资产配置供需不平衡 低相关度资产前景向好

　　6月28日，由私募排排网、易方达主办，中信期货期货联合主办，兆富资本、金原财富、言起投资、凯纳资本、厚石天成、云溪基金、新交所、宽睿、老虎证券协办，深圳市私募基金协会特别支持的第三届FOF&MOM基金管理人年会在北京金融街(行情000402,诊股)丽思卡尔顿酒店盛大开幕。年会特别邀请到国内顶尖券商、银行等机构投资者，以及业界优秀的私募基金管理人作为嘉宾齐聚一堂，搭建专业化、开放型的沟通交流与友好合作的互动平台。天风证券金融工程首席吴先兴在会上就资产配置供需、低相关度资产配置等主题作了精彩演讲。

　　以下是发言精彩摘要

　　非常感谢私募排排网以及易方达举行这个活动，我们主要是从事研究相关的工作，今天我们在讨论FOF和MOM，资产配置是FOF与MOM投资过程中无法绕开的话题，因此我们就资产配置相关的研究成果和大家做一个交流。

　　首先大家今天在这里探讨FOF，到底FOF是为了解决什么问题而生的？为什么要有这样一个产品的存在？我自己的一个理解来看的话，FOF最根本的使命是为了实现资产配置的作用，帮助投资者实现资产的长期稳健的增值，这里有两个关键词是：长期和稳健，将是贯穿我们研究的始终。

　　这是我们做的一张图，从整个投资绩效上来看，决定投资绩效最重要的因素就是资产配置，这是针对美国1977-1987的10年时间里面做的调查，资产配置决定了投资绩效中90%的来源。所以资产配置的合理与否，将直接影响收益的关键因素。

　　可能大家会问，什么是资产配置？资产配置，目前大多数人的理解是可能是一些基础资产的组合，比方说商品、债券、股票。大家印象中的资产配置还是基础资产的重新组合。我自己对于资产的理解，我觉得每一项资产就是一个收益曲线，不同的收益曲线就代表着一种类别的资产。因此在实际投资中资产配置应该是对各种收益曲线的组合，达到我们所预期的“长期稳健”增值的目的。

　　但实际上，国内资产配置的现状是能够给家庭提供资产配置的产品是不够的。目前居民家庭资产主要配置在“房产加股票”上，并没有多少居民家庭通过FOF或者MOM的方式实现资产配置的目的，而是将家庭资产暴露于高风险的敞口之下，或者说让普通投资者接触到并且有认知的资产类别还是太少。

　　在资产配置过程中，还有一个非常重要的前提，就是资产类别的相关度问题，在配置的过程当中，尽管你的种类很多，包括现在看到的股票性基金、混合性基金，大家的相关性还是太高了，它并不能起到一个分好的分散资产的作用，所以在资产配置当中，两条非常重要的前提，一个是有足够多的可供家庭进行配置的产品，第二是产品的相关度要低。只有满足这两个条件，我们认为才会满足我们进行资产配置的前提，才有了资产配置的可能性。

　　由于我们一会儿会用到很多的实证分析，在展现资产配置的最终效果。在这之前，我给大家介绍一下我们实证过程中的一些模型，包括从等权配置模型到风险平价模型。我们认为，资产配置的核心要素就是风险和收益之间的均衡博弈，如果配置的目的是单纯去追求收益的话，其实没必要提资产配置，因为从长期的角度来看，很多资产从收益的角度来说，一定是远远跑赢另外一个资产的。比如用股权和债权的比较来看，如果拉10年的时间，股权的收益率大概率是大于债权的，但我们需要实现的是稳健的增值，也就是说配置是从两个维度进行理解的，一个是风险，一个是收益，寻求两者之间的一个平衡。这里面涉及到两点，对风险的评估和对收益的预期。根据我们追求的配置目标，将决定我们会纳入哪些类别的资产进行配置。

　　给大家介绍一下我们实证比较中使用的资产配置模型。首先是最典型的是等权重的模型，其次是波动率加权的模型，第三是风险评价模型。从这三个维度来看，对风险的理解的层次越来越深。

　　这个模型的介绍，我先给大家简单过一下。等权重模型，每个资产按等比例配置；第二是等波动率配置模型，就是说按照波动率的大小进行加权，波动率高，给它的权重小；波动率低，给它的权重大。还有最小方差模型和风险评估模型。

　　从2014年开始，公募FOF掀起了整个资产配置的新篇章。因此认识资产配置我们先从公募基金的被动产品作为配置对象来进行实证分析

　　我们看一下，这是FOF配置的品种，包括A股的各类风格指数、美股、债券、黄金；算了一下相关性可以看到，除了债以外，其他不同风格的基金，或者不同风格的这些指数之间的相关度非常的高，基本上到了0.8以上的水平，甚至包括房地产的指数，还有贵金属指数，其实都是很高的相关系数。这些相关系数在配置的时候，会发现它能起到分散风险的一个作用比较小，我们待会会取几个比较典型的资产，一个是沪深300和纳斯达克100，还有上证5年国债以及黄金配置的结果。

　　这是各个资产收益的表现。假设我们以等权重资产来配，我们看到收益率，基本上还是能够接受的，年化收益在9%左右，但是我们看到回撤率非常大，回撤在14%，夏普值在0.6左右，如果用等波动率来说，可以看到虽然回撤会变小，但是收益率也越来越没有吸引力了。再用最小方差和风险评价来做的话，效果更加一般了。这是在每年市场的表现的情况，包括从2009年到2016年，我们测到了2016年的情况，从等权重到风险评价，每年的一个结果，它的回撤值还是太高。用这些简单的基础资产进行配置的时候，最终的结果是不太容易被投资者所接受的，我们需要提供更多的夏普值更高、相关度更低的资产类别，

　　下面这个是展现的是不同资产配置模型在各资产配置结果的权重分布，等波动性模型主要将资产配置到固定收益类资产上去了，国债分配了很高的权重。风险评价一样，也是在国债分配了很高的权重，在其他方面，分配的比重比较相似，这是整个配置的结果。

　　这一节给大家展示的结果是说用基础资产，比如说沪深300、纳斯达克100、上证5年期国债和SHFE黄金现货进行收益统计分析，最终的结果不尽如人意，我们需要新的资产供大家进行配置。

　　接下来，我们给大家引入了多种策略投资进行配置，每个资产可以理解成一种策略，叫做收益曲线，每种收益曲线代表着一种资产。这是我们自己金工团队跟踪的一些策略结果，包括多因子到CTA，这些策略可以明显感觉到它和刚才的这些资产之间的差异，这种相关性会变的很低。它不像我们之前看到的多头策略，比纯粹的配置指数或者配置股票基金来看相关性明显变低了，有的出现了负相关，一旦出现了负相关的策略，是我们最期待的。包括之前做的ST摘帽策略和潜伏业绩预增策略，一旦出现负相关的策略，我们得到的配置结果会比较好，能很好的平滑我们的收益。

　　我们看一下按照这种策略来进行一个等权重配置，还有等波动率进行配置，以及最小方差的方式进行配置出现的结果，年化收益率比较有吸引力了，比如像等权配置，这是比较不错的效果，年化收益到了30%，这些策略我们跟了多年，应该说收益还是相对可靠的，但是缺点就在于资金容量不够，适合发行一些小产品；在这里我们并不是想告诉大家这个策略有多么好，主要是给大家展示多样化的交易策略带来的收益曲线，来给大家配置过程当中提供一个分散风险的作用，我们多策略的指数来做的这些风险评价的报告，包括波动率的配置模型，得到的结果都是不错的。

　　我们看一下每年的情况，从2011-2016年，年化收益都比较高，最差的是2013年年化收益是18%的情况。关心量化的，可以看一下我们发的报告，都是跟了长达七八年的绩效，都是一些量化的结果。在多策略的结果当中，像最小方差的一些模型，它给CTA策略的权重比较大，按照最小方差的模型，也是看了在CTA策略上分配了比较高的权重，在我们这个CTA策略来说，有比较高收益比较低的风险。

　　这节主要是给大家看用一些多策略的思路去提供一些资产，我认为每种策略都代表了一种策略，收益不错，缺点是回撤依然没有很好控制，而且资金容量不足。如果从理财的角度上，回撤6%，很多客户无法接受。我们期望能够创造一些能够容纳更多资金存量的策略。

　　smart beta可以做大资金容量，拿几个比较常见的因子，比方说PB、反转、市现率等因子，我们看一下做出来的结果是什么样的状态，在我们资产配置过程中，看看最终实现的结果。大家可以看一下图上的单因子收益率，市现率能够到16%，最大回撤能达到51%，还有一个矛盾，虽然说我们已经把它变成了因子资产，但是我们看到，这种因子资产的相关性还非常高，一个月的反转和PB因子相关系数能够到0.95，市现率因子跟PB因子更高了，到0.99，这种单因子之间的相关系数还是非常高的，可以从配置的结论上看，并不能取得很好的效果，虽然年化收益率比较客观，等权收益率有19%，最小方差以及风险评价，都有19%附近的一个收益率，但夏普值只有0.5左右。

　　很显然，单纯的使用smart beta的因子类资产进行配置效果也不理想，虽然能够给大家配置过程中提供一些工具，但单纯用因子资产角度配置，效果并不能达到大家预期的效果。所以我们后来想到一个新的方式，因为这些资产之间的相关性太高了，背后的资产原因是beta的作用，我们想用对冲的方式进行剥离，把beta剥离之后，用因子本身的收益率成为一种收益率产品。用300对冲之后，一个月反转22%的年化收益，PB因子在18%的年化收益，因子本身的收益率倒没有发生太大的变化，但是我们看到回撤有所降低，但依然很大。

　　在PB和市现率上面的回撤降低了很多，由50%降低到26%，这不是我们最关心的，我们基本的想法是提供一些市场上相对来说相关度比较低的资产。所以更加重视的是相关系数，相关系数之前的0.95、0.99，可以降低到0.87、0.90，相关系数降低了，但还远远不够。经过这种剥离之后，最大回撤还是偏高的，是30%左右的回撤，显然不是我们能接受的。

　　我们看一下每年的一个情况。刚才我们用到300指数进行对冲，由于它是比较特殊的一个指数。金融股的占比过大，相当于是用一种风格跟其他的因子进行对冲，对冲的效果可能不太好，并不能很好的剥离beta。我们尝试用行业分布更加分散的中证500指数进行对冲，年化收益有所降低，反转因子年化是17%，市现率是在11%，但我们看到最大回撤降低了很多，最大回撤是10%，PB也是10%，市现率11%，更为重要的是整个相关系数大幅降低，最初从0.99、0.95的相关性，现在变成了0.3、0.2，一月反转和其他两个因子的相关性比较低。

　　这几类资产配置的效果是什么样的状况，现在年化的收益率大概在13%，这是等权的，如果说等风险的，也是在13%，收益率没有太大的变化，但夏普值再提高了一倍。刚才提到的是是在1附近，现在提高到了接近2。实际上即使是相似的一个资产，经过不同的剥离，在上面可以挖掘的东西是非常多的，可以挖掘出通过各种组合能够形成一些低风险的结果。

　　从配置上的权重来看，基本上在各个资产上的配置权重比较接近，风险过滤掉之后，效果就不会出现那么集中的配置在某一类资产之上。所以我们看到，我们构建了这种单因子经过对冲之后，可以形成新的资产。也就是说大家资产的概念上面，不仅仅局限于基础资产或者某一类策略，是通过策略的重新构建，也形成了很多资产。另外就是说我们通过风险剥离之后，能够产生我们需要的资产形式。后面把这几大类资产，指数类的产品以及把刚才讲的策略和因子类的资产，全部再放到一起进行配置，来做这种FOF的配置情况。这样的话，年化收益能够做到10%以上的水平，最大的回撤显著降低了，目前最大回撤只有4%，夏普值能够到2.8-2.9的水平。

　　所以，即使在我们现有的这些品种之上，经过一些简单的风险剥离，在我们FOF的配置过程当中，还能取得一个比较好的效果。这是每年的收益率情况。

　　刚才举的例子是都是我们做的策略和因子，在这里，从私募真实产品的角度再做一把实证，我们从私募基金中，不同类别的产品都选取一些，股票多头选取了一些，还有CTA策略，股票中性策略，多策略的产品，我们也把基本的大类资产也放进来了。做出来的效果，大概年化收益能够在10%附近，最大的回撤是在4%到3%左右，夏普值在2.3到2.6之间，这些产品都是大家可以看到的绩效，所以这个结果判断来说，具有一定的可实操性。因此，私募产品的多元性给资产配置提供了很大的空间。

　　总的来说，目前整个国内做FOF配置过程当中，遇到的制约，主要的问题是刚才讲的，第一是投资的品种还很不足，第二是各类产品之间的相关性还是比较高，所以我们需要在配置过程当中，或者说我们将来在做我们产品设计的过程当中，我们希望能够有多策略的这种方式来进行分散风险，实现长期稳健增值。此外，我们想对大家说，一个好的私募不仅仅是追求更高的收益曲线（当然有的话更好），还有一个重要的方面，就是你跟别人形成差异化，哪怕收益率差不多，你产品的收益曲线是低相关度的，我想也会获得一个很大的市场空间。

　　最后，我们期待我们的公募基金、私募基金未来能够提供更多的优秀的低相关度的资产，通过FOF或MOM的方式给普通家庭实现资产的长期稳定的持续回报。谢谢。