资产收益率难以预测，波动率和相关系数具稳定性 [page::4][page::5][page::6]

• 沪深300指数月收益率随机波动且自相关性低，难以预测。

- 资产波动率表现出明显的聚集效应和衰减自相关性。

• 资产间相关系数具有长期稳定性，适合用较长时间窗口估计。

主成分风险平价模型（PCRP）优势明显 [page::7][page::8][page::9]

| 指标 | 投资组合I RP | 投资组合I PCRP | 投资组合II RP | 投资组合II PCRP |
|----------------|--------------|----------------|---------------|-----------------|
| 累计收益率 | 47.74% | 52.18% | 47.19% | 53.17% |
| 年化收益率 | 5.11% | 5.51% | 5.06% | 5.59% |
| 年化波动率 | 2.46% | 2.31% | 2.70% | 2.09% |
| 最大回撤 | 3.62% | 3.28% | 3.54% | 3.33% |
| 夏普比率 | 0.858 | 1.083 | 0.762 | 1.243 |
| Calmar 比率 | 1.412 | 1.677 | 1.427 | 1.680 |

• PCRP模型在资产高度相关情况下实现主成分空间等风险贡献，避免重复配置。

- 实证中PCRP比传统RP模型表现优异，配比集中于债券等低风险资产。

预期风险和走势估计的模型改进及算法流程 [page::11][page::12][page::13][page::14]

• 预期风险估计采用衰减加权法，用短期数据更敏捷反映波动率变化，长期数据估相关系数。

- 预期走势估计利用趋势跟踪法（移动平均线）辨别资产涨跌趋势，调整配置无风险资产。

• 三模型：WDC-PCRP（预期风险）、TF-PCRP（预期走势）、WDC-TF-PCRP（风险＋走势）。

大类资产数据及标准资产配置模型回测 [page::15][page::16][page::17][page::18]

• 选取25种涵盖股票、债券、期货的全球大类资产，资产间相关性整体较低，利于分散风险。

- 标准模型中PCRP取得最高夏普比率(2.102)和最低回撤(2.21%)，较EW和RP模型表现卓越。

• PCRP模型更集中于债券类资产，换手率较高但有利于风险控制。

引入预期风险估计的资产配置模型成果 [page::19][page::20][page::21]

• 采用衰减加权波动率和长期相关系数估算协方差。

- WDC-PCRP模型最大回撤降低至1.88%，夏普比率达1.855，较其他引入风险估计模型显著。

• 换手率较标准PCRP模型有所降低，风险控制能力增强。

引入预期走势估计的资产配置模型成果 [page::22][page::23][page::24]

• 3个月移动平均线判断资产趋势，动态做多/做空资产（做空由无风险资产替代）。

- TF-PCRP模型年化收益提升到6.03%，最大回撤降至0.94%，夏普比率超过3，风险收益显著改善。

• 月度换手率最低，风格周期内仓位调整及时且高效。

引入预期风险和走势估计的综合模型成果 [page::25][page::26][page::27]

• WDC-TF-PCRP模型综合考虑风险和走势，年化收益5.72%，最大回撤0.68%，Calmar比率高达8.418。

- 模型在风险控制上较佳，趋势跟踪方法明显提升组合收益稳定性。

• 调仓权重主要集中于债券和无风险资产，换手率适中且集中于风格切换期。

模型参数敏感性及债券加杠杆提升收益分析 [page::28][page::29][page::30]

• 移动平均阶数2-5月为最佳窗口，夏普比率和Calmar比率均维持高位。

- 债券加杠杆显著提高收益，举例1.4倍杠杆下收益率超过9%，夏普比率提升至4.3以上。

• 杠杆伴随收益波动放大及回撤增加，实际应用受融资成本和政策限制影响。

研究总结及展望 [page::31]

• PCRP模型有效解决传统风险平价模型中高相关资产重复配置的问题。

- 预期风险和走势估计显著改善模型风险收益表现，趋势跟踪贡献更大。

• 债券加杠杆是提升收益有效手段，但实际运营复杂，需关注融资及市场风险因素。

- 未来研究将关注不同资产风险动态、趋势差异性及杠杆风险控制等问题。

金融工程专题报告详尽分析报告

——资产配置策略研究之二：引入衰减加权和趋势跟踪的主成分风险平价模型研究

---

1. 元数据与报告概览

• 报告标题：资产配置策略研究之二：引入衰减加权和趋势跟踪的主成分风险平价模型研究

- 作者：吴先兴

• 发布机构：天风证券研究所

- 发布日期：2017年11月17日

• 研究主题：资产配置策略，重点聚焦于风险平价模型的改进，加强风险预测与趋势判断的能力，优化资产权重分配策略，提升风险收益表现。

报告核心论点：
针对传统风险平价（Risk Parity, RP）模型存在的资产相关性高、重复配置、高频风险忽略及未来走势不考虑等缺陷，作者在此前提出的主成分风险平价（PCRP）模型上进一步引入了两种创新改进方法：基于衰减加权的预期风险估计和基于趋势跟踪的预期走势估计，经实证验证，展示了改进模型在提升收益、降低风险和提高风险调控能力方面的显著优势，特别是在大类资产配置中表现优异。报告还探索采用债券杠杆放大投资收益的可能性。
报告强调实证基于历史数据有效性且给出具体操作算法及流程。
风险提示明确指出模型存在市场结构变化与交易因素影响带来的失效风险。[page::0]

---

2. 逐节深度解读

2.1 传统风险平价模型存在的问题与改进动机（引言、背景）（第0、4页）

• 传统风险平价模型假设低相关性资产，导致对高相关资产的分配重复且不合理；未考虑资产未来收益方向，可能在熊市中仍给予权重；忽视风险的动态变动特性。

- 作者此前报告已提出PCRP模型，通过主成分分析将资产转化为相互独立的主成分组合，在正交空间实现等风险贡献，避免对高度相关资产重复配置，并具资产筛选能力。

• 本报告聚焦于第三、四两个问题，即增强对未来走势的判断（趋势跟踪法）和风险的动态估计（衰减加权法），形成改进的资产配置模型体系。

- 本报告全面阐述了资产特性的理论和实证分析基础，为改进风险平价模型提供了理论依据和模型设计要点。[page::0,4]

2.2 资产特性分析（第4-7页）

• 收益率难以预测（随机游走假设）：沪深300指数月收益率无显著自相关性（拟合优度不足0.01），实证证明资产收益近似随机游走，给收益预测带来困难，难以精确依赖预测数据调仓。

- 波动率聚集性及衰减性：波动率存在较强自相关特性，且随时间滞后长度增长表现出衰减趋势。沪深300波动率一阶自相关拟合优度超过0.5，二阶和三阶依次降低，波动率的时间相关结构适合加权估计。

• 相关系数的长期稳定性：资产间相关系数短期波动较大，长期观测体现均值回复的稳定性。以上证5年期国债和上证企债指数为例，1个月相关万得数据拟合优度低（0.01），3个月及6个月拟合优度分别达0.52和0.74，表明长期相关系数估计更稳健。

- 综上，风险（尤其是波动率及相关系数）相比收益更具可预测性且稳定，基于风险视角可构建更为稳健的资产配置系统。[page::4-7]

2.3 主成分风险平价模型优势（第7-10页）

• PCRP模型采用主成分分析（PCA）将高相关资产线性组合为正交的主成分组合，主成分组合彼此不相关，利用标准风险平价模型分配权重，最后反推原资产的投资权重。

- 理论证明，PCRP模型的优化目标是使所有主成分的风险贡献相等，转化为求解一个非线性最优化问题，尽管数学较复杂，但有解析结构且求解优美。

• PCRP克服传统风险平价模型对高相关资产的重复配置问题，实现更纯粹的风险均衡与资产筛选。

- 以两个投资组合为例，投资组合II增加了与沪深300极度相关的中证800（相关系数达0.986），RP模型并未区分，依然分配权重给中证800和沪深300，而PCRP模型主要期内只投资两者之一。

• 回测数据（投资组合I、II）显示PCRP在累计收益、年化收益、波动率、最大回撤、夏普率及Calmar比率均优于RP模型，特别是PCRP能降低资产配置的风险并提升收益表现。[page::7-10]

2.4 衰减加权法与趋势跟踪法改进（第11-13页）

• 衰减加权法基于发现波动率聚集性和衰减性的实证，分别对资产的波动率和相关系数应用不同半衰期加权。相关系数因长期稳定，采用较长的估计期，波动率由于变化较快，采用较短半衰期加权以快速响应市场风格变化，从季度分块的历史数据加权得出预期风险的协方差矩阵。

- 趋势跟踪法假设市场趋势持续性，采用n个月移动平均线与月末资产价格比较判定资产处于上涨或下跌趋势。上涨趋势资产全满仓持有，下跌趋势资产做空或转入无风险资产（因国内难以做空，实际操作中通常替代为持有无风险资产）。

• 回测沪深300 3个月趋势跟踪策略显示相比直接持有的591%提高净值，年化收益4.54%高于1.46%，最大回撤降低，夏普和Calmar比率明显改善。

- 上述改进将分别集成进PCRP模型中，形成三类模型：WDC-PCRP（仅引入风险估计）、TF-PCRP（仅引入趋势跟踪估计）及WDC-TF-PCRP（同时引入风险和趋势估计）。[page::11-13]

2.5 实证研究：多模型与大类资产检验（第15-27页）

资产与数据概况（第15-16页）

• 选取全球25类大类资产，涵盖国内外股票指数、债券指数及期货品种，多市场数据合并，处理交易日不一致，数据跨度2009-2017。

- 统计发现海外股票资产平均年化收益较高，期货类收益较低；债券最大回撤最小，整体资产相关性较低（绝大多数资产相关系数位于-0.1至0.2），为资产配置提供多样化基础。[page::15-16]

标准资产配置模型比较（第16-18页）

• 采用等权重（EW）、传统风险平价（RP）及PCRP三种模型，季度调仓，滚动240交易日风险估计。

- PCRP净值曲线最稳健，累计收益最高（51.22%），年化收益5.42%，年化波动率仅1.15%，最大回撤2.21%，夏普比率2.10，Calmar比率2.44，优于RP和EW模型。

• 权重分布显示EW等权分布，RP集中在债券类资产，PCRP进一步偏重较低风险债券及有波动优势资产，调仓换手率PCRP最高（13.6%）。[page::16-18]

引入预期风险估计改进（WDC模型）（第19-21页）

• WDC系列模型基于衰减加权风险估计，分解协方差矩阵用长短期数据分别估算相关系数和波动率。

- WDC-PCRP继续表现最佳，年化收益率上升趋势不明显（5.11%），但波动率降低到1.14%，最大回撤明显降至1.88%，Calmar略提升。

• 调仓权重变动集中于债券类，换手率略低于PCRP。[page::19-21]

引入预期走势估计改进（TF模型）（第22-24页）

• 结合趋势跟踪法调整资产权重，高频率（月度）调仓使资产配置在上涨趋势中加仓，下跌趋势中减仓至无风险资产。

- TF-PCRP表现抢眼，累计收益58.23%，年化6.03%，波动率与最大回撤均显著降低（0.94%和0.94%），夏普率3.24，Calmar比率6.40。

• TF模型权重动态显著，无风险资产占比较大，月换手率高达14.44%。

- 模型有效利用趋势降低组合回撤和波动率，显著提高风险调整收益。[page::22-24]

综述：同时引入预期风险和预期走势（WDC-TF模型）（第25-27页）

• 集成风险衰减加权和趋势跟踪两方法，缓解单一方法局限。

- WDC-TF-PCRP综合表现平衡，年化收益5.72%，年化波动率0.9%，最大回撤0.68%，夏普率3.02，Calmar比率8.42，综合收益风险表现优异。

• 模型净值曲线平稳增长，换手率控制良好，权重主要分布于债券与低风险资产。

- 实测结果清晰显示预期趋势改善推动收益提升，风险衰减改善风险控制，其结合模型体现最佳风险调整后收益。[page::25-27]

移动平均阶数敏感性测试（第28-29页）

• 不同移动平均周期对TF-PCRP及WDC-TF-PCRP性能影响微妙：

- 移动平均阶数在2至5个月时，收益最大（6%左右），夏普与Calmar比率最高，最大回撤最低。

• 高于5个月，收益逐步下滑，风险指标恶化。

- 该周期设置较优，给实操提供选取依据。[page::28-29]

债券加杠杆增强（第29-30页）

• 通过回购融资提升债券杠杆，模拟1-10倍杠杆率下模型表现，假定年融资成本3%(日约1.25‰)。

- 杠杆提升大幅提高收益率（年化收益最高超35%），但同时增加波动率和最大回撤，夏普率仍有提升，杠杆杠杆使模型收益风险结构向右上方优化。

• 净值曲线显示1.4倍杠杆模型明显优于无杠杆版本，尽管2016年债市调整降低表现。

- 但实际杠杆应用存在融资成本、杠杆限制及市场波动等风险因素。[page::29-30]

---

3. 图表深度解读

图1-2（第4页）

• 描述：沪深300月度收益率走势随机，无明显自相关。

- 解读：点散布无系统规律，线性回归拟合优度低于0.01，难以用月收益预测下月收益。

• 联系文本：支持收益率难以预测的实证基础，为后续主张风险视角模型提供理论依据。[page::4]

图3-6（第5页）

• 描述：沪深300月波动率走势图及一阶、二阶、三阶自相关性散点图。

- 解读：波动率存在中高阶衰减自相关，拟合优度从0.51下降到0.14，显示波动率具有聚集性和衰减性。

• 联系文本：提供衰减加权风险估计方法理论支撑。[page::5]

图7-12（第6-7页）

• 描述：上证5年期国债与企债指数1月、3月、6月相关系数及其自相关散点图。

- 解读：长期关联性显著增强，相关系数波动幅度随计算周期延长收敛更稳定，自相关拟合优度从0.01增长到0.74。

• 联系文本：强调相关系数的长期稳定性要素估计原则，为衰减加权方法选择长半衰期相关系数的合理性提供证据。[page::6-7]

图13（第9页）

• 描述：选定大类资产间长期相关统计表，突出中证800和沪深300高度相关（0.986），其他资产相关性普遍较低。

- 解读：局部高相关资产需识别和调整，PCRP模型正解决此问题。

• 联系文本：投资组合II中两资产高相关性对模型表现及权重差异影响的根基。[page::9]

图14-17（第9页）

• 描述：投资组合I和II在RP和PCRP模型权重分布图。

- 解读：PCRP避免两高相关资产重复投资，权重更集中，而RP分散投资于两资产。

• 联系文本：实证验证PCRP在现实高相关资产中资产筛选与风险均衡优势。[page::9]

图18-19（第10页）

• 描述：两个模型下沪深300与中证800权重差异分布

- 解读：RP模型权重相近（重复投资），PCRP模型投资两者中一项，权重差异大，体现资产筛选效果。

• 联系文本：清晰诠释PCRP的创新策略逻辑。[page::10]

图20（第11页）

• 描述：衰减加权法估算波动率和协方差示意图，结合不同季度权重加权波动率。

- 解读：体现对近期风险信息更敏感，满足波动率衰减属性，提高风险估计准确度。

• 联系文本：说明衰减加权法算法原理，为模型改进提供直观说明。[page::11]

图21（第12页）

• 描述：沪深300 3个月移动平均趋势跟踪策略净值曲线与价格线对比。

- 解读：趋势跟踪策略能显著缓冲波动，提升净值累计及降低最大回撤。

• 联系文本：趋势策略为资产配置收益风险优化提供定量支持。[page::12]

图22-23（第15-16页）

• 描述：25大类资产的年化收益与风险统计图、长期相关性分布条形图。

- 解读：资产收益差异显著，海外股票类收益最高，债券与期货较低；资产相关性整体偏低，有利多元化配置。

• 联系文本：支撑大类资产配置优化研究对象和多样性基础。[page::15-16]

图24-28（第16-18页）

• 描述：标准资产配置模型下净值走势及权重分布、换手率变化

- 解读：PCRP模型持续稳健增长，权重显著集中债券，换手率最高反映调仓积极性。

• 联系文本：说明PCRP模型在标准风险平价配置的优越性。[page::16-18]

图29-33（第19-21页）

• 描述：引入预期风险估计的资产配置模型净值及季度换手率、权重分布。

- 解读：WDC-PCRP在风险控制上优于其他同类模型，换手率相对较高但有所下降。

• 联系文本：强调风险估计对模型风险降低的贡献。[page::19-21]

图34-38（第22-24页）

• 描述：引入预期走势估计的资产配置模型净值及月度换手率、权重分布。

- 解读：趋势跟踪显著提升组合收益，最大回撤大幅降低，但换手率较高。

• 联系文本：证实趋势跟踪有助提高收益风险比，月调频率策略敏感度较高。[page::22-24]

图39-43（第25-27页）

• 描述：综合引入风险与走势改进模型的净值、权重、换手率表现。

- 解读：综合模型进一步平稳组合表现，兼顾收益和风险控制，是较优配置方案。

• 联系文本：相较单一改进，综合模型表现更平衡且有优势。[page::25-27]

图44（第27页）

• 描述：改进主成分风险平价模型六年净值走势图比较。

- 解读：TF-PCRP表现最高，WDC-TF-PCRP最大程度控制风险，两者收益风险均优。

• 联系文本：模型分项改进效果集中体现，印证趋势跟踪提升收益，风险衰减控制风险的主张。[page::27]

图45-46（第30页）

• 描述：1.4倍债券杠杆下TF-PCRP及WDC-TF-PCRP模型净值走势对比。

- 解读：债券加杠杆显著提升净值表现，尽管后期债券市场波动对模型影响较大。

• 联系文本：实际应用中适度杠杆有效放大收益，但须权衡风险管理。[page::30]

---

4. 估值分析

报告为资产配置模型研究报告，核心聚焦于模型的风险及收益表现，未涉及确定性估值及目标价设定，因此不涉及传统意义上的估值分析。其主要价值在于模型性能指标的量化分析，采用实证回测收益、风险（波动率、最大回撤）、夏普比率和Calmar比率等综合指标衡量模型优劣。

---

5. 风险因素评估

• 模型风险：基于历史数据估计，未来存在结构变动及市场风格快速变化的风险，可能导致模型表现弱化甚至失效。

- 数据风险：多市场数据交易日差异、估计周期选择影响性能稳定性。

• 执行风险：模型较高换手率带来交易成本、执行风险的考量。

- 做空限制：国内市场做空工具不健全，策略需要转向无风险资产替代，可能影响收益与风险表现。

• 杠杆风险：债券杠杆存在融资成本提高、市场波动和杠杆限制等潜在风险，实际应用需严格控制杠杆比例。

- 交易与流动性风险：高频调仓可能面临流动性不足及滑点风险。
报告未具体给出缓解策略，但强调严格风险控制、谨慎杠杆应用及策略灵活调整的重要性。[page::0,30,34]

---

6. 批判性视角与细微差别

• 报告明确基于历史数据实证，未提供模型对极端市场条件的适应性检验；模型稳定性对不同市场结构敏感，实际可用性需融合市场经验。

- 衰减加权和趋势跟踪结合并非收益双重提升，存在一定的冲突，节奏匹配不一导致联动效率下降，提示模型调参和灵活性需加强。

• 趋势跟踪依赖移动平均工具，存在时间滞后及信号噪音问题，适用性在不同资产和市场周期可能差异显著。

- 模型对债券类资产依赖较重，收益率受限，过度债券配置可能造成资产收益空间受限，杠杆虽补足收益但带来放大风险。

• 换手率较高，尤其TF模型，未详述影响交易成本的测算，可能降低实际净收益。

- 做空替代无风险资产虽合理，但简化处理可能导致策略过于保守，限制收益潜力。

• 报告中部分数据表格和图表标注不够详尽，需依赖上下文理解。

- 报告整体较系统、专业，但对衰减权重、移动平均阶数等参数选择缺乏坚实理论分析及更细致多市场检验。

• 未涵盖多因子或机器学习等现代预测手段整合可能限制前瞻性提升空间。

- 基于PCA的主成分模型假设线性独立可能无法充分捕捉非线性风险因素。

综上，模型创新性明显，实证基础充分，但实施时需警惕模型依赖参数及市场环境变化影响，做好动态调整与风险管理。

---

7. 结论性综合

本报告系统性地梳理了传统风险平价模型的主要局限，结合理论及多层次实证研究，创新性地引入了基于资产波动率衰减加权的预期风险估计和基于移动平均线的趋势跟踪预期走势估计到主成分风险平价模型（PCRP）中，形成多层次改进模型（WDC-PCRP、TF-PCRP、WDC-TF-PCRP）。

实证研究基于国内外包括股票、债券及期货共25大类资产，覆盖了2009年至2017年近十年数据，全面比较了等权重、传统风险平价、PCRP及以上改进模型在收益、波动率、最大回撤、夏普比率及Calmar比率等维度的表现，得出关键结论：

• PCRP模型克服了传统风险平价模型对高相关资产重复分配的弊端，在所有指标上均优于传统风险平价模型，体现了其资产筛选与风险分散的优势。

- 引入预期风险估计（WDC）有效捕捉风险的动态变化，尤其波动率衰减特性，显著降低风险及回撤水平，改善风险调整收益率。

• 趋势跟踪预期走势估计（TF）则通过动态跟踪资产价格移动平均识别趋势，控制下跌资产配置，显著提高组合收益率同时降低风险。

- 结合两种改进（WDC-TF-PCRP）模型综合了趋势收益与风险动态调整能力，表现为平稳增强的组合风险分布，较高的夏普与Calmar比率。

• 阶段敏感性分析表明，移动平均期在2-5个月为适宜区间，兼顾及时性和稳定性。

- 债券加杠杆实验显示杠杆能够大幅提升收益率，夏普率继续提升，但提升同时伴随风险放大，需权衡风险容忍度。

• 换手率分析显示PCRP系列模型换手较高，尤其结合趋势调整的TF-PCRP模型，换手主要集中在季度调仓和市场风格转变期，提示实际应用需充分考虑交易成本。

图表深度解读充分佐证了模型设计理念与实证结果。趋势跟踪与衰减加权风险的结合，由于理念及数据周期差异，未实现收益与风险的双重最优，而是收益与风险间的权衡，体现了现实投资策略中收益与风险控制的典型折中。债券配置及杠杆使用带来收益提升的同时，也伴随运用风险和市场流动性风险。

报告虽未涉及标准估值技术，但通过全面量化回测指标进行效果评判，逻辑严密且数据丰富，具有重要的实用指导意义。报告坦诚模型限制和风险潜在点，提出未来改进方向，展现科研的开放态度。

综合评级与作者立场
报告明确建议基于主成分风险平价模型引入衰减加权和趋势跟踪的两项改进，特别推荐结合二者的WDC-TF-PCRP模型，其风险调整后的收益性能突出，适合作为当前大类资产配置策略的重要参考工具。风险提示仍需投资者警惕市场极端变化及模型参数的稳定性风险。

---

参考文献、声明及附录等资料详见原报告。

---

综上，该报告内容翔实，理论与实证结合紧密，为解决传统风险平价模型重要缺陷提供了具有实际操作价值的创新方案。图表丰富且解释细致，为资产配置模型研究与应用提供了范例。投资者及资产管理方可重点关注报告提出的算法及参数设置，但应结合自身风险承受能力和市场环境动态调整。整体而言，此报告为风险平价资产配置研究提供了创新且实践性强的有力支持。 [page::0,4-33,35]

# 祝投资成功！

报告