大类资产配置策略在国内的应用及其优化方式

前面三期FOF观察专栏中，我们介绍了海外大类资产配置策略中的均值方差策略、BL策略、风险平价策略、美林时钟模型。然而，但我们将海外经典模型引入到国内实践运用中时，会存在一些实践的难题。因此，我们在这期专栏中将重点阐述MVO、BL和RP策略在实践中的不足以及优化方法。

均值方差与BL策略的优化

之前我们提到均值-方差优化模型对于输入参数或是基于CMA假说的预期收益，预期风险以及相关系数非常敏感。另外，由于MVO模型并没有考虑流动性风险，信用风险以及投资管理风险，所以优化结果容易形成集中配置到低波动资产。

对此优化的方式有三：其一，通过约束优化过程，对各类资产增加配置比例的上下限，或者对低风险或流动性较差的资产增设配置上限。其二，自举法（Bootstrapping），与单一样本区间估计风险收益不同，Bootstrapping重复抽取多次序列，构造出大量的样本序列，然后再估计参数的分布，该过程可降低对数据的敏感度。其三，采用跨期动态预测，通常的SAA过程需要3-5年时间，投资者可能没有时间来验证SAA的效果，在单一投资期限，投资者无法根据期限内的市场变化调整配置策略。动态SAA则是以季度或半年度进行定期更新，基于更短期限的收益风险预期来计算新的配置结果。

BL模型与MVO模型不同的是，MVO将历史收益率的均值和方差作为优化中的收益与风险系数，而BL则将历史数据与主观判断相结合，给出客观融合主观后的收益与风险系数。这些主观观点可以用数学方法表示，再融合进历史数据中。但是，该如何在客观数据和主观判断之间进行权重分配？这将由模型中的一个平衡系数来确定，较为简单的方式是在客观和主观两方面各置一半的权重——这是一个比较自然的参数引入过程，从而避免过度参数优化的嫌疑。

然而预测市场的表现比较困难，另一种替代方法是承认预测市场表现不可能，从而建立三到四种可能的经济情景假设，并对于每种假设指定相应的概率。通常情况下，一种情景是具有最高概率的中心视角；第二种是较悲观的情景；第三种是较乐观的情景；第四种则仅仅是风险情景，属于低概率且影响严重的情景。在每一种情景假设下，建立各类资产的短期预期收益，并计算出每种情景下组合的整体预期收益。由不同情景的组合构成的加权表现会更加稳定，并防止了极端风险，从而降低最大回撤，提高存活率。这便引出了风险平价的全天候策略。

风险平价策略

风险平价是指将不同风险的资产，通过权重设置使得每种资产（或者基于因子）的风险贡献基本相等，从而达到风险均衡分散的目的，以解决传统方法中风险过度集中在一种资产的问题。

风险平价证明了组合在多个资产夏普比率相等时，组合在均值方差上最优的，夏普比率相等意味着风险和收益成正比，收益按风险定价，但是风险不等于波动性，虽然波动性可以在一定程度上刻画风险，但这并非风险的全部含义，而且收益按风险定价是存疑的。从全球和我国的低波动率因子收益可知，低波动率股票长期收益好于高波动率股票。以国内过去10年数据举例，沪深300累计收益率226%,而来自沪深300成分股的300低波动率指数累计收益率467%。

其次是杠杆和成本问题。风险平价策略提高了夏普比率，但其代价是放弃了更高的预期收益，如需达到目标更高的预期收益，策略上需要运用杠杆。而中国杠杆工具仍然有限，杠杆的稀缺同时意味着杠杆的高昂成本，比如融资费率高达8%，或许这意味着中国实现风险平价时不得不接受一个较低的预期收益率。根据我们国内过去10年的数据测算，为保持风险均衡，只能降低权益的比例，而不是提高债券的杠杆。在没有杠杆的情况下，风险平价策略的年化收益率仅为5%，波动率3.2%。

然而策略的挑战不止于此。全球债市的大牛市是风险平价策略取得成功的重要原因，由于高配低波动性的债券，债券近30年大牛市和低波动性对风险平价组合产生巨大的效果，然而当前全球债券的收益率非常低，一旦债券市场收益率上行，风险平价组合表现可能面临逆转。

除了利率上涨，高杠杆下拥挤的债券市场流动性问题也需要高度重视，长期资本管理公司的教训还在。目前利率向下和向上空间已经严重不对称，其次关于杠杆的状况无法回避，杠杆与流动性风险还会造成负向反馈。

尽管存在些问题，但风险平价的思想依然具有很大的参考意义，其风险均衡原则获取溢价的思想是重大的创新，但是其不同周期中风险溢价和因子的系统性变化以及股票债券长期风险等问题需要纳入考虑。综上，经典的MVO框架依然是较好的资产配置载体，我们需要做的是再优化，精细化，结合其他方法和主观意见来提高配置的灵活性与有效性。风险平价框架更合适在一个低目标收益的情况运用，获得低波动、稳健的长期回报。

（作者为广发基金资产配置部投资经理陆靖昶、朱坤）(CIS)