【研究学苑】大类资产配置研究专题：框架与变迁（上）（民生信托证券投资）
大类资产配置理论研究始于20世纪30年代，传统配置策略包括60/40、等权重投资组合和均值方差模型等。20世纪90年代，为了放宽MPT的假设条件，提高理论在实践中的可行性，以BL、捐赠基金模型、投资组合保险策略、美林时钟等为代表的大类资产配置策略被提出。进入21世纪以后，市场开始用“因子”来解释资产的投资回报，不同因子的开发和基于因子的配置模型逐渐受到市场的关注。
随着科技在金融领域的应用，基于MPT、大数据和人工智能的配置模型（智能投顾）正在被广泛使用于个人资产配置上。未来大数据+机器深度学习或将打破人类认知局限。
一
资产配置 1.0：恒定混合策略和现代投资组合理论
01
恒定混合策略
1/N & 60/40典型的恒定混合策略（constant mix strategy） 包括等权重投资组合（equally weighted portfolio） 和 60/40 投资组合策略。
(1) 等权重配置策略是指保持每类可投资资产的投资权重为 1/N。很多学术研究表明，等权重投资方比其他资产配置模型更有效（Demiguel,2009）， 并且由于其操作简单，长期收益效果好， 所以受到很多投资者的喜爱， 如瑞士经济学家和基金管理人 Marc Faber。
图 1：Marc Faber 的等权重资产配置策略
(2) 60%股票+40%债券，可能是被最广泛使用的资产配置模型。在 20 世纪 50-70 年代， 最主流的投资策略是将资产配置到股票、债券、现金之中，其长期的目标资产配置是 60%股票、 30%债券、 10%现金。
图 2：美国 20 世纪 50-70 年代主流性资产配置策略
02
资产配置理论基石
现代组合投资理论
（Modern Portfolio Theory）
20 世界 50 年代， 诺贝尔奖获得者马科维茨首次提出现代投资组合理论， 将资产配置由实践层面的摸索提升到了理论层面。
现代投资组合理论（MPT） 是将预期风险和收益进行量化：一旦投资者明确了投资目标， MPT 可以帮助投资者形成最优的投资策略， 即在既定风险下的最高收益的投资组合或既定收益率下的风险最低的投资组合。
图 3：现代组合投资理论（MPT） 资产配置图
Markowitz（1952）提出的均值方差模型（MVO），是大类资产配置过程中的标准工具。几乎所有的资产配置模型，都建立在MVO某一种变型的基础之上。MVO的基本思想是：假定投资者是风险厌恶的，根据各类资产的预期收益和方差，以及资产之间的相关系数，就能够确定既定风险水平下收益最大化，或者既定收益水平下风险最小化的投资组合。最优的收益风险配对，形成有效前沿。投资者最终选取的：就是有效前沿上，令其效用最大化的点。
叉号：构成的曲线是有效前沿（目标收益率下最优的投资组合）
红星：sharpe最大的投资组合
黄星：方差最小的投资组合
没有约束、未经改进的MVO，存在较大缺陷，影响了模型的实际应用。MVO主要缺陷包括：
（1）结果对输入（CME）高度敏感。输入变量的微小变动，会引起配置结果的较大变动。因此MVO输出的有效前沿，有悖于分散化构想，有时会出现持仓过度集中的问题。另外，在实践中很难准确预测预期收益、波动率和相关系数。MVO输出结果是否最优，严重依赖输入变量，特别是预期收益的准确性。因此，MVO存在GIGO的问题（即如果输入的是垃圾，输出的也会是垃圾）。
（2）风险量化与风险分散。MVO采用方差、标准差来描述风险，没有充分刻画下行风险（负收益标准差、VAR等风险指标）。如果收益并非正态分布，MVO就会对资产的真实风险产生误判。此外，分散化资产投资，并不意味着分散风险。比如，股票和公司债受共同风险因子的影响。仅在股票和公司债之间进行配置，无法有效地分散风险。
假设我们要在 N 个投资品之间进行资产配置。马科维茨的现代资产配置理论以这些投资品的期望收益率和协方差矩阵作为输入，通过最优化下列目标函数求出最佳的投资组合：
其中 μ 表示投资品的期望收益率向量，Σ 表示投资品的协方差矩阵，δ 表示投资者的风险厌恶系数，ω 则是投资品在投资组合中的配置权重。在不考虑任何约束的情况下，该问题的最优解，即最佳资产配置为：
该模型之所以在实际中被专业投资机构诟病有两个原因。第一是因为它的输入非常严苛：投资者必须提供待配置投资品的期望收益率和协方差。一旦预测的数值非常离谱，那么资产配置效用的最大化就变成误差的最大化。对于协方差，通过历史数据计算尚且能用，但是对于未来的期望收益率的准确预测却难上加难。二者相较，期望的预测比协方差的预测更加重要。Chopra and Ziemba (1993) 指出，收益率期望的误差对资产配置的影响比协方差的影响高一个数量级。
第二个原因是，它求出的最佳资产配置权重对期望收益率非常敏感。当期望收益率有哪怕仅仅一点变化时，它给出的最佳配置较之前的配置可能发生很大的改变，这样的结果很难被投资者所接受。
来看一个例子。
假设我们的投资品来自下列七个国家的股市：澳大利亚、加拿大、法国、德国、日本、英国和美国。通过历史数据得到这些投资品收益率的协方差矩阵如下（注：本文中的所有数据都是假想的，仅做示意之用）：
图 4：投资品收益率的协方差矩阵（假设）
对于收益率，由于不好预测，我们假设这七个国家的期望收益率都是 5%，并假设风险厌恶系数为 2.5。根据“均值 — 方差”最优化，得到的最优资产配置权重如下图中的蓝色柱状图所示。按照该配置，我们大幅做空德国，微微做空法国，并做多其他国家。
现在，假设我们得到了最新靠谱的研报分析，表明德国的期望收益率将会达到 6%，而法国和英国则仅有 4%，其他国家不变。带着新的输入，重新使用“均值 — 方差”最优化，新的结果如下图中绿色的柱状图所示。
图 5：期望收益率变化后，最优权重的变化
比较蓝色和绿色的柱状图可见，随着我们对德国、法国以及英国预期收益率的调整，最佳的权重也发生了变化。然而，权重的变化发生的非常剧烈（对收益率敏感），我们对这些变化感到非常费解：
1.我们之前大幅做空德国，做多英国。然而在微调了收益率之后，却大幅做多德国，做空英国并大幅做空法国。收益率微调前后最优配置权重的变化幅度令我们惊讶。
2.我们的收益率预期仅仅针对德国、法国和英国，对其他四个国家没有变化。然而新的最优配置不但改变了那三个国家，更是改变了其他四个国家。比如，新的最优组合中增加了对美国和日本的配置。为什么对欧洲国预期收益率的改变会影响美国和日本？这从直觉上令人难以理解。
这个例子强调了“均值 — 方差”模型的两个问题：
1、人们很难有效的预测期望收益率；
2、最优资产组合配置对输入非常敏感，结果往往难以被人理解。
03
融入投资者观点
Black-Litterman 模型
20世纪90年代，Black&Litterman在高盛公司就职期间提出的Black—Litterman模型（简称BL模型）可以在模型里加入投资人对市场的看法和预测，使得资产配置模型更符合机构投资者的需求。
BL模型是金融行业对MPT模型在应用上的优化：Black-Litterman模型利用概率统计方法，将投资者对大类资产的观点与市场均衡回报相结合，产生新的预期回报。该模型可以在市场基准的基础上，由投资者对某些大类资产提出倾向性意见，然后，模型会根据投资者的倾向性意见，输出对该大类资产的配置建议。Black-Litterman模型自提出来后，已逐渐被华尔街主流所接受，现已成为高盛公司资产管理部门在资产配置上的主要工具。
图5：Black-Litterman 模型的步骤流程
首先假设我们只有一个 view：预期德国的期望收益率较英国和法国期望收益率的等权重之和高 5%，我们对这个判断的标准差为 2%。
上述 view 转换成 Black-Litterman 模型的参数有：
投资者的主动判断通过Q（描述相对强弱的幅度）和 Ω（描述投资者对 views 的自信程度）两个参数影响着最优的资产配置。
图：Black-Litterman 模型下的最优投资组合配置：
这个结果清晰的说明，我们关于德国、英国、法国收益率的判断仅仅影响了它们三个国家在最优投资组合中的权重。由于我们更看好德国，因此它的权重更高，而英法两国的权重相应相抵。其他国家的权重等于市场均衡状态的权重，不受我们的主观判断的影响。这样的配置结果非常符合投资者的预期，较马科维茨的“均值 — 方差”法，Black-Litterman 模型的最优配置显然更容易被投资者接受。
04
风险预算及风险平价模型
风险平价是目前比较流行的资产配置模型之一。Qian（2005）最早提出了风险平价（ risk parity）的概念。但实际上，桥水基金 1996 年就开始根据风险平价的原则进行投资，推出著名的“全天候策略”。 从风险预算角度看， 风险平价相当于把投资组合的整体风险平均分摊到每种资产（或资产大类、风险因子）当中去，每种资产（或资产大类、风险因子）对投资组合整体风险的贡献是相等的。从技术上看， 每种资产的权重，与其收益方差，或者标准差的倒数成正比。换句话说，在风险平价模型中，波动越高的资产，配置权重越低，反之亦然。得到基于风险平价的投资组合后， 投资者可通过借入或者持有部分现金，调整杠杆比例，使整个投资组合与其风险容忍度相对应。
风险平价在本质上是一种特殊形式的 MVO。MVO 要求输入许多参数，并且对参数（尤其是预期收益）准确性的要求很高。风险平价模型不需要估计预期收益和相关系数，只需要估计波动率。其隐含的假定是：所有资产预期收益相等，并且彼此之间不具有相关性。因此，风险平价模型所需的输入参数显著减少。另外，波动率模型相对成熟，实证研究证实：与预期收益相比，波动率更容易预测。因此，风险平价模型可以得到较为稳健的配置结果。
风险平价模型，目前仍存在较大争议。反对者认为：该模型最大缺陷在于，完全忽视了资产的预期收益，因此未能做到风险与收益的有效平衡。在过去 20 多年，风险平价之所以能够取得巨大成功，原因是该模型赋予了低波动债券更高的权重。美国长达 30 多年的利率趋势性回落，令美债表现优异。但随着美联储加息缩表，利率在未来很可能向上，呈现出均值回归的特征。此外，风险平价还依赖于投资组合资产类别的划分。举个简单例子：假设组合包含 7 类股票、 3 类债券，那么 70%的风险将来自股票， 30%的风险将来自债券。但如果反过来，组合包含 3 类股票、7 类债券，那么 30%的风险将来自股票， 70%的风险将来自债券。因此，基于资产类别的风险平价，未必能够达到分散风险的目的。基于因子的风险平价，才能够更好地避免这种偏差
05
战术资产配置
战术资产配置（ Tactical Asset Allocation，TAA） 即对长期资产配置比例（战略资产配置）的短期偏离，通常用于寻求经济周期变化，或资产错误定价的机会。战略资产配置，往往在全球不同市场（如股票、债券、商品、外汇等）中寻找机会，因此又被称为全球战术资产配置（ GTAA）。投资者进行战术资产配置，隐含了两个假设：第一，认为短期资产回报是可以预测的；第二，认为自己或选择的投资管理人具备这种预测能力。
战术资产配置是“择时”吗？这两个概念不宜混同。Opiela（ 2011）曾对资管界的权威专家进行了走访，不同专家尽管对概念有不同理解，但都认为自己在进行战术资产配置，而不是“择时”。（1）择时是一个“非 0 即 1” 的问题，即“是否要买利率债？是否要卖螺纹钢？” （2）战术资产配置是相对于战略资产配置的调整。一般具有三个特点：一是调整幅度受限，不能过度偏离长期资产配置比例。二是涉及多资产类别（或风险因子）权重的调整。比如，根据市场情况，在 60/40 资产配比的基础上，调增债券敞口，调减股票敞口。又如，在股票大类中，调增新兴市场敞口，调减美股敞口。三是不涉及择券、不考虑债务支出。
战术资产配置包括两种基本方法，一是自主配置（ Discretionary TAA）；二是系统性配置（ Systematic TAA）。（1）自主配置。参考宏观经济、市场以及情绪指标，定性判断并进行预测。该方法要参考能够反映政治、经济、金融市场走势，影响短期资产收益的一系列指标。例如， GDP 增速、货币政策、财政政策、通胀、资本流动、盈利预期、 PMI、期限利差、信用利差、估值偏离度、市场情绪等。（2）系统性配置。通过量化手段，尝试赚取价值、成长、动量、市值、质量等因子溢价。
战术资产配置与战略资产配置区别
战略性资产配置指调仓时间在 3 年以上的资产配置策略，通常为 5 年或 10 年。这类配置方法起源于马尔科维茨的投资组合理论，将每一类资产视作一个具有（风险，收益）特征的元素，再构建投资组合。具体操作过程是，首先估计未来各资产的风险-收益特征，然后根据机构的收益目标、风险容忍度和流动性需求构造投资组合。属于相对被动的获取各类资产的长期平均收益，为 Beta 策略。典型的策略有均值-方差理论、Black-Litterman模型、风险平价策略和因子配置等等。
战术性资产配置指 3 年以内的资产配置方法，通常为月度、季度或年度调仓。这种配置方法的核心在于资产轮动，也就是在战略性配置决定的基础比例之上进行战术调仓。通过获取更多的上行风险，规避下行风险，来得到超越各资产长期表现的超额收益，属于Alpha 策略。战术性配置策略实际上就是多资产宏观择时策略，而当前以周期轮动为主，也就是认为在经济周期的不同阶段，应该配置不同的资产，这其中以美林时钟最为著名。
06
公募FOF 资产配置策略
宏观基本面+量化资产配置模型为主流
FOF 产品的核心为大类资产配置策略和基金优选策略，根据不同类型 FOF产品的资产配置策略进行梳理和展示。
普通混合 FOF：多以宏观基本面分析为核心，部分叠加量化模型
普通混合 FOF 基金在进行大类资产配置时，部分完全采用定性的宏观基本面分析，如农银汇理永乐、嘉合永泰优选和工银智远配置等；更多的则是采用定性宏观基本面分析辅以定量大类资产配置策略，如南方合顺多资产、 富国智诚精选和诺德大类精选等。另外， 2017年11月发行的建信福泽安泰，采用了类似目标风险基金的固定股债比作为资产配置策略，但被归类为普通混合 FOF 产品。
按基金成立时间的顺序来看， 2018 年及之前成立的 FOF 多采用纯粹的量化模型作为大类资产配置的核心策略，采用宏观基本面分析作为辅助对资产配置比例进行微调。而 2019年以后成立的基金则多在招募说明书中标明，以宏观基本面分析和量化模型结果共同指导资产配置，或仅使用宏观基本面分析作为资产配置依据。对于普通混合 FOF 产品，在宏观基本面上叠加的定量大类资产配置模型通常有风险预算模型、 风险平价模型、 B-L 模型和美林时钟模型等，不同的配置策略并无明确的优劣之分，最终还是需要通过长期业绩进行评判。
目标日期 FOF：2020 年成立的产品多数采用效用最大化模型
目标日期基金设计的核心是下滑曲线的设计，基金依照下滑曲线的预设配置比例，在权益资产和固定收益资产之间进行配置。由于海外市场中的养老目标基金起步较早，海外基金公司在过去二十余年间发布了多个成熟的下滑曲线定量构建模型，这些模型科学性较高，考虑因素也较为全面，在答辩时更有说服力。我国目标日期 FOF 在构建下滑曲线时，大多参考了这些海外成熟模型，因此其设计策略也大多类似。
从招募说明书来看，目标日期 FOF 的资产配置策略包含以下几步：①遵循既定的各阶段投资比例（下滑曲线）；②根据市场动态在允许范围内灵活调整大类资产配置比例，获取β收益；③优选基金，获取α收益；④控制下行风险；⑤寻求基金资产的长期稳健增值。
目标风险 FOF：2020 年成立的产品多采用固定股债比策略
目标风险 FOF 的投资策略是将基金组合的风险水平固定在预设值，相比另外两种基金来说较为简单，但灵活度也较低。借鉴海外同类产品的设计经验，目标风险基金常用的战略资产配置策略仅有两种：固定股债比策略和控制组合风险的风险预算策略。固定股债比是通过固定股债资产的投资比例来保持组合风险的相对稳定，而控制组合风险指标的策略则要求组合的风险指标数值维持在预设风险目标附近。其中固定股债比策略由于设计简单、管理简洁、权重透明等特点而被成熟市场目标风险基金广泛采用。
目标风险 FOF 的资产配置策略比较简单，在经由战略资产配置策略确定各类资产配置比例并获取β收益后，此类产品还会通过大类资产择时和权重调整来进行战术资产配置以获取α收益，我们筛选了不同基金公司的 12 只基金，并将其按发行日期排列，以观测此类基金战略资产配置策略的演化趋势。我们发现 2019 年以前的产品有较多采用定量控制组合风险的策略， 2020 年以后成立的产品则多采用更为简洁的固定股债比策略。