2025年资产配置量化模型：从经典到创新

配置资产:Black-Litterman模型

马科维茨(Harry Markowitz)1952年提出“均值-方差模型”(Mean-Variance Optimization Model，MVO)，创建了现代资产组合理论，将大类资产配置带入到量化配置时代。

MVO模型是大类资产配置理论的重要基础，其突出贡献在于:

(1)提出了“约束+最优解”的标准范式来研究资产配置问题;

(2)采用均值和方差来刻画资产收益与风险，使得进行量化配置成为可能;

(3)同时考虑风险与收益，指出最优的投资组合并非单纯追求最高收益或最小风险，而是在两者之间找到平衡。

均值-方差模型的输入值包括三部分:收益、风险、反映投资者风险偏好的参数。

Black-Litterman 模型的具体实现过程主要分四步。

(1)通过逆向优化，从市场均衡条件出发，得到关于资产预期收益的先验估计;

(2)将投资者的主观观点作为新的信息，计算观点分布;

(3)将先验分布和观点分布结合，使用贝叶斯方法计算资产预期收益的后验估计;

(4)将后验收益和后验协方差矩阵输入均值-方差模型中进行优化求解，得到具体的资产配置比例。

其中，市场均衡收益、后验分布的计算是重点，参数设置的合理性、主观观点的预测准确性是模型效果的关键。

本部分介绍Black-Litterman模型的基本实现过程。首先，我们需要对BL模型的各种参数选取、主观观点进行设定。然后，编程上主要使用python的开源包PyPortfolioOpt实现Black-Litterman模型，构建一个简单的适用于“固收+”产品的资产配置策略;并和固定权重模型、MVO模型的配置效果做了对比，验证了BL相对前两者的有效性。

历史回测发现，给定的参数取值和约束条件下，2012年以来BL模型策略1的年化收益为6.58%，最大回撤为3.13%，收益回撤比为2.1;明显优于均值方差基准策略(年化收益5.82%、最大回撤3.86%、收益回撤比1.51)和固定权重基准策略(年化收益5.41%、最大回撤3.55%、收益回撤比1.52)。

两个BL模型策略在年化收益、最大回撤均优于均值-方差基准模型策略和固定权重基准策略。整体上看，2012年以来:BL模型策略1:年化收益为6.58%，最大回撤为3.13%，收益回撤比为2.10;BL模型策略2:年化收益为6.59%，最大回撤为2.96%，收益回撤比为2.23.均值方差基准策略:年化收益为5.82%，最大回撤为3.86%，收益回撤比为1.51;固定权重基准策略:年化收益为5.41%，最大回撤为3.55%，收益回撤比为1.52。

配置风险:风险平价模型

传统配置模型在金融危机期间出现较大回撤，受到广泛质疑磐安基金(Pan Agora)钱恩平指出，虽然传统的资产配置模型能实现权重的均衡配置，但由于不同资产的风险程度差异巨大，组合的风险仍然可能是高度集中的，并没有真正体现分散化的理念。

钱恩平(2005)以罗素1000指数和雷曼综合债券指数为底层资产构建60/40组合进行风险归因。从1983年到2004年罗素1000指数的超额收益年化波动率为15.1%，雷曼综合债券指数的年化波动率为4.6%，两者之间相关性为0.2。

桥水全天候策略目标是穿越经济周期，希望构建一个穿越经济周期、获得稳定Bata收益的策略。

首先，依据经济增长指标、通胀指标的实际值与市场预期值之间的大小关系划分了四种宏观经济状态;

其次，在不同宏观经济状态下配置不同的优势资产;

然后，通过杠杆机制调整不同资产的风险收益特征至尽可能接近;最后，将风险权重等量配置给四种宏观经济状态下的子资产组合，在每种子资产组合中又将风险权重等量配置给组合中的每种资产，从而得到每种资产的最终风险权重及相对应的最终配置比例。

传统的风险平价策略主要是对于资产的风险进行均衡配置，目的是各类资产在组合中风险贡献相等。钱恩平(2005年)指出风险平价投资组合是一个有效的贝塔投资组合家族，在包括股票、债券和大宗商品在内的资产类别中平均分配市场风险。

风险平价方法不同于传统的资产配置;它提供了真正的多元化，限制单个组成部分的风险对整体投资组合的影响。风险平价组合有望在给定的目标风险水平下产生更高的回报。此外，风险平价组合可以与更多Alpha来源相结合，以实现更高的回报目标。

钱恩平(2012、2016年)在论文和著作中指出，风险平价的关键词是风险。风险平价组合至少必须在对投资组合回报有重大影响的风险上进行平衡分配。

影响资产价格的关键风险因素是经济增长风险和通货膨胀风险。资产类别空间有三个主要的风险溢价，分别是股权风险溢价、利率风险溢价、通货膨胀风险溢价。

风险平价组合应该对这三个风险溢价保持均衡敞口或仓位。一般而言，可以认为传统的股票、债券、商品三类资产分别暴露于股权、利率、通胀风险。

桥水全天候为代表的风险平价基金的优异表现，主要受益于过去四十年全球无风险利率下行+流动性宽松下股债长牛的 Beta。风险平价策略的实施始于20世纪90年代后期，恰逢利率下降时期。自1981年以来，美债收益率整体处于下跌趋势，全球市场开启股债长牛。

特别是传统资产配置组合在2008年金融危机中惨败，桥水全天候策略为代表的风险平价基金依靠风险均衡配置和低股票敞口跑赢市场。

金融危机后，风险平价策略得到广泛运用，许多投资公司陆续向客户提供风险平价基金。

配置因子:宏观因子模型

从MVO、BL模型到风险平价、风险预算模型，实质上都是基于资产本身的风险收益特征进行配置，并未考虑到驱动资产价格变动的真正因素。

事实上，资产价格的变动是受到经济、通胀、利率等一组共同的风险因子的驱动的，从因子角度出发进行配置可以做到真正意义上的风险分散。

Blyth(2016)曾提出一个基于因子进行资产配置的框架，包括四个步骤:选取合适的因子、计算资产的因子暴露、确定因子目标暴露、匹配因子目标暴露。该框架容易理解，被市场上广泛接受并使用。

从海外经验来看，在确定因子时，根据经验主观选取或通过资产降维(PCA)的方式是两种主流方法，最终的宏观因子选择也不完全相同，主流的因子包括增长、通胀、利率、股权、信用等。

我们认为，并不存在一个适配所有情况的宏观因子体系，但在选择因子时，至少应该遵循以下几个原则:① 高解释度:选取的因子应是大类资产价格变动的核心驱动因素，能够解释不同资产的风险和收益的来源;

② 可预测:宏观因子要有经济学含义，且投资者有能力进行一定预测;

③ 高频及可投资:因子频率不宜过低，且最好有一定的可投资性，方便后续因子暴露计算、因子投资等工作开展;④ 低相关性:因子之间相关性不宜过高，便于后续进行管理;

⑤ 数量:因子数量一般以3-7个为宜，过多则会加大预测的复杂性

由于我们目前对国内市场并没有一个非常有把握的因子方案，我们决定借鉴Bass的方法，首先通过资产降维(PCA)的方式，找到不同资产之间的共性影响因素，确定因子选择的范围和数量;然后比较几种主流的因子构造方式，最终得到我们的因子体系。

根据PCA的结果，我们可以判断增长、通胀、利率、汇率、信用、流动性是影响资产价格变动最主要的六大宏观风险。每个主成分实际上就是资产的一个互不相关的线性组合，天然具有“解释度高、正交、日频可得、可投资性”等特点,因此有人直接使用PCA提取的主成分作为宏观因子。

但在一个因子数量较多的体系中，通过PCA方法提取宏观因子仍存在不少缺陷:

① PCA的结果并不稳定:一是主成分的暴露系数的数值与符号不稳定，二是主成分解释度排序不稳定，如第3主成分时而代表汇率风险，时而代表通胀风险，这种不稳定将极大影响量化建模的结果;

② 部分主成分缺乏经济学含义:PCA提取出的主成分实际上是原始数据的线性组合，我们主要通过在资产暴露的数值大小与不同资产之间暴露的方向关系来确定主成分的经济学含义，这就导致出现有些主成分可能难以解释的现象(如上述第5主成分);

③ 利率、信用和汇率因子有直接对应的经济指标:对于这些有直接对应经济指标的因子，若是使用主成分来表示反而徒增噪音。

因此，我们只从PCA的结果来确定因子数量和因子范围，从宏观经济指标出发完成上述6个因子的构造。

确定因子数量和范围后，下一步要构造具体的因子。构造的因子应满足我们此前总结的解释度高、有经济学含义、高频可得、相关性低等特点，我们总结了国内外文献的三种构造方式:

① 直接使用真实的宏观指标:如使用GDP、PMI等代表增长因子，使用CPI和PPI代表通胀因子，这种方法的使用者不多，主要原因是真实的宏观指标存在(1)频率太低、发布滞后(2)不可投资等比较明显的缺点;

②) 使用PCA分解的方式构造宏观因子:在构造多个因子时PCA方法存在较大缺陷，但用来计算单一因子或许是比较好的选择。如使用一组受通胀影响最大的资产(猪肉、石油等商品)提取主成分，将第一主成分作为通胀因子:③ 使用资产投资组合作为宏观因子的代理变量:在海外使用较多(金融产品比较发达)，如使用股票、商品和房地产信托组合作为增长的代理变量，做多政府债券、做空通胀挂钩债券的组合作为通胀的代理变量等。

综合考虑国内现实情况，我们决定采取第三种方法来构造宏观因子，步骤分为两步:首先寻找合适的宏观经济原始指标，其次选择资产组合来拟合原始经济指标，作为宏观因子的高频代理变量。

回归法确定权重的问题:由于受同一经济变量影响，资产间存在着比较严重的多重共线性，在不添加约束的前提下，回归系数可能为负值，这将导致我们资产组合中有做空的资产，这与我们筛选相关性高的资产作为资产池存在理论上的矛盾之处。使用波动率倒数加权法改进:仍用一元回归的方式筛选出与原始因子相关性高的资产构成资产池，然后按照各资产收益率波动率倒数作为权重加权，构造对应的高频因子资产组合。

改良后,合成资产的权重均为正数，符合逻辑，且因子同比走势同样较好地拟合了原始因子的同比走势。

报告节选：

编辑：火腿肠