅度显著更低,后续恢复较快。
全样本阶段,两者差距依然呈现。
视觉数据强化策略在长期维度的有效性。9
表6:择时参数稳健性测试(2006-2016)
不同SMA长度(6,8,10,12个月)择时策略均表现好于买入持有。
6和8个月SMA表现最佳,收益率5.46%-5.73%,夏普率达到0.67-0.73。
表明模型结构稳健,对参数依赖较低,有利于实际应用。10
表7:现金管理策略效果(1972-2016)
将QTAA现金部分用10年期国债替代,年化收益提升近2个百分点(9.79%→11.77%), Sharpe提升,波动率略增,最大回撤适度加大。
现金管理通过承担有限久期风险优化收益,实用性强。10
表8:不同风险偏好QTAA组合(1972-2016)
保守型波动性最低(5.85%),最大回撤-7.14%,但年化收益相对较低(9.11%)。
激进型收益最高(13.40%),但波动和最大回撤较高(-12.96%)。
投资者可根据自身风险承受能力灵活选择策略方案。11
表9与表10:增加资产类别及相关表现
资产类别拓展到13类,包括多种风格股票、期限债券、黄金、不动产等。
新组合提升年化收益约1.5个百分点,夏普比率显著提高至0.57(GAA+)和0.91(QTAA+),最大回撤有所改善。
结果证实资产类别扩展结合择时策略的协同增效。11 ,11]
4. 估值分析
本文主要为方法论和策略验证报告,不涉及具体公司估值模型。从资产配置角度,作者利用夏普比率、最大回撤、波动率以及收益率等指标系统对比买入持有与择时模型表现,核查了不同资产类别和策略组合的风险调整收益水平。此定量分析帮助识别策略的优势和局限,但并无基于DCF等企业估值的内容。
5. 风险因素评估
趋势跟踪的滞后风险 :由于策略依赖移动平均线,面对快速市场波动和突发事件存在滞后,可能错失牛市上涨初期收益。
虚假信号 :市场震荡期间,频繁买卖导致额外交易成本和现金持有拖累收益。
样本外表现波动 :样本外部分年份表现不佳,遇到连续上涨行情时相对收益偏低。
市场结构变化风险 :如市场流动性恶化、资产相关性突变,可能影响策略效用。
税收和交易费用 :税负虽可通过递延账户缓解,但非税账户投资者税务成本和交易费用仍需考虑。
投资者行为风险 :即使模型合理,投资者未必能坚定执行,情绪介入带来偏离策略的风险。
报告多次提示,模型非试图“击败市场”,而是通过降低回撤与波动,降低情绪化错误的概率,体现稳健投资理念。4 ,5,11]
6. 批判性视角与细微差别
优点 :
报告紧密结合最新数据,坚守简洁实用的模型设计,适度忽略复杂调参,利于推广应用。
清晰量化策略的稳健性与现实适应性,涵盖现金管理与多资配置,具备较强的实操价值。
潜在偏颇及不足 :
模型过于单一依赖价格趋势,缺少宏观经济、估值等多因子考量,可能限制在某些市场周期的适应性。
税收及交易成本影响虽被描述,但未完全量化,对于小规模投资者影响可能被低估。
策略表现依赖历史牛熊周期,未来若市场结构发生根本变化,模型有效性需重新验证。
虚假信号问题虽被提及,但缺少更深入的噪声过滤机制或组合优化方案。
细节注意 :
择时系统强调风险管理多于追求绝对收益,投资者须明确预期差异避免误用策略。
在高估值环境下,报告暗示股票未来回报下行风险,进一步凸显战术资产配置的价值。
总体而言,报告立足于理性客观,具备实证支撑,展示了策略优势及不足,分析较为稳健。4 ,6,11,12]
7. 结论性综合
该报告通过详尽解读Faber(2017)量化择时系统,结合2006-2017年样本外验证,证明了以简单机械的趋势跟踪方法为核心的资产配置策略具有显著的风险调整收益提升效果。核心结论如下:
择时系统设计简洁 :通过“10个月SMA买入卖出规则”,有效剔除情绪干扰,统一适用多资产类别。
风险管理有效 :择时系统显著降低了指数巨大熊市中的最大回撤(例如1901-2005最大回撤由-83.66%降至-50.29%,2006-2016由-50.95%降至-16.73%)。
多资产配置效果优异 :将择时系统引入多元资产组合(GAA)后,组成的QTAA组合明显降低波动率和最大回撤,而保持或提升收益率,夏普比率提升从0.6提升至0.81(历史样本)和0.59(样本外),稳健性体现。
参数和策略稳健 :不同均线参数均表现良好,现金管理策略(持有10年期国债代替现金)和不同风险偏好配置拓展提高了可操作性和收益水平。
扩充资产类别 :由5类扩展到13类资产带来150基点收益提升和更高夏普比率,表明多元资产搭配和择时的协同效应。
图表与数据支撑清晰 :
历史累计收益率曲线(图1-5)直观展现策略在不同周期的优势;
各类表格详尽比较买入持有与择时组合的收益、波动性、最大回撤及夏普比率,数字间对比一目了然。
投资者适用建议 :
适合追求稳定风险调整收益、厌恶大幅回撤的长期投资者;
策略非击败市场工具,而是风险管理利器;
需要结合现实费用和税收条件合理调整使用。
未来展望 :
报告指出当前高估值水平预示未来股票回报可能偏低,债券收益率历史低位,强化实施量化战术资产配置策略的必要性,助力投资者面对复杂多变的金融市场环境。
综上,本报告系统呈现了战术资产配置量化方法的理论依据、实证验证及改进路径,既具有较高的学术价值,也具备实际投资指导意义,堪称大类资产配置领域量化择时经典策略的权威解读私享版。1–13
总体报告结构清晰、数据详实、论证合理,推荐投资者及机构重点关注和研究以完善自己资产配置的量化体系。