规模化私人订制的资产配置方案.docxVIP

一、引言 一、引言 数字化转型和智能投顾的发展产生了大规模定制战术资产配置（TAA）的需求。虽然投资经理定期发布 TAA 定性投资观点，但依据这类观点大规模构建的投资组合往往过于简单。本文在过往研究的基础上，通过主动风险预算模型、稳健资产组合优化模型（RPO）和风险因子模型构建了稳健且能应对大规模定制化需求的资产配置模型，保证了资产配置与原始投资观点的一致性和可解释性。 二、文献综述及文 二、文献综述及文章思路 文献综述 战术资产配置（TAA）是一种主动策略，是在战略资产配置（SAA）（Arnott 和 Fabozzi，1988）的基础上，主动根据投资观点调整资产配置，从而提高多资产投资组合的投资收益。随着当前数字化转型，投资团队管理着大量 TAA基金以及成百上千的机构TAA 委托；同时，智能投顾也要求标准化的TAA 流程能够制定上百万投资者个性化的投资方案，以适应不同的约束和风险偏好，并兼顾投资者当前的配置要求，如成本最小化。这无疑是对投资团队效率的巨大考验。 投资团队提出的投资观点是 TAA 构建投资流程的核心。这些观点要实时应用在所有投资组合中，包括客户高度定制化的方案。因此，创建可行的标准化TAA 流程是投资经理受托责任的一部分。 TAA 团队会定期回顾资产配置观点，讨论组合中大类资产预期价格走势。典型的投资观点由两个组成部分：方向和确信程度。方向反映资产价格的预期趋势（即上升或下降），并用“正”、“负”或“中性”等词表示，数学符号如“+”、 “-”或“0”。在忽略收益相关性时，也会使用“增持”或“减持”等词来反映无约束 TAA 投资组合中的隐含正头寸。 确信程度表达了对该观点的信心水平，反映投资团队愿意为该观点承担的风险。通常通过数学符号，例如“++”或 “+++”，或在方向前添加“强烈（strong）”或“非常强烈（very strong）”等词来表达这种确信程度。 尽管投资团队投入大量精力制定投资观点，但将观点转化为 TAA 投资组合仍缺乏透明度，即以下两点无法轻易地解 释：1）投资约束对不同资产比例的影响；2）受约束的投资组合反映其原始投资观点的程度。最早由马科维茨（Markowitz， 1952，1959）提出的均值-方差优化模型（MVO）应用广泛，但将投资观点转化为资产配置组合时存在两个问题：1） 投资观点包含方向和信心水平，通常无法量化为准确的预期收益率，不是 MVO 公式要求的形式；2)当资产存在相关 性时，MVO 投资组合对选取的资产过于敏感，特别是在强约束条件下。这使得 MVO 在实际应用效果较差（Best 和 Grauer，1991；Chopra 和 Ziemba，1993； Michaud，1989）。解决方法也未达成共识（Michaud，1989；Jagannathan 和 Ma，2003；DeMiguel 等人，2009）。 因此，使用主动风险预算方法（Scherer，2007）是更好的选择：根据投资观点中对资产价格的方向判断分配资产权重，然后根据对价格变化方向的确信程度分配风险。上述方法在无约束组合中有效，但在多约束条件下，该方法构建的多资产约束TAA 组合的资产配置情况可能不符合原始投资观点。 Black 和 Litterman（1991）提出的方案 BL 模型，但该模型中跟踪误差的优化程度高度依赖于参数 Tau（OToole， 2017）。估计该参数不仅是应用 BL 模型的最大挑战之一，而且跟踪误差是模型的输出结果不符合TAA 模型的原始假设（Da Silva，Lee 和Pornrojnangkool，2009）。在实践中，投资者的风险承受能力决定了模型中能容忍的最大跟踪误差。因此，跟踪误差应是投资者设定的外生输入。且 Ogliaro 等（2012）发现 BL 模型中由于依赖贝叶斯理论会使投资组合低估风险。 本文思路 本文提出的资产配置模型通过三个步骤解决了资产配置大规模定制的挑战，将主动风险预算方法和稳健的投资组合优化（RPO）的优点结合起来，更好的处理受约束、资产存在相关性的复杂投资组合。步骤如下： 1、使用主动风险预算方法构建一个无约束主动投资组合，该方法在给定的跟踪误差水平上能够充分反映投资团队的 投资观点； 2、通过逆向优化模型（逆向 RPO）计算隐含的主动收益，使该无约束主动投资组合在稳健 RPO 下达到最优。同时，使用风险因子模型检查投资组合配置与原始投资观点的一致性； 3、将计算出的隐含主动收益和风险模型作为输入，运行 RPO 模型构建投资组合，同时加入约束条件，定义基准、可配置的金融资产和跟踪误差上限。 该模型的关键创新主要有三方面，它们对 TAA 流程的标准化至关重要，并确保投资组合能够反映团队的投资观点，具有稳健性和透明度，在高度定制的投资组合中也适用。