深度研究：风险平价之标的优选与层次化风险估计-20211206-华泰证券-26页_1mb

报告摘要

风险平价之标的优选与层次化风险估计总结

核心内容

风险平价模型是一种基于风险分散的资产配置策略，其核心在于对不同宏观风险进行等权暴露，而非单纯对资产波动率进行平均分配。模型在实际应用中面临两大挑战：一是协方差矩阵的计算和求逆复杂；二是模型表现受标的资产收益影响较大。为应对这些挑战，本文提出两种优化方法：波动率平价模型与层次风险平价模型。

波动率平价模型通过忽略资产间的相关性，将协方差矩阵简化为对角矩阵，从而降低计算复杂度。该模型在实践中表现出较强的稳健性，特别是在优选标的资产后，模型的收益风险比显著提升。双创50作为A股中表现优异的股票指数，在多个时间段的回测中均优于沪深300。

层次风险平价模型则通过分层聚类对协方差矩阵进行结构化处理，保留部分相关性信息，从而在不依赖协方差矩阵求逆的情况下实现更合理的资产配置。该模型在资产相关性较高时表现出更强的优化能力，尤其在蒙特卡洛模拟中，其综合收益表现优于波动率平价模型。

主要观点

风险平价模型的本质：
- 风险平价模型关注的是宏观风险的等权暴露，而非资产波动率的简单平均。
- 模型的权重配置需满足资产风险贡献相等，即 $RC_i = RC_j$，$ \forall i \neq j $。
- 模型计算涉及协方差矩阵的估计和逆运算，对高维数据处理困难，因此常用波动率平价方法简化。
波动率平价模型的优化策略：
- 通过优选标的资产（如双创50）可以显著提升模型表现。
- 在不同时间窗宽和调仓周期下，优选标的对模型效果的提升具有稳定性。
- 在极端市场情况下，优选标的仍能有效提升模型收益和风险控制能力。
层次风险平价模型的优势：
- 通过层次聚类对协方差矩阵进行再排序，使相关性强的资产聚集在矩阵对角线附近，从而提升模型稳健性。
- 该模型不依赖协方差矩阵的可逆性，适用于高相关性资产组合。
- 在相关资产较多的情况下，层次风险平价模型综合收益表现更优，同时风险控制能力更强。

关键信息

标的优选对模型表现的影响

2020年1月1日至2021年8月31日：
- 用双创50替换沪深300的股票组合，区间收益率提升7.61%，夏普比率达到2.01，Calmar比率达到2.76，优于沪深300组合（夏普比率1.77，Calmar比率2.37）。
2020年1月1日至2020年4月30日（新冠疫情期间）：
- 包含双创50的组合，区间收益率为2.83%，优于沪深300的0.60%。
- 夏普比率提升至0.6583，Calmar比率提升至1.9497。
2020年11月1日至2021年3月31日（震荡下行期间）：
- 包含双创50的组合，区间收益率为6.59%，优于沪深300的6.26%。
- 夏普比率提升至2.2962，Calmar比率提升至6.7276。

层次风险平价模型的实证表现

蒙特卡洛模拟：
- 当资产数量为6N（N=6、12、18）时，层次风险平价模型在多数参数组合下表现优于波动率平价模型。
- 层次风险平价模型在综合收益指标（如夏普比率、Calmar比率）上更具优势，尤其是在资产相关性较高的情况下。
- 随着资产数量增加，层次风险平价模型的最大回撤和年化波动率下降，而夏普比率和Calmar比率上升，表明其风险控制能力更强。
不同参数组合下的模型表现：
- 当资产数量为6N=6时，层次风险平价模型的夏普比率和Calmar比率均高于波动率平价模型。
- 当资产数量为6N=12时，在某些参数下（如 $n=5$，$m=160$）层次风险平价模型仍占优。
- 当资产数量为6N=18时，层次风险平价模型在部分参数下表现不如波动率平价模型，但其风险控制能力依然优于后者。