金融工程行業(yè)深度研究：基于擴(kuò)散指數(shù)的全球資產(chǎn)配置策略.pdf

金融工程行業(yè)深度研究：基于擴(kuò)散指數(shù)的全球資產(chǎn)配置策略。

基于高頻擴(kuò)散指數(shù)因子構(gòu)建全球大類配置資產(chǎn)策略

本研究針對(duì)宏觀擴(kuò)散指數(shù)存在的時(shí)滯性等問題，利用 factor mimicking 的方 法，構(gòu)造了擴(kuò)散指數(shù)的高頻因子組合，幫助投資者能更加及時(shí)地追蹤全球宏 觀狀態(tài)。之后，基于高頻擴(kuò)散指數(shù)因子組合的相關(guān)信息，我們構(gòu)建了一套以 高頻擴(kuò)散指數(shù)因子為矛、技術(shù)面模型為盾的全球大類資產(chǎn)配置策略體系，最 終的大類預(yù)算調(diào)整+單資產(chǎn)收益預(yù)測(cè)+布林帶指標(biāo)策略在回測(cè)樣本區(qū)間內(nèi)的 年化收益可達(dá) 11.79%，夏普比率達(dá) 1.88，Calmar 比率達(dá) 1.17，均高于基 準(zhǔn)的風(fēng)險(xiǎn)平價(jià)策略。策略在 2020 年后的表現(xiàn)更加亮眼，年化收益率超過 12%，Calmar 比率也達(dá)到 2.48。上述回測(cè)結(jié)果表明，高頻擴(kuò)散指數(shù)因子具 有一定的增量信息，或可為計(jì)劃布局全球資產(chǎn)配置的投資者提供參考。

高頻擴(kuò)散指數(shù)因子與全球資產(chǎn)收益存在良好的映射關(guān)系

基于全球宏觀指標(biāo)構(gòu)建的擴(kuò)散指數(shù)具有合成方法簡(jiǎn)單、受極端值影響小、周 期特征更加明顯等優(yōu)勢(shì)，但宏觀指標(biāo)的時(shí)滯性特征導(dǎo)致其無法直接運(yùn)用于資 產(chǎn)配置中。我們使用 factor mimicking 的方法，針對(duì)制造業(yè) PMI 擴(kuò)散指數(shù)和 CPI 擴(kuò)散指數(shù)，構(gòu)造出與之對(duì)應(yīng)的高頻擴(kuò)散指數(shù)因子組合。因子組合同比序 列的運(yùn)行狀態(tài)，與資產(chǎn)收益存在良好的映射關(guān)系，以高頻制造業(yè) PMI 擴(kuò)散 指數(shù)因子為例，當(dāng)其同比序列上行時(shí)，風(fēng)險(xiǎn)類資產(chǎn)的收益表現(xiàn)強(qiáng)于防御類資 產(chǎn)，其中風(fēng)險(xiǎn)資產(chǎn)內(nèi)部股票類資產(chǎn)的勝率高于商品資產(chǎn)；當(dāng)其同比序列下行 時(shí)，防御類資產(chǎn)的表現(xiàn)更加出色，而防御資產(chǎn)內(nèi)部，貨幣資產(chǎn)持續(xù)獲取收益 的能力相對(duì)債券資產(chǎn)而言更為穩(wěn)健。

高頻擴(kuò)散指數(shù)因子可為資產(chǎn)配置帶來增量信息，提升策略表現(xiàn)

基于擴(kuò)散指數(shù)和資產(chǎn)價(jià)格的映射關(guān)系，我們?cè)陲L(fēng)險(xiǎn)平價(jià)策略的基準(zhǔn)上，根據(jù) 高頻擴(kuò)散指數(shù)因子的運(yùn)行狀態(tài)，調(diào)整資產(chǎn)大類間的風(fēng)險(xiǎn)預(yù)算相對(duì)比例，概括 而言，當(dāng)高頻制造業(yè) PMI 擴(kuò)散指數(shù)因子或 CPI 擴(kuò)散指數(shù)因子同比序列上行 時(shí)，我們放大風(fēng)險(xiǎn)資產(chǎn)（股票、商品）的預(yù)算比例；而當(dāng)它們下行時(shí)，則放 大防御資產(chǎn)（債券、貨幣）的預(yù)算比例。此外，考慮到大類資產(chǎn)內(nèi)部各細(xì)分 資產(chǎn)，對(duì)高頻擴(kuò)散指數(shù)因子的反應(yīng)程度可能存在差異，我們通過滾動(dòng)窗口， 利用高頻擴(kuò)散指數(shù)因子對(duì)每個(gè)細(xì)分資產(chǎn)的未來收益進(jìn)行預(yù)測(cè)，放大預(yù)測(cè)收益 更高的資產(chǎn)的風(fēng)險(xiǎn)預(yù)算比例。融合擴(kuò)散指數(shù)相關(guān)信息后，策略年化收益率從 基準(zhǔn)的 5.39%提升至 10.93%， Calmar 比率從 0.99 提升至 1.21。

高頻擴(kuò)散指數(shù)因子為矛，技術(shù)面模型為盾

我們對(duì)高頻擴(kuò)散指數(shù)因子信息的利用，均是通過放大資產(chǎn)的風(fēng)險(xiǎn)預(yù)算來實(shí)現(xiàn) 的。這種單向操作，可能會(huì)導(dǎo)致組合的權(quán)重在某些時(shí)刻會(huì)特別集中在個(gè)別資 產(chǎn)上，而一旦資產(chǎn)的基本面信號(hào)與市場(chǎng)走勢(shì)發(fā)生背離，組合或?qū)⒃馐茌^大幅 度的回撤。此時(shí)，如果疊加一層趨勢(shì)動(dòng)量追蹤模型，或可提升整體策略表現(xiàn)。 基于該思想，我們?cè)诓呗灾屑尤肓撕?jiǎn)單的技術(shù)面指標(biāo)——布林帶指標(biāo)，用于 監(jiān)測(cè)各個(gè)資產(chǎn)的價(jià)格趨勢(shì)，當(dāng)布林帶指標(biāo)顯示資產(chǎn)有下行風(fēng)險(xiǎn)并發(fā)出看空信 號(hào)時(shí)，我們將對(duì)應(yīng)資產(chǎn)的風(fēng)險(xiǎn)預(yù)算進(jìn)行削減。我們的最終策略“以高頻擴(kuò)散 指數(shù)因子為矛，技術(shù)面模型為盾”，全樣本回測(cè)區(qū)間年化收益可達(dá) 11.79%， 2020 年后的年化收益可達(dá) 12.35%，Calmar 比率達(dá) 2.48。