本文介紹了Roger Aliaga-Diaz等人于2020年發(fā)表在The Journal ofPortfolio Management上的文章Portfolio Optimization with Active,Passive, and Factors: Removing the Ad Hoc Step。作者提出了一個(gè)能夠同時(shí)進(jìn)行主動(dòng)、被動(dòng)和因子配置的全面的組合優(yōu)化框架，同時(shí)考慮了每種收益來源的不確定性以及投資者的風(fēng)險(xiǎn)偏好。 文章研究背景：投資者在構(gòu)建包括主動(dòng)、被動(dòng)和因子策略的單期投資組合時(shí)，通常分兩個(gè)步驟進(jìn)行：第一步是確定投資組合在各核心資產(chǎn)類別之間的配置比例；第二步是確定每種資產(chǎn)類別中主動(dòng)、被動(dòng)和因子策略的占比。但是這種兩步?jīng)Q策的方法存在一定的局限性，一方面是忽略了各個(gè)策略之間的相關(guān)性，另一方面是不能全方位地匹配投資者的風(fēng)險(xiǎn)偏好。因此，作者通過一種基于預(yù)期效用理論的投資組合優(yōu)化方法，解決了這些限制。 模型的構(gòu)建方法： 模擬資產(chǎn)收益分布：對(duì)于市場(chǎng)和因子收益，采用隨機(jī)預(yù)測(cè)模型模擬資產(chǎn)回報(bào)的分布和不同資產(chǎn)之間的相關(guān)性矩陣。對(duì)于主動(dòng)alpha，首先計(jì)算經(jīng)因子調(diào)整后的alpha及其跟蹤誤差，再采用蒙特卡羅方法模擬分布。 預(yù)期效用最大化：作者基于冪效用函數(shù)刻畫投資者對(duì)風(fēng)險(xiǎn)的偏好，并將其分解為市場(chǎng)、因子和主動(dòng)的三個(gè)部分；以預(yù)期效用最大化為目標(biāo)，計(jì)算最優(yōu)的資產(chǎn)配置權(quán)重。 模型的應(yīng)用：一方面，文章指出可以使用因子投資工具來替代主動(dòng)alpha，從而節(jié)約投資成本。另一方面，通過比較經(jīng)過模型優(yōu)化后的因子投資組合和等權(quán)配置因子的組合，夏普比率得到明顯提升。 風(fēng)險(xiǎn)提示：本報(bào)告僅作為投資參考，基金過往業(yè)績(jī)并不預(yù)示其未來表現(xiàn)，亦不構(gòu)成投資收益的保證或投資建議。因各國(guó)情況不同，海外經(jīng)驗(yàn)僅供參考。
