20170203-东北证券-大类资产配置（2）_应用极值理论和Copula实现动态资产配置_13页_1mb

证券研究报告总结：应用极值理论和 Copula 实现动态资产配置

核心内容

本报告是大类资产配置系列的第三篇，旨在通过引入极值理论（EVT）和 t-Copula 模型，改进传统资产配置方法在极端风险环境下的表现。报告强调，投资分散化在极端风险中并不能有效避免重大损失，因此需要对市场风险进行动态评估并相应调整资产配置比例，以实现风险控制与收益获取的平衡。

报告通过以下步骤构建动态资产配置模型：

1. 使用 AR(1)-GJR-GARCH(1,1) 模型提取标准化的 iid 残差；
2. 利用 POT 模型和广义帕累托分布（GPD）估计尾部分布，中间部分使用高斯核估计；
3. 通过 t-Copula 模拟资产之间的相关性，并生成未来资产收益率分布；
4. 在不同目标 CVaR 下计算最大化收益的配置比例，并根据当前 CVaR 在历史分位点上的位置动态调整目标 CVaR。

主要观点

• 极端风险与传统模型的不足：传统模型如风险平价和均值-方差模型在极端市场环境下表现不佳，无法有效捕捉资产之间的非对称相关性和肥尾特性。
• 极值理论的应用：极值理论能更准确地估计资产收益率的尾部风险，尤其是在极端市场条件下。
• Copula 模型的优势：t-Copula 不仅保留了分布的肥尾特性，还能捕捉资产间的动态相关性，尤其在极端风险时各类资产趋向“变坏”的相关性。
• 动态 CVaR 调整机制：通过计算当前预测的 CVaR 在历史分位点中的位置，动态调整目标 CVaR 值，从而实现更具前瞻性的风险控制。
• 模型表现优于基准：在不同目标 CVaR 下，模型在总收益、年化波动率、最大回撤和风险调整后收益等方面均优于基准配置比例（50%：40%：10%）。
• 风险平价策略的局限性：虽然风险平价策略在市场弱势时表现更为稳健，但其收益能力较低，难以穿越牛熊周期。

关键信息

模型使用的资产

• 万得全A指数（881001.WI）
• 中证全债指数（H11006.CSI）
• 南华商品指数（NH0100.NHF）

模型参数与时间窗口

• 参数拟合时间：2004年6月1日至2006年12月31日
• CVaR 计算时间：2007年1月1日至2007年12月31日
• 第一个有效 CVaR 时间：2008年1月1日
• 净值起点：2007年12月13日
• 配置比例限制：南华商品指数最高配置比例为 10%，其他资产无限制
• 模型模拟次数：10000次

模型结果对比

模型优势

• 风险控制能力增强：目标 CVaR 模型在极端市场环境下有效降低了风险冲击，同时保留了获利能力。
• 前瞻性与动态性：通过动态调整 CVaR 目标值，模型能够提前反映市场风险，实现更具前瞻性的配置。
• 数据可靠性：模型使用扩展窗口法进行参数和 CVaR 分位数的计算，避免了未来函数的使用，确保数据的可靠性。

模型局限性

• 配置比例变化频繁：目标 CVaR 模型可能导致资产配置比例频繁变动，这在某些情况下可能增加操作成本。
• 未采用状态转换模型：由于国内数据有限，且状态转换模型可能带来偏差，未采用该方法。

结论与建议

报告建议采用多资产、多策略的平衡配置方式，以兼顾高收益和低风险。一方面，利用高收益策略在市场乐观时获取超额回报；另一方面，通过低风险策略（如风险平价）在极端市场中降低冲击，实现长期风险调整后的良好收益表现。

参考文献

1. Ang, A., & Bekaert, G. (2002). International asset allocation with regime shifts. Review of Financial studies, 15(4), 1137-1187.
2. Ang, A., & Bekaert, G. (2004). How Regimes Affect Asset Allocation. Financial Analysts Journal, 86-99.
3. Dorey, M., & Joubert, P. (2005). Modelling copulas: an overview. The Staple Inn Actuarial Society.
4. Friederichs, P. (2007). An introduction to extreme value theory. COPS Summer School.
5. Hamilton, J. D. (2010). Regime switching models. In Macroeconometrics and Time Series Analysis (pp. 202-209). Palgrave Macmillan UK.
6. Ilmanen, A. (2011). Expected returns: An investor's guide to harvesting market rewards. John Wiley & Sons.
7. McNeil, A. J., & Saladin, T. (1997, April). The peaks over thresholds method for estimating high quantiles of loss distributions. In Proceedings of 28th International ASTIN Colloquium (pp. 23-43).
8. Piger, J. (2009). Econometrics: Models of regime changes. In Complex Systems in Finance and Econometrics (pp. 190-202). Springer New York.
9. Wang, P., Sullivan, R. N., & Ge, Y. (2012). Risk-based dynamic asset allocation with extreme tails and correlations. The Journal of Portfolio Management, 38(4), 26-42.
10. Allianz Total Portfolio Risk Management: Balancing Risk & Return, 7th Annual China Investment Management Summit 2013

分析师简介

• 王琦：金融工程分析师，英国帝国理工学院数学与金融硕士，2016年加入东北证券研究所。

重要声明

• 本报告由东北证券股份有限公司制作并仅向客户发布。
• 报告信息来源于公开资料，不保证其准确性与完整性。
• 报告内容反映发布当日的判断，不构成任何投资建议。
• 报告版权归东北证券所有，未经许可不得复制、引用或发表。