基于相关性最小生成树边缘节点的分层风险平价策略

本篇研报提出了一种基于相关性最小生成树边缘节点的分层风险平价（HRP）模型，采用全互相关（FC）和全局运动调整相关性（GMSC）两种矩阵进行资产选择。实证表明，这两种矩阵均能保持或提升组合表现，但随选定资产数量与市场条件呈现差异化特征。

核心观点：

• 相关性矩阵的可靠性依赖统计估计方法，如全互相关（FC）矩阵和全局运动调整相关性（GMSC）矩阵。
• 分层风险平价（HRP）利用层次聚类算法将市场结构纳入资产配置考量，并采用最小生成树（MST）选择边缘资产。
• 基于最小生成树边缘资产的证券选择能够提升HRP模型的业绩。

关键数据和研究结论：

• 使用2000年7月至2021年8月期间标普500指数成分股收盘价数据，滚动120天估计相关性矩阵。
• FC-HRP和GMSC-HRP的表现优于标普500指数，且基于最小生成树边缘资产的证券选择能够提升HRP模型的业绩。
• FC-HRP和GMSC-HRP表现出比标普500指数更小的波动性，即标准差（S/D）和下行偏差（D/D）更小。
• GMSC在熊市中比FC更有效，在牛市中FC比GMSC更能改善投资组合表现。
• 回测结果显示，使用证券选择的FC-HRP和GMSC-HRP在大多数业绩指标上均优于标普500指数。
• FC-HRP适合资本有限且资产数量适中的个人投资者，而GMSC-HRP则适合考虑大规模资本和丰富资产进行投资组合管理的机构投资者。

风险提示：

• 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。