传统风险平价模型的局限性    传统的风险平价(RiskParity,RP)模型存在许多局限性:(1)模型要求资产间的相关性尽可能低,而事实上现有资产间的相关度是非常高的;(2)模型会对所有资产分配权重,即便投资标的中有两种相关性极高资产;(3)模型没有考虑资产的未来收益表现,如果所有资产都处于下跌行情,模型依然会给资产分配权重;(4)模型没有考虑不同资产的风险特性;等等。    针对前两个问题,我们在上一篇资产配置模型的专题报告中提出了主成分风险平价模型。针对后两个问题,本报告将引入趋势跟踪法用于判断各资产未来的走势,同时引入风险的衰减加权法增强风格变化的影响。    资产的特性分析    通过对资产的理论和实证分析发现,资产的收益率是比较难以预测的,而资产的风险预测准确度较高,其中资产的波动率具有较强的聚集性和衰减性,资产间的相关系数具有长期关联性。因此,基于风险视角的资产模型的稳定性会更强,其中比较热门且最具代表性的便是风险平价模型。    主成分风险平价模型的优势    主成分风险平价(PrincipalComponentsRiskParity,PCRP)模型利用主成分分析对原资产进行线性变换形成互不相关的主成分组合,然后使用标准风险平价模型确定主成分组合的最优投资权重,最后通过线性变换的反推确定原有资产的最优投资权重。通过理论和实证分析发现,相比于传统风险平价模型对高相关性资产的重复配置,主成分风险平价模型在完全正交的空间下实现等风险贡献的目标,同时该模型还具有资产筛选的功能。    资产配置模型的两点改进    考虑到资产之间的相关系数和波动率的稳定性不同,我们对资产收益率的相关系数和波动率分别使用不同的半衰期进行加权估计,从而形成基于衰减加权的预期风险估计方法。趋势跟踪假设市场会保持上涨或者下跌的趋势,即在上涨时做多,在下跌时做空,并预期这种趋势会继续保持,从而形成了基于趋势跟踪的预期走势估计方法。    将上述的预期风险估计和预期走势估计与主成分风险平价模型结合,便可得到三种改进主成分风险平价模型,同时本报告给出了相应的算法操作流程。    资产配置模型的实证分析    实证结果发现,TF-PCRP模型的年化收益率为6.03%,最大回撤为0.94%,Calmar比率达到6.399;而WDC-TF-PCRP模型的年化收益率为5.72%,最大回撤仅为0.68%,Calmar比率达到8.418。    由此可见,预期走势估计对主成分风险平价模型在收益和风险的提升效果是明显的,而预期风险对主成分风险平价模型在风险控制方面是较好的。另外,由于主成分风险平价模型大部分都是投资在债券上,因此我们发现可以通过债券加杠杆的形式增强模型的收益。    风险提示:本报告为基于历史数据对模型进行实证研究,不同市场结构的调整以及交易因素的影响等皆有可能使得模型失效。

声明：如本站内容不慎侵犯了您的权益，请联系邮箱：wangshiyuan@epins.cn 我们将迅速删除。