多因子系列报告之十三(刘均伟-周萧潇)【金融工程】组合优化算法探析及指数增强实证-光大证券研究

作者:admin , 分类:全部文章 , 浏览:171
——多因子系列报告之十三(刘均伟/周萧潇) 【金融工程】组合优化算法探析及指数增强实证-光大证券研究
点击上方“光大证券研究”可以订阅哦
特别声明:
本订阅号中所涉及的证券研究信息由光大证券研究团队编写,仅面向光大证券客户中专业投资者客户,用作新媒体形势下研究信息和研究观点的沟通交流。非光大证券专业投资者客户,请勿订阅、接收或使用本订阅号中的任何信息。
报告摘要
本文从组合构建的主流方法与组合优化模型主要构建方式入手谍上谍下,详尽的比较了各类组合构建方式的表现。同时深入的分析了马科维茨均值方差优化模型及其衍生模型在不同约束条件下的表现。最后,构造了基于光大多因子体系“光大Alpha1.0”与“光大Alpha2.0”的中证500增强组合,组合回测期内表现出色。
组合优化是投资组合构建中的重要环节:通过组合优模型以及各类优化模型中的约束条件设置,我们可以较为系统和准确地控制投资组合的预期风险暴露、换手率、个股权重等等。组合优化模型在量化投资例如指数复制或指数增强组合的构建中则尤为重要。而不仅仅对于量化投资,具有组合优化意识或者能力的主动投资者也往往更具优势。
组合构建主流方法:常用的组合构建方法包括:等权配置、市值加权、分层抽样;常用的组合优化模型则包括:均值方差优化模型MVO以及尤其衍生的风险平价、目标风险、ABL模型、跟踪误差模型等等特警雄威。优化模型常采用的约束条件则包括:行业中性、风险因子暴露度控制、换手率限制等。
基础组合构建方法效果对比:等权组合收益表现好,MVO均值方差优化模型可有效降低风险。由测试结果可见,等权组合在收益能力上表现出色,不过由于等权组合存在天然的小市值因子暴露绝色江湖,不能很好的控制风险,因此最大回撤和最大相对回撤均明显高于其他组合构建方式。
均值方差优化模型及其衍生优化模型效果对比:未加任何约束的均值方差优化模型(MVO基础约束)收益较高,但由于各方面的风险未做控制,信息比和回撤上的表现均不尽如人意。信息比表现最好的是MVO市值暴露约束,不过由于约束了市值这个A股历史长期收益较好的因子暴露度,组合整体收益也有显著下降。最大回撤控制的最好的是风险平价基础约束模型。
基于光大Alpha1.0的中证500指数增强组合:2008年至今500内选股增强组合年化收益26.2%,年化超额收益14.2%,信息比2.5,相对波动5.7%,最大相对回撤仅为5.6%。2018年至今(2018-07-31)的信息比已达2.7。
结合光大Alpha2.0的ABL模型中证500指数增强组合:应用SVM因子择时模型后的500内增强组合表现有所提升,2009年至今信息比为3.0,年化超额收益为17.5%静斗士翔,最大相对回撤为4.1%多罗罗。其中,2017年仍获取了正向4.4个百分点的超额收益,较Alpha1.0组合有了较为显著的提升。2018年至今(2018-07-31)的信息比已达2.8,表现较好。
风险提示:测试结果均基于模型,模型存在失效的风险。
发布日期:2018-08-05
免责声明
本订阅号由光大证券研究团队编写,所刊载的信息均基于光大证券研究所已正式发布的研究报告,仅供在新媒体形势下研究信息、研究观点的及时沟通交流,其中的资料、意见、预测等,均反映相关研究报告初次发布当日光大证券研究所的判断,可能需随时进行调整,本订阅号不承担更新推送信息或另行通知的义务豆柴,任何情况下任何完整的研究观点,均应以光大证券研究所已正式发布的相关研究报告为准。
本订阅号仅面向光大证券专业投资者客户。光大证券客户中非专业机构投资者客户,不论通过何种渠道阅读到本订阅号的内容,请自行评估相关内容适当性,石乃文并咨询专业投资顾问,对相关信息可能的风险进行充分的了解,若因不当使用本订阅号中任何信息而造成任何直接或间接损失温拿五虎,需自行承担全部责任。非光大证券客户,请勿订阅、接收或使用本订阅号中的任何信息。

文章归档