(山东邹城市圣城文化债权收益权01号)邹城圣鑫城上城怎么样

2018年是权益投资市场灾年，我们都愿意给自己的亏损或者盈利低下找借口。券商金工团队的研报也越来越少，为什么？因为股票市场直接使用简单因子，挖不出足够的alpha了，研究方法无非是机器学习的更深度使用。债券市场***不断，但是收益率增加显示该市场带着风险迎来牛市，商品期货CTA模型盈利难度增加，但是动量模型创造年度正回报依然可期。

既然单资产不容易做，我们自然迎来今年市场的主旋律——多资产配置。天风证券今年去年发布了一篇研报《基于半衰主成分风险平价模型的全球资产配置策略研究》，引发我们关注。

有同事提醒，好友陈博士在网上复现了此研报，他在券商和Fintech公司都有从业经验，基于他的代码，我添加和改变了部分新资产（更贴合现有投资业务），来探索风险平价、主成分风险平价的资产配置效果，核心依然是分散风险。

本次组合资产介绍

股票

股票资产或者股票指数ETF资产，是资产配置的重头戏，也是最容易做出超额收益的资产。这两年来美国经济增长预期强劲、美股涨势向好，无论接下来牛市是否结束，已经为投资者创造了实实在在地回报。A股虽然牛短熊长，但优秀的上市公司也创造了超额回报。目前国内股市和美国股市阶段性面临困难，但是再艰难的时刻，大投行都会告诉你：混合资产投资者应该保持股票敞口。

从基金选择看，注重控制风险、个股性价比、擅长基本面选股的基金是主动管理首选品种，ETF是追踪指数，接受“市场高度有效，主动管理无效”观点的必然配置品种。本次选择了沪深300、标普500、日经225、富时100、法国CAC40、德国DAX这几种资产。

债券

是我们最核心最重要的资产，是资产配置的压舱石，也是国家金融市场体量最大的一部分资产，可惜很多交易者总是忽略他们，其实通过债券基金就可以覆盖。债券资产的累积收益率、最大回撤及净值波动率等指标表现均优于股票资产，虽然绝对收益低，但是债券“风险收益比”更高。相信这个回报率跑赢了很多做股票的交易者（虽然大家都不愿承认），回撤比率更是跑赢了几乎99%的交易者（如果以摊余成本法计价跑赢100%）。

债券的收益主要来源于两部分，一部分是票息收入，在不*** 的情况下，这部分收益绝对为正，它的收益来源是出借资金给发债主体获得地低风险回报；另一部分是来自在二级市场上价格的涨跌带来的收益，如果发现债券有价格低估，及时买入之后卖出，或者持有到期，都是获利方式，这部分收益来源是市场价差交易，有一定风险。考虑到利率债和信用债的区别，我们使用上证企债、上证5年国债(全)做资产组合。

CTA商品期货管理型基金

我们多次写过为什么要做期货，并配置管理期货基金，再把写书时候的几句话搬出来，自己再看一遍，也觉得还算受用：

A、高换手率，交投热烈

B、量化交易占比更大

C、业绩更优秀，收益风险比高

D、规模偏小，产品布局灵活

E、相关性低，和股票类产品有效对冲

F、资产内部各期货品种波动率有一定对冲特性

CTA策略无论论是投资品种还是投资方式都极为丰富。Barclay CTA基金指数和标普500指数相关系数仅为0.01，和美国国债相关系数也只有0.14。这种资产在其他大类资产走低特别是出现价格突变（如崩盘）时，往往能够呈现出高回报特性，这是机构投资者最为看中的。

图片：芝加哥商品交易所投资组合测试

芝加哥商品交易所研究报告《Managed Futures: Portfolio Diversification Opportunities》做了这样一个资产组合模拟：在原始组合（50%股票+50%债券）中加入 CTA 基金，形成的新组合（40%股票+40%债券+20%CTA）收益率高于原始组合，且波动性大幅低于原始组合。

CTA部分是原来研报中不存在的，我们着力推荐这部分资产应该纳入大类金融资产配置，并选择了一套时间序列动量模型，一套股指IF动量模型，两者的鲁棒性都比较强，资金曲线衰退可能性弱。

黄金

黄金是古老的价格锚定，也的确是稀缺资源。关于黄金的配置，在这些年出现更多争议。长期来看，黄金表现仅仅比现金好一点点，但是波动要大很多。与我们常识有所违背的是，黄金和商品长期表现竟然比国债还要低，黄金或许只在分散风险方面有些作用，它可以对冲灾难。本次选择中信沪金商品指数表达对于黄金的配置。

原油

它是驱动经济所需的基本养料，我们很多物质文明都建立在原油工业基础上。它也和宏观经济、地缘政治有非常密切的关系。采用一段机构的话：在大类资产配置领域，原油类资产不仅有庞大的规模，而且其投资载体也丰富多样。来自华泰期货研究院原油与商品策略组组长潘翔。具体到原油如何使用方面，业内主要是利用原油对通胀的高度敏感性以及与其他大类资产的低相关性，使其和其他资产构成更为稳健的投资组合。本次使用布伦特原油指数。

多资产组合的一般方法

等权配置

在投资组合的构建中，最基础的便是恒定权重法，即以恒定权重配置不同资产。它的假设是波动率的无序无法把握特性，导致我们无法做出主动资产权重配置。但是这种方法存在明显缺陷，完全没有体现出资管优势，尤其是多种资产相关性较高时，它也平均配置，存在问题。大类资产的波动率是有迹可循的。

等波动率配置

投资者会对偏好波动率较小的资产，而对避免波动率较大的资产，因此便形成了等波动率（Equal Volatility, EV）的资产配置方法。这种方法有一定道理，波动率和配置权重应该呈倒数关系。

均值方差模型

古老的均值—方差模型是由H.M.Markowitz（哈里·马科维茨）在1952年提出的风险度量模型。投资者需要在期初从所有可能的证券组合中选择一个最优的组合。这时投资者的决策目标有两个：尽可能高的收益率和尽可能低的不确定性风险。一般我们优化的方向都是最大夏普。极端情况下，为了追求投资组合风险最小化，均值-方差模型便可转化为最小方差（Minimum Variance, MV）模型。

风险平价模型

上周公众号文章详细讲解过：风险平价Risk Parity的最终目标是均衡配置多个资产的风险（等风险贡献）。计算出TRCi TRCj等任何一个资产的风险贡献。i、j遍历各项资产，N为资产总数。风险平价模型要求选择合适的资金配比wi，使得组合中各项资产的风险贡献相等，也就是：TRCi = TRCj。

主成分风险平价模型

在明天我们向聚宽官方公众号投递的稿件中，将详细描述这种模型。主成分风险平价模型（Principal Components Risk Parity, PCRP），为了应对相关性资产的资产配置问题，寻找因子背后不相关的风险因子，使得风险因子满足风险均衡。这种模型让资产的风险贡献相等，转化为主成分的风险贡献相等。适用于资产之间有相关性，并且资产数量较多的情况。

基于Python实践各类资产配置过程

数据探索

没有什么比数据可视化，让我们更轻松观察到所使用的资产特性。我替换了陈博士原文中的几类资产，特别是商品部分，我们不仅可以做多持有商品，也可以通过做多波动率（漂移率）的方法持有不同类型的CTA基金或模型。

数据计算

数据切分，风险再平衡调仓时间为：每季度末，回测区间为2010年1月1日至2018年9月30日，取出调仓节点日期及回测期间交易日。因为衡量波动率等因子都需要一个较为稳定的区间，所以周度不够用，月度可能不足够稳定，季度略好一些。

然后到了本报告的关键部分：get_smart_weight函数。该函数实现了等波动率（今早请陈博补充该部分）、风险平价、主成分风险平价等多项输出功能，可以获得资产权重+风险贡献权重。

紧接着我们新建了6份权重空白数据，并调用get_smart_weight填充它。

后续的过程就是读取各种资产配置方式的权重，然后填充为净值数据，到此计算部分已经完成，你会发现只要不放入太多的资产（20类之类），计算速度都是可以接受的，以聚宽提供的网络服务器资源，大概在800秒（15分钟左右），核心的计算量估计在PCA主成分提取方面，等波动率和风险平价的权重计算其实很快。

资产配置结果评估

各种资产配置方法八仙过海，到底谁表现更好，起码在本案例中，我们放入了较多的股票指数作为干扰，且放入了信用债（企业债）和国债，两种相关性较强的资产来考察模型，还在CTA部分引入两种稳健模型作为配置方案，得到的结果应该有一定参考意义。

通过运行上图的绘图我们发现，各种配置方法表现差异较大，等权方式创造了最高收益，但是回撤非常大，难以接受，虽然长期看曲线向上，但是考虑到如果没有境外股票市场的支撑，仅A+H股市场，大比例配置股票风险极大。其他三种配置方式总体上稳健，虽然净值数据较低。

进行细致绩效检测后发现，其中以主成分风险平价方法为最优。而且考虑到对于资产的风险特性提取，如果在通过配置少数几种资产就能达到风险分散效果，则可以避免频繁调仓。

由此可以看出，净值图上无法体现的细微差异，通过绩效评估模块可以有效体现出来。我们当然倾向于选择夏普比率最高的资产配置方案（在本案中是主成分风险平价，简称PCRP）去实盘。因为在金融这个加杠杆生存的行业中，更小的回撤并非意味着更小的收益，而是意味着我们可以用自有资金撬动其他客户的资金，或者和其他机构以结构化方式运作资管产品。

按照资产特性，我们看到（以风险平价为例），债券依然占据绝对主力，企业债和国债占据配置70％以上的份额，黄金、CTA动量、CTA股指指数也占据一定空间，而传统意义上的股票市场指数合计占据了不到10%比率，尤其是2018年来波动率提升，占比继续缩减。这就是资产配置模型的意义所在。

明天我们向聚宽官方公众号投稿一篇，从算法和编程角度，进一步细致解读这套模型的运行效果，以及反思主成分风险平价的利弊。陈博士的原文还分享了“预期风险估计和预期走势估计”，以及“改进的主成分风险平价模型”。

所以今天我们也不能自私，将原文链接送给他的作品，点击后即可复制完整代码，并看到各类资产的权重配置细节，在这里你会发现，主成分风险平价方式配置的资产数量更少，效果更好。

最后放上一则活动预告：

2018年12月22~23日，2天时间，我们将在上海举行一次量化策略模型分享会。限制人数15人，免费参与，每人讲30分钟~1小时，分享自己喜欢的策略类型和源码以及实盘效果，共同商议如何进一步改进模型，互相提示模型风险，确定新的研究方向。

这种分享交流会我们在北京举行过一次，年底在上海做第二次，欢迎有兴趣的读者参加。可通过公众号留言报名，也可微信联系我philips_kai，或发邮件pyk001@163.com。