琢璞系列报告之二十五：资产配置与因子配置相结合的投资组合构建思路-20201030-招商证券-15页
报告摘要
专题报告总结：资产配置与因子配置相结合的投资组合构建思路
核心内容
本报告总结了 Jennifer Bender、Jerry Le Sun 和 Ric Thomas 在《The Journal of Portfolio Management》上发表的论文“Asset Allocation vs. Factor Allocation—Can We Build a Unified Method?”。该研究提出了一种将资产配置与因子配置相结合的组合构建框架，旨在通过因子层面的收益预测与风险控制，实现更灵活、更精准的多资产投资组合设计。
主要观点
-
因子配置模型的创新性：作者将传统资产配置方法与基于因子的投资策略相结合，构建了一个统一的模型框架，能够同时容纳宏观因子和风格因子，从而实现对资产收益的更全面预测。
-
模型构建流程：该模型分为七个步骤，包括选择因子、估算资产对因子的暴露、构建模拟因子投资组合、预测因子收益、构建最优因子组合、预测资产预期收益以及最终构建可投资的战略组合。
-
战术与战略配置的区分：战术配置侧重于短期因子暴露，战略配置则基于长期因子暴露和平均化处理，以实现更稳定的投资回报。
-
实证方法：作者使用了美国市场2011年12月至2016年9月的真实数据进行实证分析，构建了三种投资组合：SAA QUANT、TAA QUANT 和 TAA DISC。
-
模型的应用价值：该模型为投资者提供了从因子层面进行资产配置的新思路，能够根据不同的投资目标和时间框架进行优化，提高投资组合的收益和风险调整能力。
关键信息
一、因子配置模型构建步骤
-
选择宏观经济和风格因子
选择3个宏观因子：经济增长（GRWTH）、通胀（INFLTN）、实际利率（REAL）；选择2个风格因子：动量（MMT）、波动率（VOL）。 -
估算不同类别资产对因子的风险暴露
使用时间序列回归来估算资产对因子的暴露，将其标准化为均值为零、标准差为一的分布。 -
构建模拟因子的投资组合
通过分类投资组合、最优化方法和因子模型方法构建模拟因子投资组合，以模拟不同因子的风险敞口和收益。 -
预测模拟因子投资组合的收益
使用历史平均收益作为短期预测，使用扩大窗口平均收益作为长期预测。 -
构建最优因子投资组合
通过最优化方法，控制因子敞口和风险调整后收益，构建最优因子投资组合。 -
预测不同类别资产的预期收益
利用最优因子权重与模拟因子投资组合的资产权重进行乘积，得到资产的预期收益。 -
构建最终的优化投资组合
使用预期收益构建最终投资组合，根据投资目标选择不同的目标函数，以实现风险调整后收益最大化。
二、实证案例分析
-
资产选择：包括股票、固定收益、商品和现金等大类资产，代表指数包括美国大型股（R1000）、美国小型股（R2000）、REIT、新兴市场股票（EM）、AGG、HYLD、TIPS、GOLD、DJAIG 和 RF。
-
模拟因子投资组合表现：
- 战术性投资组合（TAA QUANT）的年化回报为8.8%，标准差为24.8%，夏普比率为0.35。
- 战略性投资组合（SAA QUANT）的年化回报为10.3%，标准差为13.2%，夏普比率为0.78。
- TAA DISC 在人工调整后表现更优，年化回报为10%，标准差为10%，夏普比率为0.94。
-
组合绩效：
- SAA QUANT、TAA QUANT 和 TAA DISC 的风险调整后收益均表现良好，夏普比率在0.82至0.94之间。
- TAA DISC 由于加入了人工调整，信息比率表现更优。
三、模型的局限性与适用性
-
市场适用性：该模型基于美国市场历史数据，其在中国市场的适用性仍需进一步验证。
-
模型灵活性：通过结合定量分析与人工调整，模型能够灵活应对不同投资目标和市场环境。
结构与方法
-
因子暴露的估算：使用时间序列回归估算资产对因子的暴露，以捕捉因子对资产收益的影响。
-
模拟因子投资组合的构建：通过分类投资组合、最优化和因子模型三种方法构建模拟因子投资组合，以捕捉不同因子的风险敞口。
-
最优因子组合的构建：通过最优化问题，控制因子敞口和风险，构建最优因子投资组合。
-
预期收益的预测：利用因子权重与资产权重的乘积，预测不同类别资产的预期收益。
-
最终投资组合的构建：基于预期收益构建最终投资组合，以实现风险调整后收益最大化。
未来展望
该模型为投资者提供了新的思路，能够将资产配置问题从资产层面转换到因子层面，提高投资组合的灵活性和精准度。未来，投资者可结合国内数据，对模型进行本地化实证研究，以验证其在中国市场的适用性。同时，人工调整的加入使得模型能够更好地适应市场变化，提高投资组合的绩效表现。
试读结束，高清完整版pdf/doc/ppt,请点下载
