资产配置 vs 风险配置:打造一个系统化的宏观风险配置框架 | 量化专题报告

来源:留富兵法

报告概要

近年来,宏观风险配置的理念逐渐深入人心,无论是海外还是国内的资管机构都对其产生了浓厚的兴趣,甚至有部分机构已经开始布局相关的投资框架和落地产品,然而根据笔者的观察,当前市场上仍没有特别成熟的宏观风险配置的落地方案。我们认为构建宏观风险配置框架须解决三个核心问题,而这也是本文的主要脉络:

宏观因素众多,如何选择兼具金融逻辑和高解释度的核心宏观风险因子?

宏观因子的低频性和滞后性饱受诟病,能否构建高频宏观风险因子?

如何将宏观风险定量化地嵌入资产配置框架中?

在大量的海外机构报告以及海外文献的基础上,笔者尝试在本篇报告中解决上述问题并提出一个相对系统化和科学化的宏观风险配置框架,一些核心的突破点如下:

主成分分析法解决核心宏观风险的选择问题。我们重点参考了SSGA和Invesco的实证结果,利用PCA方法分析多个资产的收益数据。国内结果显示,影响大类资产表现的五个核心宏观风险为:经济增长风险、利率风险、通胀风险、信用风险和汇率风险。

Factor Mimicking方法解决了低频宏观因子的高频化问题。我们借鉴了BlackRock提出的Macro Factor Mimicking Portfolios方法,对国内的经济增长风险以及通胀风险实现了高频化的复制,再配合已有的高频化因子(利率风险、信用风险等),形成了国盛量化-宏观隐含因子体系。

应用一:大类资产的宏观风险定价模型。我们构建了大类资产的宏观风险定价模型,从宏观风险的角度挖掘不同资产的核心驱动因素。对于大部分的资产而言,宏观风险定价模型能够解释50%以上的资产波动。

应用二:战略资产配置组合的风险分解。传统的组合风险监控仍然停留在资产权重和资产的边际风险贡献上,而通过宏观风险模型,我们可以进一步将组合的风险拆解到宏观风险以及资产的特质风险上,从而对组合的风险暴露有更深入的认识。

应用三:战术资产配置组合的风险管理模型。通过“建立基准组合-设定目标宏观风险暴露-构建组合优化器”三个步骤,我们将大类资产配置中的Alpha模型和风险模型进行分离,初步建立了投资者最为关心的战术资产配置组合的风险管理模型。

一、寻找核心宏观风险

从经济学理论的角度出发的话,我们可能会从经济增长、货币政策和财政政策等经典的宏观因素切入。但事实上,经济学理论中的宏观风险太多,而且宏观风险之间有可能相关性较高,还需要判断哪些宏观风险才是主要矛盾,哪些是次要矛盾。

考虑到量化投资者在上述问题的知识储备并不占优势,笔者在选取核心宏观风险的时候重点参考了SSGA(2014)和Invesco(2017)的实证结果,它们均采用主成分分析的方法,从资产的表现来反推需要研究的宏观风险因子。

具体的分析方法与《系统化宏观视角下的资产分析框架》中介绍的相仿,对资产的日收益序列进行主成分分析,我们得到两个重要结论:

前面五个主成分累计可以解释所有大类资产波动的92.8%,也就是说研究五个宏观风险因子,基本上就可以解决大部分资产配置问题了;

前面五个主成分分别代表了我们要重点研究的五个宏观风险因子:经济增长风险、利率风险、汇率风险、通胀风险和信用风险;

二、隐含因子体系的构建

主成分因子仅适用于解决“要研究什么宏观风险”这个问题,并不适合用于真实投资中的组合风险管理。因此我们的第二个问题是:用什么指标来代理经济增长、利率、汇率、通胀和信用这五个核心宏观风险。在对大量海外文献阅读的基础上,笔者整理了三种主流的宏观因子定义方式:

虽然笔者对BlackRock(Greenberg D, 2016)提出的“资产因子”的定义方式有所批判,但是纵观最近三年贝莱德公开发布的文献,我们可以看到贝莱德团队对这种定义方式的缺点并非一无所知。在BlackRock最新公开的文章《Defensive Factor Timing》中就提出了一种解决“资产因子”缺点的绝妙想法:Macro Factor Mimicking Portfortlios。

Factor Mimicking方法的核心理念是:以资产组合表现来复制目标宏观因子的走势,使得组合与宏观因子走势偏差度最小。这种方法的优势在于:

解决了真实宏观因子的低频、滞后以及真实宏观因子与资产关系不稳定等问题;

通过宏观复制这一做法打通了大类资产与宏观风险之间的内在联系;

资产表现本身隐含了市场对未来的宏观判断,这也是笔者把Factor Mimicking Portfolios叫做隐含因子的主要原因;

我们通过Factor Mimicking方法对国内的经济增长风险和通胀风险进行高频复制,配合已有的一些隐含因子,我们形成了国盛量化的宏观隐含因子体系:

三、大类资产的宏观风险定价

大类资产的宏观风险定价,简单来说其实就是一个多元回归的过程,更细致的话可以将定价过程分为三步:

我们以回归方程得到的beta值作为大类资产对不同宏观风险的敏感性,从而得到大类资产的宏观风险载荷矩阵。基于宏观风险载荷矩阵,我们可以对大类资产的核心驱动因素有更加深入的理解。

基于《Asset allocation with risk factors》中提出的因子风险分解方法,我们将大类资产的波动分解到七个隐含因子和一个残差因子上。从结果来看,除了黄金之外,大部分资产被风险因子解释的比例基本上在50%以上,这也说明了我们的宏观风险定价模型均有较高的定价效率。

四、战略资产配置组合的风险分解

既然大类资产的波动可以分解到宏观风险上,而资产配置组合由大类资产构成,那么组合的波动自然而然也可以分解到宏观风险上来。具体方法在《Asset allocation with risk factors》一文中有详细说明,此处不再赘述。我们以两个经典的资产配置组合为例,简单介绍如何将组合的风险监控维度拓展到宏观风险的监控上,具体如下:

备选资产:沪深300指数、国债总财富指数、企业债总财富指数、CRB指数;

等权组合:年化收益7.0%,最大回撤24.9%,夏普比率0.94;

风险平价组合:年化收益5.4%,最大回撤4.3%,夏普比率2.4。

传统的组合风险监控一般停留在“资产权重”以及“资产风险贡献”这两个维度,而基于宏观风险因子模型,我们可以将组合的波动分解到不同的宏观风险以及资产的特质风险上来。比如说常见的风险平价组合,实际上较多地暴露于经济增长风险和利率风险上,而在不同资产的特质风险上则分布得较为均匀。

五、战术资产配置组合的风险管理模型

事实上,上述的两个应用均属于分析层面的事情,对大部分投资者而言,真正感兴趣的是如何将对宏观的预判和观点定量化地融入到投资组合中?下面我们给出战术资产配置组合的风险管理模型的三个步骤:

确定基准组合以及基准组合的宏观风险暴露;

以基准组合为锚,设定目标宏观风险暴露;

将优化的目标函数(Alpha端)以及目标宏观风险暴露(风险端)输入组合优化器;

按照上述的三个步骤,我们形成了宏观风险配置的一个简单闭环。为了测试宏观风险配置框架的效果,我们尝试做了一个对冲组合,其细节如下:

宏观观点:看多通胀风险,但是担心经济下滑会拖累资产表现(滞涨环境);

选入资产:沪深300指数、国债总财富指数、企业债总财富指数、CRB指数、布伦特原油和Comex黄金;

基准组合:以滚动6年的数据计算资产协方差矩阵,构造风险平价组合;

目标风险:以风险平价组合为基准,每期减少0.1的经济增长beta暴露,增加0.1的通胀beta暴露;

目标函数:最小化组合波动率;

评判宏观风险模型好坏的重要标准应该是:模型是否能够很好地将宏观观点反映到组合表现上?从图表56的结果来看,对冲组合的超额收益与真实的宏观指标密切相关,当CPI相对于OECD领先指数上行时,对冲组合明显跑赢基准组合。从这一点来看,我们设计的宏观风险模型有较好的风险管理能力。

免责声明:本站提供的内容均源自自媒体,版权归原作者所有,转载请联系原作者并获许可。文章观点仅代表作者本人,不代表本站立场。若内容涉及投资建议,仅供参考勿作为投资依据。投资有风险,入市需谨慎。

猜你喜欢

关于我们· 联系我们· 商务合作· 免责声明· 技术支持

Copyright © 2018-2020, 东方财经网 版权所有 侵权必究. 信息维权、举报:853029381@qq.com

免责声明:以上所展示的信息由企业自行提供,内容的真实性、准确性和合法性由发布企业负责, 东方财经网 对此不承担责任.