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-20171228-华宝证券-19页-1mb

报告摘要

对BL模型的再探讨：估值效应与风险预算

核心内容概述

本报告探讨了如何在BL模型中融入估值效应和风险预算模型，以提升大类资产配置的稳健性和市场适应性。BL模型在基于收益的资产配置方法中具有重要地位，其核心在于资产预期主观收益的生成。通过引入动量与估值效应，以及基于风险预算的动态初始权重设定，模型在风险控制与收益提升方面表现更优。

主要观点

大类资产配置方法分类
- 基于收益的资产配置模型：包括马科维茨均方差模型、BL模型等。
- 基于风险的资产配置模型：如目标风险模型和风险预算模型。
- 基于权重的资产配置模型：如股债二八配置。
BL模型的改进方向
- 动量与估值效应的结合：动量效应是趋势跟踪，而估值效应是价值投资，两者结合可提升配置效果，增强市场适应性。
- 风险预算模型的引入：通过动态调整初始权重，使模型能够更好地应对不同市场环境下的资产波动与风险特征。
估值效应的构建与应用
- 对股票资产（A股、港股、美股）采用PE或PB等指标构建估值指标，同时结合宏观基本面进行优化。
- 对债券与黄金采用利率与通胀等指标构建估值体系，以反映市场基本面变化。
动量与估值效应的综合应用
- 根据动量和估值指标生成资产的主观收益，用于BL模型中的预期收益调整。
- 在市场高位提前减仓，低位布局，提升收益风险比。
风险预算模型的应用
- 采用不同风险度量方式（损失波动率、半方差、VaR）构建风险预算模型，以动态调整资产权重。
- 风险预算模型在市场波动率变化时进行逆向操作，提升风险控制能力。

关键信息总结

1. 大类资产估值指标构建

A股：采用沪深300指数的动态PB（基于一致预期）进行估值判断，优于静态PB，提升择时准确性。
港股：结合PE与PB，合成估值指标，设定阈值进行交易信号生成。
美股：采用标普500的PB（静态）并结合宏观经济周期进行调整，设定不同的估值分位数阈值。
债券：基于利率分位数与宏观经济状态（经济扩展期、衰退期）进行配置判断。
黄金：结合美元指数、通胀指数与VIX指数，构建合理估值区间，进行买入或卖出决策。

2. 基于动量和估值效应的BL模型

模型改进：将动量与估值效应作为预期收益的生成依据，提升配置效果。
回测结果：
- 激进型组合：累计收益率96.8%，最大回撤-17.2%，Calmar比率1.46。
- 平衡型组合：累计收益率60.4%，最大回撤-5.8%，Calmar比率1.95。
- 稳健型组合：累计收益率45.1%，最大回撤-3.7%，Calmar比率2.96。
收益提升：与仅基于动量的BL模型相比，融合估值效应后，年化收益率和夏普比率均有提升。

3. 风险预算模型的引入

风险度量方式：
- 损失波动率（标准差）
- 半方差（下行风险）
- VaR（风险价值）
回测表现：
- 风险预算模型在风险资产贡献为60%和80%时，年化收益率高于基准权重配置。
- 最大回撤控制能力优于固定权重配置，Calmar比率与夏普比率也有所提升。
- 风险预算权重在A股配置比例较高，适合稳健型投资者。

4. 融合风险预算的BL模型

回测结果：
- 动态初始权重：累计收益率53.91%，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%，年化收益率5.69%，Calmar比率2.29，夏普比率0.82。
优势：动态权重配置使模型在不同市场环境下更具适应性，收益表现更稳健。

优化效果总结

估值效应的引入：在市场高位提前减仓，低位布局，有效控制风险并提升收益。
风险预算模型的结合：动态调整资产权重，提升模型对市场波动的适应性，增强稳健性。
整体表现：融合动量与估值效应的BL模型在收益与风险控制方面优于传统BL模型；风险预算模型的引入进一步提升了模型的稳健性和市场适应性。

风险提示

量化策略基于历史数据，存在模型设定偏差的风险。
投资需谨慎，模型结果不能作为买卖依据。
本报告信息来源于公开资料，不构成任何投资建议或承诺。

总结

本报告通过将估值效应与风险预算模型融入BL模型，有效提升了资产配置的稳健性与市场适应性。动量与估值效应的结合，使模型能够在市场高位及时减仓、低位布局，提升收益风险比。风险预算模型则通过动态调整初始权重，使配置更贴合市场变化，提升绩效表现。整体来看，BL模型在融合这些方法后，成为更具实用价值的资产配置工具。

展开完整摘要