CFA协会2014年11月一篇针对投资风格的文章深入浅出地讲解了资产组合中如何通过收益率风险的分布情况对冲TailRisk(尾部风险),作者调用了1981-2010这20年G7(加拿大、法国、德国、意大利、日本、英国和美国)国家主板市场股票收益率情况。
标准差、夏普比率大家都不陌生,当然真正的投资组合管理不会只让你看考虑收益率统计值和风险调整收益这么简单,实际中我们更需要发现问题,并解决(InvestmentStrategy).
我们在量化中学的偏度(Skewness)这个概念很少有人用到,实际上这个概念在解读历史收益率分布时非常有用,因为它决定了我们投资组合的尾部风险(TailRisk),更决定了我们下一步hedge的策略。在看相关的数据之前,我们先认识一下这个研究中投资组合的构建:
SMB,HML,UMD分别代表不同类型的投资组合,具体算法如下:
SMB:将样本股票按照市值降序排列——分成大盘股(Big,简写为B)和小盘股(Small,简写为S)两组——给每组股票求出平均月度收益率——用小盘股的平均收益率减去大盘股的平均收益率,得到一组风格投资(Size)观测值SMB。
HML:将大小盘样本股票继续细分为高估值(H,降序排列前30%)、中估值(M,降序排列中40%)、低估值(L,降序排列最后30%)三组子样本——估值采用BM法,即账面价值/市值——计算高和低两个子样本的平均月度收益率,用前者减去后者得到一组价值投资(Value)观测值HML。
UMD:将样本股票算出过去6个月的滚动收益率(Accumulatedreturn)降序排列。将排名最低的30%定义为下降趋势股票(Down,简写为D),将排名*6的30%定义为上升趋势股票(Up,简写为U)。将两组样本股票收益率按照等权重加权之后得到加权平均收益率,两个加权平均收益率相减,得到一组“趋势投资”(Momentum)观测值UMD。
如果你对很多量化观测值表足够熟悉的话,则通过*9栏观测数据你就可以看出趋势投资组合UMD遭受更多的左尾风险(Negativeskewness),可以看到G7样本国家除了德国之外,Skewness都是负数,这说明UMD投资策略更容易遭受shortfall,在5%的压力测试(Stresstest)下。这个研究告诉了我们,趋势投资(Momentum)比价值(Value)和风格(Size)投资在遭遇风险时会损失更多,因此应该更重视这种策略的风险管理。
当然,观测风险不仅可以使用历史数据,我们还可以使用蒙特卡洛模拟(MonteCarlosimulations)以及内插法(Bootstrap)去模拟未来,并结合压力测试(StressTest)或情景分析(SenarioAnalysis)来预测风险。这些方法在CFA三级考试的时候会详细介绍,但是无疑,深入领会基本的量化指标的用法是继续更高级别学习的基础。
篇幅有限,我们无法将该研究的全部分析结果都罗列上来,但是有心的读者可以观察一下在5%压力测试的时候,G7样本国家相同的投资策略都不同程度地出现了Shortfall,且这一趋势有趋同的特征,这也印证了一个经验结论:在发生市场崩盘的时候(Crash),投资组合的分散策略(Diversification)很可能是无效的,因为主要资本市场的相关性在市场发生崩盘的时候极具增加了,这点在UMD策略上尤其明显。
高顿网校温馨提醒
各位考生,2015年CFA备考已经开始,为了方便各位考生能更加系统地掌握考试大纲的重点知识,帮助大家充分备考,体验实战,高顿网校开通了全免费的
CFA题库(包括精题真题和全真模考系统),题库里附有详细的答案解析,学员可以通过多种题型加强练习,通过针对性地训练与模考,对学习过程进行全面总结。
点击进入CFA免费题库>>> | CFA精品网课 | 课程专业名称 | 讲师 | 试听 |
 3455人正在学习该门课程
| CFA全维度高清网课体验课程 全维度高清实景课堂与录影棚高清独立录制 针对CFA协会考纲,逐点精讲,帮助考生全面掌握CFA课程及考点 | Anky 高顿名师 |  |
 80%的人选择了该门课程
| CFA任务制网课(全科)(8.3折) 学员可以灵活选择报读CFA课程 自主地掌握学习的进度 享受更多的学习优惠与增值服务 | Remmy 高顿名师 |  |
版权声明:本条内容自发布之日起,有效期为一个月。凡本网站注明“来源高顿教育”或“来源高顿网校”或“来源高顿”的所有作品,均为本网站合法拥有版权的作品,未经本网站授权,任何媒体、网站、个人不得转载、链接、转帖或以其他方式使用。
经本网站合法授权的,应在授权范围内使用,且使用时必须注明“来源高顿教育”或“来源高顿网校”或“来源高顿”,并不得对作品中出现的“高顿”字样进行删减、替换等。违反上述声明者,本网站将依法追究其法律责任。
本网站的部分资料转载自互联网,均尽力标明作者和出处。本网站转载的目的在于传递更多信息,并不意味着赞同其观点或证实其描述,本网站不对其真实性负责。
如您认为本网站刊载作品涉及版权等问题,请与本网站联系(邮箱fawu@gaodun.com,电话:021-31587497),本网站核实确认后会尽快予以处理。