资产配置专题报告 ：利用宏观因子构建“全天候”配置模型

2022-04-08 投资咨询业务资格： 证监许可【2012】669号 重要提示：本报告难以设置访问权限，若给您造成不便，敬请谅解。我司不会因为关注、收到或阅读本报告内容而视相关人员为客户；市场有风险，投资需谨慎。 资产配置研究团队 研究员： 张革 021-60812988 从业资格号：F3004355 投资咨询号：Z0010982 姜婧 021-60812990 从业资格号：F3018552 投资咨询号：Z0013315 中信期货研究|资产配置专题报告 利用宏观因子构建“全天候”配置模型 摘要： 传统的风险平价模型强调在资产间平配风险。这一做法的好处在于在资产层面上做到了风险的分散配置，表现稳健；与此同时，较均值方差等模型相比，风险平价规避了对于资产收益率的预判，可落地性强。但是，由于在特定经济时期，资产间的联动效应往往会大幅提升，因此“平价”的思想往往难以落实到位。 在此前的报告《对于风险平价配置模型的几点思考》中，我们利用PCA算法对传统风险平价模型进行了改进，结果显示基于PCA的新模型表现更稳健。然而，利用资产价格提取主成分进而构建配置方案的做法仍存在几点缺陷。其一，在动态更新主成分的过程中，主成分间的相对排序并不稳定。其二，主成分的构建仅依赖于数学上的线性变化，缺乏实际的经济学含义。由于以上两点缺陷，对于底层驱动因子的识别仍然未能真正实现，因此“经验-风险预算-配置方案”的传导路径更多地依赖于统计结果，与主观逻辑尚有脱节之处。 本篇报告旨在对以上问题提出解决方案。首先，在理论上，基于宏观因子的资产配置方案得以在更底层实现风险的分散配置。其次，我们认为利用资产多空组合构建的宏观因子具有时效性好、且易于构建的特点。此外，这一做法的最大优点在于“经济逻辑-风险预算-配置方案”的传导逻辑更顺畅也更扎实，这也赋予了我们结合诸如信贷周期、通胀周期、库存周期等主观研究进行主动配置的可能性。 从结果来看，基于宏观因子的配置模型表现较传统模型有了较明显的提升。配置组合的年化收益由传统模型的6.36%提升至7.35%，回撤则由6.71%缩减为5.00%。更进一步，通过嵌套货币-信用周期模型，我们得以构建一个动态的资产配置模型，且动态模型的表现有了显著提升。新模型年化收益进一步提升至7.76%；最大回撤进一步缩减为4.62%；此外，夏普率也录得1.75，各项指标均有了明显的提升。由此可见，“投资时钟+风险预算+宏观因子”的全天候配置思路在模型层面是可行的。 风险点： 模型仅基于历史数据，未来实际情况处在不确定性，模型可能失效，不构成投资建议； 在宏观因子层面进行资产配置可以更好地分散风险，获取稳健收益。进一步结合周期模型与风险预算模型，我们可以实现“投资时钟+风险预算+宏观因子”的全天候配置思想。 报告要点 中信期货资产配置专题报告 2 / 15 目 录 摘要： ..................................................................................... 1 一、 配置理论蓬勃发展，因子配置正当时 ...................................................... 3 二、 利用资产多空组合可以构建高频的宏观因子 ................................................ 3 （一）经济增长因子：多权益、商品；空现金 ............................................... 5 （二）通胀因子：多生猪、螺纹钢、原油 ................................................... 6 （三）利率因子：多中债-国债 ............................................................ 9 （四）信用因子：多中债-企业债；空中债-国债 ............................................. 9 （五）海外市场因子：多中债-国债；空美国国债 ............................................ 9 （六）美元因子：多美元指数 ............................................................. 9 三、 基于宏观因子的风险平价模型表现提升明显 ................................................ 9 四、 与经济周期结合可以实现“全天候”的配置方案 ........................................... 11 （一）货币-信用周期的划分 ............................................................. 11 （二）不同货币-信用周期阶段下的宏观因子配比 ........................................... 12 （三）结合货币-信用周期构建的主动配置模型表现有了进一步提升 ........................... 13 五、 总结与反思 ........................................................................... 14 六、 参考文献 ............................................................................. 14 免责声明 .................................................................................. 15 图表目录 图表 1：BlackRock提出的宏观因子定义 ........................................................ 4 图表 2：利用资产的多空组合可以构建一套高频、低延时的宏观因子 ............................... 4 图表 3：经济增长因子与PMI走势相似性很高 ................................................... 5 图表 4：经济增长因子与工业增加值走势较为相似 ............................................... 5 图表 5：可以用居民消费支出数据指示CPI分项权重 ............................................. 6 图表 6：CPI分项中食品饮料与交通通信波动较为显著 ............................................ 6 图表 7：食品烟酒中，猪肉价格波动最为显著 ................................................... 7 图表 8：交通和通讯类中，燃料波动最为显著 ................................................... 7 图表 9：构成PPI的行业中，黑色产业和石油化工产业波动最为显著 ............................... 7 图表 10：尽管石化和黑色的行业权重不显著，但PPI主要波动来自黑色和石油化工 .................. 8 图表 11：通胀因子可以较好地描述通胀走势 .................................................... 8 图表 12：基础资产 ......................................................................... 10 图表 13：宏观因子对于回撤控制更好，较传统的风险平价表现更优 ............................... 10 图表 14：货币-信用周期示意图 .............................................................. 11 图表 15：货币信用周期的划分 ............................................................... 12 图表 16：主观观点的引入进一步改善了宏观因子配置模型的表现 ................................. 13 sXcZlX8YcZiZmNmOtQ7NdN6MoMrRpNmOjMnNtPeRrRyR6MqRoNMYoNpQMYpMrQ 中信期货资产配置专题报告 3 / 15 在此前的报告《对于风险平价配置模型的几点思考》中，我们利用PCA算法对传统风险平价模型进行了改进，结果显示新模型表现更优。然而，基于资产价格主成分的配置思路有一个明显的缺陷，即主成分的构建仅依赖于数学上的变化，缺乏实际的经济学含义。因此“经验-风险预算-配置方案”的传导路径更多地依赖于统计结果，与主观逻辑尚有脱节之处。由于以上所述原因，本篇报告希望对现有模型做出进一步改进。 一、 配置理论蓬勃发展，因子配置正当时 自Sharpe(1964)提出CAPM理论，人们对于风险与收益之间的关系才有了清晰的认知，也创造了最早的单因子模型。Ross(1976)对CAPM理论做了进一步的拓宽，并提出了APT理论，即风险资产的收益情况与多个因子之间存在着近似的线性关系。APT理论的提出为多因子模型的发展提供了有力的理论基础，随后多因子也在量化选股领域发扬光大。 然而，多因子在大类资产配置的应用则相对较晚。一直以来，资产配置的核心思想仍是将管理资金分散化投资到不同的资产上，比如股票、债券、黄金、原油，在获取收益的同时充分分散风险。传统资产配置思想是将投资组合的风险归因于各大类资产之中。然而，极端行情之中，由于某一共性风险激增，或出现股债商三杀的情况，配置组合的表现也会大打折扣。 近年来，资产配置逐步将目光聚焦于已在量化选股上大获成功的多因子模型之上。基于因子的配置模型认为构建投资组合的关键在于从底层的驱动因子出发而非从资产本身出发。业界和学术界对此也做出了诸多尝试（e.g., Greenberg et al.(2016)、Fergis et al.（2019）），我们也在本篇报告中尝试利用因子配置的思想对原有的PCA配置模型做出改进。 二、 利用资产多空组合可以构建高频的宏观因子 宏观因子的构建有多种方式，比如可以利用主成分分析算法，从资产价格收益序列中提取出具有共性的主成分，并将其定性为某个宏观因子。一般而言，此类宏观因子的识别过程主要通过判断大类资产在主成分上的暴露方向来反推和类比至相关宏观因子。但是，在滚动计算更新主成分的过程中，主成分间的相对排序并不稳定。换言之，即使反推的方式足够严谨与合理，宏观因子的稳定性也存疑。此外，末尾几个主成分的解释力度较低，难以找到对应的宏观因子，整体模型的可解释性不强，可塑性更依赖于历史统计结果。 除了利用主成分构建宏观因子以外，另一个构建思路则是利用宏观数据独 中信期货资产配置专题报告 4 / 15 立构建一套宏观因子，并