多策略FOF:尋找最優(yōu)的資產(chǎn)配置方案
2016年10月24日 09:08
來源:中國基金報(bào)
FOF策略可分為大類資產(chǎn)、單一資產(chǎn)、行業(yè)輪動、多策略及另類資產(chǎn)等多種類型。在現(xiàn)代投資組合理論(MPT)框架中的有效前沿就是通過將不同的非相關(guān)性資產(chǎn)組合成不同風(fēng)險(xiǎn)水平下的最高預(yù)期收益曲線。
FOF策略可分為大類資產(chǎn)、單一資產(chǎn)、行業(yè)輪動、多策略及另類資產(chǎn)等多種類型。前幾期我們介紹目標(biāo)日期策略和目標(biāo)風(fēng)險(xiǎn)策略,本期介紹多策略中的均值方差策略和BL策略。顧名思義,多策略是將多種資產(chǎn)、多種策略組合起來,是由FOF管理人根據(jù)資產(chǎn)配置框架選擇資產(chǎn)并動態(tài)調(diào)整組合配比。相比單一策略基金,多策略基金更能適應(yīng)不同的市場環(huán)境,使組合的風(fēng)險(xiǎn)收益特征更符合投資者的需求。
均值方差策略
馬科維茨(Harry M.Markowitz)1990年因其在1952年提出的投資組合選擇(Portfolio Selection)理論獲得諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)。Markowitz把投資組合的價(jià)格變化視為隨機(jī)變量,以它的均值來衡量收益,以它的方差來衡量風(fēng)險(xiǎn)(故Markowitz理論又稱為均值-方差分析);把投資組合中各種證券之間的比例作為變量,通過組合優(yōu)化來確定最佳風(fēng)險(xiǎn)收益下的資產(chǎn)配置就是均值方差優(yōu)化過程。疊加投資者的風(fēng)險(xiǎn)偏好曲線,便可以進(jìn)行資產(chǎn)配置的投資決策。
在馬科維茨的框架中,多資產(chǎn)組合的預(yù)期收益為
而預(yù)期風(fēng)險(xiǎn)為
,可見投資組合的方差由兩部分構(gòu)成,其中第一部分為不可分散風(fēng)險(xiǎn),與單個(gè)資產(chǎn)的權(quán)重以及自身的方差相關(guān)。第二部分受到資產(chǎn)相關(guān)性影響,相關(guān)系數(shù)越低,風(fēng)險(xiǎn)分散的效果越好,且該部分可通過增加資產(chǎn)數(shù)量的方式降低風(fēng)險(xiǎn)。假設(shè)各資產(chǎn)的波動率為40%,平均相關(guān)系數(shù)為0.2,則當(dāng)組合持有15-30種資產(chǎn)時(shí),組合的風(fēng)險(xiǎn)就可以降到20%以下,若持有30種資產(chǎn)后進(jìn)一步增加資產(chǎn)數(shù)量,其分散風(fēng)險(xiǎn)的作用將顯著降低。因此并非持有越多的資產(chǎn)越好。
在現(xiàn)代投資組合理論(MPT)框架中的有效前沿就是通過將不同的非相關(guān)性資產(chǎn)組合成不同風(fēng)險(xiǎn)水平下的最高預(yù)期收益曲線。有效前沿實(shí)現(xiàn)兩種資產(chǎn)配置效果:一種效果是在特定風(fēng)險(xiǎn)水平(波動率)下獲取最高預(yù)期收益;另一種是在特定收益水平下做到風(fēng)險(xiǎn)最小。通過引入投資者風(fēng)險(xiǎn)偏好的效用函數(shù),即,其中λ代表投資者的風(fēng)險(xiǎn)容忍度,與有效前沿曲線相結(jié)合便可找到最佳的風(fēng)險(xiǎn)收益點(diǎn),這個(gè)點(diǎn)滿足投資者風(fēng)險(xiǎn)偏好的同時(shí)給投資者帶來最大的效用。
均值-方差優(yōu)化模型對于輸入?yún)?shù)或是基于資本市場假說的預(yù)期收益,預(yù)期風(fēng)險(xiǎn)以及相關(guān)系數(shù)非常敏感,首要敏感因素是預(yù)期收益,其次是波動率,最后是相關(guān)性。優(yōu)化結(jié)果對于收益假設(shè)誤差的敏感度比方差假設(shè)誤差大11倍,并且對于方差假設(shè)誤差的敏感度是對協(xié)方差假設(shè)誤差的2倍,所以變量的誤差對配置結(jié)果會有實(shí)質(zhì)性影響。另外,由于MVO模型并沒有考慮流動性風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)以及投資管理風(fēng)險(xiǎn),所以優(yōu)化結(jié)果容易形成大部分資產(chǎn)配置到低波動資產(chǎn)。
BL策略
(Black litterman)
馬科維茨均值-方差組合模型,只需要?dú)v史數(shù)據(jù)就可以給出資產(chǎn)配置的組合方式,這是基于歷史可以重復(fù)的假設(shè)。但現(xiàn)實(shí)中,市場的半有效性導(dǎo)致聰明的投資人往往比很多非專業(yè)投資者掌握更多的信息,通過專業(yè)分析和判斷,他們能夠在資產(chǎn)配置方面做得更加出色。因此,如果能在歷史數(shù)據(jù)的基礎(chǔ)之上,加入一定的專業(yè)主觀判斷,模型將變得更加可信;或者說,在主觀判斷的基礎(chǔ)上,加入一些歷史情況作為參考,資產(chǎn)配置將變得更加穩(wěn)健。
BL模型就是在這樣的思想下誕生。1990年,兩位經(jīng)濟(jì)學(xué)者Fischer Black和Robert Litterman研究開發(fā)BL模型的雛形,于1992年發(fā)表在學(xué)術(shù)期刊Financial Analysts Journal上,題為《Global Portfolio Optimization》。BL模型自提出之后,已逐漸被全球很多投資者熟悉和接受,現(xiàn)已成為高盛等投資機(jī)構(gòu)在資產(chǎn)配置方面的主要工具之一。
BL模型同樣歸結(jié)為二次優(yōu)化問題,即在一定的風(fēng)險(xiǎn)厭惡系數(shù)下,最大化資產(chǎn)組合收益的同時(shí)最小化組合波動風(fēng)險(xiǎn),所得到的資產(chǎn)配置權(quán)重即為最優(yōu)配置方案。與馬科維茨均值-方差組合模型不同的是,MVO將各類資產(chǎn)歷史收益率的均值和方差作為優(yōu)化中的收益與風(fēng)險(xiǎn)系數(shù),而BL二人則將歷史數(shù)據(jù)與主觀判斷相結(jié)合,給出客觀融合主觀判斷后的收益與風(fēng)險(xiǎn)系數(shù)。主觀判斷包含兩類,一類是某些資產(chǎn)或資產(chǎn)組合的確定性收益,如判斷股市未來一年將上漲10%,或者半倉股票半倉債券未來一年將取得7%的收益;另一類是某些資產(chǎn)之間的相對關(guān)系,如未來一年大宗商品指數(shù)將跑贏銀行理財(cái)產(chǎn)品3個(gè)百分點(diǎn)。這些主觀觀點(diǎn)可以用數(shù)學(xué)方法表示,再融合進(jìn)歷史數(shù)據(jù)中。通過上面的方法,可以優(yōu)化得到各類資產(chǎn)的配置權(quán)重,這就是BL模型——結(jié)合了客觀數(shù)據(jù)與主觀判斷的大類資產(chǎn)配置模型。
BL的優(yōu)勢在于它提供了一個(gè)確定資產(chǎn)預(yù)期收益的框架,BL模型推導(dǎo)出的預(yù)期收益是穩(wěn)健一致的;此外BL模型納入了投資者的個(gè)人觀點(diǎn)和置信度;BL模型的優(yōu)化結(jié)果避免了MPT自身的很多問題。
(作者為廣發(fā)基金資產(chǎn)配置部投資經(jīng)理陸靖昶、朱坤)(CIS)
[責(zé)任編輯:李冰 PF013]
責(zé)任編輯:李冰 PF013
免責(zé)聲明:本文僅代表作者個(gè)人觀點(diǎn),與鳳凰網(wǎng)無關(guān)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí),對本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾,請讀者僅作參考,并請自行核實(shí)相關(guān)內(nèi)容。
預(yù)期年化利率
最高13%
鳳凰金融-安全理財(cái)
鳳凰點(diǎn)評:
鳳凰集團(tuán)旗下公司,輕松理財(cái)。
近一年
13.92%
混合型-華安逆向策略
鳳凰點(diǎn)評:
業(yè)績長期領(lǐng)先,投資尖端行業(yè)。
網(wǎng)羅天下
鳳凰財(cái)經(jīng)官方微信
視頻
-
李詠珍貴私人照曝光:24歲結(jié)婚照甜蜜青澀
播放數(shù):145391
-
金庸去世享年94歲,三版“小龍女”李若彤劉亦菲陳妍希悼念
播放數(shù):3277
-
章澤天棒球?qū)懻媾f照曝光 穿清華校服膚白貌美嫩出水
播放數(shù):143449
-
老年癡呆男子走失10天 在離家1公里工地與工人同住
播放數(shù):165128
財(cái)富派
-
戰(zhàn)火鍛造的富蘭克林家族
點(diǎn)擊數(shù):1378761
-
奧巴馬拒住的酒店原來是中國人的
點(diǎn)擊數(shù):1398712
-
為什么這個(gè)90后是未來的扎克伯格?
點(diǎn)擊數(shù):1765508
-
陳曦:琴與弓的生活美學(xué)
點(diǎn)擊數(shù):1928339