20171205-天风证券-资产配置策略研究之三_基于风格因子溢价的资产配置视角_15页_1mb

报告摘要

本报告探讨了基于风格因子溢价的资产配置策略，指出传统资产配置方法在分散风险方面存在局限性，并提出通过配置风格因子来实现更有效的风险分散。报告分析了不同资产类别中的风格因子构造方法，并通过风险平价模型对多个风格因子进行配置，展示了其在风险控制和收益提升方面的优势。

多因子模型的发展：马科维茨均值方差模型是现代资产组合理论的基础，但由于其对大量证券协方差的估计难度，催生了多因子模型。这些模型通过识别和利用风险因子来解释证券收益，进而用于资产配置和业绩归因。
传统资产配置的缺陷：传统方法通过划分资产类别（如股票、债券、商品）进行配置，但这些类别往往由相同的因子驱动（如经济增长、通货膨胀），导致风险分散效果不佳。外生冲击可能同时影响多个资产类别，降低配置的有效性。
风格因子配置的优势：风格因子维度的资产配置可以更有效地分散风险，因为不同风格因子之间相关性较低，从而降低组合整体波动。报告中采用的十个风格因子之间的相关性大多低于0.1，说明其具备良好的分散能力。
风险平价模型的效果：采用风险平价模型对十个风格因子进行配置，结果显示年化收益为 $4.12%$，波动率为 $1.64%$，最大回撤为 $1.63%$，显著优于等权和马科维茨模型。

纯因子捕捉方法：通过做多某风格因子的一端并做空另一端来构造风格因子的beta收益。
商品期货中的风格因子：
- 动量因子：基于最近20个交易日的收益率。
- 期限结构因子：通过主力合约与次主力合约的价格差计算。
- 价值因子：采用2-3年前的平均现货价格与当前期货价格的比值。
权益资产中的风格因子：
- 规模因子：基于流通市值的对数。
- 盈利因子：基于净利润TTM的同比增速。
- 反转因子：基于20天收益率的反转。
- 质量因子：基于ROEttm指标。
- 流动性因子：基于过去20天的平均换手率。
债券资产中的风格因子：
- 久期因子：通过中证中期国债指数的收益率曲线来衡量。
- 信用利差因子：通过中证信用指数与中证中期国债指数的差值来衡量。

各风格因子的年化收益和波动率如下（2009年1月至2017年10月）：
- 规模因子：年化收益 $16.06%$，波动率 $13.18%$，最大回撤 $18.14%$，收益回撤比 $0.88$
- ROE因子：年化收益 $7.67%$，波动率 $10.29%$，最大回撤 $16.85%$，收益回撤比 $0.45$
- 净利润TTM因子：年化收益 $5.43%$，波动率 $10.22%$，最大回撤 $18.20%$，收益回撤比 $0.29$
- 换手因子：年化收益 $1.58%$，波动率 $10.53%$，最大回撤 $18.49%$，收益回撤比 $0.08$
- 反转因子：年化收益 $4.98%$，波动率 $11.82%$，最大回撤 $28.54%$，收益回撤比 $0.17$
- Curve因子：年化收益 $5.47%$，波动率 $5.19%$，最大回撤 $6.86%$，收益回撤比 $0.79$
- 动量因子：年化收益 $2.48%$，波动率 $6.64%$，最大回撤 $10.83%$，收益回撤比 $0.23$
- Value因子：年化收益 $2.11%$，波动率 $6.12%$，最大回撤 $11.25%$，收益回撤比 $0.18$
- 久期因子：年化收益 $2.79%$，波动率 $1.83%$，最大回撤 $4.76%$，收益回撤比 $0.58$
- 信用利差因子：年化收益 $1.58%$，波动率 $2.01%$，最大回撤 $4.97%$，收益回撤比 $0.32$
风格因子相关性：除了少数因子（如规模与净利润、换手与ROE、Curve与Value、Value与动量）之间的相关性略高于0.1外，其余因子之间的相关性均低于0.1，说明其具备良好的分散性。

采用等权、马科维茨均值方差模型和风险平价模型对十个风格因子进行配置：
- 等权配置：年化收益 $5.57%$，波动率 $2.93%$，最大回撤 $3.12%$，收益回撤比 $1.78$
- 马科维茨模型：年化收益 $4.53%$，波动率 $2.08%$，最大回撤 $2.10%$，收益回撤比 $2.15$
- 风险平价模型：年化收益 $4.12%$，波动率 $1.64%$，最大回撤 $1.63%$，收益回撤比 $2.54$
风险平价模型的配置权重更加平衡，债券在组合中的占比约为 $50%$，不再集中于债券资产，实现了更好的风险分散。