中泰证券-金融工程报告：Mean~CVaR大类资产配置框架与实战-210825

《中泰证券-金融工程报告：Mean~CVaR大类资产配置框架与实战-210825（32页）.pdf》由会员分享，可在线阅读，更多相关《中泰证券-金融工程报告：Mean~CVaR大类资产配置框架与实战-210825（32页）.pdf（32页精品完整版）》请在悟空智库报告文库上搜索。

◆研究背景通过控制特定风险资产的比例来构建组合是最朴素的大类资产配置方法，研究显示这样并不科学，原因在于这种组合没有预想的风险收益匹配关系，高风险组合可能没有高收益，低风险组合也可能风险并不低。

很多复杂的模型也存在这样的问题，当然靠人工主观判断更容易出现风险收益不匹配的矛盾。

内在一致是有效框架的基本准则，评价一个资产配置模型好坏且基本的标准是：收益要和风险匹配，收益是风险的单调增函数。

符合准则的模型才更稳健，Mean-CVaR优化框架满足这样的特性。

◆Mean-CVaR框架如下优化问题描述的是特定CVaR风险参数下，组合收益最大化的问题。

可以通过设定不同的风险参数，得到不同的大类资产组合。

该优化问题可以转化为线性规划，求解比较方便。

◆实战效果大类资产分六组，国内股票：沪深300、中证500、创业板指数；债券：中债国债、中债信用债；商品：南华综合；黄金：上金所AU9999；港股：恒生指数；美股：标普500。

季度调仓，回测区间为2011-09至2021-05，估计参数用过去125个交易日数据。

不同风险下组合收益如下。

用更长历史数据估计参数，得到的组合会更稳健，但会牺牲收益。

风险提示：本报告结论完全基于公开的历史数据进行统计、测算，文中部分数据有一定滞后性，同时存在第三方数据提供不准确风险；模型均基于历史数据得到的统计结论且模型自身具有一定局限性并不能完全准确地刻画现实环境以及预测未来；模型根据历史规律总结，历史规律可能失效；模型结论基于统计工具得到，在极端情形下或存在解释力不足的风险，因此其结果仅做分析参考。