机构投资者资产配置方法与演进_程昊.pdf

机构投资者资产配置方法与演进文 程 昊 杨文利 安信证券固定收益部摘要 本文对资产配置方法的演进进行了梳理,从提高最终组合表现的角度来看,资产配置方法可以分为：扩展资产池的方法；提高单个资产表现的方法；改进资产配置模型的方法。耶鲁模式1与因子模型通过不同的方式改进了资产池；资产内部的主动管理策略实现了比资产指数更好的表现；而资产配置模型也从最早期的恒定混合模型发展到 Markowitz 均值方差优化与期望效用最大化等风险收益比最优的模型、风险平价等锚定风险的模型、美林时钟等只关注收益最大化的模型,对于有特定负债要求的机构投资者还有特定负债驱动模型。这些模型各有优劣,适用于各种约束和目标的投资者。关键词 资产配置 风险平价 耶鲁模式 因子模型用来设定和实现投资组合的长期投资目标，其投资期限一般比较长，主要是将资产组合划分到不同的资产大类中，每次调整的幅度可能会很大；战术型资产配置通过抓住相对价值和市场机遇变化带来的机会，对风险进行转移和调整，以实现业绩提升的目的，是对战略型资产配置的资产权重进行调整的过程。忽略所有短期因素的影响，投资组合的默认中性持仓即为战略型资产配置。值得注意的是，这里的长期和短期是对同一个投资者而言，有些机构（如保险等）投资期限本就很长，其战术型资产配置的期限会高于另一些机构战略型资产配置的期限。资产配置的基本目标是通过承担风险获取风险溢价，将风险控制在可接受范围之内，最终目标是获取较为稳定的绝对收益。随着金融市场有效性的提升，在单个资产内部获取超额收益的难度越来越大，更多地需要在不同资产之间进行配置才能获得较高收益。而且如果只在单个资产内部进行配置，不可避免地将会暴露该资产的系统性风险，难以获得绝对收益。因此许多以绝对收益为目标的机构会将投资重点放在资产配置上。资产配置可以根据调整的频率和幅度、对市场的反应速度分为战略型资产配置（SAA）和战术型资产配置（TAA）两种模式。战略型资产配置1.耶鲁模式：耶鲁大学捐赠基金的首席投资官的David Swensen及其团队打破以往传统的主要配置股票和债券,少量配置另类资产的配置方式。Yale Endowment创新的把另类投资放在资产配置的重要配置。这种投资理念让耶鲁大学获得了远超市场基准的收益,被称为耶鲁模式（The Yale Model）。金融纵横2023年第1期总第350期月刊48本文重点讨论资产配置的实现方法，其中大部分在战略与战术型资产配置中均能发挥作用。一、机构投资者的投资目标和约束条件对于机构投资者来说，在进行资产配置之前，首先要明确自身的投资目标和各项约束条件。收益/风险优化目标。一般来说，机构投资者在表达投资目标时包含收益和风险两个维度，可以表述为：在一定期限内和可接受的风险水平下，要达到什么样的收益目标。由于期限、风险水平、收益目标等方面的差异，不同类型机构投资者可能存在差异较大的收益目标，但是从本质上来说是追求收益/风险最大化。风险目标。对于部分机构投资者来说，其投资目标并不包含收益要求，而是控制风险，比如投资组合要实现目标风险暴露、等权重风险暴露、最小化风险暴露等。特定目标。不同的投资机构有着不同的运作方式，受到不同的约束，因此其投资目标有所不同。例如，保险机构的第一目标是能够及时偿还负债，在客户索赔时支付资金，这类机构需要使用满足负债偿还为第一目标的资产配置方法。而像一些私募基金或资产管理计划，如果是为特定客户定制的产品，则需要首先满足客户设定的具体目标。二、资产配置方法分类机构投资者根据自身不同投资目标和面临的约束条件，多年来演化出了多种资产配置的方法。与个人投资者不同，机构的投资目标基本限于单期，因此本文主要讨论单期资产配置的方法，对个人投资者的多期资产配置方法（如连续时间生命周期模型等）不作赘述。机构进行资产配置的主要目的是提高其所持有资产组合的表现，为了实现这个目的，可以从三方面入手，亦即资产配置的方法可以分为以下三大类（表1）。（一）扩展资产池如 果 新 加 入 的 资 产 和现有资产的相关性较低，那么新资产的加入就能够有效地提升资产组合的风险收益比，比如耶鲁的捐赠基金通过引入私募股权投资、对冲基金、商品投资、房地产投资等另类资产，结合其他投资理念，取得了连续20年年化收益超过15%的良好业绩。除了加入新的资产，第二种扩展资产池的方式是将因子看作资产，对因子进行金融纵横2023 年第 1 期总第 350 期月刊49配置。（二）提高单个资产的收益实际上在许多大类资产内部，可以通过择券、择时、板块配置等方法构建收益率高于该资产被动指数的资产组合，比如当前中国的A股市场存在许多获取Alpha收益的机会，如果能通过构建策略或者买入Alpha产品的方式获取更高的收益，最终整体组合的表现也会更好。（三）改进资产配置模型前两个方法在确定了资产的大类之后，确定不同资产的权重也需要技巧。在马科维茨均值方差最优化（MVO）模型提出之后，由于模型本身不稳定等缺陷，许多新的模型针对输入参数、优化过程等对其进行了改进；基于风险的一些模型比如风险预算与风险平价放弃了预期收益的预测，只从风险的角度出发尝试改进优化结果；美林时钟从宏观经济周期的角度出发，尝试构建每个周期内期望收如何改善组合表现权重确定方式目标名称/描述方法构建过程/备注扩展资产池收益风险均衡因子投资一种投资理念耶鲁模式提高单个资产表现在每个资产内部构建收益率更高的组合替代被动的大类资产改进优化模型直接确定恒定混合策略等资金权重加权量化60/40 投资组合量化其他波动率倒数加权量化通过优化确定期望效用最大化量化广义均值方差优化模型基础模型马科维茨均值方差最优化（MVO）模型量化改进预期收益率的估计BlackLitterman量化/主观使用多因子模型预测收益率量化改进协方差矩阵随机矩阵量化收缩方法（Shrinkage）量化时间序列量化多因子模型（Barra 等）量化改进优化过程稳健优化量化蒙特卡罗再抽样法量化加入其他约束量化最大化分散程度量化其他模型放松正态分布假设的模型量化改进风险衡量的方法量化控制/锚定风险最小化风险量化最大分散化组合量化风险预算与风险平价量化满足特定的目标负债目标负债驱动投资量化/主观盈余优化量化其他目标量化/主观收益最大化最佳观点（Best Ideas）主观美林时钟主观资料来源：作者整理。表 1 资产配置方法益最大的资产组合；最佳观点（Best Ideas）决策来源于自下而上的相对价值分析；许多有特殊风险、监管要求的机构则需要以满 足 这 些 要 求 为 第 一 目标，在此基础上尽可能地改善资产组合表现，产生了负债驱动投资等模型。我们主要讨论第（3）个方面，即资产配置模型的演化与改进。三、资产配置方法的演进（一）资产配置发展早期直接确定权重资产配置模型发展初期，投资者经常使用的是恒定混合策略，这包括等权重加权、股债60/40配比，恒定混合策略缺陷在金融纵横2023年第1期总第350期月刊50于因特定资产波动率很高，虽然从资产权重上看已经分散，但风险仍然集中于少数资产，比如股债60/40组合股票的风险贡献能达到90%。除了恒定混合策略，也有其他直接确定权重的方法，比如使用资产的波动率倒数加权可以有效地降低高波动率资产的权重。（二）期望效用最大化在经济学领域，期望效用最大化是理论基础较为严格的一种投资者决策的框架，只要将投资者未来的资产数量通过效用函数对应到投资者的效用上，以期望效用函数最大化为原则，便可以得到当前投资者在不同资产上的配置。期望效用函数最大化理论含义非常广，许多常用的资产组合优化方法实际上是期望效用函数最大化的一种特例。虽然在现实中几乎不可能确定人们真正的效用函数，但是有许多比较常见的效用函数，比如指数效用函数、对数效用函数、常数相对风险厌恶函数（CRRA）、二次效用函数等。MVO模型实际上就是一个只包含收益率的期望和方差的二次效用函数的最优化过程。（三）MVO 模型及其改进 MVO模型拉开了现代投资组合管理的序幕，从此资产配置进入了定量研究的阶段。但早期MVO模型由于缺点明显并没有在业界得到推广，主要有以下几项缺陷：一是不稳定性，最终输出的权重向量对期望收益与协方差矩阵非常敏感，而这两个参数本身就不稳定，所以优化出的权重向量波动很大；二是优化结果可能不是充分分散的，很多时候会集中在许多高风险资产上（Green&Hollifield，1992）；三是优化出来的权重可能与直觉相反；四是仅仅使用了收益率的均值与方差，隐含假定收益率为正态分布。针对前三个缺点，许多学者提出了多种改进模型，从这个角度来看，原始MVO是后来许多改进模型的基础。对于MVO的改进也基于以下几个方面。1.改进预期收益率向量。BlackLitterman模型将市场均衡收益率看作预期收益率向量先验分布的均值，投资者观点与市场数据估计量看作后验信息，估计出预期收益率向量的后验分布，使用该后验分布的均值进行资产组合优化。直观的经济逻辑是投资者首先选择市场均衡组合建仓，然后再根据投资者的观点构建投资者观点的投资组合，并将这两个资产组合根据投资者对自己观点的确信程度赋予不同的权重进行加权。股票中常使用多因子模型估计预期收益率，投资者常用动量、价值、成长等因子结合线性回归或机器学习等模型来预测不同股票的收益率。2.改进协方差矩阵的估计。Ledoit&Wolf（2003）提出使用贝叶斯压缩的方法估计不同资产之间的协方差矩阵，并将样本协方差矩阵与受限制的协方差矩阵（等相关系数协方差矩阵）进行加权，得到最终协方差矩阵的估计量。来源于核物理研究的随机矩阵法也可以应用到协方差矩阵的估计上来，在满足某些假设时，完全随机的矩阵的特征值服从某个区间内的特定分布，在实际计算相关系数矩阵时，如果特征值落在这个区间内，就可以把这个特征值看作噪声，把所有的噪声特征值用这些特征值的均值代替，即可得到去噪后的相关系数矩阵，Ruskin（2004）对该方法进行了测试，结果显示，运用这种去噪音的方法得到的相关系数矩阵较为稳定，而且能得到收益风险比更优的资产组合。时间序列领域也存在许多多维的GARCH模型，比如对角VEC模型、BEKK模型，基于Cholesky分解的模型，但这些模型的讨论主要集中在学术界，业界应用较少。金融纵横2023 年第 1 期总第 350 期月刊51如果资产的数量较多，可以使用因子降维的方法估计协方差矩阵，股票领域主要是BARRA结构化多因子模型，该模型假定所有股票的收益率均可以由31个行业因子、10个风格因子、1个国家因子的收益率以及股票的特质收益率线性加权得到，在因子收益与股票特征收益率不相关的假设下，计算股票之间的协方差矩阵只需要计算因子协方差矩阵，乘上股票的因子暴露向量、加上股票的特质波动率即可。3.改进优化过程。除了提高输入参数的精确度，还可以通过提高优化过程对参数噪声的容忍度来提升最优组合的表现。稳健优化假定预期收益率向量、协方差矩阵这两个参数中有一个或者均在特定的区间内波动，优化的目标是在最终获得的组合在两个参数取到使组合表现最差的点时，组合的最终表现也不会特别差；蒙特卡洛再抽样法假定其收益率向量、协方差矩阵是随机的，每从相应的随机分布中抽取一个值，便可以得到一条有效前沿曲线，大批量地抽取参数并对结果取均值，便可以得到一条平均意义上更加稳健的有效前沿；MVO并没有考虑到尾部风险，在优化过程中对风险价值（VaR）、尾部均值（ES）进行约束，可以有效地防止尾部风险的发生；原生的MVO生成的资产权重不够分散，可以在权重点的邻域内寻找分散度最高，同时在收益和方差上没有太多牺牲的资产组合。（四）其他收益风险均衡模型除了在MVO模型内部进行修修补补之外，还有一些模型放松了MVO的假设，直接改变其优化框架。主要在两个方面进行了改进：一是放松了MVO的正态分布假设；二是改进MVO的风险衡量方法。放松MVO正态分布假设方面，学界给收益率引入了多种容易处理但又比较符合现实中厚尾现象的模型，比如高斯混合模型、自激励门限自回归模型、马尔科夫区制转换模型等；改进风险衡量方法方面，许多学者提出可以用半方差、LPM代替