国泰君安_20160730_超额收益与风险管理

1、超额收益与风险管理如何将阿尔法因子转化为超额收益姓名：李辰（分析师）邮 箱 ： 电话书编号：S0880516050003目录主动投资组合管理01超额收益的来源02系统的风险估计03最优跟踪误差041国泰君安证券请参阅附注风险提示近期策略回顾 近期策略回顾（2016.1-2016.7）1.1累计超额收益（沪深300）1.0510.952016/1/42016/2/42016/3/42016/4/42016/5/42016/6/42016/7/41.15累计超额收益（中证500）1.11.0510.952016/1/42016/2/4201

2、6/3/42016/4/42016/5/42016/6/42016/7/4累 计超额收益年 化超额收益目标年化跟踪误差实际年化跟踪误差最大回撤信息比率沪深300组合5.96%10.31%0.84%=3%2.80%3.69中证500组合12.27%20.63%0.87% 预期类因子 财务类因子年化收益率贡献年化波动贡献EARNINGS YIELD6.99%2.65%预期类因子RATE_UP4.37%1.67%累计（绝对值）19.91%/YOY_EPS3.56%1.42%财务类因子MOM_ROE2.77%2.10%累计（绝对值）6.33%/20国泰君安证券请参阅附注风险提示MOM_EST_EPS4

3、.10%1.77%EST_PB4.46%2.17%DISPERISON-5.21%2.19%HTOS-6.21%3.79%市场类因子LIQUIDITY-6.66%2.87%REVERSE-7.53%4.67%累计（绝对值）25.62%/目录主动投资组合管理01超额收益的来源02系统的风险估计03最优跟踪误差0421国泰君安证券请参阅附注风险提示系统的风险估计系统的风险估计 为什么风险模型可以估计波动率？抽象描述量化建模 Var( f1)Cov( f1, f2 ).Cov( f1, fk )Cov( f , f )Risk=w(XFX+D)wR= Xf + UVar( f )Cov( f , f

4、 )F = 1222k.PP.Cov( f , f )Cov( f , f )Var ( f )k1k2k22国泰君安证券请参阅附注风险提示波动率结构信息差导致股价对因子的敏感度发生变化因子股价波动信息差产生超预期信息系统的风险估计 大类风险因子市场最为敏感的信息即可视为风险因子 行业因子交通运输休闲服务传媒公用事业农林牧渔化工房地产有色金属机械设备汽车电子电气设备钢铁银行证券保险多元金融食品饮料 风格因子BetaMomentumSizeEarnings YieldVolatility23国泰君安证券请参阅附注风险提示GrowthValueLeverageLiquidity/纺织服装综合计算机

5、轻工制造通信采掘医药生物商业贸易国防军工家用电器建筑材料建筑装饰系统的风险估计 风险估计检验STEP1：根据风险模型计算各期风险矩阵X FX +D ，并进行相应调整；STEP2：生成100组随机股票组合及随机权重，并计算各组合各期波动率估计值；/st ；STEP3：根据各组合各期实际收益率，计算偏差检验值std ft下图为风险模型对100组随机组合的波动率估计偏差检验结果：1.8BIAS_TEST10.80.6147 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 5558 61 64 67 70 7376 79 82 8588 91

6、 94 97 10024国泰君安证券请参阅附注风险提示系统的风险估计风险模型内的跟踪误差控制精度sA=Dw ( X FX + D) Dw跟踪误差：积重作用风险矩阵TE=1%TE=2%TE=3%TE=4%TE=5%目标跟踪误差实际跟踪误差2.00%2.12%4.00%4.06%25国泰君安证券请参阅附注风险提示1234567891111331551771992212432652873093313533753974194414634855075295515735956176396616837057277497717938158378598819039259479

7、69991101310351057107911011123114511675.00%4.83%3.00%3.10%1.00%1.25%系统的风险估计 阿尔法因子与风险模型的结合阿尔法因子与风险模型结合的效果就是希望通过阿尔法因子创造超额收益，同时 过风险因子控制组合风险，两者相辅相成，最终实现组合稳健战胜市场基准的果。通效26国泰君安证券请参阅附注风险提示MaxR- ls2AAs.t.wactive X risk= 0 wactive X alpha = x wH = hbench _ marksA TE / 12wi 0N wi = 1i =1系统的风险估计27国泰君安证券请参阅附注风险提示

8、 系统的风险估计问题：阿尔法因子与风险模型相结合往往导致波动率低估 逻辑漏洞：不同的选股逻辑在风险模型控制下所构建的组合产生了相同的预期跟踪误差。相同的组合预测波动率阿尔法模型3阿尔法模型2风险模型阿尔法模型1系统的风险估计 系统的风险估计系统的波动率由阿尔法策略波动率和目标跟踪误差两部分决定+28国泰君安证券请参阅附注风险提示目标跟踪误差Risk-Model Tracking Error系统的整体波动率Active Risk阿尔法策略波动率Strategic Risk系统的风险估计 系统的风险估计解决阿尔法因子与风险模型相结合后，组合跟踪误差低估的方法： 方法一：将阿尔法因子收益率加入风险矩

9、阵，即Var( f1)Cov( f1, f2 ).Cov( f1, fk )Cov( f , f ) Cov( f , f )Var( f )F = 1222k.Var( fk ).Cov( fk , f2)Cov( fk , f1)其中，包含全部风险因子和阿尔法因子。f 方法二：利用策略波动率调整目标跟踪误差sA= std (IC) N TE其中， IC 为选取的阿尔法策略的信息系数，TE 为风险模型估计的组合跟踪误差，sA为估计的系统整体波动率。29国泰君安证券请参阅附注风险提示系统的风险估计 系统波动率估计调整的实证检验 以沪深300增强策略为例，分别计算原始风险模型、方法一（风险矩阵扩

10、充法） 和方法二（策略波动率调整目标跟踪误差法）计算组合实际波动率。 下图为目标跟踪误差2%的情况下，3种组合月波动率的比较情况：30国泰君安证券请参阅附注风险提示系统的风险估计 系统波动率估计调整的实证检验方法一：扩充风险矩阵；方法二：利用策略波动率调整目标跟踪误差目标跟踪误差1%2%3%4%5% 2种调整方法均可有效改善组合波动率低估的情况，方法 1 的调整效果更为显著。31国泰君安证券请参阅附注风险提示原始1.72%2.71%3.56%4.73%5.67%实 际风险模型跟踪误差方法一1.49%2.13%2.96%4.03%5.03%方法二1.59%2.47%3.38%4.38%5.25%

11、目录主动投资组合管理01超额收益的来源02系统的风险估计03最优跟踪误差0432国泰君安证券请参阅附注风险提示最优跟踪误差最优跟踪误差（Optimal Tracking Error，OTE）Alpha Eaten：风险模型在控制组合波动率的同时也吞噬了部分阿尔法收益率。1.12Alpha Do Not Get EatenAlphaEaten1.081.081.061.061.041.041.021.02110.980.980.960.96最优跟踪误差：衡量的是主动投资经理在追求超额收益与风险控制之间的平衡，OTE对应的是在现有系统下的 IR 最大值。Optimal Trac

12、king Error = argmax(IR(TE)33国泰君安证券请参阅附注风险提示1132537496173859710912113314515716918119320521722924111325374961738597109121133145157169181193205217229最优跟踪误差 最优跟踪误差的实证检验沪深300成分股内增强策略 ：分别构建目标跟踪误差1%、2%、3%、4%、5%情况下的最优投资组合。TE=1TE=2TE=3TE=4TE=534国泰君安证券请参阅附注风险提示12957851131411691972252532813

13、0933736539342144947750553356158961764567370172975778581384186989792595398110091037106510931121114911771205123312611289131713451373140114291457148515131541最优跟踪误差 最优跟踪误差的实证检验35国泰君安证券请参阅附注风险提示TE实际TEIR年化收益率1.0%1.65%2.283.76%2.0%2.37%2.556.04%3.0%3.29%2.397.86%4.0%4.24%2.259.54%5.0%5.03%2.2011.07%最优跟踪误差

14、最优跟踪误差的先验方法如何在预测端找到最优跟踪误差？系统给定IR TCArgmax (IR(TE) Argmax (IR(TC)先验！36国泰君安证券请参阅附注风险提示IR TC IC BRTE TC最优跟踪误差 实证检验TC与TE跟踪误差TE的变化的对转换系数TC的影响产生了同样的拐点。0.2TC40.120.137国泰君安证券请参阅附注风险提示TETCIR1.0%16.52%2.282.0%17.52%2.553.0%16.11%2.394.0%14.38%2.255.0%12.67%2.2最优跟踪误差 最优跟踪误差的先验方法组合构建时，在给定不同跟踪误差情况下，组合

15、最优转换系数TC所对应的跟踪误差，即为当期组合最优跟踪误差OTE，其可实现未来持有期内组合最优信息比率 IR。Max(TC) Optimal(TE) Max(IR)38国泰君安证券请参阅附注风险提示目录总结与展望39国泰君安证券请参阅附注风险提示总结与展望总结与展望传统阿尔法因子在国内目前仍然有效，在风险控制到位的情况下，阿尔法策略仍能实现较为可观的超额收益率。新兴因子的挖掘有巨大意义，但必须建立在对原有体系的边际贡献上，并且保证新兴因子的定量控制性。风险模型与阿尔法因子的结合往往导致组合整体波动率的低估，因此对风险模型的 预测波动率进行再调整十分必要。最优跟踪误差代表了阿尔法策略在创造超额收

16、益与控制策略风险之间的最优平衡点，其可根据组合最优转换系数进行先验判断，实现组合未来持有期最优信息比率。负基差环境下，策略可通过稳定的传统因子，结合基差择时、日内T+0交易、线下打新等创新方法，创造稳定的绝对收益。40国泰君安证券请参阅附注风险提示本公司具有中国核准的证券投资咨询业务资格分析师声明作者具有中国证券业授予的证券投资咨询执业资格或相当的专业胜任能力，保证报告所采用的数据均来自合规渠道，分析逻辑基于作者的职业理解，本报告清晰准确地反映了作者的研究观点，力求独立、客观和公正，结论不受任何第三方的授意或影响，特此声明。免责声明本报告仅供国泰君安证券股份（以下简称“本公司”）的客户使用。本

17、公司不会因接收人收到本报告而视其为本公司的当然客户。本报告仅在相关法律许可的情况下发放，并仅为提供信息而发放，概不构成任何广告。本报告的信息来源于已公开的资料，本公司对该等信息的准确性、完整性或可靠性不作任何保证。本报告所载的资料、意见及推测仅反 映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可升可跌。过往表现不应作为日后的表现依 据。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。本公司不保证本报告所含信息保持在最新状态。同时， 本公司对本报告所含信息可在不发出 的情形下做出修改，投资者应当自行关注相应的更新或修改。本报告中所指的投资及服务

18、可能不适合个别客户，不构成客户私人咨询建议。在任何情况下，本报告中的信息或所表述的意见均不构成 对任何人的投资建议。在任何情况下，本公司、本公司员工或者关联机构不承诺投资者一定获利，不与投资者分享投资收益，也不对任 何人因使用本报告中的任何内容所引致的任何损失负任何责任。投资者务必注意，其据此做出的任何投资决策与本公司、本公司员工或 者关联机构无关。本公司利用信息隔离墙控制内部一个或多个领域、部门或关联机构之间的信息流动。因此，投资者应注意，在法律许可的情况下，本公 司及其所属关联机构可能会持有报告中提到的公司所发行的证券或 并进行证券或 交易，也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。在法律许可的情况下，本公司的员工可能担任本报告所提到的公司的董事。市场有风险，投资需谨慎。投资者不应将本报告作为作出投资决策的唯一参考因素，亦不应认为本报告可以取代自己的判断。在决定投 资前，如有需要，投资者务必向专业 咨询并谨慎决策。本报告版权仅为本公司