自诺贝尔奖得主Harry Markowitz在1950年代初引入现代投资组合理论（MPT）以来，投资管理行业已经走过了漫长的道路。当时，“现代”一词指的是在建立投资组合时对回报和风险估计的创新性使用。在精心挑选资产时，专家评估的主导地位让位于通过均值 - 方差优化的系统化投资组合构建方法。MPT的热衷者开始在所倡导的风险回报网格上绘制资产，让二次规划算法为它们找到最佳组合。均值方差优化在那个时期成为热门规划方法，例如用于解决海军后勤问题等等。
资本资产定价模型(CAPM)在十多年后发展起来(Sharpe 1964)，强化了笛卡尔的思维模式。该模型将收益机会与资产回报的Alpha部分联系起来(Jensen 1968)，而Beta部分则包括抓住收益机会所涉及的风险。alpha-beta分解规则依赖于单一输入变量：市场指数。该模型的简单性突出了其美感。尽管CAPM背后的思想比这里介绍的要复杂得多，它通过使得给定 beta 的 alpha 加权之和最大化而放大了资产组合的收益。以这种方式构建投资组合具有很大的优势。它是可控制且值得信赖的，因为它有现有的金融理论的支持，而且最重要的是，它是可扩展的。
计算机的出现加速了计算能力，使投资方式从自由支配向系统投资方式的转变更加广泛。这种转变更普遍地符合当时的精神。宏观经济学和货币政策理论的许多领域都因与旧的思想路线相冲突的新的动态模型而发生了革命。启发者之一是诺贝尔奖得主简·丁伯根(Jan Tinbergen)，他被视为计量经济学学科的教父。他为开发新技术做出了贡献，这些新技术在一定程度上借鉴了科学，注定要从宏观经济数据中检索出有洞察力的信息。经济学家的注意力越来越多地被吸引到系统地处理大型数据集上。“处理数据”开始变得流行起来，并在几十年里成为常态。
本期我们推荐了一些最新的海外研究观点，包括投资组合管理的下一步可能走向何方。我们该如何看待那些冲击我们金融理论观点的东西等等。
在第一篇文章中，Frank J. Fabozz对过去几十年提出的各种alpha来源进行了广泛的回顾，这些alpha来源被称为另类风险溢价(ARP)，作者讨论了潜在的异常回报所依据的原则，无论它是市场异常、系统风险因素还是仅仅是数据窥探的结果。在投资组合优化的背景下，处理由多类机会产生的新的alpha源是接下来两篇文章的中心主题。在第二篇文章中，Bernd Scherer给出了他对如何在投资组合中添加替代资产的想法。他建议将这些资产的效用分解为三个组成部分:收益提升、多样化收益和对冲能力。文章演示了如何通过这三个维度最大化附加价值来对附加资产进行最优分配。第三篇文章中，Wolfgang Bessler、Georgi Taushanov和dominique Wolf比较了一套基于股权因素的相对现代的投资策略与更传统的基于板块的投资。作者观察到，在正常时期，因子投资策略的表现优于板块投资策略，但在市场动荡时期，基于板块的投资往往表现更好。作者认为，其原因在于投资组合的集中度，与上述作者的观点一致。基于板块的投资组合不太集中，因此在危机时期更有弹性，而因子投资组合则专注于业绩目标，如果市场表现正常，这一目标会表现良好。
1. 另类风险溢价（ARP）
文献来源：Gorman, S.A., Fabozzi, F.J. The ABC’s of the ARP: understanding alternative risk premium. J Asset Manag 22, 391–404 (2021).
推荐原因：在全球金融危机(GFC)之后，投资者受到股票市场敞口的伤害，对传统投资的预期回报开始产生担忧，或对其对冲基金的投资经历不满，投资者对与传统资产类别的低相关性、有吸引力的预期夏普比率和合理的流动性、且价格适中的投资资产的需求开始增加。这种追求当然并不令人意外，近年来，为满足这一需求而设计的投资机会和另类风险溢价(ARP)解决方案的关注显著增加。能够代表这类趋势的例子包括英国多元化成长基金(DGF)的兴起，以及一些大型量化对冲基金愿意费用更低，容量更高、流动性更好的“因子”投资组合。后一种趋势，特别是ARP作为一种投资类别的出现，是文章所讨论的重点。文章提供了ARP的详细定义，将其与其他投资区分开来，并阐明了相关的术语。另类风险溢价并不是一个新概念，而是若干研究领域的副产品——实证异象、对冲基金风险归因和复制以及因子导向的资产配置范式。对资产管理公司来说，ARP也是数十年量化股票和系统性宏观投资组合工作的延伸。
2. 在投资组合中增加另类资产：收益提升、分散化还是对冲
文献来源：Scherer, B. Adding alternative assets: return enhancement, diversification or hedging?. J Asset Manag 22, 437–442 (2021).
推荐原因：在投资机会迅速增加的时代，向已经存在的投资组合中增加资产是一个反复出现的问题。关于这个“多少”问题的例子有:以对冲基金形式纳入流动性另类资产，或在全球平衡投资组合中计入另类风险溢价，在国内股票投资组合中加入全球股票，或在政府债务投资组合中对企业信贷进行最优配置。虽然这不是一个新问题，而且过去的研究中已经建立了各种各样的工具，但文章建议建立一个新的框架，将风险资产需求分解为具有经济意义的组成部分。这使我们能够确定到底一个特定的配置是由嘈杂的回报估计产生的需求驱动的，还是由更可预测的对冲和多样化需求驱动的。
监管干预要求决策者提高透明度，决策者还需要有良好的文件记录以满足受托人不断上升的要求。以前对另类资产的最优配置做出的临时决定确实既有投资风险，也有法律风险。这也延伸到了量化资产配置建议，其中模型通常由外部顾问审查。文章提供了一个有充分基础且足够灵活的框架来推导、记录和证明向现有的核心资产组合中添加替代资产的分配决策。文章中的 “边际夏普比率分析”部分首先简要回顾了在现有投资组合中添加资产的分析方面的学术最佳实践。当新的投资机会出现，并且投资者需要将其纳入一个一致性投资框架，在不彻底改变投资者战略框架的情况下，需要解决为已经存在的投资组合增加新的资产的问题。“资产负债表分析”部分增加了实际相关的维度(现金资金或相对基准的相对回报或绝对回报目标)，这些维度对(机构)决策者来说是非常重要的。我们还展示了如何分解风险资产需求的组成部分。如果一个解决方案严重依赖投机需求(由嘈杂的回报估计驱动)，它将比一个依赖更可预测的对冲资产的解决方案受到更多的怀疑。“模糊性厌恶和非正态性”部分将框架推广到指导效用优化，引入模糊性厌恶作为一个附加参数。此外，文章还提出了一个框架来分解风险资产需求。
3. 板块配置策略和因子投资
文献来源：Bessler, W., Taushanov, G. & Wolff, D. Factor investing and asset allocation strategies: a comparison of factor versus sector optimization. J Asset Manag 22, 488–506 (2021).
推荐原因：考虑到积极和被动基金管理中因子配置策略的巨大增长，文章研究因子或板块资产配置策略是否为投资者提供了更好的业绩。最近的一些经验证据表明，板块投资组合的主导地位高于国家投资组合。文章分析了不同权重和投资组合优化方法下的板块和因子投资组合的绩效和绩效差异，包括“等权重”(1/N)、“风险平价”、最小方差、均值方差、Bayes-Stein和Black-Litterman。同时文章采用一种基于样本的方法，其中样本矩是配置模型的输入参数。从2007年5月到2020年11月，文章结果清楚地表明，在较长的投资期限内，因子投资组合提供了相对优越的表现。然而，在较短的时间内，随着经济周期的变化，两类策略在不同时间段内展现了各自的相对优势。一个重要的结论是，在“正常”时期，因子投资组合明显强于板块投资组合，而在危机时期，板块投资组合更优越。
本文来自微信公众号“量化先行者”，文章版权归原作者所有，内容仅供参考并不构成任何投资及应用建议。
