风险平价：传统资产配置的缺陷和现代投资组合的改良 | 资管前沿01

大家好，欢迎来到见闻阅读。今天为大家分享的是《探秘资管前沿：风险平价量化投资》。

相对于许多传统的多资产投资策略，风险平价策略较为新颖，在最近十年引起了业界的广泛关注，它与资产管理领域许多最前沿的课题紧密相关，如因子投资（factor investing）、智能贝塔（smart beta）等。风险平价策略并不复杂，它抓住了多资产管理的核心理念——分散化。

这本书的作者来自中投公司。中投公司也是国内最早开展风险平价策略投资的机构之一，在全球范围内也属于较早进入该投资领域的机构。本书作为余家鸿、吴鹏和李玥等投资团队骨干的经验总结，也是他们与国际同行交流、切磋的结果。

过去几年，我国资产管理行业的管理人数量与管理资产规模均快速扩张，涌现出许多优秀的资产管理公司。中国经济快速崛起并与国际金融体系深度融合，是国内大型金融机构发展的最坚实基础。在世界500 强企业的前50 强中，有10 余家中国企业。然而在世界前50 大的资产管理公司中，却尚没有来自中国的资产管理公司。由此可见，发展我国资产管理行业，任重而道远。因此，拓展国际视野，广泛借鉴成熟市场资产管理行业的投资策略、经营理念、业务模式以及发展路径，更好地与世界接轨，对我国资产管理行业的创新与发展意义重大。

对于风险平价量化投资策略而言，机构投资者需要全面认识以下四个问题。

一、以风险配置取代资本配置的方法
自20 世纪90 年代以来，随着多资产投资的兴起，市值加权型组合由于计算简便、含义直观、操作简单等特点，成为进行多资产投资时的习惯性选择。股债60/40 组合等成为资产管理业内大家耳熟能详的经典组合。

但是，操作简便不等于业绩优异。市值加权型组合所面临的集中度风险过高等问题自不必提，随着最近几年智能贝塔逐渐被业内接受，大量的研究证明了在某些市场条件下，非市值加权策略可以获得更好的夏普比率（Sharpe ratio）。在资产类别的内部实施风险加权，或是在跨资产类别上进行风险配置的做法，提供了除市值加权方法以外供资产管理者进行思考和探索的新方向。

二、分散化与风险调整后收益
60 多年来，现代投资组合理论深刻地影响了整个资产管理行业乃至金融界。这一理论的核心是对于分散化价值的肯定和风险调整后收益（risk-adjusted return）这一概念的确立。

风险平价成为近年来的投资热点话题，这也意味着更多的投资者意识到投资组合过于集中于某个单一风险因子并非上策。而风险平价策略具有以下四个特点：避免集中度风险（如股票）；加入更多资产类别分散整体风险；容易监控和盯住整体风险水平；适度采用杠杆提高回报。因此，我们认为，风险平价策略可以有效地增加风险分散水平和提高风险调整后收益。

三、委托代理问题
委托代理问题（principal-agent problem）——经济学中的经典问题——也存在于资产管理行业。委托人（principal）是资产所有者（asset owner），他们通常注重长期投资收益，而代理人（agent）一般是具体的投资机构或投资经理。委托代理问题源于资产所有者和投资经理具有不同的效用函数、风险偏好、激励和技能，且信息不对称。

对这个问题的解决方案主要是设计更好的“激励相容”（incentive-compatible）合约，其中包括双赢的风险共担举措与薪酬方案。资产管理行业内投资经理的薪酬方案通常分为管理费和业绩分成两部分，其中管理费取决于资金管理规模，而业绩分成与投资收益的高低有关。业绩分成的计算离不开具体的、量化的评价标准，因此设定业绩基准变得不可或缺。恰当地选择业绩基准，对于防止代理人进行短视化操作具有重要意义。

四、投资，不止于数字
投资的流程并不应当止于看到业绩回报的数字，分析和思考业绩背后的原因同样重要。投资业绩评估是整个投资流程中的重要一环，但也是很容易被忽视的一环。

通过回报的数字，投资者对于投资经理所递交的答卷应当做出一个客观的评判，比如，投资的初衷是否实现了？投资的逻辑是否行之有效？策略的执行是否名实相符？回报的来源有哪些？承担的风险到底是多少？回报的水平能否令人满意？投资经理的能力是否稳定、可靠？等等。回答这些问题，可以加深对投资策略的理解。

基于对上述几个问题的思考，我们从风险平价投资的视角尝试对这些问题进行探讨。除此之外，我们还将系统性地介绍风险平价量化投资的基本概念和基本方法。

第一部分介绍大型机构投资者中常见的资产配置模式，以及对不同资产配置模式与风险平价配置模式做出了比较。风险平价配置模式也并非包治百病的灵丹妙药，客观的比较可以提供进行良好应用的理论基础，对于风险平价策略的投资必须充分结合投资机构的实际情况。

第二部分以简明的方式展示风险平价组合的构建方法。目前在互联网上，尤其是社交型媒体上流传着各种关于风险平价的操作论述，质量参差不齐，它们大多数是没有实际操作经验的作者凭借拼凑的信息和个人感觉写出来的，与扎实、严谨的投资理论和实践的要求存在差距。我们希望这部分内容可以填补读者在风险平价投资实践方面的空白。

第三部分通过不同角度的业绩和风险分析，展示风险平价投资策略的客观事实，并且进一步探讨投资于风险平价组合的意义。这部分的分析工具与方法不仅适用于风险平价组合，对于分析其他类型或其他资产类别的投资策略也有普遍的意义。

第四部分探讨风险平价的衍生话题——因子投资和智能贝塔的相关内容，主要针对当前资产管理行业的热点，从投资理论角度对因子投资和智能贝塔进行一些分析与介绍，希望不失时效又具备长期可读性。

本书由风险平价投资领域内资深的管理人共同完成，每一位作者都有着深厚的理论功底和实践经验。依托其独到经验，不同的作者对于同一议题可能会有不同的意见，这也是金融投资领域的常态。我们本着求同存异的原则，保留这些不同意见，也希望能够通过这些不同意见向读者展示更多的投资可能性。

本书的主题是风险平价策略，但在我们具体地探讨该策略前，我们先概述风险平价策略的上层主题：大类资产配置。资产配置是机构投资者面临的主要问题。基于自身的特点，不同的机构会探寻适用的配置模式。

在本期内容中，我们希望通过对这些不同模式的分析，梳理出机构特点和配置模式之间内在的逻辑关系，特别是适合运用风险平价模式的机构类型。

大类资产配置的目标

资产配置是所有机构投资者的最基本战略投资决策，也可以说是最具挑战性的战略投资决策。资产配置模式的具体表达，多以战略资产配置（strategic asset allocation，简称 SAA）为基石。战略资产配置是决定机构投资人长期收益的最重要因素之一，因此业界和学术界的讨论和研究从未间断，近代文献普遍认为战略资产配置能解释机构投资组合 80% 以上的回报差异。

为了更有效地做出资产配置决策，从而达到机构的长期目标，就会有很多让人眼花缭乱的方法。而且不可避免地，这些方法在实践中会有各种微妙的差异和缺陷。

一、资产配置理论

自现代投资组合理论（modern portfolio theory）^[2] 开创性地出现以来，机构资产配置的实践在近代历史上就一直处于演变之中，相关方法和观点也层出不穷。

表 1-1 展示了常见资产配置框架，包括评估的主要方法，并附表 1-1 资产配置框架表带介绍了各个方法的收益、风险集中性、典型过程和主要缺点。^[3]

虽然现代投资组合理论存在众所周知的缺陷，但是它仍是实践中最常用的方法，并且是一般均值 - 方差优化法和很多其他相关变体的基础。按照最普遍的观点，在现代投资组合理论中，使用者需要量化各种投资的收益和风险特征，从而确定在某些特定风险偏好下经过数学工具优化的投资组合。当下，均值 - 方差优化法的主要现实挑战是，经常需要估计众多参数，并且错误的估计和优化方法可能会导致不稳定、不直观且经常不实际的投资组合。^[4] 因此，均值方差优化法通常不用于学术目的，而是用来产生大概的方向性观点，然后去指导投资组合方面的具体选择。

以最简单的两个资产（股票和债券）为例，如果收益率目标较高，或存在其他的限制条件，那么最优配置方案也可能是个角点解，如传统的 60/40 股债配置就往往会被这样理解。^[5]

显然，估计预期收益会存在较高的难度，因此，投资者在很大程度上才引入各种仅与风险相关的资产配置框架。风险平价策略就是这样的一种方法，使用这种方法，风险会在子组合（资产类别或因子）间平均分配。这种方法不仅是为了避免评估收益的需要，而且也是为了解决机构投资组合风险明显过度集中在股票风险上的问题。另外，要达到名义收益率目标，通常会依赖杠杆手段。风险平价的具体实施往往是“定向风险目标”（risk-targeting）中的一类方法，即把固定整体组合的目标波动率作为首要任务。

还有被人们熟知的其他方法，并不能简单地归入某个标准收益或风险观点中。比如，在捐赠模式中，长期投资者会关注流动性较差的另类资产，如私募股权和对冲基金等。对这类资产操作的更合理分类是，将其作为单一投资哲学，或是传统投资理论的延伸，即沿用现代投资组合理论框架，确认低流动性的另类资产能提供额外溢价（premium）。

近年来，因子分析（factor analysis）重新在业内流行起来，不过这对于学术界来说并非新鲜事物。就其性质而言，因子分析有两大投资功能：清晰化和简单化。对于复杂的机构投资组合，这是很具有吸引力的工具。

在实践中，因子分析不仅被用作均值 - 方差优化法或风险管理方法的一部分，而且也在所谓的“参考组合”中被广泛应用。加拿大养老保险基金投资理事会（Canada Pension Plan Investment Board，简称 CPPIB）和其他同类机构对参考组合进行了重点讨论和实施。参考组合会指定包含各资产类别的基础投资组合，使指定的组合与机构整体的因子配置紧密对应。例如，要投资 100 美元的私募股权（CPPIB 将其看作杠杆后的股票投资），而该项目的股票贝塔（beta）值为 1.3，那么 CPPIB 会卖出 130 美元的股票并购买 30 美元的债券或现金。实施这种方法的前提是，将每个投资映射到以资产类别进行因子分析的参考组合中，以便维持设定的战略配置。实际上，对于所有因子建模，映射的假设与操作都具有极大的挑战性，过于简单的参考组合甚至会加大这种操作的难度。

二、从理论到实践的挑战

诚然，资产配置的选择不存在灵丹妙药，每种常用的方法都有其各自在实践中让人抓狂的缺点。对于机构投资者来说，核心问题的根源是委托代理问题，这是经济学中的经典问题。在资产管理方面，委托人是资产所有者，而代理人是投资机构或投资经理。委托代理问题源于资产所有者（如养老金年金受益人）和投资经理具有不同的效用函数、风险偏好、激励、技能和不对称信息等利益关系。资产所有者监督代理人的能力有限，而且由于监督成本很高，所以难以充分地进行资产配置。资产所有者甚至不了解在监督过程中发现的信息，从而缺乏判断代理人是否称职的能力。即使雇用的代理人是投资天才，也会存在业绩考核年限与自身职业年限的错配问题。所以，对于机构投资者来说，掌握清晰、直观的投资组合理论与框架十分必要。

现代投资组合理论及其变体之所以仍然被广泛使用，是因为它是目前为止学术界普遍认可的量化工具。如果经过某些改良，现代投资组合理论还能够将市场观点和风险偏好融入合理的投资组合中。

上述举例的不同配置模型，风格各异，它们都可以被视为现代投资组合理论的衍生品，体现的是各类机构的外界约束与内部资源能否匹配。除此以外，业内大部分大型资产池的配置方法都可以被视为上述几种模型的平均模式、混合模式，是每家投资机构经过权衡轻重后找到的自身定位结果。

我们会在下一期对几种常见流派（挪威模式、耶鲁模式、加拿大模式、风险平价模式）进行介绍和对比，希望能通过详细的案例分析把各种常见的配置模型哲学勾画出来。在某种意义上，它们也可以说是现代投资组合理论的改良后操作。

三、2008 年金融危机对大类资产配置的启示

对于大部分历史悠久的投资机构来说，它们都经历了 2008 年的金融危机，都需要反思自身的配置模式，加强同业比较并居安思危，从而提高战略配置的效能。

（一）对现有传统配置模式的反思

2008 年金融危机后，传统的股债 60/40 配置和捐赠基金模式（endowment model）都受到了业界的质疑，因为在这些资产配置模式中，股票风险的集中度较高，同时资产配比（或风险配比）相对静态，导致采用这些模型的机构必然在股票市场大幅下跌时承受巨大浮亏。究其本源，造成这种结果的主要原因有两个。

1. 对资产类别的认定有缺陷

有人指出，很多传统投资机构在资产类别的认定方面存在一些误区，错误地设置了新的资产类别，比如不考虑私募股权只获取股票敞口的方式。很多分析师也指出，对冲基金并不能算是新的资产类别。批评者认为，简单地创造新的资产类别会导致投资者只是在形式上获得分散化，但并没有减少对单一风险的敞口，如股票风险。

2. 对杠杆的使用有限制

根据金融学理论，最优的资产配置应当在资本市场线（capital market line）^[6] 上，这意味着具有较高收益目标的投资机构应当适当地使用杠杆以实现资产配置最优化。但很多机构不能使用杠杆，却有较高的收益目标，因此只能通过配置高风险资产，如股票、大宗商品等来满足名义收益目标，这承担了未必能被补偿的额外风险，导致组合分散化效果受到很大影响。

（二）关于长期收益率假设的新做法

无论投资机构选择上述几种模式中的何种混合模式，在具体操作上，都离不开对大类资产类别做收益率和风险值的假设。当然，对资产的中长期收益的前瞻性预测也不再仅仅基于历史数据。目前，更多的机构开始采用积木法（building blocks）进行中长期收益预测。从直观上讲，就是先将各类资产的收益分解为几个不同的收益来源（驱动因素），然后根据对宏观基本面和市场环境的判断对这些收益来源（驱动因素）的变化趋势进行分析和预测，再搭建成资产的收益预测，如图 1-1 所示。这也是上述提到的因子分析法的衍生应用。

在具体操作时，如果投资者无明确观点，那么可以使用每个驱动因素的历史平均值作为输入参数，其预测结果与直接使用各类资产的历史平均收益并无区别。如果投资者能够对未来 3~5 年所处的经济周期和市场环境做出较为有确信度的判断，则可以将资产收益预测调整至偏离长期历史均值的水平，这对于中期资产配置的组合构建也具有观点分解的借鉴意义。

（三）组合构建与管理

在组合构建的过程中，无论是使用传统优化模型，还是使用风险平价策略，其本质是寻求具有某种特定风险收益特征的组合，^[7] 因此对风险指标的选择和测算是组合构建中的重要环节。传统优化模型往往隐含了资产的收益服从正态分布的假设，并且只关注波动率这个单一风险指标，导致优化的组合很可能包含很大的尾部风险。

2008 年金融危机后的风险控制趋势是不断改进风险指标，例如在组合构建时，我们不仅要考虑波动率，还要更多地关注“在险价值”（value at risk，简称 VaR）和“条件在险价值”（conditional VaR，简称 CVaR），并做出多维度的情景分析（scenario analysis）和压力测试（stress test），以更加全方位地反映潜在的尾部损失，从而控制战略配置组合的风险预算（risk budget）。

在实际实施上，配置计划执行后应当对组合的各种关键风险指标进行实时监测，如果某一风险指标超出预设范围，那么应当对组合进行相应调整，确保组合能够一直在既定的轨道上运行［再平衡（rebalancing）就是组合管理的一种手段］。特别是对于使用杠杆的配置模式（如风险平价）来说，动态地监测和管理组合风险就更加重要。

[1]　参见 Brinson et al.（1986），Statman（2000）。

[2]　参见 Harry Markowitz（1952）。

[3]　参见 Blyth（2016）。

[4]　参见 Michaud（1989）。

[5]　 无限制条件下最优配置权重存在解析解 w_opt=［BΣ ^-11-AΣ ^-1μ+μ^*·（CΣ ^-1μ-AΣ ^-11）］·D^-1 其中 A=μ^TΣ ^-11=1^TΣ ^-1μ，B=μ^TΣ ^-1μ，C=1^TΣ ^-11，D=BC-A²。

[6]　 资本市场线是指表明有效组合的期望收益率和标准差之间的一种简单的具有线性关系的一条射线。

[7]　 传统优化（如股债60/40组合）可以被理解为寻求在某一风险水平下预期收益最高的组合，风险平价可以被理解为寻求主要资产风险贡献（risk contribution）相等的组合。