上海证券公司联盟

改进预期收益生成方法,优化B-L资产配置模型——量化资产配置与组合投资周报

华宝财富魔方2019-04-14 14:49:10

华宝证券研究报告

分析师 / 张青(执业证书编号S0890516100001)

研究助理 / 李亭函


1.本期思考:改进预期收益生成方法,优化B-L资产配置模型

在大类资产配置层面,前期我们对传统BL模型进行了一定优化,引入择时系统并将其运用于大类资产配置中。配置标的涵盖四类:A股市场、债券市场、商品市场与海外权益市场,绝对观点则根据历史收益率给出。跟踪以来,模型表现良好,但存在一个问题就是根据历史收益率得出的预期观点收益率不好控制,有可能出现择时信号看多某一资产,但生成的预期收益率却低于根据初始权重计算的均衡收益率,那么模型会在初始权重的基础上低配该资产,与我们的择时信号相违背;或者预期收益率远高于均衡收益率,造成某一资产调整幅度过大的问题。因此前期BL模型中针对这些可能发生的问题对各类资产做了约束,本期,我们将对BL模型预期观点收益率的生成进行改进,使其能更好的根据择时信号进行资产权重的调整。

具体改进方法是首先根据初始权重求得各资产的均衡收益率,而观点收益率根据均衡收益率进行调整。当择时信号看多某一资产时,将其均衡收益率(Π)调整一定偏移度(x)作为预期观点收益率(Q),考虑到均衡收益可能为负的情况,将预期观点收益率在均衡收益率的基础上增加其绝对值的x倍,则Q=Π+abs(Π)*x。反之,若择时信号看空某一资产,则将均衡收益率调低作为该资产的预期观点收益率,与看多时对应,偏移度为x/(1+x),Q =Π-abs(Π)*(x/(1+x))。最后对调整过的模型期望收益与方差采用无约束的效用最大化得到权重,再对该权重进行简单的约束限制。

资产选择方面,本次配置标的涵盖五类:一是A股市场,采用沪深300指数作为代表;二是债券资产,采用中债利率债总财富指数与中债信用债总财富指数分别表征利率债与信用债资产;三是商品资产,主要配置于黄金资产,用黄金现货指数作为代表;四是海外权益资产,具体配置于港股与美股资产,分别用恒生指数与标普500指数代表配置标的;五是货币市场,以Wind货币基金指数作为标的。为了使各资产协方差矩阵较为稳定,因此根据过去3年数据,并以一年半作为半衰期进行计算,模型的回测期间为2011年1月至今,按月调仓。我们以风险资产与债券资产7:3的比例设置初始权重。当择时系统对某一资产发出看多信号时,则其预期观点收益率在均衡收益率的基础上调高一倍;若择时系统发出看空信号,则其预期观点收益率调整为均衡收益率的一半。

从回测结果来看,模型年化收益率10.103%,最大回撤17.912%,Calmar比率1.659,今年以来收益率13.515%。本月,A股市场、港股市场、美股市场均发出了看多信号,商品市场与债券市场发出了看空信号,模型权重调整较为合理。

2.A股多维度择时指标监控

我们基于沪深300指数,从基本面、情绪面以及技术面视角建立了A股多维度择时体系。从单指标来看,截至2017-11-03,过去5日基本面指标中,日均耗煤量指标发出看空信号,农产品批发价格指数发出看多信号,指数市净率指标发出看空信号;情绪面指标中,一致性指数发出看空信号,信用利差指标发出看多信号;技术面指标目前发出看多信号。

我们基于单个择时指标,采用资金分仓方式构建综合择时体系,截至2017-11-03,过去5日获得收益率-0.57%,同期沪深300指数收益率为-0.73%,获得超额收益率0.15%;过去一个月获得收益率3.13%,同期沪深300指数收益率为4.07%,获得超额收益率-0.94%;过去三个月获得收益率5.44%,同期沪深300指数收益率为7.69%,获得超额收益率-2.25%;过去一年获得收益率11.81%,同期沪深300指数收益率为19.34%,获得超额收益率-7.53%。过去一年最大回撤-7.24%,同期沪深300最大回撤为-7.50%。

综上,基本面方面我们配置仓位比例9.96%;情绪面配置仓位比例15.31%,技术面配置仓位比例42.35%。从综合择时体系目前的仓位来看,仓位比例在67.62%,相比于上周77.85%,仓位有所下降。

3.量化资产配置模型跟踪

我们通过引入择时系统,对传统BL与风险平价模型进行了一定优化,将其运用于大类资产配置中。配置标的涵盖四类:一是A股市场,采用中证100指数与中证500指数分别表示大盘股标的与小盘股标的;二是债券资产,采用中债利率债总财富指数与中债信用债总财富指数分别表征利率债与信用债资产;三是商品资产,主要配置于黄金资产,用黄金现货指数作为代表;四是海外权益资产,具体配置于港股与美股资产,分别用恒生指数与标普500指数代表配置标的。

3.1.Black-Litterman配置模型跟踪

我们对Black-Litterman模型优化的主要思路是:根据趋势跟踪择时系统对下期各大类资产的涨跌进行研判,当预判资产上涨时,采用过去24个月上涨月份的平均涨幅作为下期资产预期收益率的代表;当预判资产下跌时,采用过去24个月下跌月份的平均跌幅作为下期资产预期收益率的代表。本模型每月初进行调仓。

截至2017-11-03,BL模型进取型、平衡型与稳健型策略过去5日收益率依次为:0.05%、-0.15%、-0.11%,过去20日收益率依次为:3.90%、2.10%、0.81%,过去一年收益率依次为:14.22%、6.10%、2.68%。

3.2.风险平价模型配置跟踪

我们对风险平价模型优化的主要思路是引入两个风险调整系数                             >),并根据趋势跟踪择时系统对下期各大类资产的涨跌进行研判,当预判某资产上涨时,将该资产的风险总贡献除以,从而加大该资产的风险预算,上调配置上限;当预判某资产下跌时,将该资产的风险总贡献乘以,从而减小该资产的风险预算,下调配置上限。本模型每月初进行调仓。

截至2017-11-03,风险平价模型过去5日收益率为-0.45%;过去20日收益率为0.82%;过去250日收益率为3.63%。

4.量化组合投资策略跟踪

我们考虑采用数量化方法构建系列量化组合投资策略,按照风险程度不同,划分为进取型、平衡型与稳健型,以此作为我们在量化FOF策略开发领域的一点尝试。

4.1.进取型策略

多重趋势跟踪策略

策略理念:该策略以A股市场趋势跟踪为核心设计理念,主要基于macd指标对行情进行波段划分,采用回调买入、背离买入以及突破买入三重趋势跟踪交易系统,同时引入大小盘轮动策略增厚收益。

截至2017-11-03,多重趋势跟踪策略过去5日收益率为-0.73%;过去20日收益率为4.07%;过去250日收益率为11.53%,过去250天最大回撤为-10.74%。

4.2.平衡型策略

目标波动率策略

策略理念:本策略主要配置于权益资产,具体配置仓位由择时策略与目标波动率策略决定。择时信号基于经典技术分析缠论中的修正K线,当修正K线创M日新高时,做多权益资产,当修正K线创N日新低时,则平仓权益资产,持有货币基金。当看多权益资产时,采用目标波动率策略确定权益资产配置仓位,并按照风险平价模型将资产配置于沪深300指数基金与中证500指数基金。

截至2017-11-03,目标波动率策略过去5日收益率为:-1.11%;过去20日收益率为:1.19%;过去250日收益率为2.50%,过去250天最大回撤为-8.11%。

4.3.稳健型策略

低相关度配置策略

策略理念:本策略采用稳健型资产配置设计思路,股票型资产与债券型资产目标配置比例设定为2:8,并通过择时系统对股票型资产配置仓位进行动态调节,以提升收益风险比。权益资产择时采用N日新高突破系统,当看多权益资产时,20%资金配置于股票行业指数及宽基指数,剩余资金配置于债券资产。基于与沪深300指数的相关性对配置基金进行筛选,选取相关性最小的前3个指数标的进行配置。采用低相关度策略的优势在于更易实现权益资产的分散化配置。

截至2017-11-03,低相关度配置策略过去5日收益率为:-0.68%;过去20日收益率为:-1.01%;过去250日收益率为-3.99%,过去250天最大回撤为-5.76%。


Copyright © 上海证券公司联盟@2017