20210303-天风证券-海外文献推荐第171期_11页_835kb

基金研究总结：Smart Beta 和多因子组合的最优混合

核心内容

本文探讨了如何将Smart Beta策略与多因子策略（Advanced Beta）进行最优混合，以构建更具风险调整后收益的投资组合。随着机构投资者对Smart Beta基金配置的增加，以及多因子策略的复杂性提升，投资者需要一个系统性的方法来评估和配置这些策略，以实现更好的投资结果。

主要观点

• Smart Beta 是基于规则的市场敞口策略，旨在获得超过市值加权指数的风险调整后收益。
• Advanced Beta 是由多个Smart Beta因子或其它因子构建的多因子策略，通常具有更复杂的因子暴露。
• 投资者在构建组合时，需要考虑因子的偶发性敞口和特殊敞口，避免重复配置和过度集中。
• 最优配置框架 基于因子模型，通过评估候选策略的超额收益和残差收益，结合风险预算，确定最佳配置比例。
• 杠杆与去杠杆 对Advanced Beta的影响显著，去杠杆化策略（如低波动）可能降低组合风险，但也可能消耗主动风险预算。
• 主动收益优化 聚焦于主动收益与主动风险的平衡，通过调整因子权重和杠杆比例，提升信息比率。

关键信息

1. 因子模型与评估标准

• 基于ESBs的因子模型：ESBs（Elementary Smart Betas）是价值、规模和动量因子，这些因子已被广泛研究且具有可投资性。
• 模型公式：
  $$
  \tilde{r}{ab} = f_b \tilde{r}b + \sum_i f{esb,i} \tilde{r}{esb,i} + \tilde{\alpha}{ab}
  $$
  其中，$\tilde{r}{ab}$ 表示候选Advanced Beta的超额收益，$f_b$ 是基准指数的权重，$\tilde{\alpha}_{ab}$ 是残差收益。
• 选择标准：新策略是否能提供超额收益（正alpha）是关键，同时需评估其是否与现有策略重复。

2. 最优配置方法

• 总回报最优配置：
  $$
  h_{esb,i}^* = \frac{1}{\lambda} \frac{r_{esb,i}}{\sigma_{esb,i}^2} - f_{esb,i} h_{ab}^*
  $$
  $$
  h_{ab}^* = \left[f_b^2 \sigma_b^2 + \omega_{ab}^2\right]^{-1} \left[\frac{1}{\lambda} (f_b r_b + \alpha_{ab}) - f_b \sigma_b^2 h_b\right]
  $$
  通过最大化总回报和最小化风险，确定最优配置比例。
• 主动收益最优配置：
  $$
  h_{esb,i}^* = \frac{1}{\lambda} \frac{r_{esb,i}}{\sigma_{esb,i}^2} - f_{esb,i} h_{ab}^*
  $$
  $$
  h_{ab}^* = \left[f_{b/ab}^2 \sigma_b^2 + \omega_{ab}^2\right]^{-1} \frac{1}{\lambda} (f_{b/ab} r_b + \alpha_{ab})
  $$
  通过优化主动收益与风险的比值，提升投资组合的信息比率。

3. 案例研究

• 假设条件：一个机构投资者配置了70%股票和30%债券，忽略其他资产类别。
• 收益与风险数据：
  • 债券（GBMI）：历史回报2.66%，历史风险2.78%，夏普比率0.95。
  • 股票（ACWI）：历史回报5.04%，历史风险14.71%，夏普比率0.34。
  • 价值因子：历史回报0.13%，历史风险3.67%，夏普比率0.04。
  • 规模因子：历史回报1.96%，历史风险6.90%，夏普比率0.28。
  • 动量因子：历史回报3.72%，历史风险8.09%，夏普比率0.46。
• 因子相关性：
  • 债券与股票相关性为-0.112。
  • 价值与动量相关性为-0.497。
  • 其他因子之间相关性为0.2。
• Advanced Beta策略假设：
  • AB1：价值因子权重0.9，规模因子权重0.1，残差收益1.00%，残差风险4.00%，信息比率0.25。
  • AB2：价值与规模因子各0.5，残差收益1.25%，残差风险5.00%，信息比率0.25。
  • AB3：规模因子权重0.15，动量因子权重0.1，残差收益0.75%，残差风险3.00%，信息比率0.25。
  • AB4：价值因子权重0.65，动量因子权重0.15，残差收益1.50%，残差风险6.00%，信息比率0.25。

4. 最优持仓与业绩

• Smart Beta Only：预期主动收益1.4%，信息比率0.48。
• Advanced Beta Only：预期主动收益1.5%，信息比率0.51。
• Smart & Advanced Beta（无杠杆调整）：预期主动收益1.8%，信息比率0.61。
• Smart & Advanced Beta（有杠杆调整）：预期主动收益2.1%，信息比率0.68。
• 有杠杆调整组合在相同主动风险预算下表现更优，提升了总收益和信息比率。

5. 对总投资组合的影响

• 主动风险预算：设定为3%，通过调整杠杆和去杠杆比例，优化投资组合的收益和风险。
• 无杠杆调整组合：主动尾部A，总收益5.5%，总风险10.8%。
• 有杠杆调整组合：主动尾部B，总收益5.7%，总风险11.1%。
• 有杠杆调整组合在主动风险增加时，总收益提高，但总风险也增加，信息比率更高，表现更优。

总结

本文提出了一种标准框架，用于评估和混合Smart Beta与多因子策略，以实现更优的投资组合。通过因子模型，投资者可以理解不同策略的敞口和残差收益，并根据风险偏好和预算进行配置。案例研究表明，混合策略在总收益和信息比率上均优于单一策略，尤其是有杠杆调整的组合。同时，文章强调了去杠杆化策略（如低波动）的潜在影响，建议投资者在使用时需谨慎考虑其对整体配置的影响。