導讀
我們嘗試勾勒大類資產配置的理論框架與變遷，提供一種全景視角。
摘要
國內投資者面臨全球、行業、開放三大變革，亟待深入研究資產配置。
什麼是大類資產配置？包括「大類資產」和「配置」兩層含義。(1)同一「大類資產」具有同質性、排他性和相關性。據此，我們對「對衝基金」、「期權期貨等衍生品」是否可認定為一類資產進行了解析。(2)「配置」強調個別資產對投資組合的貢獻，強調對各類資產相關性的統籌。大類資產配置的外延，呈現多元化。大類資產配置又被稱為「多資產配置」、「風險配置」、「風險預算」、「因子配置」等。對賣方而言，提供「投資解決方案」，或是一種更確切的表述。
我們對以下概念作以辨析：(1)大類資產配置與股、債、商品、地產等分項研究；(2)大類資產配置與宏觀研究：(3)大類資產配置與量化模型。大類資產配置體現了：證券研究的2+1思維。
大類資產配置的傳統框架：
(1)資產所有者：無論主權基金、養老金、銀行理財子公司、保險，還是個人投資者，都要面臨：資產、負債，收益、風險等基本問題。
(2)戰略資產配置(SAA)：介紹了SAA 六大步驟、常見的大類資產和資產子類，以及形成資本市場預期的常見方法。
(3)資產配置模型：從均值方差模型(MVO)缺陷出發，討論了附加約束、重抽樣、逆向優化與BL模型、風險預算與風險平價、非正態分布以及納入負債因素的相對負債法、目標導向法等，進行了模型間比較。
(4)戰術資產配置(TAA)：對TAA與「擇時」概念作以辨析，介紹了TAA的配置方法、具體實現方式，以及衡量TAA效果的評價指標。
(5)投資方式選擇：討論了主動與被動投資，投資管理人的選擇、業績歸因與激勵，以及多管理人框架(FOF、MOM)。
(6)此外還介紹了貨幣對衝，再平衡本質、假設和實施等問題。
從資產配置到因子配置：伴隨對國際金融危機的反思，因子投資興起，成為全球頂尖資管公司的管理理念，大類資產配置傳統框架面臨重構。
(1)理論溯源：從CPAM、APT，到對市場異象的研究，再到一系列多因子模型，因子投資基礎理論的發展已橫跨半個世紀。我們對大類資產配置因子投資框架、量化多因子模型兩個概念作以辨析。
(2)用因子解析資產收益：以全球股市、匯市為例，我們展示了因子對資產收益的解析；討論了另類資產與股債是否存在相同因子的問題；列舉了MSCI、Vanguard、BlackRock等機構採用的因子。
(3)資本市場預期：在將資產類別簡化為因子後，要形成資本市場預期。歷史只是起點，我們對風險溢價、波動和相關性的預期作以探討。
(4)應用配置模型：列舉MVO和風險平價(橋水全天候)兩案例，展示如何將資本市場預期與傳統配置模型相結合，進一步優化資產配置。
(5)如何實現從資產配置向因子配置的過渡？分三步走，循序漸進。
獲取PDF版報告，請與作者聯繫
目錄和表目
引言
為什麼要全面深入研究大類資產配置？原因在於：國內機構投資者正在面臨「三大變革」，有如逆水行舟，不進則退。
一是產業變革。過去三十年，全球資管業務快速發展。基礎理論不斷創新，並迅速轉化為實踐應用。如Black-Litterman模型、「耶魯模型」、「美林時鐘」到橋水基金的風險平價。08年全球金融危機後，因子投資(factor investing)再次引領了資管新潮。ETF等被動投資的興起，不斷拓展著大類資產配置的空間。然而在實踐中，資產配置的重要性與資源分配的矛盾卻日益凸顯。一方面，資產配置決定了投資組合大部分的收益和風險[2]；但另一方面，大多數機構仍聚焦於擇時、擇券和賺取α。這種矛盾衝突，正在不斷推動行業組織架構和資源配置的調整與重構[3]。
二是全球變革。世界正在面臨百年未有之變局：一方面，新舊動能興替。人工智慧、大數據、生物醫藥等新一輪科技革命和產業變革積聚力量，催生新產業、新業態、新模式。其次，國際格局變換。民粹主義、保護主義抬頭，地緣政治熱點不斷，全球化在曲折中前行。這些因素映射到全球資本市場，具體表現為：風險溢價、相關性的顯著變化，國際間資產價格與波動的分歧加大。這對「全球」大類資產配置而言，既是機遇、也是挑戰。
三是開放變革。今年以來，中國金融領域對外開放的步伐進一步加快。一方面，國內投資者「走出去」，在全球範圍內擺布資產，需要建立並完善大類資產配置的投研框架，了解和把握海外各類市場及其相關性。另一方面，海外投資者「引進來」，隨著金融領域外資準入大幅放寬，期貨等衍生品市場加快發展，MSCI、巴克萊等全球股債指數逐步納入中國元素，海外投資者正在大踏步地進入中國[4]。再疊加企業年金、基本養老保險基金、中央與地方機關事業單位職業年金等長期資金加快入市，國內市場投資者結構和風格，將面臨新變化。國內投資者和監管者有必要了解新玩家——海外機構以及長線資金的理念和玩法。
基於以上原因，我們嘗試以《大類資產配置手冊》的產品形式，對全球大類資產配置領域的理論前沿、投資實踐和熱點問題作以探討。本文是第一篇，旨在(1)辨析內涵與外延，探討大類資產配置的豐富含義；(2)勾勒大類資產配置的理論框架，提供全景視角。(3)為後續系列報告搭建理論基礎和研究平臺。
正文
Diversification Reduces Risks without Reducing Your Return。
—— Raymond Dalio
橋水基金創始人、世界最富有100人之一[1]
1
大類資產配置：內涵外延
什麼是大類資產配置？顧名思義包括「大類資產」和「配置」兩層含義。那麼，如何理解「大類資產」，如何理解「配置」？
1。1如何理解大類資產？
Greer(1997)將大類資產(super assetclasses)劃分為三類：(1)資本資產，通過未來現金流的資本化產生價值。例如，權益、固定收益和房地產。(2)消費或轉化類資產，通過消費或轉化產生價值。例如，穀物、能源等大宗商品。(3)價值儲藏類資產，在交換和出售時體現價值。例如，貨幣、珠寶、藝術品等。
大類資產配置，首先就要明確用於投資的資產類別，也就是將具有同質投資機會的資產集合起來。如Swensen(2000)所說，「這項工作既是科學、也是藝術」。一般而言，資產類別的劃分，要滿足以下特徵：(1)同質性。同一類別資產具有類似的描述和統計特徵。(2)排他性。一項資產不能同時歸屬兩個類別。(3)相關性。同一類別資產相關性高，不同類別資產的相關性不能太高。
目前，通常涉及的資產類別包括：1。股票(如國內、新興市場、發達國家股票等)；2。債券(如利率債、信用債；新興市場、發達國家債券等)；3。現金及等價物(如7天回購、3個月期國債等)；4。另類投資(如房地產、大宗商品、PE、VC、基礎設施投資等)。
那麼，問題來了。能否將對衝基金，期貨、期權等衍生品分別劃分為一類資產？
我們的觀點：1。對衝基金。對衝基金的投資策略五花八門。除絕對收益，還包括方向型策略(對市場保留部分敞口、如全球宏觀對衝、多空策略)等形式。不同策略具有不同的風險和收益特徵，不宜混為一談。因此，更恰當的做法是將絕對收益看作一種資產類別，參與投資組合。
2。期貨、期權等衍生品。衍生品根據標的資產的不同，可分為股票、固定收益、商品、外匯等類型。不同的衍生品以及對應的標的資產，具有不同的風險收益特徵，不宜混為一談。例如，大宗商品通常以期貨的形式參與投資組合。股指期貨、國債期貨、外匯遠期一般會作為風險管理、覆蓋策略工具(如實現戰術資產配置)等參與投資組合。另外，與傳統資產相比，衍生品更加複雜，存在槓桿、基差風險、展期等問題，因而對風險管理要求更高。
1.2 如何理解配置？
配置：強調個別資產對投資組合的貢獻。傳統單資產策略，焦點是個別資產的風險和收益。但在大類資產配置中，著眼於個別資產對組合風險收益的貢獻，因此要統籌各類資產的相關性。Lustig(2013)舉了一個簡單但鮮明例子。設想單一債券資產的波動率是5%，但在加入5%的股票後(股票波動率對債券大得多)，整個投資組合(95%債、5%股票)的波動率，反而從5%降至4.95%。因而「配置」強調：要突破對個別資產風險收益的討論，否則就是「一葉障目、不見泰山」。下文將提到風險預算理論，以每種資產對組合風險的邊際貢獻(MCTR)，來衡量該資產權重的微小變化對組合整體風險的影響，就是最典型的「配置」思維。
1.3大類資產配置：內涵與外延的辨析
從「大類資產」和「配置」出發，我們對與「大類資產配置」相關的一系列概念加以辨析。
1.3.1 「大類資產配置」外延的多元化
儘管最初聚焦資產配置，但伴隨理論創新和投資實踐，大類資產配置所涉及的領域不斷拓寬，體現出多元化的特徵。實際上，不同機構對「大類資產配置」有著不同的命名和側重。「大類資產配置」又被稱為：多資產配置、戰略資產配置(SAA)、戰術資產配置(TAA)、風險配置、風險預算、因子配置、政策組合制定(Policy Portfolio Creation)、宏觀投資(MacroInvesting)、投資解決方案(Investment Solution)等。簡單地談「大類資產配置」，已難以覆蓋其全部外延。對賣方而言，向買方提供「投資解決方案」，可能是更確切的一種表述。
1.3.2大類資產配置與股、債、商品、地產等分項研究
我們認為兩者的差異有三：一是側重點不同。大類資產配置，首先要考慮資產所有者的負債以及風險收益特徵，要分析資產之間的相關性，要回答如何配置資產、如何具體實施，如何進行風險管理和業績評估的問題。股、債、商品、地產等分項研究，側重於擇時、擇券，以及個別資產的風險收益分析。二是範圍不同。大類資產配置包羅萬象，除二級市場外、還涉及PE、VC等一級市場；除國內市場外，還涉及發達、新興等海外市場；除本幣外，還涉及外匯風險。股、債、商品、地產等分項研究，側重分析某一類資產。三是期限不同。大類資產配置更著眼於長期，因此更有能力獲取「均值回歸」和「逆向思維」的溢價。各類資產的分項研究更側重短期決策，需要努力在短期和長期之間尋求平衡。
1.3.3大類資產配置與宏觀研究
宏觀研究是大類資產配置上的一環。首先，有關勞動、資本、生產率、制度以及外部衝擊的宏觀分析，勾勒出增長與通脹的長期趨勢，決定了各類資產的溢價和折現率，為戰略資產配置(SAA)提供了有益參考。其次，對商業周期、存貨周期，以及對貨幣政策、財政政策的宏觀判斷，在短期影響各類資產收益、波動甚至相關性的預期，有助於戰術資產配置(TAA)決策。但是，大類資產配置還涉及策略學、管理學、心理學等中微觀較多環節。例如，風險管理和多元策略的配置；α、β收益結構優化、自主投資還是委外；投資組合的效果評估和業績歸因；資產所有者效用的資產負債管理等。
那麼，如何看待美林時鐘與大類資產配置？有一種錯誤認識，將時鐘策略等同於資產配置。我們認為：時鐘策略是宏觀研究的具體應用，但宏觀研究只是大類資產配置上的局部一環。作為宏觀因子應用於戰術資產配置(TAA)的經典案例，美林時鐘基於識別周期拐點，調整資產配置，揭示了產出缺口、通脹與大類資產輪動的關係。但該策略沒有準確量化各類資產在不同時期的風險收益，也沒有考慮大類資產之間的相關性，以及大量調倉的交易成本，因此在應用過程中有一定的局限。
1.3.4 如何看大類資產配置與量化模型
用Barton Biggs的話來說，「資產配置是一門藝術、是一門科學，但(比藝術和科學的)含義更豐富」[5]。一方面，量化工具是實現和評估資產配置的重要手段。自Markowitz(1952)均值-方差組合模型誕生以來，圍繞資產配置、風險管理、因子投資等問題，各種量化工具層出不窮。另一方面，資產管理者在實踐中要採取定性、定量相結合的手段。模型測算作為一種參考，是配置決策的起點。模型的前提假設，或與實際情況有差異；從歷史數據來推演對對未來的預期，又存在不足。因此，加入定性判斷，確定參數設定和輸入變量，往往決定了配置和投資的結果。
1.3.5 大類資產配置與證券研究「2+1」思維
大類資產配置體現了證券研究的2+1思維(圖1)。其一，預期思維。資本市場預期(CME)是形成配置決策的必要參量。無論是基於統計方法、DDM、風險溢價還是市場均衡，資產管理者最終要確定對未來各類資產風險、收益和相關性的「預期」，作為輸入變量。其二，交易思維。微觀市場結構和行為金融學，被納入因子投資框架。例如，動量因子將投資者情緒、追漲殺跌的市場慣性內生化。又如，估值、規模等因子將「低市盈率」、「小盤股」等市場異象內生化。其三，邊際思維。比如，多因子模型中的β，代表了投資組合對某種因子的敏感度，即某種因子風險溢價的邊際變化，所引起組合收益的變化。當預期思維與邊際思維疊加，就會出現「超預期」，引起戰略資產配置(SAA)的調整[6]，或者戰術資產配置(TAA)和再平衡的需要。當交易思維與邊際思維疊加，就會出現「交易邊際」，會引起各類資產價格變化，帶來投資組合擇時或擇券的機會。
2
大類資產配置：傳統框架
2.1 資產所有者：
資產vs負債、收益vs風險
無論超大型主權財富基金、養老金、基金會、捐贈基金、銀行理財子公司、保險公司，還是普通的個人投資者，資產所有者面臨的共同問題是：如何滿足未來支出或債務償付，如何確定投資目標和所要承擔的風險(圖2)。對於依靠投資為日常開支提供資金(如基金會、捐贈基金)，或者資產主要來源於負債的機構(如養老金、保險公司和銀行)來說，資產負債管理(ALM)是核心問題之一。這些機構：(1)要匹配負債與資產的久期；(2)通過提高收益目標，承擔更大風險，來滿足未來支出和負債償付的需求；(3)通過削減支出或爭取新資金的注入，以應對投資損失和資產波動[7]。
2.1.1 投資目標：收益與風險的量化
從收益看：資產所有者根據支出或負債要求，確定收益目標。由於資產配置的長期性，必須重視通脹因素對資產價值的侵蝕(表1)。無論是機構還是個人，關心的都是整體回報(不論來源於利息、分紅，還是實現或未實現資本利得)和稅後回報。同時還要區分絕對收益、相對收益。對絕對收益還是相對收益的選擇，會直接影響投資組合的風險水平、構成、投資管理人的行為和投資業績。如果選擇相對收益，就要設置業績基準(Benchmark)。因為投資組合不止一類資產，所以業績基準往往是若干指數的複合。
從風險看：風險就是達不成投資目標的概率。風險目標取決於資產所有者對風險的厭惡程度，或者說主觀接受風險的意願，以及客觀承受風險的能力。首先，如果投資目標是絕對收益，就要對應絕對風險。一般用標準差來刻畫。在收益呈正態分布的前提下，標準差就可以很好地刻畫投資者面臨的風險。但實際中，金融資產往往呈現「尖峰厚尾」的特徵，此時僅考慮標準差，就會誤判風險(參見表2)。為更好地反映收益的概率分布，就需要引入偏度、峰度等高階矩；或者利用下偏矩、VaR、半方差來進一步量化下行風險。Gupta(2016)引入最大回撤，以量化所有者在投資期間面臨的真實風險(圖3)。其次，如果投資目標是相對收益，就要對應相對風險。一般用跟蹤誤差(Tracking error)來表示，以衡量組合收益相對於基準的偏離度。設定跟蹤誤差，可以事前控制組合對基準的偏離。大類資產配置往往會同時評估相對風險和絕對風險。
根據收益、風險的刻畫，再結合風險厭惡程度，就可以設定資產所有者的效用函數。不管具體形式如何，風險厭惡決定了——在效用函數之中，效用與收益正相關、與風險負相關。例如，均值-方差效用函數：
U=E(rp)-γ/2*var(rp)
其中，rp是投資組合回報率，γ是風險厭惡係數。基於投資者心理衍生，還可以引入其他效用框架，比如：安全第一、損失厭惡、失望厭惡、習慣效應、攀比效應、不確定性厭惡等。
2.1.2 投資限制
明確投資目標後，要考慮一系列投資限制。主要包括：(1)資產規模。如果資產規模過小，可能會因為資源或投資門檻的限制，無法實現充分的分散化投資。如果資產規模過大，多重環節可能會影響決策效率，買賣也可能衝擊資產價格。(2)流動性。流動性要求較高的投資者，要投向高質量、高流動性、短久期的資產。流動性要求較低的投資者，可以投資流動性較差的資產，例如房地產或基礎設施，以賺取流動性溢價。(3)投資期限。投資期限影響風險目標、投資範圍、標的和交易策略。期限越長，就可以承擔更高風險，投資範圍更廣、流動性要求也更低，比如：主權投資基金、養老金、企業年金等。(4)稅收。風險收益在稅前和稅後，可能存在較大差異。不同轄區利息、分紅、資本利得等稅率，也有不同。因此，對納稅主體而言，資產配置要考慮稅收的影響。(5)監管約束。機構投資者，比如養老金、保險公司和銀行都要面對嚴格監管，以保證其流動性和清償能力。(6)其他情況。如社會責任投資、ESG投資等。
綜上，大類資產配置的一項基本工作：就是要了解、明確資產所有者資產負債、收益目標、風險目標，以及投資限制的情況。這既是投資政策聲明(IPS)涉及的主要內容(根據資產所有者的具體情況，提供戰略配置建議、戰術配置建議，或者設計定製化方案)，也是大類資產配置與股、債、大宗商品等分項研究的重要區別之一。
2.2 戰略資產配置： 六大步驟
戰略資產配置(Strategic Asset Allocation，SAA)即投資政策聲明(IPS)明確的長期資產配置比例，代表了在投資組合中，各類資產的目標權重。戰略資產配置，通常包括六大步驟。
第一步：根據資產所有者風險、收益目標和投資限制，明確可用於投資的大類資產，例如股票、固定收益證券、現金及等價物、另類投資等，進而確認可供投資的資產子類別(表3、圖4)。
第二步：選擇恰當的資產配置模型。從資產負債角度看，分為三類模型：(1)資產分配法(Asset-only)，僅根據投資者的資產，形成資產配置方案。(2)相對負債法(Liability-relative)，考慮未來償還負債(或支出)的資產配置方案。(3)目標導向法(Goals-based)，將資產拆分成若干個投資組合，分別對應不同的投資目標。
第三步：形成各類資產的資本市場預期[8](CME)，例如預期收益率、標準差和相關係數等，這些是戰略資產配置決策的輸入變量。CME的期限要與投資期限相匹配，一般是5-10年。歷史數據是形成CME的起點。但由於CME是對未來的預期，直接把歷史均值當作CME，可能會得到錯誤結論。從實證看，Lustig(2013)對1926-2012年美股、美債和國庫券進行了考察，結論是：(1)無法用過去10年的收益率和相關係數，預測未來10年的收益率或相關係數；但是(2)歷史波動率可能是預測未來波動率較好的指標。
估計CME，主要有三種方法。一是採用規範式工具(Formal Tools)，例如(1)基於歷史數據的統計模型，收縮估計量(Shrinkage estimate)、時間序列、多因子模型等；(2)DDM模型；(3)風險溢價模式；(4)金融均衡模型。二是專家問卷調查。三是定性判斷。涉及宏觀研究，例如經濟增長、跨境資本流動、庫存周期，貨幣政策、財政政策、外部衝擊等。在衰退期表現比較好的資產，比如國債，風險溢價較低。在衰退期表現比較差的資產，風險溢價較高，比如股票和高收益債券。
第四步：形成資產配置可選方案。將CME輸入資產配置模型，通過求解最優化問題，形成一系列可供投資者選擇的資產配置方案。
第五步：模擬資產配置可選方案的效果。測試在既定投資期限內，資產配置可選方案的投資結果，是否能在投資者風險容忍度的範圍之內，達到其收益目標。
第六步：不斷重複第四步、第五步，直至產生最優資產配置組合。
2.3 大類資產配置模型：從均值方差、BL模型到風險平價
以下對大類資產配置模型略作展開，限於篇幅，我們重點探討模型間的聯繫和區別：
2.3.1 均值方差模型(MVO)
Markowitz(1952)提出的均值方差模型(MVO)，是大類資產配置過程中的標準工具。幾乎所有的商業優化器，都建立在MVO某一種變型的基礎之上。MVO的基本思想是：假定投資者是風險厭惡的，根據各類資產的預期收益和方差，以及資產之間的相關係數，就能夠確定既定風險水平下收益最大化，或者既定收益水平下風險最小化的投資組合。最優的收益風險配對，形成有效前沿。投資者最終選取的：就是有效前沿上，令其效用最大化的點(圖5、圖6)。
沒有約束、未經改進的MVO，存在較大缺陷，影響了模型的實際應用。MVO主要缺陷包括：
(1)結果對輸入(CME)高度敏感。輸入變量的微小變動，會引起配置結果的較大變動。因此MVO輸出的有效前沿，有悖於分散化構想，有時會出現持倉過度集中的問題(圖7)。另外，在實踐中很難準確預測預期收益、波動率和相關係數。MVO輸出結果是否最優，嚴重依賴輸入變量，特別是預期收益的準確性[9]。因此，MVO存在GIGO 的問題(即如果輸入的是垃圾，輸出的也會是垃圾)。
(2)風險量化與風險分散。MVO採用方差、標準差來描述風險，沒有充分刻畫下行風險。如果收益並非正態分布，MVO就會對資產的真實風險產生誤判。此外，分散化資產投資，並不意味著分散風險。比如，股票和公司債受共同風險因子的影響。僅在股票和公司債之間進行配置，無法有效地分散風險[10]。
(3)忽略負債與單期框架。MVO是資產分配(Asset-only)模型，沒有考慮投資者未來負債的影響。此外，MVO假設單一投資期，因此沒有考慮跨期現金流動的問題，也就不涉及對再平衡潛在成本和收益的分析。
大類資產配置中的很多模型，都是圍繞如何彌補MVO上述缺陷展開的。其中，為解決MVO對輸入參數(CME)的敏感性問題，通常有三種方式：附加約束條件、重抽樣，以及逆向優化。以下分別介紹：
2.3.2 附加約束
附加約束條件，可以將MVO變為約束最優化問題。常見的約束條件包括：
(1)預算約束。所有資產權重加總為1。
(2)非負約束。每種資產權重都在0-100%之間，不存在賣空。
(3)固定權重。固定某一種或多種資產的權重(例如，人力資源等無法交易的資產)。
(4)限定範圍。限定某種資產的權重範圍(例如，限制現金及等價物權重在5-10%之間)。
(5)相對權重。規定不同資產的權重關係(例如，新興市場債券權重< 新興市場股票權重)。
(6)考慮負債。根據未來負債或支出計劃，增加久期約束等。
2.3.3 重抽樣
通過重抽樣，構造大量樣本序列，也可以改善輸入變量(CME)的穩定性問題。這裡可採用(1)Monte Carlo模擬。先根據估算的CME，確定參數分布，再通過Monte Carlo構造穩健的有效前沿；或者採用(2)Bootstrapping。在歷史數據中隨機抽取形成大量新樣本，再構建穩健的有效前沿。兩種方式區別在於：Monte Carlo要假定收益分布的參數，Bootstrapping不需要假定參數，但依賴歷史收益的分布(圖8、圖9)。
2.3.4 Black-Litterman模型與逆向優化
逆向優化是從(被視為)最優的投資組合出發，根據最優資產權重、方差、相關係數，反推資產的預期收益率。逆向優化的基本邏輯是：在有效市場中，市值反映了市場參與者擁有的全部信息。因此，根據資產的市值，以及資產組合的市值，可以確定最優資產權重(即資產佔組合市值的比重)。進而從最優資產權重出發，通過逆向優化得到預期收益率，又被稱為隱含收益率(implied return)。隱含收益率反映了市場現實，因此較為穩定。
在實踐中，投資管理人在得到某種資產的隱含收益率後，希望根據自己的判斷，再做一些調整。然而，由於MVO對輸入參數高度敏感，即使對隱含收益進行微調，也可能顯著改變資產權重的配比。為解決該問題，高盛分析師Black & Litterman (1990,1991 & 1992)在逆向優化基礎上，提出Black-Litterman模型(簡稱BL模型)。這裡僅對該模型思路、流程和特點作以總結，Idzorek (2007)詳細闡述了BL模型的細節。
BL儘管被視作資產配置模型，但本質上是為了測算預期收益，進而用於有約束或無約束最優化的求解。主要步驟有三：第一，根據逆向優化思想，得到資產的隱含收益率；第二，投資者加入主觀判斷，對隱含收益進行修正，得到預期收益。這裡可通過兩種方式進行修正，一是直接調整某種資產類別的絕對收益率；二是引入對某種資產與其他資產利差的判斷(例如，新興市場股票比發達國家股票高100bp)。第三，再根據修正後的隱含收益率，利用無約束或有約束的MVO，確定資產配置權重、以及投資組合的預期收益和方差(圖10)。
BL模型將逆向優化得到的預期收益率，與投資者的經驗判斷相結合。這種方法既建立在經濟現實基礎上(在逆向優化過程中，考慮資產市值)，又引入了經驗判斷，更充分地反映了投資者所掌握的全部信息，增強了MVO模型的可用性。
2.3.5 非正態分布模型
MVO用方差、標準差來刻畫風險，沒有考慮高階矩或下行風險。但實際中，如果收益非正態分布，這種對風險的刻畫並不完善。為此，理論與實務界研發了一系列模型，引入非正態分布並採用更細緻的方式來描述風險(參見表4)。
2.3.6 風險預算及風險平價模型
(1)風險預算
MVO或BL模型都是從資產分配的角度，測算資產收益率、波動以及相關性，來確定投資組合的資產權重。風險預算提供了另一個視角：從風險分配的角度，來重新審視資產配置的權重，以及權重變化的影響。大類資產配置因此呈現出一種「橫看成嶺側成峰」的可視感[11]。
風險是一種稀缺資源。根據Winkelmann (2003)及Lustig(2013)，風險預算確定了投資組合的整體風險，並將其分配給不同的風險收益來源。風險預算解決了應當承擔什麼風險，要承擔多少這種風險的問題。風險分配對象可以是(1)某種資產、資產大類；可以是(2)戰略資產配置、戰術資產配置、以及投資工具選擇三個不同環節，可以是(3)被動投資或主動投資，也可以是(4)各種投資策略。
風險預算的目標是：最大化每單位風險的收益。這裡的風險，既可以是絕對風險(比如對稱的標準差，著重刻畫下行風險的VaR或者最大回撤)，也可以是相對風險(比如跟蹤誤差)；既可以是投資組合的整體風險，也可以是積極風險(active risk)或者殘留風險(residual risk)[12]。
風險預算的關鍵思路在於：測算某種資產的邊際風險貢獻，即該資產權重的微小變化，對組合風險的影響[13]。從風險預算標準看，當每一種資產的「風險溢價/邊際風險貢獻」全部相等時，資產配置權重為最優，否則存在進一步改進的餘地。
(2)風險平價模型
風險平價是目前比較流行的資產配置模型之一。Qian(2005)最早提出了風險平價(risk parity)的概念。但實際上，橋水基金1996年就開始根據風險平價的原則進行投資，推出著名的「全天候策略」。從風險預算角度看，風險平價相當於把投資組合的整體風險平均分攤到每種資產(或資產大類、風險因子)當中去，每種資產(或資產大類、風險因子)對投資組合整體風險的貢獻是相等的。從技術上看，每種資產的權重，與其收益方差，或者標準差的倒數成正比。換句話說，在風險平價模型中，波動越高的資產，配置權重越低，反之亦然。得到基於風險平價的投資組合後，投資者可通過借入或者持有部分現金，調整槓桿比例，使整個投資組合與其風險容忍度相對應。
風險平價在本質上是一種特殊形式的MVO。MVO要求輸入許多參數[14]，並且對參數(尤其是預期收益)準確性的要求很高。風險平價模型不需要估計預期收益和相關係數，只需要估計波動率。其隱含的假定是：所有資產預期收益相等，並且彼此之間不具有相關性[15](表5)。因此，風險平價模型所需的輸入參數顯著減少。另外，波動率模型相對成熟，實證研究證實：與預期收益相比，波動率更容易預測。因此，風險平價模型可以得到較為穩健的配置結果。
風險平價模型，目前仍存在較大爭議。反對者認為：該模型最大缺陷在於，完全忽視了資產的預期收益，因此未能做到風險與收益的有效平衡。在過去20多年，風險平價之所以能夠取得巨大成功，原因是該模型賦予了低波動債券更高的權重。美國長達30多年的利率趨勢性回落，令美債表現優異。但隨著美聯儲加息縮表，利率在未來很可能向上，呈現出均值回歸的特徵。此外，風險平價還依賴於投資組合資產類別的劃分。舉個簡單例子：假設組合包含7類股票、3類債券，那麼70%的風險將來自股票，30%的風險將來自債券。但如果反過來，組合包含3類股票、7類債券，那麼30%的風險將來自股票，70%的風險將來自債券。因此，基於資產類別的風險平價，未必能夠達到分散風險的目的。基於因子的風險平價，才能夠更好地避免這種偏差(參見第3章的討論)。
2.3.7 其他資產配置模型
MVO、BL、風險平價等都屬於資產分配(Asset-only)模型，沒有考慮投資者負債的影響。但對於養老金、保險公司、銀行、基金會、捐贈基金等機構來說，負債或支出計劃是影響資產配置的重要因素。以下對考慮投資者負債因素的相對負債法、目標導向法作以簡介。
(1)相對負債法
相對負債法是考慮償還負債(或支出)的資產配置方案，有三種模式：一是盈餘最優化(Surplus Optimization)，其實是MVO的一種變形，把負債看作投資組合一部分。盈餘收益=資產價值變化-負債價值變化，再根據盈餘收益的均值、方差，採用MVO進行資產配置。二是兩組合模式(Two-factor Approach)。將資產劃分為「對衝」、「回報」兩個組合。對衝組合應對未來支出和負債，採取現金流匹配、久期匹配或免疫策略(immunization)。回報組合採用MVO等資產配置模型，尋求風險和收益的最優搭配。保險公司或者資金充裕的養老金，經常採用這種模式，將未來資金短缺的風險最小化。三是資產負債協同法(IntegratedAsset-Liability Approach)。資產負債協同法是一個多期模型，考慮資產負債之間的相互反饋，不斷尋求兩者的最優搭配。在盈餘最優化、兩組合模式中，負債計劃固定不變。
(2)目標導向法
目標導向法將資產拆分成若干個組合，分別對應不同的投資目標。該方法中，投資目標不再是整個組合的預期收益，而是針對每個目標的(彼此之間可能存在衝突)「最低期望」，即給定期限和風險概率，實現該目標所要求的最低預期收益。該框架下的資產配置，即為實現每個目標，各類資產權重的總和。
(3)其他配置模型
此外，常見的資產配置模型還包括：60/40法則、最小方差法、等權重(1/N)法、市值權重、耶魯模式、Kelly法則等。這些模型容易理解，限於篇幅，不再贅述。從實證研究看，簡單策略效果，未必遜於複雜模型，有時甚至表現更好。
2.4 戰術資產配置
戰術資產配置(Tactical Asset Allocation)即對長期資產配置比例(戰略資產配置)的短期偏離，通常用於尋求經濟周期變化，或資產錯誤定價的機會。戰略資產配置，往往在全球不同市場(如股票、債券、商品、外匯等)中尋找機會，因此又被稱為全球戰術資產配置(GTAA)。投資者進行戰術資產配置，隱含了兩個假設：第一，認為短期資產回報是可以預測的；第二，認為自己或選擇的投資管理人具備這種預測能力。
戰術資產配置是「擇時」嗎？這兩個概念不宜混同。Opiela(2011)曾對資管界的權威專家進行了走訪，不同專家儘管對概念有不同理解，但都認為自己在進行戰術資產配置，而不是「擇時」。(1)擇時是一個「非0即1」的問題，即「是否要買利率債？是否要賣螺紋鋼？」(2)戰術資產配置是相對於戰略資產配置的調整。一般具有三個特點：一是調整幅度受限，不能過度偏離長期資產配置比例。二是涉及多資產類別(或風險因子)權重的調整。比如，根據市場情況，在60/40資產配比的基礎上，調增債券敞口，調減股票敞口。又如，在股票大類中，調增新興市場敞口，調減美股敞口。三是不涉及擇券、不考慮債務。
戰術資產配置以戰略資產配置為基準，可採用兩種指標控制相對風險：(1)每種資產目標權重，事前允許偏離的範圍；(2)相對於戰略資產配置的跟蹤誤差預算。戰術資產配置效果，一般可以用3種指標衡量：(1)戰術資產配置，與僅採用戰略資產配置，兩者Sharp ratio對比；(2)計算戰術資產配置的信息比率；(3)繪製戰術資產配置的收益和標準差，與(包含戰略資產配置)有效前沿的收益和標準差進行對比。戰術資產配置的收益或Sharp ratio，可能比戰略資產配置高，但不一定優於有效前沿上其他組合。
戰術資產配置包括兩種基本方法，一是自主配置(Discretionary TAA)；二是系統性配置(Systematic TAA)。(1)自主配置。參考宏觀經濟、市場以及情緒指標，定性判斷並進行預測。該方法要參考能夠反映政治、經濟、金融市場走勢，影響短期資產收益的一系列指標。例如，GDP增速、貨幣政策、財政政策、通脹、資本流動、盈利預期、PMI、期限利差、信用利差、估值偏離度、市場情緒等。(2)系統性配置。通過量化手段，嘗試賺取價值、動量、市值、質量等因子溢價。
戰術資產配置的具體實施，有三種方式：(1)基礎投資工具，即直接調整投資組合內各類資產的權重，可通過配置ETFs，減少交易費用；(2)衍生工具，即利用期貨、遠期等衍生品多頭、空頭，間接調整資產權重；(3)獨立戰術資產配置工具(Standalone TAA vehicles)，該工具更靈活，不受組合持倉或槓桿的限制。但該工具無法管理風險，或者用作戰略資產配置的補充手段。戰術資產配置的缺陷在於：調倉存在交易成本，並且有可能推高投資組合的集中度風險。
2.5 投資方式選擇
在確定資產配置權重後，針對每一種資產類別，投資者還要進一步明確投資方式。例如，是被動管理，還是主動管理？是內部管理，還是委外？是選擇單一投資經理，還是要通過FOF或者MOM？是購買基金、ETF、衍生品，還是擇券？
2.5.1 被動投資與主動投資
被動投資與主動投資，是大類資產配置領域的一個熱門話題。這個話題可以分為兩個維度。一是針對戰略資產配置，是否要作戰術上的偏離？戰術資產配置，要權衡成本收益。當潛在超額回報，大於交易成本以及攀升的相對風險時，選擇戰術資產配置是有利的。
二是針對某種資產類別，要採取被動還是主動方式的投資？被動投資意味著：投資者的判斷不影響資產權重。主動投資意味著：投資者的預期和觀點變化，會導致資產權重的調整。為更好地理解被動和主動管理，我們可以設想一條從「極端被動到極端主動」的變化譜。極端被動管理就是採取買入持有並自動再平衡的策略。如果選擇投資某種風格指數，管理方式就開始向主動管理過渡。如果允許擇券，又朝主動管理邁進了一步。當不需要基準，可以沒有約束地進行投資時，就達到了變化譜的另一端——極端主動管理(表6)。
針對某種資產類別，選擇被動投資還是主動投資，一般要考慮六項因素：(1)可投資性。該種資產類別是否存在可投資並且有代表性的指數。(2)市場有效性。如果投資者認為市場是有效的，可能更傾向於被動投資，即賺取β。(3)投資約束。例如，投資者存在ESG的特定標準，現有指數產品(被動投資)可能無法滿足這一需求。(4)規模效應。主動管理需要一定規模。資產規模較小，可能達不到主動投資的門檻，或者無法形成規模效應。(5)成本收益。主動管理的成本包括：管理費用、交易費用等。相比之下，被動管理成本更低。(6)稅收。與其他投資者相比，交易和投資收益免稅的機構，主動投資成本相對低一些。
Lustig(2013)提出利用橫截面波動率，來判斷主動投資的勝率。橫截面波動率衡量的是：某類資產收益的離散程度。其他條件不變時，橫截面波動率上升，應當增加主動投資的資產權重；橫截面波動率下降，應當增加被動投資的資產權重。我們測算了A股市場滬深300的橫截面波動率，目前要低於2005年以來的歷史均值。這反映了：適當增加被動投資的權重，短期內可能是一種更好的策略(圖11)。
2.5.2 投資管理人的選擇
投資者往往要挑選投資管理人(如基金經理)，負責具體行業和個券的投資管理。投資管理人的選擇，涉及三個領域。一是如何挑選投資管理人。管理人能否戰勝市場、賺取超額回報？超額回報是否大於管理費？基金經理的業績，在未來能否持續？這些是目前討論較多的話題。二是投資管理人的業績歸因、監督及激勵機制。三是如何在投資管理人之間分配資產。以下略作展開。
(1)如何挑選投資管理人。
要綜合運用定量、定性分析，兼顧歷史和未來兩種視角。首先根據歷史業績、資管規模、投資風格和風險分析，對備選管理人進行篩選。從收益或持倉的視角，解析備選管理人的投資風格。其次針對量化篩選後的少數名單，進行詳細地盡職調查和定性分析[16]。Lustig(2013)提出了8P原則，即：平臺(platform)、發展(progress)、人員(people)、產品(product)、理念(philosophy)、流程(process)、組合(portfolio)和業績(performance)。其中，人員是最核心的因素。我們不再贅述。Treynor (1990)、Swensen (2000)、Buffett(2001)分別描述了成功投資管理人應當具備的關鍵特質(表7)。
關於自營與委外。選擇指數投資管理人相對簡單。規模較大的養老金，自己也會管理被動投資組合，因為複製指數策略並不複雜，可以有效節約成本。然而，資產種類越複雜，對管理人的要求就越高。例如，投資PE就要對備選管理人，進行全面並且持續時間較長的盡職調查。
(2)業績歸因、監督以及激勵機制。
投資者要運用不同的工具，來評價投資管理人，以衡量超額回報、計算業績歸因，並且評估管理費。首先，常見業績歸因方法有兩種：一是基於持倉的歸因。Brinson & Fachler(1985)將投資收益分解為資產配置效應、選擇效應。二是基於因子的歸因。通過構建多因子模型，拆分系統性風險回報β，以及超額收益α。其次，除業績外，還要考慮管理人所承擔的風險。可以採用Sharpe Ratio或者Treynor Ratio，來考察風險調整後的收益，或者通過跟蹤誤差、最大回撤、VaR等，進一步分析管理人投資的風險特徵。再次，要評估管理費水平及構成。投資管理人通過收取管理費，支付經營成本並賺取收益。投資者則尋求扣除管理費之後的業績收益。管理費水平與構成，很大程度上將影響投資管理人的行為。此外，對解聘近期表現不佳的管理人，投資者要格外慎重。實證研究顯示：管理人業績呈周期性。在更換管理人後，新管理人的業績，往往不如被解聘的管理人[17]。
(3)如何在管理人之間分配資產。
Stewart(2013)參照MVO對最優化問題進行了分析。效用最大化、風險預算，以及對風險特徵的刻畫，都是決定資產分配比例的重要工具。一般來說：風險既定的情況下，能賺更多α的管理人，更受投資者青睞。投資者也可以通過多聘請管理人，或者聘請相對風險較低的管理人，來分散主動管理的風險。
(4)FOF與MOM。
基金中的基金(FOF)或者管理人的管理人基金(MOM)，是多個管理人管理投資組合的產品架構。一般由一個管理人負責整個組合(資產配置、投資工具選擇、組合構建)。但各類資產擇券，則交給其他管理人完成。
具體來說：FOF是母基金管理人接受投資者的資金，以「基金」為標的進行投資。MOM是母基金管理人接受投資者的資金，在母基金下設多個子基金，不同子基金委託不同的投資管理人來管理，從而實現資產管理從「產品組合」向「基金經理組合」的轉變。FOF和MOM主要差異有三。(1)費用、規模、客戶對象不同。MOM面向資產管理規模更大的投資者，投資門檻高，費用可協商；FOF面向公眾銷售，費用更高。(2)靈活性不同。MOM投資目標、投資限制可以協商和定製化。(3)調整管理人的難度不同。FOF只需要調整持有的基金份額，MOM則需要處理經理人之間的過渡，時間和交易成本都較高。
是否採用FOF或MOM，要權衡收益與成本。一方面，多個管理人意味著多樣化，能降低特定管理人引起的個別風險，增加獨立投資決策的廣度，進而提升信息比率。但另一方面，多管理人架構費用較高，透明度低、投資分析涉及多個環節，並且會存在「逆向選擇」的問題(高水平投資管理人有能力挑選客戶，並且傾向於與投資者直接對話)。耶魯大學捐贈基金首席投資官Swensen，就對FOF表示質疑[18]。
對於具體投資工具的選擇，即購買基金、ETF、衍生品還是擇券，限於篇幅、不作展開。每種投資工具都有自身優點和不足，要符合投資者的投資目標和投資約束。
2.6 貨幣對衝
外匯是一種經常被遺漏的資產類型。但對全球投資而言，外匯風險卻是繞不開的話題。投資者非常關注投資組合的構成，有時忽略了外匯風險敞口。但在某些時刻，匯率波動對於投資組合的影響，可能會超過投資組合構成本身。舉個簡單例子，國內機構投資於美國股票，這隻股票以美元計價漲幅達到5%，但如果人民幣相對美元貶值10%，那麼這家機構實際上賠了大約4.5%[19]。
每個投資者、每種投資組合都有一種計價的基準貨幣。對國內機構而言，基準貨幣一般是人民幣。對美國機構而言，一般是美元。作為投資回報的外匯收益，要兌換或者折算為基準貨幣。未經套保的海外債券，相當於本幣債券和部分外匯敞口。與其他風險不同，外匯風險可以通過期貨、掉期和期權等衍生品進行管理。例如，採用到期日1-3個月的外匯期貨合約來實現對衝。合約到期後，還可以進一步滾動(Rollover)。其他對衝方法還包括：貨幣互換和期權。對長期投資者來說，貨幣對衝通常很重要。因為沒有對衝的外匯風險敞口，收益波動往往比較大。常見的做法是：海外債券一般會進行對衝，或者對衝掉50%的敞口。國外股票一般不對衝，因為股價波動大，貨幣對衝不會有效降低國外股票的風險。有的機構也會把外匯風險管理外包給專業機構(currency overlay)，當然也有機構希望通過承擔外匯風險，獲得更高回報，因此選擇不對衝，而將外匯視為因子，參與組合配置。
2.7 再平衡
再平衡是大類資產配置最重要的操作之一[20]。簡單說，再平衡就是調整資產權重，使之恢復到最初的戰略配置比例。再平衡實際隱含3個假設。(1)均值回歸。「樹長不到天上」，資產回報不會永遠維持在一個很高(低)的水平。這也是眾多資管權威的投資信條[21]。(2)分散化收益。資產多元化，能夠改善投資組合整體的風險-收益特徵。(3)投資者現有的資產配比合理，能夠滿足投資目標、符合投資約束及市場前景。
再平衡本質上是一種逆周期、做空波動率的策略，也是最基本的長期投資策略之一。再平衡認為「物極必反、否極泰來」，資產價格呈周期波動，市場機制不會出現永久、趨勢性改變[22]。它從市場反轉中獲益，但在市場持續下跌或者持續上漲過程中，會遭受損失。ANG(2014)指出：「再平衡的最優性經過歷史檢驗，是真實存在的。市場機制發生永久改變的情況很少出現」[23]。
再平衡的方式，可分為日曆型和區間型。(1)日曆型再平衡(Calendar rebalancing)。按事先確定的頻率調倉，進行常規性的再平衡。有些投資者按月度、季度或年度進行操作。少數投資者會採取每周、每日的再平衡策略。(2)區間型再平衡 (Range-based rebalancing)。例如，最優股票權重是60%，55%-65%是區間上下界，當股票權重突破區間上下界時，將觸發再平衡操作。交易成本、投資者風險承受度、資產波動度，以及資產間的相關性，是決定再平衡區間的重要因素。
3
大類資產配置：因子投資
3.1因子的含義
近年來，因子投資在資管領域引起了高度關注。此前，大類資產配置的傳統框架：無論是MVO、BL還是風險平價等模型，無論是資產負債還是風險管理，無論是向管理人分配資源，還是投資工具的選擇，對象都是「資產」。2007-08年全球金融危機爆發後，很多從資產視角來看，風險很分散的投資組合，同樣受到了較大衝擊。實務界開始重視「穿透」資產，探尋資產背後「因子」的邏輯。
打個比方，在傳統框架下，大類資產配置的權重相當於食譜，每類資產對應一種食物。在因子框架下，針對因子優化配置，相當於「穿透」食物，參考營養成分表。這樣投資組合的風險收益的配比更加準確和均衡，即每天食物組合的營養搭配更加合理(表8)。
Bender(2013)將因子定義為「特徵」，即能夠解釋並且影響資產風險和收益的那些「特徵」。很多專家將因子稱作「風險因子」，也有人把因子叫做「投資因子」或「收益因子」。這些命名，本質上是一個硬幣的兩面，更強調風險來源，它就是風險因子；更突出回報來源，它就是收益因子。
3.2 理論溯源
因子投資的思想，最早可以追溯到20世紀60年代誕生的CPAM模型[24]。CPAM實際上講述了一個單因子模型，即一項資產的回報，取決於它對市場投資組合回報(即市場因子)的風險敞口。市場風險是唯一被定價，並能夠獲得回報的因子。
但理論界不久後就發現：CPAM無法充分地解釋資產回報。Rosenberg (1975)指出，除市場因子外，資產還受到其他因子的影響。該研究掀起了尋找CPAM例外情況(即「市場異象」)與解釋因子的研究競賽[25]。(1)規模因子。Banz (1981)、Reinganum(1981)提出小盤股存在風險溢價。(2)價值因子。Basu(1977)、Rosenberg(1985)等提出低市盈率、低市淨率股票存在風險溢價。(3)動量因子。Jegadeesh(1993)、Rowenhorst(1998)等提出股票市場存在趨勢交易的溢價。(4)低波動因子。Haugen(1991)、Chan(1999)、Schwartz(2000)等提出低波動資產的溢價。(5)質量因子。Sloan(1996)、Dechow(2010)等提出高盈利質量公司的股票溢價。(6)股利因子。Litzenberger(1979)、Blume(1980)等提出分紅預期能夠部分地解釋股票回報。(7)宏觀因子。Chen、Roll和Ross(1986)採用宏觀因子(如GDP增速、通脹、匯率等)來解釋資產回報的差異。在固定收益以及其他資產領域，因子問題同樣引發了熱烈討論。例如，Leibowitz和Nozari(1990)提出久期在債券組合中的應用。Bhansali(2011)論證了權益市場、久期、流動性、動量和外匯因子對各種資產的解釋。正如Nielson(2018)提到的：價值、動量、質量、宏觀等因子對固定收益市場同樣適用。
除了市場異象外，多因子模型也是因子投資理論演進的另一條主線。Ross(1976)提出了套利定價理論(APT)。他認為：資產的預期收益，可以用一系列宏觀因子或市場指數模型化。儘管Ross沒有明確這些因子是什麼，但APT奠定了因子投資的理論框架。多因子模型隨後不斷發展。Fama和French(1992、1993)將規模、價值和市場3因子納入同一個模型，正式標誌著資產配置走向因子配置。隨後理論與實物界對Fama-French三因子模型，做了一系列改進。包括但不局限於：Carhart(1997)將動量因子加入Fama-French的3因子模型。又如，Bender(2013)對MSCI因子指數的說明。再如，Fama和French(2015、2016)對5因子模型的討論，以及ANG(2017)對BlackRock 7因子框架的介紹等(參見圖12)。
3.3 因子投資框架vs量化投資多因子模型
資產配置中的因子框架與量化投資的多因子模型有著相似的理論溯源。在股票市場中，採用規模、價值、動量、低波動、質量等市場因子構建投資組合的操作已經相當成熟。那麼，大類資產配置中的因子投資框架與量化投資的多因子模型，差異何在？我們認為不同點有三：
第一，目的不同。大類資產配置的因子框架，是採用因子視角解析資產配置，著眼於改善投資者的資負管理、優化投資組合的風險收益，更清晰地拆解管理人的投資業績。量化投資的多因子模型，則側重尋找風險收益更優的投資組合，只是因子投資框架的內容之一。
第二，環節不同。兩者目的不同，因而涉及的環節也有較大差異。大類資產配置的因子框架，對應負債管理、資產配置、擇時擇券、風險管理、業績評價等一系列內容。量化投資的多因子模型，更多集中於資產配置和擇券。
第三，視角不同。(1)量化投資的多因子模型，聚焦於股票、債券等傳統資產；資產配置的因子框架，拓展至對PE等另類資產的因子解析。(2)量化投資的多因子模型，主要涉及價值、動量等市場因子；資產配置的因子框架，還涉及增長、通脹等宏觀因子。(3)量化投資的多因子模型，主要應用於本地市場或一類資產；資產配置的因子框架，要橫跨國內海外，涉及多市場、多資產的投資與配置。
3.4 用因子解析資產收益
我們以全球股市、匯市為例，進一步展示因子框架對資產收益的拆解。
3.4.1 股票收益：市場、行業、地域3因子
我們參考Naik(2016)的方法，利用三種模型：模型1(市場單因子模型)、模型2A(市場、行業雙因子模型)、模型2B(市場、地域雙因子模型)、模型3(市場、行業、地域3因子模型)，對1999年1月-2018年11月的全球股市數據進行了解析。按(1)地域維度：發達市場(北美、歐洲、英國、日本)、新興市場(新興亞洲、拉美、歐洲)；(2)行業維度：能源、必須消費、可選消費、金融、醫療、工業、信息科技、材料、電信、公用事業，測算了全球市場、地域和行業3種因子，對不同類型股票的解釋力(R2)。
我們得到一組有趣的結論：(1)全球股票大部分的收益變化，可以用市場、行業、地區3個因子來解釋(參見表9、表10)。具體看：50%的變化，可以被市場因子解釋；60%的變化，可以被「市場+行業」雙因子解釋；68%的變化，可以被「市場+地域」雙因子解釋；77%的變化，可被「市場+行業+地域」3因子解釋。(2)發達市場對行業因子敏感，新興市場對地域因子敏感。這可能反映了發達市場互聯互通，但新興市場地區差異明顯的特點。(3)「市場+行業+地域」3因子，對北美市場收益變化的解釋力最高，高達89%。對日本市場解釋力最低，也有68%。說明日本市場具有一定的本地化特徵。(4)醫療、信息科技、能源受行業因子的影響明顯，而可選消費、金融和工業對地域因子敏感。這可能體現了醫療、信息科技、能源等行業受跨國公司的影響更大。
3.4.2 匯率風險：匯率的影響及因子解析
我們從因子角度，對匯率風險加以解析。根據2008年12月-18年11月市場數據，我們計算了主要國家和地區股票指數、全球代表性債券指數本幣/美元計價的收益變化，以及本幣相對於美元的匯率變動(表11)。
統計顯示：(1)在股票市場中，匯率波動通常與(未進行貨幣對衝)本幣計價的股票收益波動，在同一個量級上。換句話說，對股指進行貨幣對衝，不會明顯降低股票收益的波動。(2)在固收市場中，匯率波動是(未進行貨幣對衝)本幣計價債券收益波動的2-3倍，對債券進行貨幣對衝，可以明顯降低海外債券的收益波動。這也是大多數投資者對海外債券作貨幣對衝，但不對衝海外股票的主要原因。
接下來的問題是，能否將匯率變動用因子來解析。我們利用主成分分析，對歐元、日元、英鎊、瑞士法郎、澳元、加元、瑞典克朗、挪威克朗等主要貨幣自1999年1月-2018年11月超額收益的變化，進行了解構。
統計顯示：(1)兩個主成分，可以解釋60%外匯收益的變化。(2)所有貨幣對第一個主成分的敞口均為負，因而第一個主成分因素大致可看作美元匯率(如美元指數)。(3)對第二個主成分，低息貨幣(如日元、瑞士法郎)和高息貨幣(如澳元、加元、挪威克朗)敞口符號相反，因而第二個主成分大致看作外匯套息交易(Carry trade)(圖13和圖14)。Verdelhan(2015)提出：各種貨幣匯率變動可以用美元匯率、外匯套息交易兩個因子來解釋，印證了上述結論。
以上從實證角度展示了股票收益、匯率變動，可以從因子角度予以解析。全球債券市場也有類似結論。(1)國債。採用久期、凸性等因子，通過刻畫收益率曲線，可以解釋債券收益變動。(2)公司債。除影響國債的因子外，還受信用利差、行業、流動性等因子的影響。(3)未對衝的海外債券，還要考慮外匯因素。
3.4.3 另類資產：與股債是否存在相同因子？
在2007-08年國際金融危機期間，另類資產與股債表現出較強的相關性。同時我們也關注到，全球養老基金領域的翹楚——加拿大養老金(CPPIB)資產配置過程中，將股票、債券兩個資產大類作為因子，而將另類資產視作股票、債券因子的組合[26]。那麼，問題來了：另類資產與股債，是否存在相同的因子？如果「是」，就可以把另類資產納入因子框架予以解析，並實現「另類資產與股債」的雙向轉換。
答案是肯定的，另類資產與股債，受到很多相同風險因子的驅動。如果不考慮另類資產對這些因子的敞口，就可能高估另類資產(對組合)的分散效果。以下予以簡要說明：(1)股票市場因子。整體上看，股市回報反映了投資者對高風險資產現金流的預期和折現。經濟擴張與衰退，往往伴隨著企業盈利增長與回落，這既會影響股票市場收益，也直接關係到PE與VC的投資回報。房地產和基建項目也類似，這些投資的現金流，依賴於整體經濟的活躍度。經濟下行將抑制寫字樓與普通住宅的租賃需求，進而影響空置率和租金收入。(2)其他影響股票的因子。比如，價值因子、規模因子等。VC通常有順周期的特徵，成長性的敞口(價值因子為負)更大。對利用槓桿收購低估值公司的PE而言，則具有價值因子的敞口。(3)信用利差。房地產和基建項目回報，具有固定收益的特徵，要受信用利差波動的影響。另外，很多PE、房地產和基建項目，存在再融資風險。能否獲得再融資，以及再融資成本的多少，直接關係到預期回報。而這些因素又往往與信用利差同時變動。(4)實際利率久期。部分另類資產具有防通脹的作用。比如，房地產的租金收入，會根據通脹水平不定期地進行調整，因此與通脹掛鈎債券的利息收入類似。高速公路通行費往往也要參考通脹因素進行調整。因此，像房地產和基建項目，存在實際利率久期的敞口，但對名義利率敏感度要低一些。(5)流動性因子。如果股票流動性低，但交易量又比較大，往往需要高價買入或者折價賣出。因此，投資者對低流動性股票，要求更高的風險溢價。類似地，PE對負債端的資金約束(提供融資的銀行、對衝基金等)很敏感。當市場缺乏流動性時，PE項目很難取得融資，整個PE資產類別的投資回報也會受影響。(6)影響對衝基金的因子。NaiK(2016)指出，對衝基金指數的收益同樣可以用股票市場因子、信用利差等因子來解釋。需要特別注意的是，大多數對衝基金對股票市場因子的實際敞口都很顯著，儘管平時不突出，但危機時刻會集中表現。
3.4.4 常見因子
以下列舉一些常見因子。不同機構對因子的認定，存在較大差別。比如，影響股票收益的因子，既可以是宏觀因子(包括地域、行業)，也可以是規模、價值、動量等市場因子。
(1)Bender(2013)介紹了MSCI採用的、被理論與實務界廣泛接受的6種因子：價值、規模、動量、低波動、股利、質量。在此基礎上，MSCI還進一步開發了6種因子指數。
(2)Pappas(2015)介紹了Vanguard採用的「7因子」分析框架，包括：股票市場、價值、規模、動量、低波動、期限利率、信用利差。
(3)Shores(2015)介紹了BlackRock關於股票、固定收益、外匯和商品市場Smart Beta因子構成。其中，股票市場包括：價值、規模、動量、低波動、質量。固定收益市場包括：套息、曲線(Curve)、凸性、動量。外匯市場包括：套息、價值、動量。商品市場包括：套息、動量等。
(4)Ang(2017)介紹了BlackRock 採用的6種宏觀因子，包括：經濟增長、實際利率、通脹、信用、新興市場、商品。利用該框架，BlackRock對不同類別資產的風險進行了解構(圖15)。
3.5 評估因子的風險溢價、波動和相關性
我們將紛繁複雜、特徵豐富的一系列資產，簡化為數量有限的幾個因子。與估計各類資產的資本市場預期(CME)類似，接下來的任務是要形成對這些因子的資本市場預期，例如，風險溢價、波動率和相關性等。這些輸入變量將決定最終的因子配置權重。
類似地，歷史數據通常是這些因子資本市場預期的起點(表12)。由於要得到對未來的預期值，直接將歷史均值當作未來預期，可能會得出錯誤結論。因此，需要結合具體情況進一步判斷。
3.5.1 風險溢價
要回答兩個問題：問題1:因子未來是否能持續獲得風險溢價？問題2:因子的風險溢價是否呈周期變化？相關分析有助於在歷史數據的基礎上，進一步形成對未來因子風險溢價的判斷。
問題1:因子是否可以持續獲得風險溢價？這個問題基本等價於：(1)因子在過去時刻取得風險溢價的驅動力；(2)驅動力在未來能否延續。
因子獲得風險溢價的驅動力，來源有三：一是系統性、無法分散的風險。最典型的就是股票市場因子。除此之外，有資管專家認為：價值、規模等因子也屬於系統性風險。因為這些因子與GDP增長、通脹等宏觀變量密切相關，對經濟周期敏感性高，因此投資者要求相應的風險溢價[27]。二是行為金融學因素。投資者認知和情緒上的弱點，造成了行為偏差。這些偏差包括但不局限於：過度反應、過度自信、短視、從眾、本土情節(home bias)等。當很多投資者都存在這種偏差，理性投資者套利成本又很高時，因行為偏差造成的市場異象和因子溢價就會長期存在。三是投資約束和交易摩擦。受監管、行業規則等因素制約，即使投資者是理性的，市場異象和因子溢價仍可能存在。比如，大多數投資者投資期限較短，喜歡持有流動性高的資產。對流動性差的資產，長期投資者就會要求更高的風險溢價。又如，有關指數基準和相對風險的要求，能夠為低波動溢價提供一定解釋。
因子溢價不一定會長期持續。例如，規模因子。20世紀80年代中期以後，包括Dimson(2011)、Fama &French(2012)在內的很多研究均證實：規模效應顯著弱化。Ang(2014)對此提供了兩種解釋：第一，規模效應可能並不真的存在，只是數據挖掘的結果；第二，規模效應確實存在，但理性投資者頻繁套利，抬高了小盤股的價格，令這種市場異象逐漸消失。
問題2:風險溢價是否也會有周期變化？因子的風險溢價並非一成不變。Naik(2016)對1955-2015年美國股債市場進行了檢驗，股票、國債、信用，以及規模、價值、動量等因子的風險溢價，均隨著經濟周期的變化而改變。例如，股票、信用因子呈順周期特徵，擴張期表現好、衰退期表現差；國債因子則恰恰相反。又如，規模、價值因子擴張初期的表現，要好於擴張晚期。動量因子衰退初期的表現，要好於衰退晚期。
3.5.2 波動與相關性
在得到因子溢價的波動率和相關性歷史數據後，同樣要形成對這些變量的未來預期。
首先是波動率。因子溢價的波動率呈現出很強的「逆周期」特徵。換句話說，因子溢價的波動率往往在經濟衰退期變大，在經濟擴張期收窄。Naik(2016)對1973-2015年美國股債和外匯市場進行了檢驗，股票、信用、國債和外匯因子的波動率，均呈現「逆周期」的特徵。這意味著：如果能夠提前預判經濟的拐點，就應當適當調整因子波動率的預期。
大量實證研究表明：波動率長期將均值回歸；但短期存在簇集效應和自相關。需要把對波動率的長期估計、以及側重近期影響的短期估計，兩者結合起來。以避免出現以下問題：(1)在波動率走高的一段時期後，只注重近期影響，高估波動率；或(2)在波動率走高的一段時期後，只考慮長期趨勢，低估波動率。
其次是相關性，可分為「增險因子」、「規險因子」兩類。(1)「增險因子」即與股票因子(進而與增長、風險偏好)溢價正相關的因子，比如(公司債包含的)信用因子。當股價下跌時，信用利差往往走闊。(2)「避險因子」即與股票因子溢價負相關的因子，比如(國債包含的)久期因子。當股價下跌時，久期因子能起到分散風險的作用。
經濟周期對因子之間的相關性，也有顯著影響。比如，在經濟衰退期，股票和信用因子的相關性可能跳升，因此實際配置中，要考慮這種影響。大類資產配置最重要的相關性——股債因子之間的相關性，也會隨著經濟增長和通脹發生較大變化。一般來看：當經濟增長佔主導地位時，股債因子之間呈顯著負相關；當通脹佔主導地位時，股債因子之間負相關性將弱化，甚至轉正。
3.6 以因子視角，優化資產配置
在形成相關因子的資本市場預期後，可應用各種資產配置模型，得到最優的因子權重，或者從因子投資的視角，優化資產配置。舉兩個例子，作以說明：
3.6.1 MVO與因子投資
Naik(2016)將因子投資引入MVO模型，在設定跟蹤誤差上限的約束下，尋求投資組合(相對於基準的)超額收益最大化時，各因子敞口(相對於基準因子敞口)的最優偏離。
Naik假定了三種情況：(1)股票、國債、信用因子，彼此間弱正相關；(2)股票、國債因子負相關，股票、信用因子弱正相關；(3)股票、國債因子負相關，股票、信用因子強正相關。其中，(2)或(3)與過去一定歷史時期的數據特徵相近。
MVO框架下的因子配置，體現出以下特徵：第一，某一因子即使單獨看SharpRatio(經風險調整後的收益)比較低，但在投資組合中，仍然可以佔據一席之地，例如國債。因為經濟衰退時，這些因子可以起到防禦的作用，對衝投資組合的下行風險。第二，投資者可以進一步改進MVO框架，以貼合投資實際。比如，(1)增加下行風險約束、因子相對權重約束，或監管約束；(2)研判經濟走向，根據歷史上不同周期因子數據，調整資本市場預期，優化MVO輸入變量等。
3.6.2 風險平價與因子投資
前文介紹風險平價模型時，曾指出：基於資產類別來分攤風險，未必能夠真正達到風險平價的目的。但如果基於因子來分攤風險，可以更好地避免這種偏差。
橋水基金的全天候策略，就是風險平價與因子相結合的產物。該策略的建造，可分為三個步驟。(1)將經濟增長、通貨膨脹作為兩個宏觀因子，這些因子能夠解釋預期收益大部分的變化[28]。根據兩因子的變化，即經濟擴張、衰退，以及通脹上升、下降，橋水將宏觀環境劃分為四種情景，並為每種情景挑選了對應的資產(表13)。(2)賦予每種情景25%的風險權重，即每種情景對應的資產組合，對整體組合的風險貢獻為25%。(3)求解等風險權重下，每種資產的最優比重。(4)通過對組合加槓桿，達到預期波動率，在滿足風險約束的前提下，提高組合的預期回報。
除MVO和風險平價外，因子投資還可以應用於其他資產配置模型。例如，等權重(1/N組合)模型。又如，相對負債法。經濟增長和通脹，這兩個最重要的宏觀因子，決定了負債以及未來的現金流。
3.7 實現從資產配置向因子配置的過渡
正如Ang(2016)所說：因子配置分析框架的意義，遠超出因子投資本身。隨著全球頂尖金融機構在投資組合中逐步採用因子投資，該框架作為一種「管理理念」和「投資文化」，為資管公司的整體管理，提供了一套強大的工具。具體來看，因子配置框架有以下優點：
一是化繁為簡。將一系列紛繁複雜、特徵豐富的資產(股票、債券、房地產、大宗商品、對衝基金、PE、VC)的配置問題，抽象為數量有限的幾個因子的配置。
二是底層穿透。不糾結於各類資產的表象，直接識別並針對投資組合風險收益的來源，進行配置。
三是靈活投資。因子配置賦予了資產管理人更大的決策空間，不必拘泥於資產權重的硬約束。相同的因子敞口，既可以選擇低成本的指數基金，也可以選擇相對昂貴但能賺取更多α的另類投資來實現。
四是有效溝通。通過因子分析可以將管理人的業績，清晰地歸結為α和各種β，以及背後的各種因子，便於管理人與投委會、投資者之間傳遞信息、有效溝通。
五是部門合作。大型投資機構一般由多個投資部門組成，每個部門往往只專注某一大類資產(比如股票、債券、大宗商品)，並不需要考慮機構的整體目標。因子框架為機構的整體管理提供了一條主線。各部門、各層級管理人(內部或外部，公開市場或私募、被動或主動投資)都可以圍繞這條主線，相互交流和協作。
實現因子配置，是一個循序漸進的過程。首先，要搭建分析框架。在現有傳統資產配置框架基礎上，對投資組合中的所有資產，從因子角度進行解析。其次，參與配置決策。從因子分析角度，提供決策參考，優化現有的資產配置方案。再次，主導配置決策。以因子配置為中心，在確定因子權重後進行資產配置，並利用因子進行業績歸因(圖16)。
參考文獻
[1] Andrew Ang， 「Asset management: A Systematic Approach to Factor Investing」，[M] October 2014
[2] Andrew Ang， 「Factor Investing: The Reference Portfolio And CanadaPension Plan Investment Board 」，[J] 2012
[3] Andrew Ang， 「Strategic factor allocation: Case studies in applyingfactors in portfolio design」，[R] 2017
[4] Andrew Ang， Maxim Ulrich， 「Nominal Bonds， Real Bonds， and Equity 」，[J]March 2012
[5] Andrew Ang， Sara Shores， 「Quantifying Intuition: The Evolution OfFactor-Based Investing 」，[R] March 2017
[6] Athayde， G。， Flores， R。， 「Advances in Portfolio Construction andImplementation 」，[J] 2003
[7] Banz， Rolf W，TheRelationship between Return and Market Value of
Common Stock，[J] June 1977
[8] Basu， Sanjoy，「InvestmentPerformance of Common Stocks in Relation to Their Price-Earnings Ratios: A Testof the Efficient Market Hypothesis」，[J] March 1981
[9] Beardsley， Field， Xiao，「Mean-Variance-Skewness-KurtosisPortfolio Optimization with Return and Liquidity」，[J] 2012
[10] Bender， J。， R。 Briand， D。 Melas， R.A。 Subramanian，「Foundations ofFactor Investing」，[R] 2013
[11] Black， Fischer and Litterman， Robert，「AssetAllocation: Combining Investor Views with Market Equilibrium」，[R] September1990
[12] Black， Fischer and Litterman， Robert， 「Global Portfolio Optimization」，[R] 1991
[13] Black， Fischer and Litterman， Robert， 「Global Asset Allocation withEquities， Bonds and Currencies」，[R]1991
[14] Black， Fischer and Litterman， Robert， 「Global Portfolio Optimization」，[R] September1992
[15] Blume， M。，「Stock Returns and Dividend Yields: Some More Evidence」，[J] 1980
[16] Briec， Kerstens， Jokung， 「Mean-Variance-Skewness Portfolio PerformanceGauging: A General Shortage Function and Dual Approach」，[J] January 1,2007
[17] Brinson， Fachler， 「Measuring non-US。 equity portfolio performance」，[J] Spring 1985
[18] Briston， Kedslie， M.J.M。 ， 「ProfessionalFormation: The Case of Scottish Accountants – Some Corrections and Further Thoughts」，[R] 1986
[19] Briston， 「Accounting in Developing Countries: Indonesia and the SolomonIslands as Case Studies for Regional Cooperation」，[R] 1990
[20] Buffett， Warren。， Warren Buffett: A Conversation with Dean Cynthia H。
Milligan。，[N] 2001
[21] Carhart， M。， 「On Persistence in Mutual Fund Performance」，[J] 1997
[22] Chan， Louis K.C。， 「On Portfolio Optimization: Forecasting Covariancesand Choosing the Risk Model」，[J] 1999
[23] Charles Ellis， 「Investment Management Fees Are (Much) Higher Than YouThink」，[R] June 28， 2012
[24] Chen， N。， R。 Roll， S。 Ross。， 「Economic forces and the stock market」，[J] 1986
[25] Chopra， Vijay K， Ziemba， William T 「The effect of errors in means，variances， and covariances on optimal portfolio choice」， [J] 1993
[26] Darby Nielson， Akash Vallecha， 「Factor Investing in Fixed Income Markets」，[R] 2018
[27] David Darst， 「The Art of Asset Allocation」，[M] 2008
[28] David F。 Swensen， 「Pioneering Portfolio Management」，[M] 2000
[29] Edward Qian， 「Risk parity and diversification」 [M] 2005
[30] Eduardo S。 Schwartz， Mark Moon， 「Rational Pricing of Internet Companies」[J] May 2000
[31] Elroy Dimson， Paul Marsh， and Mike Staunton， 「Equity Premia Around theWorld」 [J] July 2011
[32] Fama， E。， K.R。 French。， 「A Five-Factor Asset Pricing Model」 [J] 2015
[33] Fama， E。， K.R。 French。， 「Common Risk Factors in the Returns of Stocksand Bonds」 [J] 1993
[34] Fama， E。， K.R。 French。， 「Size， value， and momentum in international stockreturns」 [J] 2012
[35] Foster， F。 and G。 Warren。， 「Equity manager selection and portfolioformation: Interviews with investment staff」 [R] 2013
[36] Goldberg， Hayes， and Mahmoud， 「Minimizing Shortfall」， [J] January 26， 2013
[37] Greer， Robert J，「whatis an asset class， anyway<span style=」「font-size:12px；」「，」 [j]=「」 winter=「」 1997=「」
[38] Harvey， Campbell R。 ， Liechty， John C。 ， Liechty， Merrill W。， 「Portfolioselection with higher moments」，[J] April 29， 2010
[39] Haugen， R。 and N。 Baker。， 「 The Efficient Market Inefficiency ofCapitalization-Weighted Stock Portfolios」，[J] 1991
[40] 黃燕銘，《證券研究的「2+1」思維》，2016年9月
[41] Jacques Lussier， Andrew Ang， 「Portfolio Structuring And The Value OfForecasting」，[R] 2016
[42] Jan Mossin， 「Equilibrium in a Capital Asset Market」，[J] October， 1966
[43] Jegadeesh， N。， S。 Titman， 「Returns from Buying Winners and SellingLosers: Implications for Stock Market Efficiency」，[J] March 1993
[44] Jose Menchero， Andrei Morozov， 「Decomposing Cross-Sectional Volatility」，[R] September 2010
[45] Leibowitz， M。， A。 Nozari。， 「 Spread Duration: A New Tool for Bond PortfolioManagement」， [J] Spring 1990
[46] Lintner， 「 The Valuation of Risk Assets and the Selection of RiskyInvestments in Stock Portfolios and Capital Budgets」， [J] 1965
[47] Markowitz， H.M。， 「Portfolio Selection」， [J] 1952
[48] Markowitz， H.M。， 「Portfolio Selection:Efficient Diversification of Investments」， [J] 1959
[49] Nancy Opiela， 「Advisorperspectives」， [J/OL] 2011
[50] Patricia M。 Dechow， Weili Ge， Catherine M。 Schrand 「UnderstandingEarnings Quality: A Review of the Proxies， Their Determinants and TheirConsequences」，[J]August 31， 2010
[51] Pranay Gupta， 「Multi-AssetInvesting A Practitioner`s Framework」， [M] 2016
[52] Reinganum， Marc R。， 「 Misspecification of Capital Asset Pricing: EmpiricalAnomalies Based on Earnings Yields and Market Values」， [J] March 1981
[53] Robert H。 Litzenberger， Krishna Ramaswamy， 「 The effect of personaltaxes and dividends on capital asset prices: Theory and empirical evidence」， [J]1979
[54] Robert J。 Shiller， 「Irrational Exuberance」， [M] May 1 2016
[55] Rockafellar， Uryasev， 「Optimization of Conditional Value-at-Risk」， [J] 2000
[56] Roewenhorst， K。 G。， 「International momentum strategies」， [J] 1998
[57] Rosenberg， Barr， 「Persuasiveevidence of market inefficiency」，[J] Spring1985
[58] Ross， Stephen A。， 「The ArbitrageTheory of Capital Asset Pricing」，[J] 1976
[59] Sara Shores， 「Smart Beta: Defining theOpportunity and Solutions」，[R]February 2015
[60] Scott N。 Pappas， Joel M。 Dickson， 「Factor-basedinvesting」，[R]April 2015
[61] Sloan， R。 G。，「Do Stock Prices Fully Reflect Information inAccruals and Cash Flows about Future Earnings？」，[J] 1996
[62] Stewart， Grimmer，「Text as Data:The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts」，[J] 2013
[63] Thomas M。 Idzorek，「Globalcommercial real estate: A strategic asset allocation study」，[J] September 2007
[64] Towers Watson，「TGlobal Alternatives Survey 2017」，[R] July 17， 2017
[65] Treynor， Jack 「Market Value， Time， and Risk」，[J] August 8， 1961
[66] Treynor， Jack The 10 Most Important Questions to Ask in Selecting aMoney
Manager。，[J] 1990
[67] Vasant Naik，Mukundan Devarajan，「FactorInvesting And Asset Allocation:ABusiness Cycle Perspective」，[M] 2016
[68] Verdelhan， A。，「Share of Systematic Variation in BilateralExchange Rates」，[J] Spring 2015
[69] Vineer Bhansali，「BeyondRisk Parity」，[J] Spring 2011
[70] William F。 Sharpe 「Capital Asset Prices: ATheory Of Market Equilibrium Under Conditions Of Risk」，[J] September 1964
[71] Winkelmann， Kurt， 「Developing an OptimalActive Risk Budget」，[R] 2003
[72] Winkelmann， Kurt， 「Macro-Sensitive Portfolio Strategies: MacroeconomicRisk and Asset Cash-Flows」，[R] March 2013
[73] Xiong， Idzorek， 「The Impact of Skewness and Fat Tails on the Asset AllocationDecision」，[J] April 2011
[74] Yoram Lustig，「Multi-Asset Investing:A PracticalGuide to Modern Portfolio Management 」，[M] 2013
注釋
[1]據彭博2018年1月統計。
[2] Briston 在1986、1990年兩篇著名報告中詳細論證了：資產配置能夠解釋投資組合90%的收益波動。儘管在具體數字比例上還存在分歧，但資產配置對投資組合的決定性作用，已被學術界和投資界所公認。
[3]主動投資還是被動投資？一直是資管行業面臨的基本問題。2018年9月，平安資管收縮基本面主動投資，轉型量化和委外。
[4]根據中國基金報2018年10月報導：全球TOP50的頂級資產管理公司中，已有10家拿到中國私募牌照。
[5]參見Darst(2008)。
[6]比如，因政策變化或外部衝擊，經濟增長趨勢超預期或者遜於預期。
[7] Swensen(2000)提出了耶魯大學一種用於平衡當期支出與資產規模的方案。
[8]也稱之為資本市場假設(CMA)
[9]根據Chopra (1993)，MVO優化結果對預期收益誤差的敏感度比方差大11倍，方差誤差的敏感度是協方差的2倍。
[10] 2018年全球大多數資產表現不佳，體現了共同風險因子的特徵。因此有人戲言：「雞蛋沒有放在一個籃子裡，但籃子卻在同一個車裡」。
[11]因子分析興起後，這種可視感更加強烈。
[12]積極風險衡量投資收益與基準收益的差異，通常用跟蹤誤差衡量，反映了資產管理人積極投資決策對基準的偏離。殘留風險是某個公司的特定風險，例如自然災害、訴訟賠償等，是一種非系統性風險。
[13]某種資產的邊際風險貢獻MCTRi，即投資組合風險對該資產權重的偏導數。簡單形式如下：MCTRi = βi*σp，其中，σp是投資組合的標準差，βi即第i類資產相對於組合的β值。某種資產的絕對風險貢獻ACTRi = Wi*MCTRi，其中，Wi是該資產的權重。
[14]如果投資組合包括10種資產，MVO需要輸入10個預期收益、10個標準差以及45個相關係數，並且配置結果對這些參數的準確性高度敏感。風險平價模型只需要考慮10個標準差(或者方差)。
[15]一些高級的風險平價模型會考慮估計相關係數。
[16] Foster & Warren(2013)密集走訪了澳大利亞10家養老金機構的高管。從實證研究看，管理人的選擇，往往更依賴主觀定性判斷，而並非簡單的歷史業績和量化分析。
[17]參見Ellis (2012)。
[18]參見Swensen(2000)。
[19] 100×1.05/1.1=95.45。
[20] 2018年12月，美股創下10年以來最大跌幅，但在最後一周實現驚人反彈。據富國銀行推測，美國養老金在季度末，針對股債組合的再平衡操作，或是其中重要的原因。
[21]例如Morgan Stanley投資公司創始人、前主席BartonBiggs表示：「均值回歸，或者說收益向長期均值趨近，是投資領域最強大的力量之一」，參見Darst(2008)。GMO資管公司創始人、投資總監Jeremy Grantham表示：「均值回歸是金融市場之中最強大的力量」，參見Swensen(2000)。
[22]宏觀經濟商業周期、存貨周期變化，GDP擴張與衰退、通脹攀升與回落，並非市場機制永久、趨勢性改變。
[23] ANG舉了市場機制發生永久改變的兩個例子：一是1933年前後，或由於脫離金本位制度的影響，收益率曲線從向下轉變為向上傾斜。二是1987年前後，期權隱含的波動率從對稱變成負偏度(隱含波動率微笑變成隱含波動率假笑)。比較流行的一種解釋是：1987年股災後，投資者普遍擔心股災，大量買入賣空期權以避險。
[24]參見Treynor (1961)、Sharpe (1964)、Lintner(1965)以及Mossin (1966)。
[25]限於篇幅，我們無法一一列舉所涉及的文獻，僅對其中時間最早、最具代表性的文獻加以說明。
[26]舉兩個簡單例子：投資1美元PE，相當於買入1.3美元股票、做空0.3美元債券。投資1美元房地產，相當於買入0.4美元股票、買入0.6美元債券。參見ANG(2012)，哥倫比亞大學案例。
[27]參見Winkelmann(2013)。
[28] Ang和Ulrich(2012)指出，經濟增長能夠解釋股票風險溢價的60%；通脹預期能夠解釋實際利率變動的40%、名義利率變動的60%。
（文章來源：國泰君安）
(責任編輯：DF010)