产品中心

PRODUCTS

您现在的位置: 首页 > 产品中心

工行私行金列:中国市场资产配置方法和实践分享

发布时间:2022-06-26 20:22:08 来源:万博网页版登录 作者:万博体育手机版本登录

  一方面是因为目前背景下单一资产已经无法满足投资者对于中低波动、中高收益率的需求;另一方面,随着国内机构投资者的兴起,投资组合管理理念开始更多地被应用。

  工商银行私人银行作为较早从事专业资产配置的MOM/FOF管理机构,其探索和实践取得了一定的成效,但也深刻体会到资产配置的高度专业要求与不易。

  本文通过介绍资产配置方法和实践经验,供刚进入资产配置专业领域或者准备进入该专业领域的同行者参考,以期共同推动以资产配置为核心的财富管理市场发展壮大。

  “资产荒”背景下的资产配置似乎已经成为今年以来最热门的投资交流主题之一。之所以要给资产荒加个引号,是因为我们并不认为资产荒的本质是缺资产,而是缺乏对投资者来说风险-收益合适的资产。

  对比中美资产频谱,中国的资产频谱显得比较离散,收益率和波动率的相关性相对较弱,过去几年非标/信用债等信贷类资产在刚性兑付预期之下满足了投资者对中低波动、中高收益的单一资产投资需求,但是随着非标资产的下降和信用债利差的极度压缩,中国资产频谱上的空白断层使原先以负债驱动资产的利差投资模式受到极大的挑战,投资者不再能够舒适地享受中低波动和中高收益的资产频谱区间,科学化、国际化的投资组合管理理念开始更多地被尝试应用以解决这个问题,这也为以资产配置为核心的财富管理市场的兴起创造了基础条件。

  资产配置可以有效填补中国资产频谱的空白,但是资产配置远不止投资组合管理这么简单。

  现代投资组合理论为资产配置奠定了基础,现代投资组合理论的首倡者马克维茨指出,通过分散化投资,投资者将组合资产分散到对市场因素反应不同的各类资产类别中,构建一个更加有效的投资组合。在给定的风险水平下,充分分散化的投资组合收益高于未充分分散化的投资组合。反之,收益水平相同时,充分分散化的投资组合面临的风险较低。分散化投资可以在不牺牲预期收益的情况下降低风险水平,对投资者而言,相当于是一顿“免费的午餐”。

  在投资组合理论基础上发展起来的资本资产定价模型(CAPM,资产收益率=无风险利率+β*风险溢价)清晰划分了资产收益包括无风险收益和承担风险所带来的风险收益。风险收益来自于对风险资产的持有,即承担相应风险带来的风险溢价补偿。长期持有风险资产都能获取相应的风险溢价,风险较大的资产预期回报较高。但是中短期内这种规律可能经常会被打破,为积极管理者带来超额收益空间。

  β工具的特点是市场容量大,获取较为容易,而且成本较低,比较常见的就是指数基金。α收益则是在β收益基础上的超额收益,例如通过积极管理相对于指数投资的超额收益。α的市场容量有限,对投资能力要求较高,因此积极型管理人会收取超额业绩提成。

  “在资产配置领域没有银色子弹或者奇迹疗法,每一种方法在实践中都有其缺陷”(哈佛捐赠基金管理报告,2016,HMC)。经过海外多年的实践发展,资产配置方法论已经非常多元化,比如传统的60/40模型,投资时钟模型,BL模型,耶鲁基金模式,风险平配模型等等,但是简单地照搬任何一套方法论在中国实践可能都会面临失效或者重重困难。

  一方面是因为每个经济主体的发展轨迹和路径不同,中国市场有其自身的运行特点,需要方法论进行本土化的融合落地;另一方面是因为每一种方法论都有自己的前提假设条件,如果急于应用而忽视了对前提假设条件的静心研究可能往往适得其反。

  例如基于均值-方差模型的传统60/40组合,组合绝大部分的风险贡献来源于60%的权益投资,因此需要忍受短期波动带来的挑战,尤其是在波动率超过全球平均水平的中国权益市场;投资时钟模型和BL模型均面临对当前经济周期的判定和推导,由于长中短期的经济周期表现可能出现分化且并不一定按规律延续,虽然越长期的周期走势相对越稳定,但是市场对中短期核心矛盾的认定切换更容易产生短期资产表现的快速轮转,比如今年所谓的美林电扇现象;耶鲁基金模式中,另类资产的贡献比较显著,这得益于耶鲁基金自身获取该类资产的能力,在中国国内另类资产的市场容量还比较小;风险平配模型较好分散了风险贡献度,以获取同等条件下最优的风险收益比,但是该模型通过杠杆方式来提升目标波动率从而达到最优风险收益比下的投资回报的方式在目前可能面临困境。

  因此资产配置方法论的本身并没有优劣之分,关键在于理解和融合,使之合适财富管理机构自身的特点。

  工银私人银行成立于2008年,经历8年的快速发展和改革转型,客户AUM突破1.2万亿,直接管理资产已经超过8000亿元。资产投资范围覆盖货币、固收、权益、股权、跨境、另类和绝对收益等七大类资产。

  作为较早从事专业资产配置的MOM/FOF管理机构,通过对资产配置理论的研究和实践探索,形成符合自身投资目标和投资约束的大类资产配置体系,连续三年取得了7%的组合回报,夏普比始终保持在2左右,将取得的这些成效进行业绩归因,资产配置的贡献大约为80%,即β收益;择时和管理人选择的贡献分别大约为5%和15%,即α收益。

  资产配置框架包括自上而下的大类资产配置和自下而上的投资策略(管理人)遴选与组合两条主线,前者主要负责β,后者主要负责α,投资组合有效前沿的构建是两条主线的结合落脚点。从管理层次上,资产配置框架包括大类资产配置、策略分配和管理人选择三个层次。

  大类资产配置层面,需要通过宏观经济走势的研判和模型的因子测算,最终输出大类资产配置的明确比例。这是自上而下大类资产配置主线的起点,却也是整个资产配置框架中最重要的部分。之所以重要,是因为大类资产配置比例的确定决定了占整体收益贡献近80%的β收益来源。因此如果从效益的角度而言,专注于资产配置的机构应该起码把自身80%以上的精力和时间花在这个阶段,而不是在选人或者选基金的层面。

  矢量是一种既要有方向,又要有具体大小的量。研究宏观经济的人多,其中能根据宏观研判严谨给出大类资产配置方向的可能只有一部分人,而其中再能给出具体配置大小比例的可能就更少了。比如通过逻辑的宏观研判,你即使得到了超配一类资产的方向,超配是多少比例呢?是5%还是10%?中间的幅度又得拍脑袋吗?这似乎会让前面严谨的推断显得事倍功半。

  大类资产配置过程表明,投资决策过程中需要将科学和艺术紧密结合起来,因为单纯依赖定性的判断或单独依赖定量分析都不能为投资者带来持续的成功。在很多投资者看来,宏观经济研判中基于经济数据的经验规律总结和推导非常重要,但是由此得到的配置建议大都是方向性的,很难得到比例大小的决策输出。确实需要花比较多的时间做这些工作,但是也需尝试用因子模型把偏艺术性分析的宏观配置刻画出来。从宏观分析到配置落地其实是将组合目标风险预算量分配在经济增长因子(股票)、经济萎缩因子(债券)和通货膨胀因子(商品)的过程,如果用纯科学量化的手段,可以选择用风险平配的方式使风险在三个因子间均衡暴露,但是严谨的宏观研判可以为因子敞口的管理提供更多的支持,从得到符合自身投资目标,在宏观研判配置方向指导下的量化解。

  上述大类资产配置比例的确定是大类资产战略配置(SAA),虽然事实证明择时的收益贡献占比不高,但是适度的战术配置(TAA)可以有效提升整体组合的投资收益。

  择时之所以贡献不高,是因为从概率论上来说,这是一项50%概率的决策,所以并不是择时越多越好,而是追求高胜率的择时。因此试图通过资金拟合模型、行为金融模型、动量追踪模型等增加择时的胜率,目前加权模型胜率也只能提升到65%的水平,但这已经足够为我们增加5%的整体收益贡献比例。

  另外,由于资产本身的涨跌以及到期再投资等原因,需要为资产配置组合进行再平衡。再平衡是对实际组合比例偏离资产配置比例的修正,因为长时间的偏离其实意味着组合承担了另一种资产配置方案的风险分配,所以再平衡的根本动机是维持组合的长期目标,目的是控制风险而非增加收益。

  策略分配层面是大类资产配置的延伸落地,是投资组合有效前沿的构建和细化。每一项大类资产之下都会有一些更加细化的子策略可供选择,比如债券的利率策略、信用策略等等。

  在大类资产的既定β分配之下,有专门按资产类别管理的团队负责在该资产内部对不同资产子策略进行风险因子的均衡分配,由此最终形成策略的组合,即投资组合的构建。通过境内实践,希望分享的是近年因为桥水而引起广大关注的风险平配理论其实不仅限于资产间的风险均衡,在资产内部的风险均衡也可以非常有效地提升收益风险比。

  比如沪深300指数基金是一种很有效方便的β配置工具,但是由于其内在构成中金融行业的风险贡献明显更大,所以从资产内进行策略均衡的角度可以选择有能力提供均衡风险分配的smart β工具进行优化。

  策略分配层面的另一项重要工作是找到能够有效执行策略的主体,这些主体在形式上可以是MOM的专户形式,也可以是FOF的基金形式,而资金分配给这些主体的过程也被市场称之为“委外”,所以“委外”也只是一种形式表象,在资金背后隐含的大类资产配置策略分配才是真正的灵魂。如果“委外”缺少了灵魂,那么“委外”的资金方可能就不清楚自身承担了哪些风险,会有哪些风险收益,容易在市场大幅波动的时候发生高买低卖行为;而“委外”的受托方可能也无法理解资金隐含策略,产生执行层面的策略偏移问题。

  资产配置尤其是大资金的资产配置往往是孤独的,因为大类资产的配置和调整必须具有前瞻性,中短期趋势性的交易(择时)不可能成为资产配置者的主要收益来源;简单的止盈止损也不是资产配置者该考虑的方式,更多该思考不同策略在风险因子相关性上的对冲。

  所以在策略执行时资产配置者往往会出现在市场左侧,也只有逆向选择才能完成资产配置的需求。比如去年从信用向利率的切换至今保持如此大规模资金零信用风险的记录,再比如今年熔断市场后对港股资产的增仓成为今年组合风险收益的主要来源。而这一切策略的执行离不开理解我们的合作伙伴,因此管理人的选择对于β的快速落地和α的贡献至关重要。目前对管理人的选择包括了管理人准入和管理人评价两个方面。

  管理人准入包括运营能力的尽调(ODD)和投资管理能力的尽调(IDD):ODD侧重于β执行的硬件保障调查,更多是针对公司层面的;IDD侧重于对α输出能力的调查,更多是针对投资团队或是投资经理层面的。在IDD过程中,由于国内尚缺少第三方独立具备公信力的投资管理能力评估机构,所以需要更多依托托管行的高质量数据作为基础进行尽调。

  在管理人评价方面有基于净值(Return Base)的管理人评价体系,分为α分析、α持续性分析、风险模型解释度分析三个维度。通过构建的风险因子模型,对管理人获取α的能力进行评价,具有超额业绩、稳定性更高、风险模型解释度更低的管理人则更为优秀。也有基于持仓(Holding Base)的管理人评价体系,分为定量数据分析、业绩归因、组合贡献、定性数据分析四个维度。

  以此从另一个角度更加详细地刻画出管理人的投资收益-风险来源和α能力。通过建立日度、周度、月度、季度以及年度的管理人账户监测机制、长效评价机制,注重和管理人的投资策略交互,来实现管理人选择的科学化、系统化。(完)