>> 廣發(fā)證券-用宏觀因子穿透資產(chǎn)-250614
| 上傳日期： |
2025/6/15 |
大?。?/td>
| 4135KB |
| 格式： |
pdf 共53頁 |
來源： |
廣發(fā)證券 |
| 評級： |
-- |
作者： |
郭磊,陳禮清 |
| 下載權(quán)限： |
此報告為加密報告 |
|
|
報告摘要：
在不同的宏觀環(huán)境下有效控制風(fēng)險，降低波動率、取得相對穩(wěn)健的回報成為資產(chǎn)管理市場越來越主流的訴求。前期報告《解讀“全天候”策略》是我們對這一問題進行探討的序章。與傳統(tǒng)普通資產(chǎn)風(fēng)險平價模型不同，“全天候”更精準的定位是“宏觀因子”風(fēng)險平價，“全天候”策略穿越周期的實現(xiàn)路徑是均衡化“宏觀因子”。傳統(tǒng)配置模型并不會根據(jù)宏觀場景的變化而及時調(diào)整權(quán)重，在市場遭遇極端沖擊時，其分散風(fēng)險的功能往往被大幅削弱。比如流動性危機發(fā)生時，資產(chǎn)面臨系統(tǒng)性的拋壓，尾部風(fēng)險會大幅推升資產(chǎn)之間的相關(guān)性，傳統(tǒng)配置模型就會失效。而“宏觀因子”相較普通大類資產(chǎn)相關(guān)性更低，可以更有效地實現(xiàn)“降維”、歸因，及權(quán)重調(diào)整。本文嘗試將類似“全天候”的因子配置模式在中國市場中落地，擴展出適合國內(nèi)市場的宏觀因子，構(gòu)建本土化的宏觀因子風(fēng)險平價配置框架。
資產(chǎn)和因子的關(guān)系類似于食物與營養(yǎng)元素（Andrew Ang，2010）。組合收益本質(zhì)是承擔(dān)市場中不同風(fēng)險而獲得的補償（Sharpe,1964; Lintner,1965; Ross,1976）。因子風(fēng)險平價（Factor Risk Parity）其首次作為學(xué)術(shù)概念系統(tǒng)論述出現(xiàn)在Attilio Meucci 2009年的論文中，其通過主成分分析（PCA）提取資產(chǎn)收益協(xié)方差矩陣在統(tǒng)計意義上不相關(guān)因子，并以此構(gòu)建分散性的投資組合。Qian(2012、2016)亦指出風(fēng)險平價模型的重點應(yīng)是“風(fēng)險”，而不是平價公式，對“風(fēng)險”的理解該回到更為本質(zhì)的“宏觀”層面，而不是簡單的資產(chǎn)波動率。
在前期報告《解讀“全天候”策略》中，我們借鑒錢恩平（2005）的做法嘗試構(gòu)建了基于國內(nèi)ETF（資產(chǎn)維度）的風(fēng)險平價模型，該模型通過將每類資產(chǎn)在組合中的風(fēng)險貢獻度均等化來優(yōu)化組合夏普，再通過杠桿來提升年度收益，最終在目標波動率為6%的約束下，基于傳統(tǒng)的資產(chǎn)風(fēng)險平價組合可以獲得自2015年以來6.4%的年化收益，0.92的夏普比率。
資產(chǎn)間的低相關(guān)性是傳統(tǒng)配置模式能獲得“免費午餐”的核心要素。而在實際操作中，當(dāng)市場遭遇極端沖擊，出于流動性的考慮，多類資產(chǎn)可能面臨系統(tǒng)性的拋壓，進而尾部風(fēng)險推升資產(chǎn)相關(guān)性大幅度上升，傳統(tǒng)配置模式的分散性就會失效?！昂暧^風(fēng)險因子”相較普通大類資產(chǎn)相關(guān)性亦更低，同時這是一個“化繁為簡”的過程。從數(shù)理上看，該過程將涵蓋較多資產(chǎn)數(shù)量的資產(chǎn)空間降維至更小更具共性的幾個因子空間。
因子配置模型還可以做到更好地歸因，一方面輔助分解收益來源，另一方面，我們還可以主觀根據(jù)對未來的宏觀場景的預(yù)判調(diào)整資產(chǎn)權(quán)重，而傳統(tǒng)基于資產(chǎn)的配置方式僅從資產(chǎn)的風(fēng)險收益特征出發(fā)，資產(chǎn)權(quán)重調(diào)整并不能反映宏觀變化。
搭建宏觀因子配置框架要做哪些工作？我們參照對哈佛捐贈基金（HMC）影響較大的Blyth（2016）的研究，分成四步：一是“篩選因子”，宏觀因子的“適配度”直接決定了后續(xù)進行平價優(yōu)化是否真正識別和分散了風(fēng)險。二是“計算風(fēng)險暴露”，即搭建“因子”與“資產(chǎn)”的量化橋梁，利用線性回歸模式測算出資產(chǎn)對因子的風(fēng)險暴露程度。三是“確定”目標風(fēng)險暴露，即先按照某一法則或偏好確定對各因子風(fēng)險暴露多少是合適的；四是“匹配”目標風(fēng)險暴露，即利用最優(yōu)化框架反推資產(chǎn)權(quán)重。
Blyth(2016)提出了“基于因子的靈活資產(chǎn)配置模型”(Flexible Indeterminate Factor-based Asset Allocation,FIFAA)，并成為哈佛捐贈基金(Harvard Management Company, HMC)在2015年9月之后轉(zhuǎn)向“因子化思維”的策略載體。從事后回溯來看，在FIFAA策略模式下，哈佛捐贈基金近十年、近五年的平均年度回報分別為8.1%、10.4%。
“篩選因子”是選擇及生成適合本土大類資產(chǎn)的宏觀因子。宏觀因子的“適配度”直接決定了后續(xù)進行平價優(yōu)化是否真正識別和分散了風(fēng)險?！坝嬎泔L(fēng)險暴露”，通常是利用線性回歸模式測算出資產(chǎn)對因子的風(fēng)險暴露程度。
“確定目標風(fēng)險暴露”，即按照某一法則或偏好確定對各因子風(fēng)險暴露多少是合適的，若是采用因子風(fēng)險平價思路，該步驟是通過“各個因子對組合的風(fēng)險貢獻度一致”這一優(yōu)化過程來設(shè)定目標風(fēng)險暴露。
“匹配目標風(fēng)險暴露”，若第三步的目標因子風(fēng)險暴露為主觀設(shè)定，則該步驟為利用最優(yōu)化框架（如Blyth最優(yōu)化框架、Greenberg最優(yōu)化框架）反推出資產(chǎn)權(quán)重；若為因子風(fēng)險平價，則直接根據(jù)符合因子風(fēng)險平價條件與風(fēng)險暴露矩陣重新回到資產(chǎn)層面確定組合內(nèi)部的資產(chǎn)配比。
構(gòu)造宏觀因子的主流做法分為三種。方式一是直接用低頻經(jīng)濟數(shù)據(jù)，比如GDP、PPI等，這種做法經(jīng)濟意義比較直觀，但對資產(chǎn)價格的解釋存在時變性；方式二是主成分分析降維（PCA），這種做法簡便、客觀、更具因子分散效果，但不穩(wěn)定、經(jīng)濟意義弱、權(quán)重不唯一；方式三是通過回歸的方法擬合出更高頻的宏觀因子，這種做法高頻、可交易，但需要先設(shè)定宏觀維度，事先構(gòu)建低頻因子作為錨，復(fù)雜度較高。我們在上述三種方法的基礎(chǔ)上做出改進，結(jié)合上
|
|
