《B-L 模型在我国行业资产配置上的运用》由会员分享，可在线阅读，更多相关《B-L 模型在我国行业资产配置上的运用（12页珍藏版）》请在金锄头文库上搜索。
1、247 量化行业资产配置研究 2008 年 6 月 13 日 相关研究 基金组合与股指期货的阿尔法策略的运用 2007. 3马尔科夫过程在股指期货上的运用 于股指期货结算价预测的套利策略 融工程首席分析师 娄静 电 话： 021融工程助理分析师 丁鲁明 电话： 021型在我国行业资产配置上的运用 z 型是对传统 型的改进模型 。他们的模型特点，一是削弱了对输入参数的高度敏感性的弱点；二是导入了投资者对某项资产的主观预期，使得根据市场历史数据计算预期收益率和投资者的看法结合在一起，形成一个新的市场收益预期，从而使得优化结果更加稳定和准确。 z 型的关键点是对主观观点的设定，我们从基金行业配置的变
2、动来提炼出四个主观观点。 我们选取的第一个观点是以上一季度 33%行业优选样本基金的行业配置作为参考；我们选取的第二个观点是基金在最近两季度中增仓绝对比重最明显的行业作为在下一季度重点配置的行业；我们选取的第三个观点是基金在最近两季度中增仓相对比重最明显的行业作为在下一季度重点配置的行业；我们选取的第四个观点是最近一季度基金行业配置比例与同期市场基准比例相比超额配置的前三大的行业作为在下一季度重点配置的行业。 z 运用 型进行行业资产配置效果良好。 首先，加入主观观点的 型收益明显超越了市场的基准；其次， 型中超额收益率参数的选取和模拟配置的最终表现并非呈现正相关性，过高或过低的参数设置往往影
3、响配置的最终表现；再次， 型中超额收益率参数的选取虽然有影响，但不是关键因素；最后，型的结果是一个稳定的选择， 因为我们在事前无法保证主观观点的正确性，通过 型可以将多个主观观点和历史风险收益进行综合，通过设置超额收益参数，可以使 型配置的累积表现超越其任何一个主观观点的表现。 z 型的结果从风险调整后收益上优于单个主观观点。 在 标方面， 明显高于其他观点，这是因为 型综合各观点后，其行业配置相对分散，波动率较为有限；在 有类似的情况，说明 合大类资产配置的稳定性和收益性要求。总体来看，虽然用于 型敏感性分析的几组参数在 相对于前四个观点，模型在两项指标的整体表现以及指标的稳定性上相对前者有
4、较大超越，是一种比较理想的资产配置策略。 量化资产配置 量量 化化 研研 究究 248 量化研究 目 录 1. 型（又称 型）简介 .展背景及主要特点简介 .型使用中各步骤的参数设定参考 . 型实例演示 . 基于基金行业配置变动的 型实证分析 .观观点设定 .型的实证结果 .型实际配置行业一览 . 型应用小结 . 249 量化研究 图目录 图 1 模拟全部基金和前 1/3 行业优选基金行业配置可获得的收益（ %） . 253 图 2 观点二配置策略 3 年累积表现（倍数） . 254 图 3 观点三配置策略 3 年累积表现（倍数） . 254 图 4 观点四配置策略 3 年累积表现（倍数） .
5、 255 图 5 全区间 置结果超额收益参数敏感性分析（倍数） . 255 图 6 半区间 置结果超额收益参数敏感性分析（倍数） . 256 表目录 表 1 型主要步骤 . 251 表 2 型得到的行业预期超额收益率 . 251 表 3 主观预测观点分析（使用原先预测超额收益率数据得到） . 252 表 4 型下的新预期超额收益 . 252 表 5 方差最小投资组合结果 . 252 表 6 区间风险收益指标对比 . 256 250 量化研究基金的收益主要来源于三个方面，一是大类资产配置贡献，二是行业配置贡献，三是选股贡献。大类资产配置贡献对基金业绩的影响非常大，特别是在指数波动较大的市场环境中
6、，大类资产配置的成功与否对基金业绩的影响往往是决定性的，但是股票市场是一个复杂系统，影响其趋势变化的因素非常多，大类资产配置的决策非常难，这就造成基金在大类资产配置上往往会采取消极的淡化配置或者羊群行为。此外，随着基金规模的不断增大，流动性因素也会制约基金频繁的改变资产配置，与此同时，选股在基金业绩的贡献也会随着基金规模的不断增大呈现下降趋势，因为规模过大的基金往往很难选择到太多的优质的股票，市场容量限制和流动性困境将导致大规模的基金在个股投资上趋于分散。在这种情况下，行业资产配置将发挥越来越重要的因素。行业配置既可以降低大类资产配置变化带来的流动性问题，也可以规避个股选择分散化的问题。下面，
7、我们就运用 型对我国行业资产配置进行实证分析。 1. 型（又称 型）简介 展背景及主要特点简介 在资产配置的理论模型中，最为人熟知的是 传统均值方差最优化理论模型。在模型参数估计过程中，主要使用历史数据法和情景分析法，情景分析法的缺点是主观原因、随意性太强，因此大多数分析软件鼓励采用历史数据法。但历史数据法的缺陷是对样本区间的选取非常敏感。对于 均值方差最优化理论模型来说，参数的微小变化可能导致输出结果的较大差异。高盛 ( 1991）对全球债券投资组合研究中发现，当他们对德国债券预期报酬率做 幅修正后，竟然发现该类资产的投资比例由原来的 高至 针对资本市场预期不同方法的缺点， 出了一个基于 们
8、的模型特点是： 削弱了对输入参数的高度敏感性的弱点。 定资本市场是均衡的，运用市场风险回避系数 (资本市场风险价格 )、资产协方差和可观察到的指数权重推出隐含的资本市场预期。 即根据市场可观察信息推出隐含参数， 其逻辑与由 导入了投资者对某项资产的主观预期， 使得根据市场历史数据计算预期收益率和投资者的看法结合在一起，形成一个新的市场收益预期，从而使得优化结果更加稳定和准确。因此，该模型是将历史数据法和情景分析法结合起来。在考虑未来的不确定性时，加入个人主观意见，投资人的主观意见会产生风险，主观意见越强，必须承担的风险愈高。因此，在 型中，所有的预期报酬率反应了投资人的主观预期以及该预期的强烈程度。 在经典模型中，投资者具有相同预期。但在实际的市场上，投资人可以根据特殊的信息优势，以相对或绝对的方式表示对某些资产的看法，同时投资者对看法会有误差存在，所以信心水准不必为 100。在 型下，投资者对市场的看法表达比较灵活。同时投资者在表达自己的看法时，也可以加入自己的置信度。 型使用中各步骤的参数设定参考 型的具体使用步骤如下： 251 量化研究表 1 型主要步骤 步骤 行为 目的 1 计算均衡状态回报率 设置自然状态下收益率 2 确定主观意见的权重 减弱激进观点对模型的影响 3 设置目标跟踪误差 根据设置的基准进行
