B-L 模型在我国行业资产配置上的运用
B-L 模型是对传统Markowitz 模型的改进模型。http://www.hibor.com.cn【慧博投研资讯】他们的模型特点,一是削弱了对输入参数的高度敏感性的弱点;二是导入了投资者对某项资产的主观预期,使得根据市场历史数据计算预期收益率和投资者的看法结合在一起,形成一个新的市场收益预期,从而使得优化结果更加稳定和准确。http://www.hibor.com.cn(慧博投研资讯)
B-L 模型的关键点是对主观观点的设定,我们从基金行业配置的变动来提炼出四个主观观点。我们选取的第一个观点是以上一季度33%行业优选样本基金的行业配置作为参考;我们选取的第二个观点是基金在最近两季度中增仓绝对比重最明显的行业作为在下一季度重点配置的行业;我们选取的第三个观点是基金在最近两季度中增仓相对比重最明显的行业作为在下一季度重点配置的行业;我们选取的第四个观点是最近一季度基金行业配置比例与同期市场基准比例相比超额配置的前三大的行业作为在下一季度重点配置的行业。
运用B-L 模型进行行业资产配置效果良好。首先,加入主观观点的B-L 模型收益明显超越了市场的基准;其次,B-L 模型中超额收益率参数的选取和模拟配置的最终表现并非呈现正相关性,过高或过低的参数设置往往影响配置的最终表现;再次,B-L 模型中超额收益率参数的选取虽然有影响,但不是关键因素;最后,B-L 模型的结果是一个稳定的选择,因为我们在事前无法保证主观观点的正确性,通过B-L 模型可以将多个主观观点和历史风险收益进行综合,通过设置超额收益参数,可以使B-L 模型配置的累积表现超越其任何一个主观观点的表现。
B-L 模型的结果从风险调整后收益上优于单个主观观点。在sharp 指标方面,B-L模型结果的Sharp 值明显高于其他观点,这是因为B-L 模型综合各观点后,其行业配置相对分散,波动率较为有限;在I.O.指标方面,也有类似的情况,说明B-L模型在超越基准及跟踪基准方面表现比较出色,符合大类资产配置的稳定性和收益性要求。总体来看,虽然用于B-L 模型敏感性分析的几组参数在Sharp 指标和I.O.指标方面没能做到同时最优,但相对于前四个观点,模型在两项指标的整体表现以及指标的稳定性上相对前者有较大超越,是一种比较理想的资产配置策略。