量化配置专题之一：如何统一度量大类资产的风险收益表现.docxVIP

请务必阅读正文之后的免责条款部分引言 请务必阅读正文之后的免责条款部分 自 Markowitz(1952)提出资产组合理论以来，资产配置的理论方法和数理模型不断发展。依据配置方法的研究路径，我们可以将大类资产的配置方法分为三类。 第一类是现代投资组合理论（Modern Portfolio Theory）。这一研究方向始于经典的均值方差分析框架，拥有大量的学术理论和实证文献，也是现代资产定价理论的重要组成部分。负债驱动的投资（Liability driven investment，LDI）管理和 Black-Litterman 方法（Litterman, 2004）都是现代投资组合理论的成功应用。这类配置模型同时关注资产的风险和收益表现，其配置过程往往是数量化的——要求模型具有确定的输入和输出参数。但也由于均值方差优化对于输入参数过于敏感，这类模型对于 输入参数的估计和市场校准的要求相对较高，在特定的应用场景（比如设计负债驱动的配置方案时对账户负债端的建模）需要对输入的参数进行额外的建模。 第二类是“以风险为核心”的配置方法，这类配置模型聚焦于资产的风险表现，在特定假设下的配置结果会与现代投资组合理论得到的最优解一致。08 年全球金融危机以来，风险预算和风险平价方法（Risk Budget Risk Parity） 伴随桥水集团(Bridgewater Associates) 全天候策略（ All Weather Strategy）的声名鹊起而声名大噪。这一方法的隐含假设是各资产的 Sharpe Ratio 都相同并且相关系数也相同。显然，这样的假设过于苛刻，并不能满足所有场景下的配置需求。实际中，风险平价策略不看重资产收益端的表现并且需要对债券资产进行杠杆投资才能获得理想 收益水平的特点也往往为人诟病。但风险平价策略也具有其独特的优势 ——由于大类资产的风险表现在时间序列上相对收益要稳定得多，风险预算和风险平价配置方法对输入参数的估计和校准要求并不高，配置过程可以做到完全数量化并且结果相对稳健。同属于以风险为核心的配置方法还包括等权配置、最小化风险（Minimum Risk）和最大分散度 （Maximum Diversification）等等。 第三类我们称之为“经验性的或者对风险溢价进行分类”的配置方法。这类方法会同时关注资产的风险和收益表现，但更类似于投资理念而不是完整的方法论，通常不具有完备的理论支撑，模型也没有明确、客观的输入和输出参数，实际的配置过程往往是“经验性”的或是借助于前两类方法。其中，最广为市场所熟知的方法可能是自上而下进行投资的美林 投资时钟（The Investment Clock）假说。同属于这类方法的投资理念包括捐赠基金模型（Endowment Model）和参考组合（Reference Portfolio） 方法。前者强调对权益资产和另类资产的超配以及价值投资的重要性， 后者则通过收益风险分析将各类资产与基础资产（通常是股和债）建立起映射关系来解决配置过程中参数估计过多的问题。近些年来受到越来越多关注的因子投资（Factor Investing）方法也可以归为这一类，其本质是对资产的风险溢价进行分类，进而在设计配置方案时更合理地承担风险。 请务必阅读正文之后的免责条款部分对于一个风险厌恶的决策者来说，不论采用以上哪一类配置方法，比较资产的风险和收益表现都是配置研究的核心。 请务必阅读正文之后的免责条款部分 置模型直接应用于中国市场的“水土不服”往往是因为对于各资产的风险和收益特征刻画不足导致的。因此，作为大类资产量化配置研究专题系列的开篇报告，我们想要来讨论一个非常基础但常常会被研究员们忽视 的问题——如何统一度量大类资产的风险收益表现？ 后文分为四个部分。第二章讨论了我们在对中国市场进行量化配置研究时遇到的几个问题。第三章介绍了一种具有普适性的度量方法 ——Omega 度量。第四章中，我们展示了 Omega 度量在大类资产配置研究中的应用。最后一章总结全文。 量化配置研究中遇到的问题 在应用任何配置模型之前，首先需要注意到的是模型的前提假设。如果实际情形与模型的假设相距甚远，那么得到的最优解往往就会显得荒谬并且难以应用。因此在这一章中，我们聚焦于大类资产实际中的风险收益表现，进而分析在应用经典量化配置模型时可能遇到的问题。 如何对大类资产进行横向比较？ Sharpe Ratio 是在对策略进行比较或是对单一资产进行风险收益分析中的常用指标。通常，分子部分是超额收益，分母部分是策略收益的波动率，该比值可以理解为是“承担单位风险所能获得风险溢价”。但这其中有一个很重要的前提假设，就是策略的风险收益特征可以由收益率的一 阶矩（均值）和二阶矩（方差）完全刻画，这一假设在连续收益率服