资产配置的四种范式，赔率、胜率、趋势与拥挤度_2020.pdfVIP

证券研究报告 | 金融工程研究 2020 年 09 月12 日 量化专题报告 资产配臵的四种范式：赔率、胜率、趋势与拥挤度 本篇报告从大类资产的收益来源出发，梳理出赔率交易、胜率交易、趋势交 易和拥挤交易四种基于不同交易理念的投资范式。通过对四种投资范式的研 究，最终我们给出了一个资产配臵的系统化主动管理框架。 赔率信号提供投资的位臵感，其核心在于寻找资产的合理估值中枢。在这一 部分中，我们完成了对A 股、美股、港股、可转债、利率债和信用债的赔率 相关研究 指标设计，并构建了基于赔率指标的大类资产配臵策略，策略年化收益为 1、《量化专题报告：多因子系列之十三：基金重仓股 8.8%，年化波动率为2.6%，最大回撤为3.2%，夏普比率为3.23。 研究》2020-09-07 2 、《量化周报：当下的震荡宜低吸不宜追涨》 胜率信号提供投资的边际感，其核心是寻找资产的边际驱动力。第一，我们 2020-09-06 首先基于经济增长、利率、通胀、信用和汇率的宏观隐含因子体系，建立了 3、《量化周报：创出新高再追涨也不迟》2020-08-30 大类资产、股票细分行业、债券细分资产和商品细分资产与宏观风险之间的 4、《量化周报：快调还是慢调？》2020-08-23 量化映射关系，构建了多资产的宏观对冲工具箱。第二，我们基于 NBER 和 5、《量化周报：短期震荡仍不够充分》2020-08- 16 OECD 等机构的景气指数编制方法构建了国内的经济景气领先指数，并改进 了传统的美林时钟。基于改进美林时钟的大类资产配臵策略年化收益为 7.8%，年化波动为2.5%，最大回撤为3.1%，夏普比率为2.96。 趋势信号是市场对赔率和胜率的确认，是市场认知与个人认知的共振。在这 一部分中，我们发现截面动量对于大类资产配臵基本无效，而时序动量却有 显著的收益提升能力。进一步的，我们将时序动量分解为宏观 beta 动量和 特质alpha 动量，发现两者均能明显降低动量策略的波动率和最大回撤，从 而实现比原始时序动量策略更高的夏普比率和卡玛比率。 拥挤信号是市场对预期的非理性放大，是投资的双刃剑。一方面拥挤交易提 供了更高的短期收益，另一方面拥挤过后的践踏也必然导致后期的资产波 动。因此在这一部分中，我们构建了趋势-拥挤度分析框架，基于拥挤度对资 产的趋势信号进行过滤，显著提升了策略的性能。基于趋势-拥挤度分析框架 的股债配臵策略年化收益为7.6%，年化波动为3.3%，最大回撤为4.4%， 夏普比率为 2.27。基于趋势-拥挤度分析框架的行业轮动策略年化收益为 16.2%，夏普比率为0.68，超额收益为9.1%，信息比率为1.16。 风险提示：资产波动影响因素复杂，未必能够完全被指标所捕获。指标设计 是基于金融逻辑和统计显著性筛选得出，未来宏观环境变化有可能影响其效 果。 2020 年09 月12 日 内容目录 一、理解大类资产的收益来源4 二、赔率交易：寻找资产的估值中枢6 2.1 权益资产的赔率指标：股息率-国债收益率6 2.2 可转债的赔率指标：隐含波动率比率8 2.3 利率债的赔率指标：预期收益率9 2.4 信用债的赔率指标：信用利差 10 2.5 基于赔率指标的大类资产配臵策略10 三、胜率交易：驱动力