摘要

20201117-华泰证券-资产配置方法、管理人选择与动态组合管理：MOM投资组合的构建

MOM是万亿级的产品类比，立足管理人研究，目前我国MOM多为私募

MOM组合的构建流程之一：资产配置方法

MOM组合的构建流程之二：投资管理人评价分析体系

MOM组合的构建流程之三：动态组合管理

正文

[/wiki/static/upload/ce/ce487045-8dab-4c4d-b2ad-0db8fecb1252.pdf](/wiki/static/upload/ce/ce487045-8dab-4c4d-b2ad-0db8fecb1

摘要

财富客群是资本市场的蓝海客群

中国高净值人群规模及其持有的可投资资产持续增长，是资本市场的蓝海客群

资本市场成为财富管理“吸金”增长点

财富管理面临三大门槛：专业知识面、人性和行为、基金投资的“门槛”

资产配置模型是提升财富客群体验的挑战点

资产配置模型、资产配置规律运用对于提升财富管理体验效果至关重要

配置环境分析有助于做出更稳健的决策

资产配置模型在中国市场的运用需要本土化的探索和实践

“配置+组合”：配置模型与基金组合的交响乐

基于基金类别的资产更适合作为财富管理的选择标的

基金组合超市的魅力在于风险配置性价比的清晰呈现

配置模型决策以基金组合落地能够

摘要

解决资产收益率分布尖峰厚尾与假设不符的问题

通过多项式目标优化法引入高阶矩到马科维茨模型中，提升组合夏普率

本篇报告介绍了资产配置中经典的有效前沿理论和马科维茨模型的数学原理和应用方法，并分析马科维茨模型中对收益和风险的假设与实际市场不符的情况，从而考虑引入高阶矩来拓展模型在资产配置中的适用性。通过测试多项式优化方法（PGP）在原模型基础上加入偏度和峰度的影响，我们发现加入三阶中心矩偏度后的模型能够有效地提高组合夏普比率，并且更换底层资产和回测区间后，模型的提升依旧可靠。

马科维茨模型构建出以均值方差为基础的有效前沿，明确了组合投资目标

马科维茨模

摘要

通过模型设计获得风格与策略等风险溢价

配置多种风险溢价的组合优于仅包含市场风险溢价的资产组合

传统资产配置策略大多基于资产的风险收益特征，在不同类别的资产之间进行分散配置，获取市场风险溢价。成熟市场研究证明，配置低相关的多种风险溢价能使组合表现更佳。本文梳理了市场、风格、策略三类风险溢价，并采用风险平价模型进行实证检验。具体地，我们选取全球主要市场股、债、商三类资产，分别构建短期低波、中期动量、长期周期三个不同时间维度的风格风险溢价策略，并用风险平价模型对策略进行配置。由于组合同时在资产类别和风格层面分散风险，并能获取承担多种风险的回报，业绩明显好于仅做资产配

摘要

风格图谱

风格概述：风格是指将市场上同一属性的股票归类到相应类别并以此分析其走势特征的一种划分方式。轮动则描述市场上具有不同特征板块涨跌力度不同或此消彼长的现象；指数构建：鉴于现有指数时间短、数量固定、调仓慢、实操性差等问题，从因子和行业角度出发，构建长时间维度的五类风格因子；风格走势：从相对价格走势和年度收益率差值区分风格情况：历史上小盘股长期占优；低估值、高成长风格长期稳定，但二者之间走势差异并不明显；消费相比于周期长期走高；金融与非金融间风格轮换速度较快；科技相比于传统行业仅少数年份占优势。

轮动方法

轮动思路：相比于技术面轮动，基本面方法更具逻辑性、

研究背景

随着各家公募基金的养老目标产品逐渐获批，以及银行理财资金的逐步入市，未来对大类配置的需求越来越多，而资产配置能力决定着这类产品的业绩。 在这样一个大资管时代到来的背景下，作者试图研究大类配置方案的利器——“动态资产配置策略”，来为投资者的决策提供参考。本文是资产配置系列的第一篇，后面还会连续推出更深度、更贴近现实、权重跳跃幅度更小的连续时间下的随机最优控制模型。

动态资产配置介绍

传统的资产配置方案是基于 Markowitz 的均值方差框架。在 2003 年以后，随机最优控制理论和随机动态规划技术逐渐被利用到资产配置决策当中，模型是在资产增值过程的动态约束下来最大

摘要

文献来源：Jennifer Bender, Jerry Le Sun and Rick Thomas, Asset Allocation vs. Factor Allocation – Can We Build a Unified Method?[J] The Journal of Portfolio Management, 2018, 45 (2) 9-22

推荐原因：近60年间，股票和债券等资产一直是多元化投资组合的主要基石。长期以来，投资者普遍认为，对不同类别的资产进行分散投资足以为组合带来多元化投资的裨益，但近期在市场大幅下挫过程中，对不同类别资产进行分散投

报告摘要

主要观点

本篇是“学海拾珠”系列第二十九篇，本期推荐的海外文献研究了在不同的经济环境下各类资产和风格因子多空组合的表现及敏感性，且作者建议通过分散化投资的方式来降低宏观风险敞口。

• 各类资产在不同经济增长和通胀环境下表现是各异的

整体上，风格溢价对宏观经济环境的敏感度低于大类资产，而各大类资产都对特定经济环境有明显的偏好。具体而言，股票在经济增长上行阶段表现较好；债券在通货紧缩的环境下表现较好；商品则偏爱通货膨胀的环境。当通胀上升而经济增长下行时，股票受到的影响最大；而当经济增长和通胀均上行时，债券受到的影响最大。考虑到商品对通

摘要

本文着眼二大类资产与FOF投资策略研究，分别从研究背景、资产配置框架、计算模型和策略实证四个方面介绍大类 资产配置不FOF投资方法。

公募FOF产品落地，养老型产品已具备发行条件，智能投顼平台觃模日趋增长，资管新觃出台对公募基金的制度性支 持等因素，将推劢公募基金需求的增长，大类资产配置以及FOF策略将成为核心竞争力。

正文

[/wiki/static/upload/c1/c162c35e-eb44-4cc0-81e2-a1cd088775d6.pdf](/wiki/static/upload/c1/c162c35e-eb44-4cc0-81e2-a1cd088775

摘要

研究主题

本文作为资产配置研究系列的第四篇，研究主题为A股行业配置方法的探索与实践，研究重点设定为中短期（月度）层面的行业轮动与战术配置。

研究内容

首先，回顾总结当前市场上关于行业轮动配置的方法，并提出兴业A股行业配置研究框架；第二，以两个不同板块风格的行业为例（有色和家电），用案例分析的形式介绍如何从对行业基本面的预测分析应用到对行业指数价格的预测分析上；第三，基于时间序列视角给出了行业择时配置的流程方法；第四，基于截面比较视角给出了行业比较配置的流程方法；最后，综合时序预测和截面比较的结果形成完整的行业配置框架。

行业择时预测

对于行业的择时

摘要

研究主题

本文作为资产配置系列研究的第五篇，研究主题为基金产品的评价与内部配置，研究重点为主动股票、主动债券型基金的评价体系构建与组合配置方案。

研究内容

本文的核心内容包括三部分，即股票型基金的评价和配置方法，债券型基金的评价和配置方法，以及多类型基金产品的综合配置思路框架，通过上述分析以期实现两个任务：通过合理的基金分类和基金配置，来保障基金组合能够实现资产配置中底层资产的Beta功能，进而结合基金评价和合理业绩归因，通过配置预期业绩具有持续性的基金产品，以尝试获取Alpha收益。 股票基金评价与配置：文章指出了针对股票型基金进行分类和评价时需要注意的问

摘要

2021年3季度市场回顾：从主要宽基指数来看，2021年3季度A股市场主要指数收跌，呈现曲折下降态势，但跌幅分化明显。季度收益表现最好的中证500涨4.34%，其次wind全A下跌1%，沪深300和创业板指跌幅较大，分别下跌6.85%和6.69%。分行业来看，2021年3季度上涨行业占比32%，仅采掘1个行业连续3月上涨。全市场等权平均收益0.41%。

2021Q3组合综合能力TOP15组合平均收益2.31%，选股能力TOP15组合平均收益0.36%，择时能力TOP15组合平均收益10.49%。2021年4季度基金组合：综合能力TOP15：持仓较分散，行业偏好为电子、国防军

摘要

利用GoogleTrend上被搜索的信息进行投资组合的多元化配置。投资资组合多元化和主动的风险管理是金融分析的重要组成部分。在全球金融危机期间以及之后，这些变得更加重要(并受到质疑)。文献中提出了一种新的方法，即利用GoogleTrend上被搜索的信息进行投资组合的多元化配置。这种策略基于这样一种理念，即以被搜索量衡量的股票热门程度与其风险相关。文献通过降低热门股票的权重，并增加热度较低的股票的权重，以降低投资组合的总风险。结果表明，该策略的表现在样本内和样本外的表现均优于基准指数和均匀加权投资组合。

正文

[/wiki/static/upload/36/368e83e

摘要

资产配置的本质是资产选择以及市场择时

资产配置就是在给定的预期收益条件下，期望组合风险最小；在给定期望组合风险条件下，期望投资收益最大。实现其目标主要包括资产选择和权重配置两部分。

隐马尔可夫模型的本质是对复杂数据进行降维，学习低维隐藏状态的转移进行预测

隐马尔可夫模型将每一个可观测值的产生对应着市场状态的变化，通过观测序列得知对于目前市场状态建模，进而帮助择时判断。市场状态是隐藏状态不可观测的，其通过可观测变量来进行推断。模型本质上是将市场观测状态用隐藏状态进行降维，之后再对低维的隐藏状态空间拟合状态转移，根据状态转移概率对未来市场状态形成预测。

摘要

投资要点经典模型的扩展与融合

传统均值方差模型尽管能够充分利用资产的预期收益率和协方差信息，但由于收益率难以估计以及模型敏感性较高的问题，实际效果较为一般；B-L模型通过对资产的先验权重反推出先验收益率，再结合新的观点形成后验收益率，有效解决了收益率难以预测以及敏感性高的问题；风险配置类模型仅从资产的历史协方差来构建模型，虽然能够有效控制策略的波动，但相应的收益率却比较低。

我们在B-L模型的框架下，以风险平价策略权重作为先验权重，叠加短期动量作为观点，得到资产的后验收益率分布并进行均值方差最优化。同时加入跟踪误差的约束来控制策略的波动。

基于风险平价和Bl

摘要

基于资产周期状态与市场表现的关系规律，采用机器学习挖掘预测逻辑本文首先介绍美林时钟等宏观择时模型，分析其根据经济周期状态的划分进行资产配置的原理，同时指出其应用于中国等新兴市场投资时遇到的挑战。其次，简要回顾华泰金工周期系列研究基于市场统一周期规律提出的周期三因子资产定价模型，以及机器学习挖掘市场规律的原理。最后，采 用机器学习的方法发现资产所处的周期状态与其未来市场表现的内在逻辑，实现对资产收益排序的概率预测，并通过对全球市场和中国市场的实证研究，证明该方法对指导资产配置的有效性。 市场周期运动的主导特征是基于资产周期状态预测其未来表现的基础美林时钟模型为宏观择时到资产配置的投

摘要

本文主要讨论了Brinson基金绩效归因模型的原理和实现方法，并利用该模型对股票型和混合型基金进行实证研究。Brinson模型基于持仓数据，将基金的超额收益主要归因于资产配置与标的选择两个方面。通过理论分析和实证检验，我们发现不考虑交互收益的BF超额收益分解方案和将再投资收益归属到超额收益产生阶段的GRAP算法是Brinson模型的较优实现方法。 　　 基于此，我们分别选取一只股票型基金与混合型基金进行实证分析，定量测算了两只基金不同时期里的资产配置、行业配置和标的选择能力，实现对偏股基金超额收益来源较为深入的剖析。

Brinson模型可针对不同类型的基金进行单期或多期

摘要

本篇报告主要解决了以下三个问题：

1、传统选基框架存在什么问题以及该如何调整？

2、该从哪些角度给基金经理贴标签？

3、特定风格下，该怎么优选基金经理？

传统选基框架可通过基金经理优选弥补传统的选基框架存在问题，同一基金经理在管的多只基金无论是在业绩还是持仓方面都呈现高度相似性，造成基金层面的信息冗余，这时“选人”相较于“选基”能过滤掉重复信息，起到信息降维的作用。

此外，基金经理更迭频率快，频繁的更换基金经理会造成基金风格出现出现短期不稳定的问题，在这一过程中研究基金经理本身是更加稳定的切入角度。

基金经理具备哪些稳定的特征？

我们从5个方面来对基

摘要

均值方差理论框架的三大假设与真实的投资环境有很大偏差：资产回报为正态分布的假设，忽略了真实分布的尖峰厚尾与非对称性；波动率作为风险度量的假设，忽略了上行与下行风险的不对称性；组合优化目标为单位风险回报最大化的假设，忽略了具体回报目标，而回报目标决定了组合为此需要承担的最小风险，达不到目标也是一种风险。

本报告的目的即修正这三大假设，我们认为投资者真正关心的风险是：本金安全风险和投资目标不达风险，由此提出了一种全新的风险度量方式。同时通过核密度估计和多元正态分布变换我们拟合了资产真实分布的偏态、峰态和相关性，由此产生的随机数能帮助我们采用蒙特卡洛的方法计算风险度量，形成有效的风险

摘要

本篇报告介绍了基于因子投资的资产配置方法。因子投资的核心思想认为，资产配置的本质在于配置资产背后的风险因子而非资产本身。Andrew（2014）将因子定义为“长期来看具有高收益的投资风格”。 遵循其对因子是否可投资的区分，我们将因子分为了两类进行讨论：一类是不可直接投资的宏观因子，刻画了各资产类别间的共同风险；另一类是可投资的风格因子，解释了各资产类别内的风险溢价。

基于因子的资产配置方法并不需要完全颠覆传统的资产配置决策体系，而是在原有的框架里优化各层次组合的风险收益表现来更好地达到配置目标。报告介绍了三种将因子投资应用于资产配置的路径，分别是对组合风险的尽职调查、对风格因

摘要

美国养老计划主要为401(k)和IRAs，两者资产总额14万亿美元。401(k)和IRAs更多是账户功能，账户自由度高，可投资产品有丰富选择。共同基金占据资产配置中约一半的比例，并且在上升趋势中。

退休计划共同基金的投资中最主要的是股票型基金，其次是平衡型基金，但平衡型（目标日期及目标风险基金）比例在不断上升。海外公司提供多种选择，单一产品+智能配置+自由选择方案。

国内建议依然是产品及管理方式多元化，养老投资并非单一产品可以解决。更多的产品需求依然来自于平衡型基金产品，目标风险和目标日期产品是适合养老投资的方式。

从产品设计角度，参考富达基金的研究，对资产比例的确定，思路

摘要

国盛金融工程团队自2018年起便长期深耕资产配置的研究方向，并于2021年开始整合大类资产配置框架（以下简称为SmartAllocator系统〉，以系统化和定量化的视角判断国内股债资产的配置机会。在系统运行一周年之际，本文将总结2021年我们在资产配置判断的得失，并系统性地介绍我们资产配置研究的逻辑、理念和框架。

正文

[/wiki/static/upload/2a/2ad449c5-6076-4496-bd1d-53513fd564b8.pdf](/wiki/static/upload/2a/2ad449c5-6076-4496-bd1d-53513fd564b8.p

摘要

文献来源：Demiguel V, Gil-Bazo J, Nogales F J, et al. Can Machine Learning Help to Select Portfolios of Mutual Funds?[J]. Social Science Electronic Publishing, 2021.

推荐原因：众所周知，事先确定未来表现优异的共同基金是一项困难的任务。本文基于大量投资者容易获得的基金特征数据，利用机器学习方法训练提升其预测能力。研究发现，利用1980年至2018年期间美国股票型基金的数据，基于机器学习方法构建的基金组合，经风险调整

文献来源：Noël Amenc, Mikheil Esakia, Felix Goltz and Ben Luyten. Macroeconomic Risks in Equity Factor Investing.The Journal of Portfolio Management, 2019: jpm. 2019.1. 092.

推荐原因：本文旨在探讨宏观经济的风险对因子收益的影响。作者提出了一套寻找代表宏观经济预期的状态变量的方法，并发现选取的变量对因子收益的影响是显著的，并能反应经济预期的变化。作者还发现选取相关性较低的因子在一些情况下也不能很好的对冲宏观风险，理解宏观风险的逻辑才

文献摘要

Shiller P/E与宏观经济环境

由于在较长的时间跨度中存在均值回归情况，Shiller P/E（也称为Cyclically-Adjusted PE（周期调整市盈率），CAPE）在全世界都能够强有力地预测市场长期回报。但同时，Shiller P/E对短期回报的预测也是出名的差，这是由于宏观经济环境的不同会导致Shiller P/E比率会有较大变化。Leibowitz & Bova (2007)发现，在适度的实际利率环境下，市场估值一般会较高；而在非常低或者非常高的实际利率环境中，P/E一般会有所降低。本文在这个发现上进行了拓展：如果假设P/E会向特定宏观