定量分析利率变量 优化资产组合配置

美联储9月议息会议决定下调联邦基金目标利率25BP至1.75%-2.00%，这是美联储年内第二次降息，多数国家亦跟随步伐下调基准利率。在全球流动性宽松预期下，利率快速下行，中国货币政策保持稳健宽松。对于基金投资者来讲，基金组合的构建可分为资产配置层面和底层基金优选层面，而受利率宏观因素影响的大类资产波动及其间相关性的变化均会进一步影响到组合资产配置调整。一般，分析宏观因素对于资产配置的影响往往采用美林时钟理论，而具体如何定量衡量利率等宏观变量对大类资产的影响程度，值得进一步探讨。

首先，不论是从权益资产的折现现金流定价公式还是债券的定价公式来看，利率是影响大类资产定价的重要因素之一。同时，历史事实表明，在降息降准前后，大类资产之间的相关性往往随之升高，波动加大，进而将影响资产配置组合的风险暴露。从量化资产配置模型角度分析，影响资产配置模型的核心输入参数分别是资产的预期收益率、预期波动率以及相关性。利率等宏观变量的变化往往引起资产内在定价的变化，同时由于不同资产受同一宏观因子影响暴露度不同，进而使得在宏观环境变化较大时，资产的内在波动及走势关系将发生转变。

如以配置国内权益资产（以中证1000指数为代表）、债券资产（以中债-国债总财富指数为代表）、商品（以南华商品指数为代表）、黄金（以AU9999为代表）为例说明，统计四类资产之间的相关性，权益与债券、权益与黄金、债券与商品之间的本年度相关性较上年度明显下降，债券与黄金、商品与黄金之间的本年度相关性较上年度逐渐增加。另外统计滚动期间相关性可看到，历史十年期间，权益与债券之间一年期滚动相关性平均为-0.0427，波动幅度为15.91%。

具体关于如何定量衡量各类资产对于利率因子的敏感度问题，参考国内外研究来看，一个可行的思路是：结合传统量化资产配置模型及宏观因素变量的影响分析，从底层来通过分解大类资产在宏观因素变量维度的风险暴露度来衡量其对宏观因素的敏感度。通过针对大类资产进行主成分分析寻找可解释大类资产的主要宏观因素变量，并针对跟踪各类资产对主要影响因素的风险暴露变化用以作为资产配置的参考依据。其中，主成分分析作为一种统计方法，是指通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后得到的变量称为主成分。

选取上述四类资产历史2008年5月至2019年8月期间的月度涨跌幅数据计算，通过主成分降维分析方法，前五大主成分因子可对选取的四类资产解释度达到95%。进而识别主成分因子对应的宏观因素变量，以期能够选取合适的宏观因素变量进行对大类资产走势的预测，同时通过大类资产在宏观因素变量上的风险暴露度可实时跟踪调整资产配置组合的风险敞口。针对选取的主成分因子进行多因子回归，其中模型得到各类资产对于利率变量的敏感度变化结果显示2019年8月与上年末对比，权益、债券、商品对于利率变量的暴露度明显提升。

落实到具体投资策略，对于公募基金组合的投资者来讲，应关注分析利率风险影响，在利率下行预期下，适时进行资产配置调整，具体可参考构建基于宏观因子风险分析的配置组合。同时，从组合角度，投资者可根据测算得到的在宏观风险因子层面的风险暴露来调整组合；在完成顶层资产配置比例后，在具体优选基金层面，再结合具体资产对应的基金优选品种组合。另鉴于本文采用的量化分析模型主要依据历史数据及规律，稳定性有待进一步测试，建议投资者可参考思路，结合自身风险偏好稳健投资。