20160822-广发证券-稳中求进_风险平价在行业_Alpha因子配置中的应用_39页_1mb

稳中求进：风险平价在行业、Alpha因子配置中的应用

核心内容

风险平价（Risk Parity, RP）是一种基于资产风险配置的策略，旨在实现资产风险的均匀分布，而非简单的资金分散化。该方法通过优化资产权重，使得每项资产对组合整体风险的边际贡献相等，从而在风险控制的前提下提升组合的稳定性与收益能力。本文探讨了风险平价在行业配置和Alpha因子权重设置中的应用，提出了Alpha风险平价（ARP）和分散化风险平价（DRP）两种策略，并通过实证分析验证了其有效性。

主要观点

• 传统配置方法的缺陷：传统的60/40股债配置虽然强调分散化，但高风险资产（如股票）往往承担了组合的大部分风险，导致组合在资产价格波动时承受较大损失。
• 风险平价的优势：基于风险配置的方法能够更有效地分散风险，避免因单一资产波动引发组合整体风险暴露。
• Alpha风险平价策略（ARP）：将风险平价思想应用于因子配权，通过衡量因子的有效性波动（Rank IC的滚动协方差）来调整因子权重，以平衡风险与收益。
• 分散化风险平价（DRP）：针对资产间高相关性问题，通过主成分分析（PCA）提取资产特征因子，再对特征因子进行风险平价配置，从而实现更有效的风险分散。

关键信息

风险平价方法介绍

• 风险平价的核心在于实现资产风险的均匀分布。
• 风险平价的数学表达为：每项资产的边际风险贡献（CTR）相等，即 $ \mathrm{CTR}_i = \mathrm{CTR}_j \forall i \neq j $。
• 通过优化模型，使得组合风险最小化，同时满足权重和为1且权重为正。

Alpha风险平价策略（ARP）

• 将单因子视为资产，通过其Rank IC的波动性来衡量风险。
• 引入因子表现（Alpha）作为分母，以平衡风险与收益。
• 优化目标为：$ \min_{w} \sum_{i=1}^{N} \sum_{j=1}^{N} [ \frac{w_i \mathrm{cov}(r_i, r_p)}{\alpha_i} - \frac{w_j \mathrm{cov}(r_j, r_p)}{\alpha_j} ]^2 $。

风险平价在行业配置中的应用

• 通过PCA方法提取行业特征因子，解决高相关性资产配置问题。
• 特征因子的风险平价配置使得组合风险分布更为均匀，提升稳定性。
• 原投资组合的方差可分解为特征因子方差的加权和，通过最大化熵（$N_{Ent}$）实现最优分散。

国内案例：中证指数推出的股债RP指数

• 股债RP指数表现稳健，2010年以来年化收益率为5.10%，最大回撤为3.72%。
• 与因子等权组合相比，ARP策略在多个年份中表现更优，尤其在2009年和2015年收益显著提升。

不同策略的回测结果

• DRP策略表现最优，具有更高的年化收益率和更低的最大回撤。
• 风险模型采用扩展窗口、移动窗口、几何加权扩展窗口和几何加权移动窗口四种方式，其中扩展窗口表现最佳。

因子选择与权重分布

• 选用的因子包括：财务质量、成长性、流动性、反转、规模、价值。
• 因子权重分布相对稳定，不会造成过多换手。
• 模型自动调整权重，以适应因子表现波动。

因子风险分布

• 各因子风险分布更为均匀，避免因单因子波动导致组合大幅回撤。
• 价值因子表现最为稳定，波动较小。

结论

• 风险平价策略在资产配置和因子权重设置中具有广泛应用。
• ARP策略通过引入因子表现，平衡风险与收益，实现稳中求进。
• DRP策略通过PCA提取特征因子，有效解决高相关性资产配置问题，扩展了风险平价的应用范围。
• 风险平价方法在实际应用中需结合市场环境与投资理念，不能完全依赖模型预测。