20180416-西南证券-资产配置系列_大类资产配置模型的解析与探讨_30页_4mb

报告摘要

大类资产配置模型的解析与探讨总结

核心内容

本文探讨了多种主流的大类资产配置模型，包括基本面模型、均值-方差模型、Kelly-CVaR模型、Black-Litterman模型和风险平价模型。这些模型分别从宏观经济周期、资产收益与风险的均衡分配、风险控制与主观观点结合、以及风险因子的角度出发，分析了不同资产配置策略的优缺点，并进行了实证回测，以评估其风险收益表现。

主要观点与关键信息

1. 基本面模型

美林时钟模型：
- 基于经济增长和通货膨胀的四个阶段进行资产配置。
- 回测结果显示年化收益率为8.39%，最大回撤率为29.08%，夏普比率为0.61。
- 优点：简单易行、操作性强、换手率低。
- 缺点：周期判断依赖指标选择，存在一定的主观性与滞后性。
二维多因素模型：
- 结合宏观因子和收益率方向预测，提高了预测的准确性。
- 回测结果显示年化收益率为13.40%，最大回撤率为20.01%，夏普比率为1.02。
- 优点：综合考虑了收益率预测与方向预测，增强了模型的稳定性。
- 缺点：因子选择仍存在挑战，且部分宏观因子存在滞后性。

2. 均值-方差模型

经典均值-方差模型存在参数敏感、缺乏稳健性的问题。
本文通过引入因子分析与考夫曼自适应移动平均线进行改进。
改进后的模型回测结果显示年化收益率为21.58%，最大回撤率为19.79%，夏普比率为1.45。
优点：能够灵活调整资产配置比例，提高收益。
缺点：仍需依赖历史数据，对市场变化的反应较慢。

3. Kelly-CVaR 模型

结合Kelly公式和CVaR，旨在最大化收益的同时控制风险。
回测结果显示年化收益率为16.85%，最大回撤率为19.38%，夏普比率为1.41。
优点：兼顾收益与风险，具有较强的稳健性。
缺点：模型参数设置需根据投资者的风险偏好进行调整，主观性较强。

4. Black-Litterman 模型

在均值-方差模型基础上，引入投资者的主观观点，通过贝叶斯推断方法得出后验收益率。
回测未进行，但指出模型参数的设定（如风险厌恶系数、观点矩阵、误差矩阵等）对结果影响较大。
优点：提高了收益率的稳定性，更具实践意义。
缺点：参数设置较为复杂，存在较大的主观性。

5. 风险平价模型

基于资产的风险平价模型：
- 核心是让每种资产对组合的风险贡献相等。
- 回测结果显示年化收益率为4.42%，最大回撤率为5.39%，夏普比率为1.81。
- 优点：适应性强，风险分散效果较好。
- 缺点：收益率偏低，需通过杠杆和风险预算等方式进行优化。
带杠杆的风险平价模型：
- 通过加杠杆提高债券资产的配置比例，从而提升组合收益。
- 回测结果显示年化收益率为4.42%（未明确），最大回撤率为5.39%。
- 优点：有效提升组合收益。
- 缺点：杠杆会增加风险，需谨慎使用。
风险预算模型：
- 通过调整资产的风险贡献比例，提高高风险资产的暴露，从而提升收益。
- 回测结果显示年化收益率为4.42%，最大回撤率为5.39%。
- 优点：可灵活调整风险分配。
- 缺点：对风险贡献的设定依赖主观判断。
基于风险因子的风险平价模型：
- 以风险因子为风险分配对象，避免因资产间风险因子集中带来的风险暴露。
- 优点：更精确地控制组合风险。
- 缺点：模型复杂，需对因子进行深入分析。
下行风险平价模型：
- 以下行风险（负向波动）标准差代替收益率标准差，更加关注投资组合的损失。
- 回测结果显示年化收益率为4.42%，最大回撤率为5.39%，夏普比率为1.81。
- 优点：有效降低组合下行风险。
- 缺点：对市场波动的反应可能不够及时。