利用宏观因子构建“全天候”配置模型.docxVIP

在此前的报告《对于风险平价配置模型的几点思考》中，我们利用 PCA 算法对传统风险平价模型进行了改进，结果显示新模型表现更优。然而，基于资产价格主成分的配置思路有一个明显的缺陷，即主成分的构建仅依赖于数学上的变化，缺乏实际的经济学含义。因此“经验-风险预算-配置方案”的传导路径更多地依赖于统计结果，与主观逻辑尚有脱节之处。由于以上所述原因，本篇报告希望对现有模型做出进一步改进。 一、配置理论蓬勃发展，因子配置正当时 自 Sharpe(1964)提出 CAPM 理论，人们对于风险与收益之间的关系才有了清晰的认知，也创造了最早的单因子模型。Ross(1976)对 CAPM 理论做了进一步的拓宽，并提出了 APT 理论，即风险资产的收益情况与多个因子之间存在着近似的线性关系。APT 理论的提出为多因子模型的发展提供了有力的理论基础，随后多因子也在量化选股领域发扬光大。 然而，多因子在大类资产配置的应用则相对较晚。一直以来，资产配置的 核心思想仍是将管理资金分散化投资到不同的资产上，比如股票、债券、黄金、原油，在获取收益的同时充分分散风险。传统资产配置思想是将投资组合的风 险归因于各大类资产之中。然而，极端行情之中，由于某一共性风险激增，或 出现股债商三杀的情况，配置组合的表现也会大打折扣。 近年来，资产配置逐步将目光聚焦于已在量化选股上大获成功的多因子模型之上。基于因子的配置模型认为构建投资组合的关键在于从底层的驱动因子出发而非从资产本身出发。业界和学术界对此也做出了诸多尝试（ e.g., Greenberg et al.(2016)、Fergis et al.（2019）），我们也在本篇报告中尝试利用因子配置的思想对原有的 PCA 配置模型做出改进。 二、利用资产多空组合可以构建高频的宏观因子 宏观因子的构建有多种方式，比如可以利用主成分分析算法，从资产价格 收益序列中提取出具有共性的主成分，并将其定性为某个宏观因子。一般而言，此类宏观因子的识别过程主要通过判断大类资产在主成分上的暴露方向来反推 和类比至相关宏观因子。但是，在滚动计算更新主成分的过程中，主成分间的 相对排序并不稳定。换言之，即使反推的方式足够严谨与合理，宏观因子的稳 定性也存疑。此外，末尾几个主成分的解释力度较低，难以找到对应的宏观因 子，整体模型的可解释性不强，可塑性更依赖于历史统计结果。 除了利用主成分构建宏观因子以外，另一个构建思路则是利用宏观数据独 立构建一套宏观因子，并用以设计配置方案。然而，可用于构建因子的宏观指标一般具有低频、时滞、不可交易等缺陷，而在量化配置过程中，我们需要在调仓节点识别宏观因子走势、更新资产权重，直接利用宏观指标构建的宏观因子难以从模型层面指导资产配置。因此，如果想要利用宏观因子来构建配置模型的话，因子需要具有高频次，低延时的特点。 图表 1：BlackRock 提出的宏观因子定义 资料来源：Fergis et al.（2019） 中信期货研究所 针对以上两点，BlackRock 在 Fergis et al.（2019）中提出可以利用资产 多空组合构建一套宏观因子。这一构建方式完美地解决了前文涉及的几个问题。首先，以资产多空组合构建宏观因子的方式相对意义明确，且不存在相对顺序 时变的问题。其次，由于资产价格大多以日度频率更新，合成的因子具有高频 次、低延时、可交易的优异特质。因此，采取这一套构建方式可以及时跟踪相 关的宏观因子，并相应地调整资产权重。 我们参考 BlackRock 提出的宏观因子体系，以资产价格为主要元素，也构建了类似的适用于国内市场的宏观因子体系。对于指标的合成，我们使用了常用的“波动率倒数加权”的方法。这么做的原因主要如下。我们设定几种资产价格的波动主要来自共性的宏观因子的贡献和个性的其他因子的贡献。因此，波动率倒数加权的方式本质上是强化共性波动、弱化个性波动的合成方式。 图表 2：利用资产的多空组合可以构建一套高频、低延时的宏观因子 资料来源：Wind 中信期货研究所 （一）经济增长因子：多权益、商品；空现金 经济增长因子：我们选取了上证指数、恒生中国企业、沪铜、CRB 综合指数、中证货币基金指数四类资产的价格来构建经济增长因子。 首先，在经济衰退期，为了令经济企稳回升，央行会通过放松货币政策引导经济企稳回升。随着宽货币向宽信用传导，市场底获得支撑，并且在企业利润得到实质修复前，经济预期首先会逐步走高，在较低的利率环境下，股利贴现模型的分母端首先得到改善，权益资产会表现较好。随着企业盈利逐步修复，叠加利率仍处低位的宽松环境，分子分母端同时得到修复，权益表现会共振向上。因此，权益资产的大行情一般与经济增长相关。 其次，在经济复苏过程中的另一个表现则是大宗商品价格的回升。具体而言，随着微观主体创造信贷意愿的加强