琢璞系列报告之二十五：资产配置与因子配置相结合的投资组合构建思路

敬请阅读末页的重要说明 证券研究报告 | 金融工程 专题报告 资产配置与因子配置相结合的投资组合构建思路 2020 年10 月30 日 琢璞系列报告之二十五 ❑ Jennifer Bender、Jerry Le Sun 和 Ric Thomas 2019 年在《The Journal of Portfolio Mangagement 》 上 发 表 文 章 “ Asset Allocation vs. Factor Allocation—Can We Build a Unified Method ?”，对新兴的基于因子的资产配置模型进行了研究，构建了一个可同时容纳风格因子和宏观因子的组合构建框架，通过将现有的基于因子的资产配置过程扩展到不同资产预期收益率的测算，同时结合定量及人工调整，为不同投资目标下的优化资产配置方案的设计提供了新的思路。 ❑ 作者在文章中详细介绍了因子配置模型的思路，并将模型构建流程总结为选择宏观经济和风格因子、估算不同类别资产对于因子的风险暴露、构建模拟因子的投资组合、预测模拟因子的投资组合收益、构建最优因子投资组合和构建可投资的战略投资组合 7 个不同的流程环节。在此基础上，作者使用 2011 年 12 月至 2016 年 9 月美国市场不同类型资产的真实数据进行了实证分析。作者基于不同思路及投资目标函数，构建了 SAA QUANT、TAA QUANT 和 TAA DISC 三个不同的资产配置策略组合，并对三个不同组合的资产配置方案及收益表现结果进行了展示。 风险提示：本文内容基于原文作者对美国市场历史数据所进行的实证研究，研究结论在中国市场是否依旧成立有待验证。市场投资者可参照文中所使用的研究方法，结合国内数据，对报告结论进行重新验证。 任瞳 86-755-83081468 rentong@cmschina.com.cn S1090519080004 刘洋 86-755-83081488 liuyang39@cmschina.com.cn S1090519010003 基金研究（公募） 敬请阅读末页的重要说明 Page 2 Jennifer Bender、Jerry Le Sun 和 Ric Thomas 2019 年在《The Journal of Portfolio Mangagement》上发表文章“Asset Allocation vs. Factor Allocation—Can We Build a Unified Method ?”，对新兴的基于因子的资产配置模型进行了研究，构建了一个可同时容纳风格因子和宏观因子的组合构建框架，通过将现有的基于因子的资产配置过程扩展到不同资产预期收益率的测算，同时结合定量及人工调整，为不同投资目标下的优化资产配置方案的设计提供了新的思路。 本文尝试对 Jennifer Bender、Jerry Le Sun 和 Ric Thomas 的研究思路及实证过程进行总结，为 A 股投资者进行本地化实证研究提供参考。 一、 前言 长期以来，市场投资者认为股票、债券等基础资产可提供差异化的投资收益，这一观点在传统投资组合的构建中得到了广泛的应用。但近年来，这一观点受到了市场的质疑和挑战，一些学者提出，相较于基础资产，系统性风险因子（systematic risk factors）更适合作为构建投资组合的基础，通过识别风险因子和收益因子能够构建出更好捕捉收益溢价的组合。例如，房地产和高收益债分别对股票 beta 及利率久期有着明显的正风险暴露，而这两个因子都是决定投资组合预期风险和收益的重要因素。因此，在选定风险因子的基础上，根据组合目标选择对应的资产来构建组合，可以确保组合对选定因子的风险暴露达到最优。基于因子的组合构建方法极大拓宽了投资决策的可扩展性，其将资产配置策略从更为广泛的资产层面转换到相对较小的因子层面，通过对较少因子收益及风险的预测，来实现对不同资产的预测和组合。 基于因子的资产配置方法在实践中已得到了应用。桥水公司推出的全天候策略，其本质就是基于因子的资产配置框架，根据不同资产相对经济增长率和通胀率两个宏观因子的风险暴露以及经济状况来配置资产，其在实践中取得了巨大的成功。 除此之外，养老金管理所常用的负债驱动投资（liability driven invest，LDI）所采用的也是因子配置方法，其将资产分为不同的组合，分别是对冲因子组合（hedging factor portfolio）和增长因子组合（growth factor portfolio），其中对冲因子组合主要有长久期债券构成，其对于久期及收益率曲线等因子有着较大的风险敞口，目的在于模拟养老金负债、降低偿付比例的波动；而增长因子组合则由股票、高收益债、房地产等资产构成，其对于股票 beta 及收益率利差等因子有着较大的风险敞口，目的在于减少偿付缺口。 目前市场投资者开发出众多基于因子配置方法的框架或模型，其思路大致可分为两类，一类是通过对股价异象进行研究，挖掘出影响股票定价的风格因子，以此来确定多头组合中的超额风险暴露或多空组合中的“纯风格”风险暴露，并依此来构建多资产投资组合。另一类思路是挖掘宏观经济因子，例如经济增长率、通胀率，进而构建宏观因子敞口暴露与预期目标相吻合的投资组合。 在文章中，作者将两类思路结合在一起，设计了一个同时容纳风格因子和宏观因子的组合构建框架。其将资产定价风格因子映射到传统资产上，同时允许投资者对组合进行人qNrNoMuMzR7N9RaQmOpPoMpPiNrQrRlOnOqQaQnMtNuOsPrMxNmRpP 基金研究（公募） 敬请阅读末页的重要说明 Page 3 工调整（discretionary judgment）以确保不同类型资产对特定因子具有直观的风险暴露。这一方法通过将现有的基于因子的资产配置过程扩展到不同资产预期收益率的测算，同时结合定量及人工调整，从而设计出不同投资目标下的优化资产配置方案。 二、 因子配置模型思路介绍 传统的资产配置方法首先需要在股票、债券、商品、现金等不同大类资产之间分配权重，进而在各类资产内部进行权重分配，例如股票可细分为美国、欧洲、亚太、新兴市场等。在此基础上，投资者通常基于对不同类别资产长期回报和风险的预测，同时结合自身投资目标，构建战略投资组合。部分投资者根据其对于不同资产短期收益及风险的预测，人工调整（discretionary judgment）资产头寸，构建出偏离战略投资组合的战术投资组合，Black-Litterman 模型便是这一思路的经典案例。 为了将不同类别资产同宏观因子、风格因子相互关联，作者将它们结合在同一个资产定价模型之中，并测试其是否可以互补： Rt = 𝐵𝑡𝐹𝑡 + 𝜖𝑡 （1） 其中， t = 1, …, T；Rt 是资产回报率的向量；Ft 是宏观和风格因子的向量；Bt 是资产回报率与因子之间的敏感性；𝜖𝑡是剩余收益率的向量并且其期望为零。 值得注意的是，从横截面角度来看，剩余收益𝜖𝑡的期望值为零，但并非所有剩余收益均是零，其可能表现出某种可以预测的关系，例如某些农产品或能源品价格变动具有