20180704-天风证券-金工专题报告_海外文献推荐第四十七期_25页_2mb

报告摘要

金融工程报告总结

核心内容

本报告分为两个主要部分：下滑轨道内部应该如何配置和工业用电量与股票收益率。第一部分探讨了目标日期基金中资产配置的负债驱动模型，强调了在投资者生命周期中，负债因素对资产配置策略的重要性。第二部分则通过实证研究，分析了工业用电增长率对股票市场收益率的预测能力。

主要观点

1. 下滑轨道内部应该如何配置

负债驱动型投资策略：将退休后的支出视为负债，将其纳入资产配置模型中，以更全面地评估投资者的财务状况。
资产配置随时间变化：随着投资者接近退休，股票和债券内部的细分资产配置会不断变化，以适应负债风险。
实际收益类资产的作用：随着人力资本的通胀保护功能下降，实际收益类资产如TIPS、商品和房地产将发挥越来越重要的作用。
纯资产优化 vs 负债相关优化：负债相关优化模型考虑了资产与负债之间的关系，能够提供更稳健的资产配置策略。
有效边界对比：在较高风险水平下，两种优化方法的结果相似；但在较低风险水平下，负债相关优化更注重风险控制。
资产配置区域图：展示了不同资产配置策略在风险与收益上的分布，突显了负债相关模型在低风险区域的优势。

2. 工业用电量与股票收益率

预测能力：工业用电增长率能够预测未来一年美国股市的超额收益，其 $R^2$ 值为9%。
反周期特性：当前的高工业用电量预示未来的低股票收益，与反周期风险溢价一致。
产出衡量：工业用电量可以作为衡量生产和产出的指标，尤其适用于周期性行业。
数据来源与处理：使用FRED和EIA数据，对工业用电量进行标准化处理，以减少季节性和天气因素的影响。
预测模型：构建了月度和年度回归模型，分析工业用电增长率与其他预测变量的效果，发现其在预测能力上优于传统金融变量。
实际应用：工业用电增长率在样本外预测中表现良好，且在不同预测窗口期均具有显著的预测能力。

关键信息

1. 下滑轨道内部应该如何配置

资产与负债的关系：投资者的总资产应包括资产和负债，以评估整体财务状况。
风险与收益：在高风险水平下，两种优化模型结果相似；在低风险水平下，负债相关模型更注重风险对冲。
资产配置变化：随着年龄增长，资产配置应逐渐偏向本国资产，减少非美股票和债券配置。
TIPS与房地产：在负债相关优化模型中，TIPS和房地产的配置比例显著高于纯资产模型。

2. 工业用电量与股票收益率

预测变量：工业用电增长率在不同预测窗口期均表现出较强的预测能力。
数据处理：使用标准化工业用电量和EDD（能源消耗天数）来减少季节性和天气影响。
比较分析：工业用电增长率在样本内和样本外均优于传统金融变量，如通胀率和长期债券收益率。
反周期效应：工业用电增长率与股市收益呈反周期关系，有助于投资者把握市场趋势。

图表与数据

图1：资产内部配置差异（2025目标日期基金）。
图2：投资组合价值变化。
图3：纯资产的风险和收益空间。
图4：纯资产优化模型及负债相关优化模型的有效边界。
图5：纯资产与负债相关有效边界的资产配置对比。
图6：负债相关优化模型的有效边界。
图7：下滑轨道。
图8：负债相关的风险和收益空间中的有效边界。
图9：资产配置区域图。
图10：TIPS与房地产在总资产中的占比。
图11：非美发达市场与新兴市场股票在全部股票中的占比。
图12：非美债券在债券资产中的占比。
图13：负债驱动型投资策略对下滑轨道的影响。
图14：具体的资产配置下滑轨道。
图15：标准化的居民、商业、工业用电量。
图16：标准化的能源消耗天数。
图17：美国工业用电增速与产量增速。
图18：月度回归预测结果：美国市场（1956.01-2010.12）。
图19：其他预测变量的表现。
图20：工业用电增速变量与其他预测变量效果对比。
图21：行业产量对工业用电增速的敏感性分析：美国（1972.01-2010.12）。
图22：高/低敏感性行业的平均年产量增速。
图23：样本外测试结果：美国（1956.01-2010.12）。
图24：国际股票市场年度回归预测。
图25：工业用电增速与产量指标的对比：年度模型。
图26：样本内月度实际预测效果：美国。

作者与相关报告

作者：吴先兴，分析师，SAC执业证书编号：S1110516120001。
相关报告：
1. 《金融工程：金融工程-海外文献推荐第46期》（2018-06-27）
2. 《金融工程：金融工程-海外文献推荐第45期》（2018-06-20）
3. 《金融工程：金融工程-海外文献推荐第44期》（2018-06-13）