20180305-天风证券-风险预算与组合优化_18页_832kb

金融工程：风险预算与组合优化分析总结

核心内容

本文围绕风险分解、组合优化与风险预算以及风险管理方法，探讨了如何通过风险预算模型优化投资组合的风险结构，以实现更合理的风险控制和收益分配。

主要观点

1. 风险分解的三种方式：

   • 分解到资产上：将组合风险分配到各个资产上，计算各资产的边际风险贡献（MCR）和风险贡献比例（PCR）。
   • 分解为系统性风险和特质风险：系统性风险来源于因子暴露和因子收益的协方差，特质风险来源于个股的非因子波动。
   • 直接分解到因子上：在因子模型下，组合风险可分解为因子暴露带来的系统性风险和个股权重带来的特质风险。

2. 风险预算模型：

   • 风险预算模型通过设定各资产或因子的风险贡献比例，实现对组合风险的结构性管理。
   • 风险预算的解对参数不敏感，相较均值方差模型更加稳健。
   • 风险平价（Risk Parity）是风险预算的一种特例，各因子（或资产）的风险贡献比例相等。

3. 组合优化与风险预算的关系：

   • 在多因子模型下，均值方差优化和风险预算优化是等价的。
   • 通过调整因子暴露，可以实现对组合风险的更精细控制。

4. 风险管理建议：

   • 单纯控制组合的整体风险或配比是不够的，需结合组合优化与风险预算工具进行综合管理。
   • 因子暴露的控制可以有效降低风险集中度，提高组合的稳健性。

关键信息

• 风险函数：若为线性齐次函数，如标准差或VaR，可使用欧拉定理进行分解。
• 边际风险贡献（MCR）：衡量变量微小变化对风险的影响。
• 风险贡献（CR）：变量与其边际风险贡献的乘积，表示该变量对总风险的贡献。
• 风险贡献比例（PCR）：表示各变量对总风险的相对贡献，总和为1。
• 风险预算模型：通过设定PCR目标，求解最优组合权重。
• 风险预算模型求解：可通过转换为凸优化问题进行求解，使用SQP、IPM等方法。
• 风险预算与均值方差对比：风险预算模型对参数变化不敏感，更稳健。
• 因子暴露的控制：可有效分散组合风险，减少因子波动对组合的影响。

风险提示

• 市场环境变动风险：市场波动可能影响模型的有效性。
• 模型失效风险：模型假设可能与实际市场情况不符，导致预测偏差。

图表概览

• 图1：组合风险分解到资产上
• 图2：组合风险分解为系统性风险和特质风险
• 图3：组合风险直接分解到因子上
• 图4：无因子约束组合（TE = 5%）风险贡献比例
• 图5：风格因子对无因子约束组合（TE = 5%）系统性风险的贡献
• 图6：风格因子对约束反转（±0.1）组合系统性风险的贡献
• 图7：风格因子对约束反转（±0.5）组合系统性风险的贡献
• 图8：不同跟踪误差约束下组合的特质风险比例
• 图9：不同跟踪误差约束下组合风格因子对系统性风险贡献比例
• 图10：不同特质风险占比约束下组合的股票数量
• 图11：反转因子对系统性风险贡献比例低于10%的组合各期反转因子的相对暴露
• 图12：反转因子的波动

优化模型示例

• 均值方差模型：最大化收益，约束组合风险。
• 风险预算模型：最小化风险贡献比例与目标比例的偏差，实现风险结构优化。

表格概览

• 表1：均值方差组合与风险预算组合的敏感性分析比较
• 表2：风格因子列表
• 表3：无因子约束组合（TE = 5%）各年度收益与风险
• 表4：各风格因子对无因子约束组合（TE = 5%）系统性风险的平均风险贡献比例

结论

• 风险预算模型能够有效管理组合的风险结构，相较于均值方差模型更加稳健。
• 通过因子暴露和风险贡献比例的控制，可以更合理地分配风险，提高组合的抗风险能力。
• 在实际应用中，应结合组合优化与风险预算，实现对组合整体风险和风险敞口的精细化管理。

参考文献

• Bruder B, Roncalli T. Managing risk exposures using the risk budgeting approach[J]. 2012.
• Chaves D, Hsu J, Li F, et al. Efficient algorithms for computing risk parity portfolio weights[J]. Journal of Investing, 2012, 21(3): 150.
• Cocoma P, Czasonis M, Kritzman M, et al. Facts about Factors[J]. 2015.
• Feng Y, Palomar D P. SCRIP: Successive Convex Optimization Methods for Risk Parity Portfolio Design[J]. IEEE Transactions on Signal Processing, 2015, 63(19): 5285-5300.
• Griveau-Billion T, Richard J C, Roncalli T. A fast algorithm for computing high-dimensional risk parity portfolios[J]. 2013.
• Idzorek T M, Kowara M. Factor-based asset allocation vs. asset-class-based asset allocation[J]. Financial Analysts Journal, 2013, 69(3): 19-29.
• Jagannathan R, Ma T. Risk reduction in large portfolios: Why imposing the wrong constraints helps[J]. The Journal of Finance, 2003, 58(4): 1651-1683.
• Roncalli T, Weisang G. Risk parity portfolios with risk factors[J]. Quantitative Finance, 2016, 16(3): 377-388.
• Roncalli T. Introducing expected returns into risk parity portfolios: A new framework for asset allocation[J]. 2014.