20171228-华宝证券-金融工程专题报告_对BL模型的再探讨_估值效应与风险预算_19页_1mb

对BL模型的再探讨：估值效应与风险预算

核心内容

本文探讨了在传统BL模型基础上，通过融入估值效应和风险预算模型进行优化，以提升资产配置的稳健性和市场适应性。重点分析了A股、港股、美股、债券与黄金的估值指标构建方法，并基于动量和估值效应改进BL模型的预期收益生成方式。此外，文章还通过风险预算模型动态调整BL模型的初始权重，以提高资产配置的绩效表现。

主要观点

• 大类资产配置方法分类：主要包括基于收益、基于风险以及基于权重的配置模型。BL模型因其结合历史收益分布与投资者预期收益，具有较好的市场适应性。
• BL模型优化方向：
  1. 估值效应的引入：通过构建动态估值指标（如基于一致预期的PB）结合动量择时方法，提升资产配置的收益与风险控制能力。
  2. 风险预算模型的应用：通过设定不同风险资产的风险贡献比例，生成动态初始权重，以适应不同市场环境下的资产波动特征。
• 市场适应性提升：动态权重配置相较于固定权重配置，能更灵活地应对市场变化，提高收益风险比。

关键信息

1. 大类资产估值指标构建

A股

• 估值指标：采用沪深300指数的动态PB（基于一致预期）。
• 阈值设定：动态估值指标低于0.25为看多信号，高于0.75为看空信号。
• 回测结果：
  • 动态估值：累计收益率147.5%，最大回撤-24.8%，年化收益率17.5%，Calmar比率1.95。
  • 静态估值：累计收益率133.5%，最大回撤-24.8%，年化收益率16.3%，Calmar比率1.81。

港股

• 估值指标：采用恒生指数的PE和PB合成指标（0.7PE + 0.3PB）。
• 阈值设定：低于0.15为看多，高于0.85为看空。
• 回测结果：
  • 买入信号：平均未来20天收益率0.9%，胜率56.0%；未来60天收益率5.1%，胜率68.0%。
  • 卖出信号：平均未来20天收益率1.6%，胜率35.0%；未来60天收益率5.3%，胜率35.0%。

美股

• 估值指标：采用标普500指数的PB，结合经济周期调整阈值。
• 阈值设定：
  • 经济上行：PB分位数高于0.9时卖出。
  • 经济下行：PB分位数低于0.1时买入。
• 回测结果：
  • 买入信号：平均未来20天收益率1.8%，胜率61.1%；未来60天收益率4.8%，胜率70.4%。
  • 卖出信号：平均未来20天收益率0.1%，胜率45.8%；未来60天收益率2.6%，胜率25.0%。

债券

• 估值指标：采用中债总净价指数，结合GDP增速与平减指数划分经济周期。
• 阈值设定：利率分位数高于0.8为高估，低于0.2为低估。
• 回测结果：
  • 买入信号：平均未来20天收益率0.1%，胜率57.9%；未来60天收益率1.6%，胜率73.7%。
  • 卖出信号：平均未来20天收益率-0.1%，胜率58.3%；未来60天收益率-0.5%，胜率54.2%。

黄金

• 估值指标：基于美元指数、通胀指数与VIX指数构建回归模型，计算黄金的合理估值区间。
• 阈值设定：高于估值上界为看空，低于估值下界为看多。
• 回测结果：
  • 买入信号：平均未来20天收益率1.4%，胜率60.9%；未来60天收益率2.6%，胜率69.6%。
  • 卖出信号：平均未来20天收益率1.9%，胜率40.0%；未来60天收益率0.3%，胜率46.7%。

2. 基于动量与估值效应的BL模型

• 预期收益生成：基于固定初始权重，通过动量和估值指标调整预期收益率。
• 回测结果：
  • 激进型（动量）：累计收益率87.5%，最大回撤-22.2%，Calmar比率1.24，夏普比率0.62。
  • 平衡型（动量）：累计收益率58.8%，最大回撤-8.3%，Calmar比率1.87，夏普比率0.79。
  • 稳健型（动量）：累计收益率44.9%，最大回撤-3.6%，Calmar比率2.93，夏普比率0.89。
  • 激进型（动量+估值）：累计收益率96.8%，最大回撤-17.2%，Calmar比率1.46，夏普比率0.73。
  • 平衡型（动量+估值）：累计收益率60.4%，最大回撤-5.8%，Calmar比率1.95，夏普比率0.85。
  • 稳健型（动量+估值）：累计收益率45.1%，最大回撤-3.7%，Calmar比率2.96，夏普比率0.93。

3. 融入风险预算模型的BL模型

• 风险度量方式：
  • 损失波动率（标准差）。
  • VaR（风险价值）。
  • 半方差（下行风险）。
• 风险预算模型表现：
  • 损失波动率：年化收益率3.56%-4.00%，最大回撤-5.30%至-5.72%，Calmar比率1.03-1.58，夏普比率1.11-1.88。
  • VaR：年化收益率3.50%-3.86%，最大回撤-5.28%至-5.92%，Calmar比率0.89-1.55，夏普比率1.07-1.78。
  • 半方差：年化收益率3.51%-3.93%，最大回撤-5.22%至-5.68%，Calmar比率0.94-1.61，夏普比率1.02-1.88。
• BL模型优化结果：
  • 动态初始权重：累计收益率53.91%，最大回撤-4.04%，年化收益率6.55%，Calmar比率2.34，夏普比率0.98。
  • 固定初始权重：累计收益率45.66%，最大回撤-4.03%，年化收益率5.69%，Calmar比率2.29，夏普比率0.82。
  • 优化效果：动态权重配置使年化收益率提升，最大回撤控制能力增强，Calmar与夏普比率均有显著提升。

总结

通过引入估值效应与风险预算模型，BL模型的稳健性得到显著提升，其市场适应性和收益风险比均优于传统固定权重方法。估值效应有助于提前识别市场高估与低估，从而优化资产配置时机，而风险预算模型则通过动态调整资产权重，更好地反映市场风险特征，提升资产组合的配置绩效。两种方法的结合使得BL模型在资产配置中更具灵活性和实战价值。