机器学习系列之二：多维度风险均衡的量化资产配置模型

请务必阅读正文之后的重要声明部分 [Table_Title] 分析师：李新春 执业证书编号：S0740520080002 电话：18019761462 Email：lixc@r.qlzq.com.cn [Table_Report] 相关报告 《中泰时钟系列报告》 《海外养老目标基金战略和战术资产配臵观察与思考》 《挖掘资产定价中的隐式因子——机器学习系列之一》 [Table_Summary] 投资要点  本文同时把资产风险维度，以及多个宏观风险维度：增长、通胀、流动性等放入统一的模型，使用带正则项的优化算法，获得多维度风险均衡的投资组合。在基础模型上，我们可以自由挑选宏观因子，达成既定宏观暴露目标。多维度风险均衡组合，相比经典模型在多项风险指标上有明显优势。  本文的研究方法大致如下：首先我们使用中高频数据拟合宏观指标，构造宏观因子值；其次我们使用多因子模型的思路求得这些因子的收益率和协方差；因为因子组合无先验分布范围，求解需要用带正则项的最优化算法。最后从因子组合回到纯多头资产组合并非易事，我们提出了三种基于金融逻辑和数学直觉的解决方法。在研究过程中，我们借鉴了机器学习中特征选择和模型优化的思路。  我们选择的回测区间为 2010 年年初至 2022 年年中，底层资产涵盖权益、信用债、国债、黄金、原油和商品等等。试验模型选择资产风险、增长、通胀和利率合计四个风险维度。相比仅考虑资产风险的经典模型，多空资产组合年化收益率从 4.7%提高到 8.7%，MRAR 从 4.6 提高到 6.5。而纯多头资产组合中，以积极组合为例，相比经典模型的表现如下：  对随着金融市场的发展和衍生品的丰富，构建多空资产组合更加便利。我们选择 2016末至 2022 年 6 月为回测区间，使用 TF、IF、IC、黄金、焦煤和螺纹钢作为底层资产，积极组合相比经典模型的表现如下：  根据模型给出的 2022 年 8 月末资产配臵权重，我们最新的观点如下： 股票：相对大盘更加看好中小盘； 债券：更加看好长久期信用债； 商品：更加看好黄金。  风险提示事件：本报告结论完全基于公开的历史数据进行统计、测算，文中部分数据有一定滞后性，同时存在第三方数据提供不准确风险；模型均基于历史数据得到的统计结论且模型自身具有一定局限性并不能完全准确地刻画现实环境以及预测未来；模型根据历史规律总结，历史规律可能失效；模型结论基于统计工具得到，在极端情形下或存在解释力不足的风险，因此其结果仅做分析参考。 多维度风险均衡的量化资产配置模型——机器学习系列之二 证券研究报告/量化投资策略报告 2022 年 09 月 08 日 年化收益率 年化波动率夏普比率最大回撤CalmarMRAR积极组合5.4%2.1%2.533.1%1.725.32经典模型4.7%1.8%2.633.0%1.544.63年化收益率 年化波动率夏普比率最大回撤CalmarMRAR积极组合7.6%8.8%0.8616.3%0.476.76经典模型3.4%3.9%0.853.9%0.873.20 请务必阅读正文之后的重要声明部分 - 2 - 量化投资策略报告 内容目录 一、引言：从资产风险均衡到多维度风险均衡 ................................................... - 3 - 1.1 经典资产风险均衡模型回顾 ................................................................... - 3 - 1.2 宏观风险均衡模型回顾 .......................................................................... - 4 - 二、本文的研究方法综述 .................................................................................... - 5 - 2.1 宏观风险因子值构建 .............................................................................. - 5 - 2.2 因子收益率计算 ..................................................................................... - 6 - 2.3 基于因子的风险均衡模型 ...................................................................... - 7 - 2.4 从因子组合到可投资产组合 ................................................................. - 10 - 三、允许多空资产组合的模型表现.................................................................... - 11 - 3.1 因子值与因子收益率示例 .................................................................... - 11 - 3.2 基于多空资产的模型表现与对比 .......................................................... - 13 - 四、纯多头资产组合的模型表现 ....................................................................... - 16 - 4.1 可投池在因子层面风险无法均衡 .......................................................... - 16 - 4.2 保守和微调组合的回测表现 ................................................................. - 18 - 4.3 积极组合的回测表现 ............................................................................ - 19 - 五、基于期货类资产的模型表现 ....................................................................... - 21 - 5.1 多空组合 vs 经典模型 .......................................................................... - 21 - 5.2 最新一期配臵观点 ......................................................