20160830-华泰证券-BL模型行业配置实证研究_Black-Litterman模型在行业配置中的应用_13页_927kb

BL模型在A股行业配置中的实证研究总结

核心内容

本报告探讨了Black-Litterman (BL) 模型在A股一级行业配置中的实证应用效果。通过引入投资者预期与历史市场均衡收益，BL模型优化了行业配置权重，相较于传统的等权重策略，其在收益表现上具有一定的优势。同时，报告对BL模型进行了修正，以提高模型的稳健性和准确性。

主要观点

• BL模型简介：BL模型是在马克维茨均值-方差模型基础上发展而来的，通过将投资者的主观观点与市场均衡收益结合，形成后验收益向量，进而优化资产配置权重。
• BL模型修正：为避免行业权重极端化，采用伪逆矩阵替代协方差矩阵的逆矩阵；选取半年期的历史数据作为样本期，以减少噪声影响。
• 观点矩阵构建：通过评级机构对行业公司评级的变化，构建观点矩阵P，其中上调为1，下调为-1。同时，使用一致预期净资产收益率的变化作为Q矩阵的构建依据。
• 置信度计算：置信度基于评级覆盖率，并考虑机构过往预测准确性与行业内公司市值进行加权调整，以提高观点的可靠性。
• 策略表现对比：BL模型在年化收益率、夏普比率等指标上优于等权重策略，但波动率和最大回撤也相对更高。

关键信息

数据选取与样本期

• 选取A股29个一级行业进行配置。
• 回测时间范围为2006年1月至2016年7月，共10.5年，127个月。
• 样本期设置为半年，以减少历史数据噪声对模型的影响。

策略表现

• 等权重组合：

  • 年化收益率：16.61%
  • 年化波动率：35.91%
  • 夏普比率：0.40
  • 最大回撤：67.55%

• BL模型组合：

  • 年化收益率：20.54%
  • 年化波动率：39.97%
  • 夏普比率：0.45
  • 最大回撤：72.19%

• 超额收益表现：

  • 最低权重为1%时，BL模型对沪深300指数的平均月超额收益率为0.88%，对等权重组合的平均月超额收益率为0.31%。
  • 最低权重为0.02时，对沪深300的平均月超额收益率为0.76%，对等权重组合为0.19%。

行业配置结果

• 超配行业：模型对计算机、传媒、综合、房地产、电子元器件等新行业超配较多，次数在8到26次之间。
• 中等超配行业：对钢铁、商贸零售、家电等行业超配次数中等，在3到7次之间。
• 较少超配行业：对基础化工、有色金属、汽车等行业配置较少，次数在0到2次之间。

模型准确度

• 当BL模型对某行业进行超配（权重不小于0.2）时，该行业在下一个月上涨的概率为67.62%，平均上涨幅度为0.24%。
• 当模型超配某行业，但该行业下月下跌时，概率为32.38%，平均下跌幅度为0.14%。
• 模型的配置结果总体准确，即使出现偏差，损失较小，说明市场预期数据具有一定的有效性。

实证分析

• 模型构建与回测：每月调整仓位，滚动计算样本期内组合的协方差矩阵，并根据P、Q矩阵求解未来一个月的持仓权重。
• 图表支持：
  • 图1和图2展示了行业平均评分和收益率的变化趋势，显示市场观点与实际收益率高度相关。
  • 图3和图4展示了行业一致预期ROE的变化趋势，表明ROE可以作为未来盈利能力的预测指标。
  • 图5展示了BL模型行业配置的正确率。
  • 图6和图7展示了不同最低权重下的净值曲线，显示最低权重越小，超额收益越高，但波动率也随之增加。

结论与建议

• 结论：BL模型在融合市场均衡收益和一致预期数据后，对行业配置权重进行了有效调整，整体表现优于等权重策略，能够捕捉市场对行业的看法。
• 改进建议：
  • 加大行业权重调整的频率，如从每月调仓变为每周调仓，以提高模型对市场变化的反应速度。
  • 改用具有代表性的股票因子（如高成长、低市盈等）进行配置，以降低行业之间相关性过高的问题。
  • 寻找更合理的指标和方法构建P、Q矩阵及置信度，例如对评级机构赋予不同权重，或结合其他收益指标如总资产收益率、净利润增长率等。

风险提示

• BL模型基于历史数据和市场预期，不能作为对未来收益的保证。
• 投资者应结合自身情况和市场变化，不应仅依赖本模型进行投资决策。