20170220-兴业证券-大类资产配置中的策略风格研究_动量篇_26页_4mb

资产配置策略研究：动量策略的应用

核心内容

本报告主要研究动量策略在大类资产配置中的应用，结合时间序列动量与横截面动量策略，提出两种系统化的资产配置模型：等风险贡献模型与重抽样的均值方差模型。同时，基于全球与国内大类资产进行回测分析，验证了动量策略在不同市场环境下的有效性与潜在风险。

主要观点

1. 动量策略的有效性：

   • 时间序列动量和横截面动量在大类资产配置中均能增强Beta，提升收益。
   • 同时结合时间序列与横截面动量信息，可实现更优的配置效果。

2. 策略风格与风险因子的结合：

   • 风险平价策略与动量策略在资产配置中可以相互补充，前者强调风险均衡，后者强调趋势捕捉。
   • 风险因子的强弱决定了策略风格的阶段性表现，而策略风格的使用有助于在风险因子上实现均衡分散。

3. 组合管理与优化：

   • 等风险贡献模型通过平衡各资产的风险贡献，提升组合收益与风险管理能力。
   • 重抽样均值方差模型通过减少估计误差，提升配置策略的稳定性与适用性。

关键信息

全球大类资产配置回测结果

• 纯多头策略：年化收益为 $12.62%$，夏普比率达到1.48。
• 不同风险偏好：
  • 低风险偏好：年化收益 $6.76%$，夏普比率1.96，最大回撤 $4.89%$。
  • 中风险偏好：年化收益 $8.04%$，夏普比率1.59，最大回撤 $7.72%$。
  • 高风险偏好：年化收益 $9.16%$，夏普比率1.29，最大回撤 $13.48%$。

国内大类资产配置回测结果

• 低风险偏好：股债商货币配比长期为 $15%:70%:5%:10%$。
• 中风险偏好：股债商货币配比长期为 $20%:65%:10%:5%$。
• 高风险偏好：股债商货币配比长期为 $29%:55%:15%:1%$。

策略优化与改进

• 趋势指标优化：使用Sign与Bollinger指标表现优于Smt指标。
• 调仓频率与交易费率：日频调仓在交易费率较低时表现更优，但换手率较高；月频调仓则在高费率环境下更为稳健。
• 策略改进：对横截面动量策略进行改进，如结合时间序列动量信号和使用夏普比率进行排序，显著提升了策略表现。

策略应用实践

时间序列动量策略

• 适用资产：股票、债券、汇率、商品。
• 表现：综合配置下年化收益 $8.39%$，波动率 $7.23%$，夏普比率1.16，最大回撤 $19.42%$。

横截面动量策略

• 适用资产：股票、债券、汇率、商品。
• 表现：综合配置下年化收益 $1.91%$，波动率 $5.24%$，夏普比率0.36，最大回撤 $17.63%$。

动量与等风险贡献模型结合

• 表现：年化收益 $10.05%$，波动率 $7.65%$，夏普比率1.31，最大回撤 $19.52%$。

动量与重抽样均值方差模型结合

• 表现：年化收益 $12.62%$，波动率 $8.53%$，夏普比率1.48，最大回撤 $16.51%$。

总结

1. 动量策略的优势：

   • 时间序列与横截面动量策略在大类资产配置中均具有增强Beta的能力，且两者结合能实现更优效果。

2. 系统化配置策略：

   • 等风险贡献模型和重抽样均值方差模型是两种有效的系统化配置方案，适用于不同市场环境与风险偏好。

3. 投资建议：

   • 基于不同风险偏好，配置策略应灵活调整，以实现最优的风险收益比。

4. 未来研究方向：

   • 探索动量策略在不同经济环境下的表现。
   • 研究价值策略在大类资产配置中的应用。

回测分析结论

• 全球市场：动量策略在多头配置下表现稳健，年化收益 $12.62%$，夏普比率1.48。
• 中国市场：动量策略在不同风险偏好下表现良好，年化收益分别为 $6.76%$、$8.04%$ 和 $9.16%$，夏普比率分别为1.96、1.59和1.29。

策略应用建议

• 风险偏好匹配：投资者应根据自身风险偏好选择适合的配置策略。
• 组合优化：通过等风险贡献模型和重抽样均值方差模型实现更科学的配置。
• 策略改进：优化趋势指标和调仓频率，以提升策略表现和降低回撤。

图表与数据

• 图1：大类资产配置研究的三个阶段。
• 图2：风险平价策略的两大核心理念。
• 图3：风险因子解释能力主成分分析。
• 图4：JPMorgan MOZAIC指数历史表现。
• 图5：时间序列动量策略收益净值图。
• 图6：从行为金融角度解释趋势策略。
• 图7：不同回看周期下时间序列动量策略的表现。
• 图8：不同调仓频率与交易费率组合下的策略夏普比率。
• 图9：多空策略与多头策略的夏普比率对比。
• 图10：不同趋势指标下动量策略的夏普比率。
• 图11：单周期与多周期动量在股票资产多头策略上的表现差异。
• 图12：横截面动量策略原理。
• 图13：大类资产横截面动量策略净值走势。
• 图14：改进的横截面动量策略净值走势。
• 图15：时间序列动量与横截面动量的叠加。
• 图16：全球大类资产两两相关性均值走势图。
• 图17：等风险贡献模型相对等波动率加权策略表现。
• 图18：重抽样方法生成有效前沿。
• 图19：原始均值方差与重抽样均值方差的权重变化对比。
• 图20：策略在全球大类资产配置中的表现。
• 图21：策略在中国大类资产配置中的表现。
• 图22：低风险偏好-大类资产权重时间序列变动。
• 图23：中风险偏好-大类资产权重时间序列变动。
• 图24：高风险偏好-大类资产权重时间序列变动。
• 图25：大小盘轮动策略净值表现。
• 图26：行业轮动策略净值表现。

表格数据

• 表1：时间序列动量策略回测表现。
• 表2：不同类别资产偏度、峰度表现统计。
• 表3：不同回看周期下时间序列动量策略表现对比。
• 表4：不同调仓频率与费率组合下策略表现统计。
• 表5：不同趋势指标下动量策略的表现。
• 表6：大类资产横截面动量策略表现。
• 表7：改进的横截面动量策略净值走势。
• 表8：等风险贡献模型相对等波动率加权策略表现统计。
• 表9：全球大类资产配置策略表现。
• 表10：策略在国内资产配置中的表现统计。
• 表11：大小盘轮动策略表现统计。
• 表12：行业轮动策略表现统计。

投资建议

• 推荐：相对表现优于市场。
• 中性：相对表现与市场持平。
• 回避：相对表现弱于市场。

风险提示

• 风险因子定义：国内市场风险因子定义尚不成熟，影响策略效果。
• 杠杆成本：高杠杆成本可能降低策略收益。
• 市场波动：大类资产相关性变化可能影响配置效果，需动态调整。

结论

通过系统化研究与回测分析，动量策略在大类资产配置中展现出良好的收益与风险控制能力。未来的研究将继续探讨不同经济环境下的策略表现及价值策略的应用，以进一步完善投资策略体系。