天风证券_20180321_海外文献推荐第32期.pdf

金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 1 金融工程金融工程 证券证券研究报告研究报告 2018 年年 03 月月 21 日日 作者作者 吴先兴吴先兴 分析师 SAC 执业证书编号：S1110516120001 18616029821 相关报告相关报告 1 金融工程：金融工程-海外文献推荐 第 31 期 2018-03-14 2 金融工程：金融工程-海外文献推荐 第 30 期 2018-03-07 3 金融工程：金融工程-海外文献推荐 第 29 期 2018-02-28 海外文献推荐海外文献推荐 第第 32 期期 行业表现能预测股市走势吗行业表现能预测股市走势吗？本文检验了行业投资组合的回报是否具有预测股市走势的作用。我们发现在美国，包括零售、服务、商业地产、金属和石油在内众多行业的回报可最多提前两个月预测股市。此外，一个行业预测市场的倾向与其预测各种经济活动指标（基本面）的倾向密切相关。以上结论在其余八大股市也非常相似。这些发现表明，信息是在市场中逐渐扩散的，股市对包含在行业回报中的基本面信息存在滞后反应。目标日期基金需要更好的分散化目标日期基金需要更好的分散化 从 2005 年至 2014 年，目标日期基金的资产规模增长了近十倍，但其使用的投资方法仍相对落后。本土偏好、缺乏通胀防御资产、集中于股票资产、在市场波动率高的时期更为敏感和缺乏分散化的多空策略是传统目标日期策略的五个主要缺陷。针对这五个缺陷，本文提出了五个改进方法，并在分析了每一种改进的效果之后，提出了基于风险平价的目标日期策略。本文对新策略组合的构建方法进行了详细阐述，并通过实证研究证明了基于风险平价的目标日期策略的长期表现要优于传统的目标日期策略。风险风险提示提示：本报告内容基于相关文献，不构成投资建议。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 2 内容目录内容目录 行业表现能预测股市走势吗行业表现能预测股市走势吗.3 1.简介.3 2.模型.3 2.1 基本设定.3 2.2 序列自相关与交叉序列相关性.4 2.3 预测变量.4 3.数据说明.5 4.美国股市实证分析.5 4.1 行业表现对股市收益的预测.5 4.2 行业表现和市场基本面.8 4.3 补充分析.9 5.来自其它市场的证据.10 4.总结.10 目标日期基金需要更好的分散化目标日期基金需要更好的分散化.11 1.目标日期策略简介.11 2.传统目标日期策略的五个缺陷.12 3.五个改进的理论收益.13 4.传统目标日期策略 vs 基于风险平价的目标日期策略.13 5.杠杆使用的实用性和风险.14 6.总结.15 图表目录图表目录 表 1：美国金属行业对股市的预测模型回归结果.6 表 2：美国 34 个行业对下月股市表现的预测能力.7 表 3：金属行业模型中主要控制变量对市场的预测能力.7 表 4：不同策略表现.8 表 5：行业预测股市收益与市场基本面的能力相关性.9 表 6：所有行业对市场收益和基本面的联合预测能力.9 表 7：行业对股市收益和基本面预测能力的国际证据.10 图 8：传统资产配置 vs 距离退休年限.12 图 9：推荐资产配置的预计年化收益率 vs 距离退休年限.12 图 10：投资组合演进与夏普比率的逐步提升：1903 年 1 月至 2014 年 12 月.13 图 11：退休时传统目标日期策略净值 vs 基于风险平价的目标日期策略净值.14 图 12：全球股票、债券、商品及 200%杠杆债券的 40 年复合年化收益率.14 金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 3 行业表现能预测股市行业表现能预测股市走势走势吗吗 文献来源：Hong,H.,Torous,W.,&Valkanov,R.(2007).Do industries lead stock markets?Journal of Financial Economics,83(2),367-396.推荐原因：本文检验了行业投资组合的回报是否具有预测股市走势的作用。我们发现在美国，包括零售、服务、商业地产、金属和石油在内众多行业的回报可最多提前两个月预测股市。此外，一个行业预测市场的倾向与其预测各种经济活动指标（基本面）的倾向密切相关。以上结论在其余八大股市也非常相似。这些发现表明，信息是在市场中逐渐扩散的，股市对包含在行业回报中的基本面信息存在滞后反应。1.简介简介 本文主要研究行业投资组合的回报是否能预测股票市场的走势。我们首先在美国股市展开分析。在 1946-2002 年间，我们发现 34 个行业中有商业地产、石油、金属、零售、金融和服务等 14 个可以预测未来一个月的市场走势。其余如石油、金属和金融等行业可以提前两个月预测市场。在回归模型中添加风险和流动性代理变量及滞后的市场收益后，这 14 个行业投资组合对市场的预测作用在统计上依然显著。此外，我们还在数值模拟法下检验有多少行业可以随机预测市场，结果显示只有 0.04的模拟中有 14 个及以上的行业能预测股市，平均而言，只有 5 个行业能够达到 10的显著性水平。另外，我们对可预测性作了统计和经济意义上的度量。首先，我们考察这些行业预测市场的能力，与预测经济指标如通货膨胀率，违约利差和股息收益率的能力进行比较，并发现了相似的预测能力。其次，我们证明在持有包含过去行业回报信息的投资组合可以在某些情况下比简单地持有市场具有更高的夏普比率。最后，我们将分析扩展到美国以外的八大股票市场，包括日本、加拿大、澳大利亚、英国、荷兰、瑞士、法国和德国。与美国不同的是，这些市场的时间序列限于 1973-2002 年期间，因为我们无法获得同样的控制变量（如市场股息收益率、违约价差）。考虑到这些，我们发现将美国股市的结论应用在世界其他地区同样也表现的很好。我们的研究灵感主要来源于有限信息处理能力对资产价格的影响这一理论探讨。许多经济学家认识到，投资者大多时间被认为是有限理性的，很少有交易者能够关注所有的信息来源，更不了解它们对他们交易资产价格的影响。指导我们分析行业是否能预测股市的假说是：信息在资产市场上的逐渐扩散导致了跨资产回报的可预测性。其基本思路是，某些投资者（如那些专门从事大盘指数交易的投资者）只会收到来自特定行业（如商业房地产或金属）的信息，而这些信息存在滞后。结果是，宏观经济基本面信息丰富的行业投资组合的回报将预测整个市场。这个假说依赖于两个关键假设。首先，一个资本市场产生的有价值的信息传达到另外一个市场投资者，这中间存在着滞后性。第二个假设是，由于信息处理能力有限，许多投资者可能没有注意或不能够从他们不擅长的市场资产价格中提取信息。这两个假设一起导致跨资产回报的可预测性。本文余下部分结构如下：第 2 部分构建了一个简单模型，以弄清我们的假说并说明可预测的变量。第 3 部分是数据说明。第 4 部分为美国的实证研究。第 5 部分将我们的分析扩展到美国以外的八大股票市场。第 6 部分得出结论。2.模型模型 2.1 基本设定基本设定 我们的模型考虑了不同时间（t=0,1,2）下两种资产的定价，简化假设无风险利率是 0。给定X和Y两种资产在t=2的终值是和，均值为0，方差是,2,2，协方差阵是 ,金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 4 投资者要么参与市场 X 要么参与市场 Y.这种有限的市场参与假设可能受外部原因影响（如税收或法规）。或者可以通过在每个市场中引入固定的参与成本来激励它，以便投资者只参与其中之一。在 t=1 时，投资者在 X 市场得到关于 X 终值的信息=+,在 Y 市场得到关于Y 终值的信息=+,。这些信息在 t=2 是被全部参与者掌握，这就是我们的渐进信息传播假说。,服从均值为 0，方差是,2,2的正态分布。假设,独立与经济中的所有冲击。X、Y 资产的供应分别假定为、。资产 X 的投资者不能处理与资产 Y 有关的信息，反之亦然，这是我们有限的信息处理能力假设。这种假设可以让投资者认识到，由于认知能力有限，投资者很难从他们不参与的资产市场获取信息。我们假设投资者有 CARA 偏好，风险厌恶系数为 a，给定价格函数 Pk,t，k(k=X,Y)资产市场的投资者解决了以下优化问题：MAX,0exp(,2),k=X,Y s.t.,=,1+,1(,1)（1）其中，,为在市场 k 和时间 t 条件下投资者的财富和股份，,2=。市场 k 的均衡价格是,=,k=X,Y （2）,是市场k在t时刻最终收益的条件期望，,0是t时刻的标准风险折扣，是资产的供应。2.2 序列序列自相关与交叉序列自相关与交叉序列相关性相关性 令,=,1作为 t 时刻 k 资产的回报+1=2()+1，可得如下两个命题。命题 1：资产的序列自相关系数为 0，即Corr(,2,1)=0,k=X,Y，资产间交叉序列相关性Corr(,2,1)和Corr(,2,1)不为 0，正负取决于资产收益协方差,的符号。命题 2：即使有套利者在这两个市场上利用交叉预测性进行交易，只要存在套利限制，一些交叉可预测性仍将处于均衡状态。2.3 预测变量预测变量 在我们的实证部分主要研究了两个预测变量。我们将广义市场指数看作资产 Y，将包含市场基本面信息的行业投资组合作为资产 X。预测 1：利用行业投资组合的回报来预测大盘指数，控制变量为滞后的市场回报和一些宏观因素，如通胀、违约利差和股息收益率。我们的模型只意味着一个行业如果拥有关于市场基本面的信息，将会预测市场。事实上，从这个逻辑出发，行业预测市场的能力与其包含的市场基本面信息相关。因此，我们有预测 2。预测 2：行业预测市场的能力与其预测市场基本面变化（如工业生产增长或其他经济活动指标变化）的能力有关。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 5 3.数据说明数据说明 关于美国股票市场行业投资组合的数据有两个来源：Ken French 和 NAREIT。在 Ken French 网站获取了 1946-2002 年 38 个价值加权行业投资组合的月度回报。我们将缺少数据结果的五个行业剔除。在 NAREIT 网站，我们将获得的 REIT 收益指数构建了一个房地产行业投资组合来增加样本。数据只能追溯到 1972 年 1 月。因此，加上房地产业，我们共考虑了 34 个行业投资组合。此外，我们将安全价格研究中心（CRSP）发布的加权投资组合的市场超额收益(RM)作为大盘指数的替代指标，还提取了市场股息收益率（MDY）及利用日收益数据计算的市场波动率（MVOL）。从 DRI 数据库获取通货膨胀（INF）、默认价差（DSPR，定义为 BAA评级债券和 AAA 评级债券收益率之间的差异）。宏观经济变量主要有工业生产月度增长率（IPG）和 Stock and Watson 同步指数月度增长率（SWG）。其中同步指数是美国经济活动的四个广泛月度指标（工业生产，实际个人收入，实际制造业贸易销售额以及非农业企业的总雇员工时数）的加权平均值（Stock and Watson,1989）。4.美国美国股市股市实证分析实证分析 4.1 行业表现对股市收益的预测行业表现对股市收益的预测 为了分析行业是否能够预测市场，我们对 34 个行业投资组合分别进行如下估算：=+,1+1+,(3)是 t 月市场的超额收益，,1是滞后一个月行业组合 i 的超额收益，1是一个附加市场预测因子的向量。对于这 34 个时间序列的回归，总共有 684 个月的观测值。我们在1中包含了一些市场预测因子，以解释为什么行业回报能预测市场。其中有1、通胀、违约利差和市场股息率。这些变量通常被认为是时变风险。结果表明这些时变风险对市场的影响并不显著。此外，我们考虑行业回报是否能预测市场波动，因此滞后市场波动被添加到控制变量中。衡量每个行业投资组合预测市场的能力。由于许多行业可能包含有关市场收益的有价值的信息，我们预计这些系数中有相当一部分在我们渐进信息扩散假设成立的范围内不为零。以金属行业为例，在表 1 中，我们报告了行业投资组合预测市场能力的各种回归结果。在第（1）栏中，我们建立了一个预测回归，包含一个常数，金属行业投资组合的一阶滞后值和 RM。金属行业一阶滞后的系数为 0.096，具有统计显著性。第（2）栏中我们加入了 INF、DSPR 和 MDY，该系数仍然具有统计显著性。在第（3）栏中，我们在第（2）列基础上增加 MVOL,系数仍然具有统计显著性。在这 3 列中，市场预测因子 INF，DSPR 和MDY 在这个样本中具有预测能力。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 6 表表 1：美国金属行业对股市的预测模型回归结果美国金属行业对股市的预测模型回归结果 资料来源：Journal of Financial Economics,天风证券研究所 对所有行业检验后发现，当因变量为下月市场超额收益时，商业地产（RLEST）、采矿（MINES）、服装（APPRL）、印刷品（PRINT）、石油（PTRLM）、皮革（LETHR）、金属（METAL）、交通运输（TRANS）、公用事业（UTILS）、零售（RTAIL）、货币金融（MONEY）和服务（SRVC）这 12 个行业其滞后的行业回报 t 统计数据的绝对值大于 1.96。另外两个行业，非金属矿物（STONE）和电视（TV），t 统计量大约为 1.7。因此，在 10的显著性水平下，总共有 14个行业可以显著预测市场回报。这 14 个行业的预测性似乎也具有经济意义。例如，石油和金属行业投资组合的滞后收益与下一期市场回报率呈负相关，因为人们怀疑这些商品投入价格的历史冲击是导致经济陷入衰退的原因。相反，零售和服装行业在蓬勃发展的时候，通常被认为是经济欣欣向荣的迹象。前述预测关系与这些行业与宏观经济关系的传统观点相一致。事实再次证明，这些预测性回归确实体现了行业信息在市场指数中呈缓慢扩散。此外，我们还检验了行业是否能超过一个月预测股市。当因变量是第 t+1 个月的市场回报时，10显著性水平下，有 9 个行业的滞后行业收益率的系数显著，5显著性水平下，没有任何行业的滞后行业收益率的系数具有统计显著性。当因变量是第 t+2 个月的市场收益。14 个行业中只有 MINES 和 METAL 仍然具有统计显著性。并且没有一个在 5水平下显著。我们还研究了长达六个月的交叉可预测性，发现在更长的时间范围内几乎没有可预测性。在表 2 中，我们进一步将行业预测下月市场回报的能力按降序排列，将最具经济意义的行业排在首位。正如预期，预测市场能力具有统计显著性的 14 个行业在经济意义上也处于显著地位。最具经济意义的是货币金融（MONEY）、房地产（RLEST）、印刷品（PRINT）、服饰（APPRL）和服务（SRVC）行业。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 7 表表 2：美国美国 34 个个行业对行业对下月下月股市股市表现的预测能力表现的预测能力 资料来源：Journal of Financial Economics,天风证券研究所 我们对其他市场预测指标（INF，DSPR，MDY 和 MVOL）进行相同的操作，并在表3 报告金属行业结果，分析发现其他市场预测指标前面的系数在各行业之间的回归中变化很小。表表 3：金属行业模型中主要控制变量对市场的预测能力金属行业模型中主要控制变量对市场的预测能力 资料来源：Journal of Financial Economics,天风证券研究所 最后，分析行业投资组合是否有助于我们更好地在市场利率和无风险利率之间进行配置，即基于来自滞后行业回报的信息形成包含市场和无风险利率的投资组合，是否会比被动持有市场效果更好。通过滚动回归预测，对于每个月，如果预测 RM 高于无风险资产，我们将所有资产投资到市场上，以获得一个 RM 收益。否则，我们将一切投资于无风险资产。因此，我们有两个投资策略，一个仅使用1的投资组合，另一个使用1以及包含所有滞后行业回报信息的策略组合。表 4 统计了这两种策略和被动持有市场收益的均值、标准差、夏普比率和确定性等价收益。我们发现，这两种策略的收益均值比仅仅持有市场要低，标准偏差也较低，而夏普比率高于单纯持有市场。此外，行业信息也会导致更高的 金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 8 确定性等价收益。随着 RRA 参数的增加，投资者变得更加厌恶风险，而 RRA=5 的策略优势仅为 0.5左右。表表 4：不同策略表现不同策略表现 资料来源：Journal of Financial Economics,天风证券研究所 4.2 行业表现行业表现和市场基本面和市场基本面 本结主要研究行业对市场基本面的预测，理论上，一个行业预测市场的能力应该与它预测市场基本面的能力相关。首先，我们说明预测市场基本面的回归。=+,1+1+,(4)是 t 月经济活动指标的实现，,1是前一个月行业 i 的回报。除了包括三个月经济活动指标的滞后，1等于（3）中的1。行业超额收益的系数是，它衡量各种行业收益预测经济活动指标的能力。如果预测 2 成立，我们预计和之间的关系是正向的。换句话说，能预测市场的行业也应可以预测市场基本面。为了实现方程（4），我们需要确定经济活动的代理。我们使用两个指标 IPG 和 SWG两个指标。实证结果显示 34 个行业中的 12 个在 10的水平下具有统计显著性，9 个在 5的水平下显著。与 Lamont 观点一致，由行业回报形成的投资组合可以跟踪工业生产增长，通货膨胀和消费增长等各种经济变量。重要的是，预测市场的行业也预测了工业生产的增长。MINES，PTRLM 和 METAL 与市场预测呈负相关：第 t 个月这些行业的较高回报导致下个月市场回报率降低。有趣的是，这三个行业在工业生产增长的预测上也呈现负相关性：在 t 月这些行业的高收益导致下个月工业生产增长下降。此外，与市场具有正相关性的 RETAIL，MONEY 和 RLEST 与工业生产增长的预测也呈正相关。通过散点图的绘制，我们发现当使用市场基本面变化的替代衡量标准时，行业预测市场的能力与预测经济活动的能力之间存在强烈的正相关关系。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 9 表表 5：行业预测股市收益与市场基本面的能力相关性行业预测股市收益与市场基本面的能力相关性 资料来源：Journal of Financial Economics,天风证券研究所 4.3 补充分析补充分析 4.3.1 数值模拟数值模拟 我们对所有 34 个行业运行回归（3），并使用随机化市场序列保存系数。重复这个过程 10000 次。每一次，我们跟踪在 5和 10显著性水平下显著的系数数量。我们重复了类似的回归分析（4）以及图 1 中的回归分析，并得出我们结论是正确的。4.3.2 子周期子周期 我们还将我们的样本任意划分为两个相等的子样本(1946 年和 1974 年)，以考察这些行业在这些子周期中是否具有预测市场的能力。两个子样本的结果没有显著差异。4.3.3 运用所有行业预测市场和基本面运用所有行业预测市场和基本面 我们同时将所有行业纳入我们的预测模型。表 6 在不同的零假设下，报告了 F 检验的值。第一行报告了三个独立的零假设的 F 检验值和 P 值。第一个是行业回报是否预测市场(RM)P 值小于 0.01，这意味着我们可以在 5%的水平下拒绝这个零假设。另外两个假设是，行业收益是否可以共同预测经济活动的各种指标(IPG 和 SWG)。同样，在 IPG 和 SWG 的情况下，我们可以在 5%的水平下拒绝这个零假设。表表 6：所有行业所有行业对对市场市场收益收益和基本面和基本面的联合预测的联合预测能力能力 资料来源：Journal of Financial Economics,天风证券研究所 金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 10 5.来自其它来自其它市场的证据市场的证据 在本节中，我们将从美国股市扩展到美国以外的八大股票市场。在表 7 的 Panel A 中，我们报告了每个国家在 10的显著水平下可以显著预测市场和 IPG 的行业数量。在八个国家中，英国和日本的占比最低。澳大利亚和荷兰则最高。IPG 的数字是可比的。这些实证结果与美国股市获得的结果非常相似，并且远远超过了人们预期的几率。因此可以得出结论:在美国以外的股票市场，行业回报可以预测总体市场回报率和 IPG。表表 7：行业对股市收益和基本面预测能力的国际证据行业对股市收益和基本面预测能力的国际证据 资料来源：Journal of Financial Economics,天风证券研究所 4.总结总结 我们发现行业投资组合的回报可以预测股票市场的走势，且该预测能力与其预测经济活动指标的倾向密切相关。在八大美国以外的股市均可得出类似结论。这些结果表明，由于信息在资产市场上是逐渐扩散的，市场的基本面信息是对包含在行业回报中信息的滞后反应。本文假说的逻辑表明，除了行业投资组合和市场指数之外，我们还可以在多种情境下发现跨资产回报的可预测性。关键是首先确定收益可能相关的资产组合。因此，有趣的实证研究的其他情境包括：观察一个行业的股票回报是否预测另一个行业的股票回报，或者找寻股票和与之相关的期权。事实上，已有学者完成了上述研究。例如，Menzly 和 Ozbas（2004）发现，根据供应链中的地位，行业之间的回报率存在领先或滞后的关系。Pan 和 Poteshman（2004）发现信息可以从期权市场缓慢扩散到股票市场，因为期权的交易量似乎能够预测股票价格变动。但在这个领域仍有大量工作可以进行。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 11 目标日期基金需要更好的分散化目标日期基金需要更好的分散化 文献来源：Dhillon,J.,Ilmanen,A.,&Liew,J.(2016).Balancing on the life cycle:target-date funds need better diversification.Journal of Portfolio Management,42(4),12-27.推荐原因：从 2005 年至 2014 年，目标日期基金的资产规模增长了近十倍，但其使用的投资方法仍相对落后。本土偏好、缺乏通胀防御资产、集中于股票资产、在市场波动率高的时期更为敏感和缺乏分散化的多空策略是传统目标日期策略的五个主要缺陷。针对这五个缺陷，本文提出了五个改进方法，并在分析了每一种改进的效果之后，提出了基于风险平价的目标日期策略。本文对新策略组合的构建方法进行了详细阐述，并通过实证研究证明了基于风险平价的目标日期策略的长期表现要优于传统的目标日期策略。1.目标日期策略简介目标日期策略简介 每当出现新的投资概念，个人投资者的接受速度一般会落后于机构投资者。因此，看到针对个人投资者的“目标日期基金”尚未采用机构投资者早已接纳的新方法是不足为奇的。然而近些年目标日期策略的市场份额增长迅速。根据一份最近的晨星调查报告，目标日期策略的资产规模在过去十年增长了近十倍从 2005 年的 710 亿美元飞跃到了 2014年的 6710 亿美元！若这个趋势持续下去，采纳新的投资方法对目标日期策略来说是非常重要的。目标日期基金是退休储蓄金投资的一种有效的方式。目标日期基金相对而言费用更小，允许投资的品种更多，并且避免了集中于员工持股计划带来的问题。然而，这些基金也有一些缺点，其中最主要的是：他们在许多方面都不够分散化。本土偏好、缺乏通胀防御资产、集中于股票资产、对股市高波动的时期敏感度高和依赖多头资产是传统目标日期策略的五大主要缺陷。传统目标日期基金的做法是：在投资者年轻时重仓股票，随着年龄增加，逐步增加债券的配置，从而使投资组合与投资者的风险承受能力相匹配。然而现代金融理论却告诉我们，如果一个投资者能够借贷，那么资产配置其实是与风险承受能力相互独立的。投资组合构建需要分两步进行，首先找到最优或夏普比率最高的风险资产组合，然后调整风险资产组合的配置比例从而使投资组合与投资者的风险承受能力相匹配。在后续分析中，我们将展示结合这一思想并且修正上述五个缺陷之后的效果目标日期基金的业绩得到显著提升，并且每个缺陷的修正都能带来收益的提升。为了找到一个合适的策略来代表目标日期基金，我们从三个最大的传统目标日期基金提供者的网站，获得了其推荐的资产配置。每个公司都依据投资者距离退休的时间提供了不同的资产配置组合。我们将这些配置求均值，构建了一个传统目标日期策略的代表。图1 展示了这个均值和距离退休时间的关系。可以看出，三个提供者都存在强烈的本土偏好（重仓美股和美国债券），并都在商品上配置很少。三者在风险资产配置的路径非常相近，都在投资者年轻时推荐约 90%的股票配置比例，在投资者将退休时推荐约 50%的股票配置比例。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 12 图图 8：传统资产配置传统资产配置 vs 距离退休年限距离退休年限 资料来源：Journal of Portfolio Management，天风证券研究所 图 2 展示了均值组合的预计风险和距离退休时间的关系。该预测是基于每个时点的推荐配置和 1900 至 2014 年的月度数据计算出的全样本协方差矩阵进行的。不出意料的是，该组合初始波动率最高，约为 12.7%；在退休时降到最低，约为 8.1%。（虽然 8.1%对于一个即将退休的投资者来说依旧很高）图图 9：推荐资产配置的预计年化收益率推荐资产配置的预计年化收益率 vs 距离退休年限距离退休年限 资料来源：Journal of Portfolio Management，天风证券研究所 2.传统目标日期策略的五个传统目标日期策略的五个缺陷缺陷 本文我们共讨论了五个没有被充分分散化的维度：一是本土偏好严重。根据我们构建的目标日期基金的配置方案，目标日期基金有严重的本土偏好69%的股票投资于美国股市，债券在本国配置比例高达 79%。尽管大量证据表明，分散于全球资产有助于降低风险，许多投资者仍旧偏好投资本国资产。二是缺少通胀防御资产。传统目标日期策略 98%的部分由股票和债券组成，而这两者都不是好的通胀防御资产。Ilmanen,Maloney and Ross(2014)发现当通胀较高时股票和债券的风险调整收益都会降低，而商品却恰恰表现出了相反的性质。因而商品是股票债券组合的天然补充，对商品或者其他抗通胀资产的合理配置可以帮助投资者对冲通胀上行的风险。实际上，投资者的非金融资产（如人力资产等）都是抗通胀的，在设计目标日期策略时应该将这些非金融资产考虑在内，即使他们不是目标日期基金的一部分。三是过度集中于股票资产。目标日期基金容易陷入名义分散化中。即使到了退休的时候，目标日期组合的整体风险依旧主要来自于股票部分。Qian 等人提出了一个风险平价的方法来为各项资产分配相近的风险，使用这一方法创建的组合在大量的长期策略中战胜了传统的配置。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 13 四是在市场波动率高的时期更为敏感。市场在各个时点的波动是不同的，然而目标日期基金却好像并没有意识到这一点。目标日期投资者在时间上的风险分散是不够的，在市场波动率较高时，投资者收益的敏感性更高。通过设置动态的波动率目标，可以降低不稳定时期过度的敏感性。五是以做多资产为主，较少使用衍生产品和多空策略。尽管大量的文献表明，除了传统的多头资产，许多其他资产也存在风险溢价，但是传统的目标日期策略并未在其他资产上进行配置。Hurst 等人使用 100 多年的数据回测了趋势跟踪策略，发现该策略能够产生明显的正收益，并且在股市下跌的时候表现较好。3.五个改进五个改进的理论收益的理论收益 本部分我们利用 1903 至 2014 年的数据，计算五个缺陷改进带来的收益增量。我们从一个简化的传统目标日期组合开始，展示长期的夏普比率如何随着风险的分散而提高。图图 10：投资组合演进与夏普比率的逐步提升：投资组合演进与夏普比率的逐步提升：1903 年年 1 月至月至 2014 年年 12 月月 资料来源：Journal of Portfolio Management，天风证券研究所 图 3 的第一列展示了最简化的完全投资于美国股票和债券的传统目标日期组合的夏普比率。第二列在第一列的基础上，将国内的股票和债券变为以 GDP 为权重的全球范围内的股票和债券。第三列将第二类组合的 10%替换为商品期货，以此来抵抗通货膨胀。第四列使用风险平价方法，优化了股票、债券和商品的配置比例，这一步中夏普比率的提升来自于风险在不同资产类别上的有效配置。第五列动态调整了组合的头寸，使组合内的资产在短期也拥有相同的波动率。第六列使用趋势跟踪策略配置 10%资产，并保持该策略的目标风险与风险平价策略相同。可以看到，每一次改进都使得长期的夏普比率得到提升。4.传统目标日期策略传统目标日期策略 vs 基于风险平价的目标日期策略基于风险平价的目标日期策略 传统目标日期策略的做法是：在投资者年轻时重仓持有股票，随着年龄增加则逐步移向债券。而风险平价的目标日期策略则不改变股票和债券的配比，而是通过控制投资组合的波动率来满足投资者随着时间变化风险偏好逐渐降低的要求。我们策略组合的构造方法如下：首先我们针对三类资产构建了三个投资组合：GDP 加权的全球股票组合，GDP 加权的全球债券组合和等权重的商品组合。因为我们希望每类资产在整个组合中的风险水平相等，所以我们预估了每类资产的波动性，并控制它们的头寸，使得每类资产在任意时刻的波动率都固定在 10%。然后，结合交易成本和超额收益等因素，我们用这三个部分构建了一个风险平价的投资组合。最后，根据投资者需要的风险水平，我们调整风险平价组合的头寸。传统的目标日期策略组合调整不同风险资产之间的配比，以实现不同的风险水平，而我们的策略不改变风险资产之间的配比，并达到了同样的目的。最后，我们将每类资产杠杆的上限定为 200%，这会导致在风险较低时难以完全实现风险平价。我们对两种目标日期策略的表现进行实证比较。投资者的储蓄策略为：40 年内，每期投资 1000 美元，并且每年 12 月底投资金额较上年增长 2.8%。也就是说 40 年后每期投资额为 3000 美元。图 4 展示了两种策略为不同时期退休的投资者实现的净值。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 14 图图 11：退休时传统目标日期策略净值退休时传统目标日期策略净值 vs 基于风险平价的目标日期策略净值基于风险平价的目标日期策略净值 资料来源：Journal of Portfolio Management，天风证券研究所 从图 4 可以看出，基于风险平价的目标日期策略为各个年份退休的投资者实现了更高的净值回报，尤其是 1960 年至 1980 年退休的投资者。在 73 个退休样本点中，基于风险平价的目标日期策略和传统目标日期策略的内部收益率分别为 8.3%和 6.0%。20 世纪 40 年代早期和 80 年代早期退休的投资者获得的收益较低，因为那时资本市场的表现并不理想。而 1960 年至 1972 年或者 1997 年至 2007 年退休的投资者相对比较幸运。图5展示了构成组合的三个风险资产40年年均收益的情况。由于债券部分受到了200%杠杆上限的限制，我们使用无杠杆的债券收益曲线和 200%杠杆的债券收益曲线来展示它。图图 12：全球股票、债券、商品及全球股票、债券、商品及 200%杠杆债券的杠杆债券的 40 年复合年化收益率年复合年化收益率 资料来源：Journal of Portfolio Management，天风证券研究所 从图 5 可以看出，在这一期间内，并不存在某类资产持续跑赢其他两类资产的情况。因此风险平价策略持续跑赢传统策略的原因不在于单项资产的选择，而是其进行了更好的分散。同时，实证研究证明：风险平价策略对市场变化的敏感性小于传统的目标日期策略。5.杠杆使用的实用性和风险杠杆使用的实用性和风险 尽管我们认识到风险平价的目标日期策略比传统策略更有效，但我们并没有幻想完全改变投资者的选择。因为，分散化固然吸引人，但杠杆的应用也让人望而却步。对此我们需要认识到，杠杆的确会带来风险，但这种风险是可控的。对最好的投资组合加杠杆是符合经济学原理的。想获得高收益的投资者可以在这两种风险中做出选择：一个是集中投资股票带来的风险，另一个是对一个分散化的组合加杠杆带来的风险。历史数据表明，后者更可控，并为投资者带来了更多的财富。在杠杆方面，我们更建议投资者购买加杠杆的基金，而不是直接对一个投资组合加杠杆。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 15 6.总结总结 现代投资组合理论表明，如果一个投资者能够进行借贷，那么投资组合构建可以分为两个独立的步骤，首先找到最优或者夏普比率最高的风险资产组合，然后利用杠杆调整风险资产组合的配置比例从而使投资组合与风险承受能力相匹配。传统的目标日期基金似乎无视这一理论，并且投资于高度集中的投资组合。我们认为传统的目标基金有五个分散化不足的维度本土偏好、缺少通胀防御资产、集中于股票资产、在市场波动率高的时期更为敏感和缺乏分散化的多空策略。我们发现投资者依旧选择这些次优的传统目标日期策略是由于投资者厌恶杠杆，进而丧失了许多能够分散化风险的机会。我们的风险平价目标日期策略着力于解决这一问题。通过使用杠杆调整风险平价组合的配置比例，实现风险水平调整，从而使风险水平与投资者的生命周期相一致。这样风险平价目标日期策略在任何时点的分散化程度都比传统方法要好。金融工程金融工程|金工专题报告金工专题报告 请务必阅读正文之后的信息披露和免责申明 16 分析师声明分析师声明 本报告署名分析师在此声明：我们具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力，本报告所表述的所有观点均准确地反映了我们对标的证券和发行人的个人看法。我们所得报酬的任何部分不曾与，不与，也将不会与本报告中的具体投资建议或观点有直接或间接联系。一般声明一般声明 除非另有规定，本报告中的所有材料版权均属天风证券股份有限公司（已获中国证监会许可的证券投资咨询业务资格）及其附属机构（以下统称“天风证券”）。未经天风证券事先书面授权，不得以任何方式修改、发送或者复制本报告及其所包含的材料、内容。所有本报告中使用的商标、服务标识及标记均为天风证券的商标、服务标识及标记。本报告是机密的，仅供我们的客户使用，天风证券不因收件人收到本报告而视其为天风证券的客户。本报告中的信息均来源于我们认为可靠的已公开资料，但天风证券对这些信息的准确性及完整性不作任何保证。本报告中的信息、意见等均仅供客户参考，不构成所述证券买卖的出价或征价邀请或要约。该等信息、意见并未考虑到获取本报告人员的具体投资目的、财务状况以及特定需求，在任何时候均不构成对任何人的个人推荐。客户应当对本报告中的信息和意见进行独立评估，并应同时考量各自的投资目的、财务状况和特定需求，必要时就法律、商业、财务、税收等方面咨询专家的意见。对依据或者使用本报告所造成的一切后果，天风证券及/或其关联人员均不承担任何法律责任。本报告所载的意见、评估及预测仅为本报告出具日的观点和判断。该等意见、评估及预测无需通知即可随时更改。过往的表现亦不应作为日后表现的预示和担保。在不同时期，天风证券可能会发出与本报告所载意见、评估及预测不一致的研究报告。天风证券的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和/或交易观点。天风证券没有将此意见及建议向报告所有