本报告重点介绍了基于改进投资时钟的量化大类资产配置体系框架,深入探讨了如何从资产配置转向风险配置,通过风险因子的风险预算优化资产组合权重,并结合单一资产定价模型捕捉极端价格偏离以提升组合进攻性。回测结果显示,针对中美市场的四类及六类资产模型均达到较高的夏普比率和较低的最大回撤,验证了该方法在控制尾部风险的同时提升收益的有效性。报告还指出,国内指数产品类别较为有限,丰富低相关性资产投资标的对分散风险、缓解大规模资金配置压力至关重要
核心论点与目标:
报告以2016年以来A股市场频繁出现尾部风险(极端大幅回撤)引发对风险管理的关注为切入点,提出:
总结来看,报告围绕“大类资产配置由单纯资产分配向基于风险因子的动态配置转型”展开,内含深度的金融工程模型创新和适用性验证,其总体立场积极推荐最大夏普率且风险控制较严的基准配置方案作为配置骨架。
报告开篇讨论2016年A股市场尖锐的尾部风险表现并重点强调尾部相关性对组合风险带来的威胁(尾部风险定义为偏离均值三个标准差以上的极端事件,但资产收益率往往具有厚尾特征,尾部事件频率高于正态假设),1]。
通过图表(图1-4)展示了上证综指、标普500、万得商品指数和CRB综合现货指数的月度收益率分布情况,均显现非正态厚尾特征,风险不仅来自波动率更来自极端事件风险分布。
指出A股市场的震荡行情由经济增速下滑、资金面紧张、政策去杠杆、估值反转一致预期等诸多因素导致,收益波动大且趋势不明显,传统择时与风格切换模型难以应对。
提出资产配置应不止于资产类别配置,更应考虑底层风险因子分散,以及基于风险预算动态调整权重,结合风险定价模型寻找套利机会。
报告对风险进行了多层次的讨论:不仅标准差(波动率),而且从投资者角度看,风险应聚焦于不能接受的回撤和尾部风险,介绍了多种风险度量方法:
以收益率的各阶矩(标准差、偏度、峰度)衡量风险,但面临历史波动率不稳定和收益非正态分布的挑战;
下行风险度量(LPM),密切贴合实际投资者关注的“亏损风险”;
基于形态识别的风险(回撤、最大回撤及时间),强调价格走势及投资周期影响;
价值 at Risk (VaR),用于度量极端尾部损失,虽不满足次可加性但更符合投资者关注的极端风险;
满足凸性特征的风险测度;
大类资产风险分散并非仅靠不同资产类别名称区分,还要考虑资产间内涵的相同基础标的成分,未实现真正底层风险均衡配置即存在风险集中(如多只商品基金均包含黄金资产,黄金波动将同步影响组合多个成分),4]。
详细介绍了风险贡献(Risk Contribution, RC)定义及分解数学公式:
RC(Ai)=xixTΣx(Σx)i
其中xi为组合中资产权重,Σ为资产协方差矩阵。
对由基础资产(如具体标的)加权构成的组合风险贡献分析,指出基于资产分类层面的风险等权分配未必等同于基础资产层面的风险分散;
引入基于VaR的风险贡献计算,进一步体现尾部风险影响;
通过图10与11显示中美市场股票、债券、商品间的相关性动态,说明适当配置资产类别可实现风险降低,但仍需关注相关性变化。
提到风险因子应满足独立性、稳定正溢价及系统性风险解释能力,基于Fama-French五因子等划分,多因子策略结合因子轮动思想进行配置;
传统基于风险因子的资产配置模型难点在于因子轮动与宏观指标相关性弱,故报告提出了新框架:分类资产/策略,风险预算,资产定价模型,配置权重优化四大部分,6]。
报告明确定义配置型资产(长期稳健增长,低波动,流动性好)与进攻型资产(无明显趋势,高波动,潜爆仓风险);
配置型资产通过风险因子风险预算确定基准权重,进攻型资产依赖单一资产定价模型,捕捉价格极端偏离时的交易机会(例如各类商品、黄金、原油);
以黄金及原油定价模型展示,用历史价格、价值位和政策事件等信息追踪实际价格偏差;
两类模型均采用Black-Litterman框架融合主观预期收益,提高配置灵活性与风险可控性。
报告系统整理了资产配置权重确定方法:
有风险预判与收益预判时用风险预算、Black-Litterman框架优化;
仅有收益预期时采用均值方差优化;
无收益和风险预判时采用风险平价、最小方差、最大分散比等被动配置方法;
最大夏普方法推荐作为优化配置策略。
投资时钟模型通过GDP和CPI同比变化的“加速度”(二阶差分)划分经济周期四象限(衰退、复苏、过热、滞胀);
以中美市场历史表现为样本,对不同经济周期下各类资产收益分布进行统计,构建投资周期内资产预期收益分布,估算均值、风险、VaR等;
通过设置风险价值约束,在最大收益、最小风险、最大夏普三种优化方法中,最大夏普比率方案表现最佳;
历史回测显示:美国市场四资产模型(股票、债券、现金、商品)年化收益7.68%,最大回撤3.65%,夏普1.89;六资产模型(加黄金、原油)表现更优,收益7.8%,回撤2.64%,夏普2.22。
中国市场从2003年起回测,四资产年化收益9.03%,最大回撤2.6%,夏普1.95,表现优良;
周期下资产配置权重符合宏观经济逻辑:复苏期股票、过热期商品、衰退优配债券、滞胀时现金和黄金权重提升,充分体现动态择时与风险管理。
国内海外及国外直接基金产品逐一梳理:
国内发行的海外QDII基金产品覆盖度不足,尤其商品类产品缺乏,导致标的替代度低,影响收益和风险分散;
美国本土市场基金产品相对完善,流动性好,跟踪误差低,做资产配置理想;
国内基金主要限于股票、债券和部分商品基金,缺少多样化、流动性强的指数商品产品,亟需开发,满足FOF等机构配置需求;
基金数据回测显示:
美国基金回测组合超过标的指数年化收益表现,但较指数组合稍高的最大回撤,显示基准权重配置效果显著;
国内基金回测规避了2016年市场大幅回撤,表现稳健,但场外指数基金相对较少,基金层面对底层指数依赖较强。
描述:展示了上证综指、标普500、万得商品和CRB综合现货指数月度收益率的实际频率分布(红柱)与对应的正态分布拟合(红线);
解读:
所有资产均显著偏离正态分布,表现出厚尾现象(极端正负收益相较于正态假设频率更高);
对投资组合而言,意味着极端风险高于传统模型预期;
联系文本:支持报告尾部风险和尾部相关性的风险管理与分散必要性;注重不可忽视极端事件损失。
描述:图10展示美国股票、债券、商品之间的历史相关性,图11展示中国对应资产相关性变化;
解读:
美股与债券常表现负相关,股票与商品有一定正相关性,相关性整体呈波动趋势;
中国市场资产相关性结构不同,股票与债券呈现明显负相关,商品相关性较弱并且变化剧烈;
资产间低相关性是资产配置分散风险的前提;
联系文本:说明资产类别等权配置仍需关注相关资产底层风险重叠,风险因子配置的重要意义。
描述:条形图显示资产间原始相关性(红色)与剔除宏观因子影响后残差相关性(蓝色);
解读:
物理资产(股票、债券、商品、现金)间的原始相关性较高;
用经济、通胀、利率等风险因子回归剔除后,残差相关显著降低(蓝色部分),显示风险因子驱动资产相关性;
残差相关性的降低大大有助于风险分散。
联系文本:验证基于风险因子分散风险策略的逻辑有效性。
描述:图15为全天候策略对应的经济通胀四象限,图16为改进投资时钟示意,结合经济和通胀的加速度划分周期;
解读:
全天候模型基于大类风险等权配置,且结合四经济通胀期的资产选配;
报告改进时钟将GDP与CPI变化率的二阶差分作为周期划分指标,更灵敏捕捉经济通胀趋势变化;
改进模型强化周期划分的数量与逻辑基础,使配置更为精准。
描述:两张图展示黄金和原油价格波动(红线),拟合合理价格(蓝线)及偏差区间,及对应时间点的调仓解释;
解读:
黄金与原油价格曾经历多次偏离合理价的时段,说明市场存在短期非理性波动;
定价模型以此捕捉买卖时机,提升进攻型资产配置效率;
联系文本:体现单一资产定价模型目标是捕捉极端价格波动机会,提升组合进攻性。
描述:多幅密度曲线展示各周期内股票、债券、商品、现金(及美股额外黄金、原油)收益排名分布;
解读:
各类资产表现随经济周期显著变化,如股票在复苏期表现优,债券在衰退期表现较佳;
历史数据支持不同周期配置不同资产的投资逻辑;
资产的跨周期表现表现出相对稳定性,这为基于周期配置的模型提供实证支撑。
描述:折线图展示股票、商品、债券、现金、黄金、原油资产增长轨迹,配合权益最大夏普率配置权重波动;
解读:
六资产组合表现平稳增长,累积收益稳定,并实现较低最大回撤;
此配置方案夏普比率较高,风险调整收益表现良好;
联系文本:基于经济周期划分的资产选择及权重优化成功提升组合表现,推荐采用。
描述:中国市场股票、债券、商品、现金资产表现及配置组合回测曲线;
解读:
模型同样取得稳健表现,最大回撤较低;
股票复苏期超配,债券衰退期超配,商品及现金精准调控;
联系文本:说明改进投资时钟在中国市场适用性良好。
描述:多个基金与其跟踪指数对比走势图,回测净值及回撤曲线;
解读:
部分基金产品(商品类)跟踪误差较大,收益与波动均不理想;
回测显示该基金组合波动性更大,收益稍逊指数组合;
反映国内海外指数基金产品较少且成熟度不足;
联系文本:强调推动相关指数基金创新的必要性。
描述:美国iShares系列ETF与对应指数表现对比,回测净值及回撤;
解读:
基金产品紧密跟踪指数,表现优异,符合大类资产配置需求;
回撤控制得较好,组合整体稳健;
联系文本:美国成熟市场的基金产品配置为国内提供良好范例。
描述:中国主流基金产品配置组合净值及最大回撤曲线;
解读:
回测显示基金组合整体稳健,有效分散了风险;
体现现有产品配置下避险效果和收益改善;
联系文本:呼吁国内指数产品创新提升以支撑大类资产分散。
报告核心非单一证券估值,而是资产配置层面风险价值与收益预期的模型构建及优化。
风险平价模型利用组合协方差矩阵计算各资产风险贡献,力求风险贡献等权,达到风险分散;
基于风险因子的配置明确各资产对应宏观因子的风险暴露及溢价,辅助动态调整权重;
单一资产定价模型通过历史价格与估值模型判断资产价格偏离时机,据此捕捉短期Alpha;
配置权重优化通过Black-Litterman方法融合主观预期与风险预算进行权重调整,实现收益风险均衡最大化;
风险控制约束引入投资组合VaR控制极端风险,兼顾收益提升与风险防范。
整体估值框架体现对资产长期合理价值及短期投机机会的兼顾,结合宏观周期动态调整,超越传统静态均值-方差模型。
报告指出多重风险因素:
尾部风险及尾部相关性:市场极端波动频繁,资产相关极端事件共振风险高;
经济周期和通胀的预测误差:周期判定准确性直接影响配置有效性,预测失误将降低收益并增加回撤;
资产间风险重叠与估值误差:资产及策略底层标的重叠导致风险集中,资产定价模型非完美导致判断偏差;
投资标的缺乏:特别是国内市场指数基金不足,限制组合配置优化和风险分散;
模型参数稳定性:表层风险度量依赖历史数据的稳定性,市场风格切换可能导致预测失效。
缓解策略:
构建和完善风险因子体系,提高预测准确率;
增强单一资产定价模型灵敏度,提高估值准确;
优化指数产品结构,丰富市场标的;
动态调整模型参数,加入灵活应对机制。
报告关于风险贡献及风险平价的定义完善,强调底层风险资产而非表面资产的风险分散,是对业界常见资产配置模型的深化,体现思路前瞻;
投资时钟基于宏观经济和通胀加速度划分周期创新性较高,但仍有预判准确性依赖,若经济模型或数据质量变动大,可能影响配置效果;
资产定价模型主要聚焦商品、黄金、原油,未来应拓展至更多资产类别,提升模型代表性;
国内基金层面分析虽对实际场景有指导价值,但基金覆盖不足带来的回测局限性也明显;
报告核心结论依赖历史数据表现,未来可能在结构性变化或极端事件中失效,模型应持续迭代。
本报告扎实分析了资产配置范式从传统基于资产类别向基于风险因子的演进路径,提出基于风险贡献的风险平价,结合宏观经济通胀加速度划分投资周期,并在改进投资时钟框架下,实现大类资产动态配置。
核心发现:
资产波动率非完全描述风险,尾部风险及尾部相关性尤为关键;
基于资产类别的均衡配置难以实现底层风险分散,底层风险因子配置更优;
按周期分类的资产收益率秩序相对稳定,为周期配置提供实证;
引入VaR约束的最大夏普配置在中美均展示稳健且较高收益回撤比,适合作为大类资产配置基准;
结合单一资产定价模型捕捉价格极端偏离机会,提升进攻属性;
国内市场指数化产品特别是商品类基金缺乏,限制风险分散和效率提升,亟需推动产品创新。
图表数据支持的洞见:
厚尾分布图揭示市场需要超越均值方差风险度量;
相关性时间序列显示资产周期相关关系变化,周期配置价值;
投资时钟周期划分与资产收益排名分布图确认周期划分合理性与资产配置逻辑;
回测成果图彰显最大夏普率配置的优秀风险调整表现和可操作性。
综上,报告基于严密的金融工程框架,结合大众难以挖掘的风险因子深度,构建动态、大类资产配置体系,兼顾风险分散与收益提升,适合中大型资金运作,推荐作为长短期资产配置骨架。
,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22]
如需后续更详细的具体章节分析、模型数学细节或具体基金产品深度解读,欢迎继续咨询。
当我们在谈论配置风险的时候,在配置什么?.pdf