多因子系列报告之十三：组合优化算法探析及指数增强实证-20180805-光大证券-22页-2mb

报告摘要

组合优化算法探析及指数增强实证总结

核心内容

本文探讨了投资组合构建中的主流方法和常用优化模型，并通过实证分析了基于光大Alpha多因子体系的中证500指数增强组合的表现。文章旨在通过系统比较各类组合构建方法和优化模型，揭示其在收益、风险控制、信息比等方面的优劣，并提出具有实际应用价值的组合优化策略。

主要观点

组合构建方法对比：
- 等权配置：虽然在收益表现上较好，但因暴露小市值因子，风险控制能力较弱，最大回撤和最大相对回撤明显高于其他方法。
- 市值加权：一定程度上减小市值因子暴露，降低跟踪误差，但收益表现相对较低。
- 分层抽样（行业中性）：通过行业分层，控制行业暴露度，有助于提高组合的超额收益稳定性。
- 均值方差优化模型（MVO）：在未加约束时收益较高，但风险控制不足，信息比和回撤表现不佳。加入约束后，如市值暴露控制、换手率限制等，能有效提升组合表现。
MVO衍生模型对比：
- 目标风险模型：通过控制组合年化波动率，实现风险管理，但收益表现略逊于无约束MVO。
- 风险平价模型：通过平衡各资产的风险贡献度，实现组合的稳定性，但信息比和年化收益表现较差。
- Augmented Black-Litterman (ABL) 模型：结合多因子模型和主观观点，优化结果更为稳健，信息比表现优异，但模型配置过程不够透明。
基于光大Alpha多因子体系的实证结果：
- 光大Alpha1.0增强组合：在2008年至2018年7月期间，年化收益为26.2%，年化超额收益为14.2%，信息比为2.5，最大相对回撤为5.6%。2018年至今的信息比提升至2.7。
- 光大Alpha2.0与ABL模型结合的增强组合：在2009年至2018年7月期间，信息比为3.0，年化超额收益为17.5%，最大相对回撤为4.1%。2017年仍获得正向超额收益，2018年至今信息比为2.8。

关键信息

1. 组合优化模型的作用

组合优化模型能够系统控制投资组合的风险暴露、换手率、个股权重等关键因素，对量化投资和主动投资都具有重要价值。

2. 常用约束条件

个股最高权重限制：避免权重过度集中，降低组合风险。
换手率限制：控制交易频率，有助于减少交易成本，提高组合稳定性。
行业中性：控制行业暴露度，提高组合的超额收益稳定性。
风险因子暴露度限制：如市值因子暴露控制，有助于规避风格切换带来的风险。

3. 风险提示

所有测试结果基于模型和历史数据，模型存在失效风险。
信息比和回撤表现良好，但需注意模型的不确定性和历史数据的局限性。

4. 模型构建方法

因子模型：采用光大Alpha多因子体系，包括估值、质量、成长、规模、波动、换手、流动性、动量、预期因子等。
风险模型：采用Barra CNE5基本面风险模型，用于降维和提高风险估计的稳定性。
ABL模型：通过引入因子观点，实现多因子投资组合的优化，结合SVM因子择时模型进一步提升表现。

实证结果汇总

基础组合构建方法效果对比

指标	等权配置	市值加权	行业中性	MVO基础约束
月度胜率	79%	73%	76%	76%
年化收益	39.5%	26.7%	31.1%	32.9%
年化波动	30.1%	28.5%	28.7%	29.8%
年化超额收益	27.0%	16.5%	19.6%	20.9%
相对收益波动	7.0%	8.9%	6.8%	5.9%
信息比	3.8	1.9	2.9	3.5
最大回撤	-52.9%	-49.0%	-51.2%	-48.9%
最大相对回撤	-16.2%	-15.4%	-15.8%	-12.4%
夏普比	1.31	0.94	1.08	1.10

不同约束下MVO及衍生模型对比

指标	MVO基础约束	MVO行业中性	MVO市值暴露	MVO换手率	RP基础约束	TE基础约束
月度胜率	76%	72%	77%	74%	72%	77%
年化收益	32.9%	29.8%	30.4%	27.7%	23.6%	29.9%
年化波动	29.8%	28.9%	27.0%	29.7%	24.1%	30.4%
年化超额收益	20.9%	16.9%	17.6%	14.2%	10.3%	16.8%
相对收益波动	5.9%	5.7%	4.8%	6.1%	5.2%	5.8%
信息比	3.5	3.0	3.7	2.3	2.0	2.9
最大回撤	-48.9%	-50.1%	-46.7%	-48.3%	-45.8%	-50.4%
最大相对回撤	-12.4%	-12.3%	-10.2%	-13.4%	-10.3%	-11.4%
夏普比	1.10	1.03	1.13	0.93	0.98	0.92

光大Alpha1.0中证500增强组合表现

年份	月度胜率	年化收益率	年化波动率	年化超额收益	相对收益波动	信息比	最大回撤	最大相对回撤
2008	75%	-47.1%	41.8%	10.0%	5.8%	1.9	-56.2%	-5.4%
2009	100%	202.9%	36.8%	33.4%	5.2%	6.4	-20.1%	-1.4%
2010	75%	16.2%	28.7%	5.6%	5.3%	1.1	-29.1%	-5.6%
2011	66%	-28.3%	24.1%	11.4%	4.3%	2.6	-37.7%	-3.4%
2012	83%	9.8%	24.9%	6.9%	4.0%	1.7	-27.5%	-1.7%
2013	83%	33.8%	22.9%	12.7%	4.2%	3.0	-16.3%	-2.2%
2014	83%	61.9%	19.9%	15.9%	4.9%	3.2	-9.7%	-2.2%
2015	75%	72.3%	52.0%	24.7%	11.3%	2.2	-50.7%	-4.7%
2016	100%	7.2%	31.1%	20.6%	4.6%	4.5	-25.9%	-1.8%
2017	75%	-0.5%	14.9%	0.5%	4.5%	0.1	-16.6%	-3.7%
2018	66%	-26.9%	23.0%	10.1%	4.6%	2.7	-18.6%	-1.9%
Summary	82%	26.2%	30.1%	14.2%	5.7%	2.5	-56.2%	-5.6%

光大Alpha2.0中证500增强组合表现

年份	月度胜率	年化收益率	年化波动率	年化超额收益	相对收益波动	信息比	最大回撤	最大相对回撤
2009	100%	190.9%	36.8%	21.4%	5.2%	4.1	-20.1%	-2.9%
2010	75%	15.7%	27.8%	5.6%	5.0%	1.1	-28.2%	-3.7%
2011	67%	-27.6%	23.6%	10.1%	4.5%	2.3	-37.1%	-3.5%
2012	83%	13.1%	24.2%	10.3%	4.1%	2.5	-25.1%	-1.8%
2013	83%	33.7%	22.4%	13.4%	4.8%	2.8	-15.8%	-2.4%
2014	83%	65.8%	19.3%	20.6%	5.1%	4.1	-8.3%	-2.0%
2015	75%	75.6%	50.9%	29.2%	11.6%	2.5	-51.5%	-3.9%
2016	100%	12.1%	30.5%	25.3%	4.6%	5.5	-25.1%	-1.0%
2017	75%	3.3%	15.0%	4.4%	4.7%	0.9	-16.6%	-4.1%
2018	50%	-23.6%	23.0%	12.9%	4.6%	2.8	-17.8%	-2.7%
Summary	81%	29.3%	29.4%	17.5%	5.9%	3.0	-51.5%	-3.9%

结论

组合优化是构建投资组合的关键环节，通过合理设置约束条件，可以有效控制风险、提高收益稳定性。本文通过实证分析，展示了不同组合构建方式和优化模型的表现差异，尤其在控制跟踪误差、行业暴露、市值因子暴露等方面具有显著优势。基于光大Alpha1.0和Alpha2.0的增强组合表现优异，信息比和超额收益显著，但需注意模型失效的风险。