来源：中金点睛
“新冠”疫情引发一季度市场剧烈震荡，风险平价策略也受到了冲击和挑战，引起对该策略的再思考。本文梳理了风险平价策略的发展，表现和影响，分析了该策略无法分散尾部风险的原因，并提出改进方法。
市场动荡中的风险平价
年初以来基于风险平价策略的产品及指数出现历史较大跌幅，但仍有明显的相对回报。今年一季度反映风险平价策略产品平均表现的HFR风险平价12%波动率指数下跌了13.9%，上次出现如此大幅的调整还要追溯到08年全球金融危机时期，当时最大跌幅达20%。从产品和指数来看，桥水全天候12%波动率策略、磐安风险平价策略、Mozaic指数分别下跌11.9%、10.2%、6.5%。横向比较，风险平价产品及指数的表现仍明显优于原油、美股等风险资产，也好于风险中性的晨星目标风险平衡型指数。
图表: 大类资产和风险平价策略2020年一季度回报排名
资料来源：Bloomberg，Morningstar，中金公司研究部
图表: 桥水全天候Vol12、J.P. Morgan Mozaic指数、美股和美债过去20年表现
资料来源：Morningstar，Bloomberg，中金公司研究部
图表: HFR Risk Parity指数，美股和美债2005年12月以来的表现
资料来源：Morningstar，Bloomberg，中金公司研究部
图表: HFR风险平价12%波动率指数、桥水全天候12%波动率策略过去20年最大回撤
资料来源：Morningstar，Bloomberg，中金公司研究部
图表: J.P. Morgan Mozaic指数过去20年最大回撤
资料来源：Morningstar，Bloomberg，中金公司研究部
过去十多年，基于风险平价策略的产品规模逐渐增加，类型日益丰富，杠杆的使用上相对适度。我们在《从桥水全天候策略看风险平价》[1]中，详细介绍了风险平价思想的起源和原理，并以桥水全天候策略为例来看风险平价的应用特点。风险平价产品总规模约为1700亿美元[2]，主要有三种类型：1）宏观状态风险平价，例如桥水全天候；2）因子风险平价，例如磐安风险平价；3）风险平价简化版，例如MOZAIC指数。基于我们对几个典型产品的研究，这类策略在杠杆使用上相对适度，例如桥水全天候[3]、AQR风险平价以及MOZAIC指数[4]的杠杆都控制在2倍以内。风险平价策略属于目标波动率策略的范畴，从更广义看，目标波动率策略的产品规模约为8000亿美元。
图表: 桥水全天候策略的资产规模
资料来源：Morningstar，中金公司研究部
图表: 目标波动率策略的资产规模
资料来源：IMF，中金公司研究部
市场波动会影响风险平价策略的配置，其趋势追踪的特征也可能被动放大市场波动。
首先，资产配置比例与对应资产波动率存在负相关。以磐安风险平价为例，成立以来，其股票的平均配置比例为13.4%，在股票波动率 较高的2016年初、2018年中以及2019年初，股票配置比例均低于平均水平，最低时仅有11%左右；而股票波动率较低的2017年也是股票配置比例最高的时期，超过16%。债券配置比例与债券波动率也存在类似股票配置比例变动的规律。
图表: 磐安风险平价股票配置比例与股票波动率负相关
资料来源：Bloomberg，Morningstar，中金公司研究部
其次，杠杆率与资产波动率，特别是债券资产的波动率高度负相关。通常风险平价策略都设置了目标波动率，当市场处于低波动状态时，策略可以通过加杠杆提高回报；反之则会降杠杆，即增加现金的配置。以AQR风险平价基金为例，我们以其组合中的现金占比来推算该基金的杠杆水平。2019年12月底该基金的杠杆为1.9倍，2015年11月以来加杠杆的均值为1.5倍。杠杆水平会随资产波动率而发生显著变化，并且与债券的波动更相关（与股票波动率相关系数为-0.03，与债券波动率相关系数为-0.41）。在2016年2月、11月，2017年7月债券整体波动率相对较高时，基金的杠杆倍数有明显下降；而在2016年9月、2017年4月以及2019年3月至年底债券波动率下降时，基金的杠杆率也有明显提升。
图表: AQR风险平价策略加杠杆的倍数与债券波动率负相关更强
资料来源：Bloomberg，Lipper，中金公司研究部
第三，风险平价策略以及更广义的目标波动率策略具有趋势追踪的特征，存在对资产价格推波助澜的可能，杠杆的存在可能会放大市场波动。如前文所述，风险平价策略总体规模不大，杠杆适度，因此对市场的反向影响也较小。不过如果把类似的具有趋势追踪特征的目标波动率策略统筹考虑，考虑到约8000亿美元的总规模，在波动率急剧提升的初期，该策略对市场的反向影响就不能忽略了。我们做了一个简单的测算：
● 假设参照AQR风险平价基金2019年底的配置比例[5]，1.92倍杠杆，即除现金外各资产权重之和为292%，73%配置股票，也就是说股票配置比例为25%（=73%/292%）。假设股票资产中一半配置美股，并且假设都配置在标普500期货合约上（包括mini合约）[6]，因为该类策略的配置往往以期货为主。
● 以2019年12月31日为基准，按照25%的股票配置比例，以及当天的VIX和债券波动率（90D）倒算出组合的目标波动率为5.38%。在此目标波动率下，在美股波动率迅速上升的初期，如2月24日，当天VIX从17.1升至25.0，增加了47%，股票配置比例需要被动降低10个百分点（从28%降至18%），由此引起的被动抛售会占到标普500期货成交额的18.1%，从而加剧期货市场的波动。
● 然而随着波动率的上行，在目标波动率约束下股票仓位已经有所下降，例如3月12日，VIX从53.9升至75.5，增加了40%。但是因为股票配置比例在3月11日已经降至5%，因此3月12日只需再降2个百分点即可满足目标波动率的要求，被动抛售在期货成交额中的占比就只有4%了，影响显著降低。
图表: 在固定目标波动率下，VIX变化对股票仓位影响的测算
资料来源：Bloomberg，中金公司研究部
风险平价为何无法分散尾部风险？
风险平价获取稳健回报需满足回报率符合正态分布、资产风险与收益匹配、各资产低相关或负相关，然而实践中这三点有时无法满足。
首先，资产回报率的实际分布存在明显的厚尾和偏态，很难满足正态分布，采用波动率指标就会低估尾部风险。我们以标普500、美国7~10年国债、投资级债券和高收益债在2007年12月以来的周度回报率为例。从峰度指标看，正态分布的峰度为0（本文所指的峰度是原值减去3），而上述四类资产的峰度分别为9.56、32.37、29.60和1.28。除美国7~10年国债外，其他资产“尖峰厚尾”现象较为明显，即尾部风险的概率要显著大于正态分布。从偏度指标看，正态分布的偏度为0，而上述四类资产的偏度分别为-1.28、-2.85、-3.09和-0.24，均存在一定程度的负偏态，即出现回报率大幅低于均值的可能性更大。
图表: 标普500峰度为9.56，偏度为-1.28
资料来源：Bloomberg，中金公司研究部
图表: 美国高收益债券峰度为29.60，偏度为-3.09
资料来源：Bloomberg，中金公司研究部
其次，资产的风险收益特征不一定匹配，特别是债券，存在高夏普比率“陷阱”。在风险平价组合中，固定收益类资产波动率较低，但夏普比率较高。因此，固定收益资产通过加杠杆，可以在总风险贡献相等的前提下，获得与股票等风险资产接近甚至更高的回报。但我们在计算夏普比率时容易出现两类错误：1）未减去无风险利率；2）用高频数据计算年化夏普比率时未考虑回报率之间的相关性。并且，传统的夏普比率没有考虑高阶风险。上述问题都有可能导致错误估计资产的风险收益特征，从而在固定收益类资产上使用不合理的杠杆。
当我们在夏普比率中考虑无风险利率、自相关性和尾部风险后，可以看到高评级和高收益债因为存在较明显的正自相关性、负偏度以及峰度，其优化后的夏普比率大大降低，甚至低于标普500指数。因此，在这两类资产上放杠杆的性价比是存疑的。
图表: 经调整后，股票、债券的夏普比率发生了明显变化
资料来源：Bloomberg，中金公司研究部 注释：统计区间为2007年12月至2020年3月
第三，股债资产往往负相关，但极端情况下相关性会急剧上升。衡量极端情况下资产间相关性的方法之一可以采用滚动相关系数的极值作为代理指标；另一类方法是计算位于尾部分布的资产回报率之间的相关性，即尾部相关性。以滚动26周周度回报率的相关系数为例，美国最近一个完整经济周期（2007.12~2020.3），标普500指数与美国7~10年国债和高评级债券的周度回报率的全样本相关系数分别为-0.44、-0.23，是典型负相关。但极端情况下的股债相关性与正常状态存在明显差异例，如在99.5%分位数下，美股与利率债滚动26w相关性上升到0.42。
图表: 美股与美债滚动26周的相关系数在大多时间都为负值，但在极端情况下，股债相关性则显著为正
资料来源：Bloomberg，中金公司研究部
风险平价如何改进？
在上述假设无法满足的情况下，风险平价需要进一步考虑尾部风险。在保持风险平价的被动属性，以及不对回报率进行预测的前提下，大致有两类引入尾部风险管理的方法：1）参数法，即度量风险时引入偏态、峰度等高阶矩；2）非参数法，不再假设回报率的分布，利用VaR或者ES度量风险。
第一，高阶矩风险平价。原理类似于二阶矩方差协方差风险平价。但具体的求解中存在两处差异：其一，高阶矩约束条件增加，由二阶增加至三阶、四阶；其二，高阶矩最优化方程加入λ参数，以反映不同约束条件的权重。不过高阶矩风险平价在应用中存在参数估计较多，模型不够稳健的缺点。
第二，基于Expected Shortfall（ES）的风险平价。该方法在考虑尾部风险的同时也可以解决参数估计不稳健的问题。该模型通常需要运用数据模拟（simulation）求解ES。常用的数据模拟方法包括自助法历史模拟和滤波法模拟等。其中，运用GJR-GARCH的滤波模拟法可以捕捉波动率的聚集效应（峰度）、非对称性（偏态）等，我们认为该方法是风险平价模型一个极具潜力的改进方向。
-----
[1]详见《资产配置方法论系列之四：从桥水全天候策略看风险平价》，发布于2016年11月14日
[2]Global Financial Stability Report: Is Growth at Risk?
[3]Bridgewater, “Engineering targeted returns & risks”, 2011.
[4]The JP Morgan Mozaic II Index Rules.
[5]数据来源Morningstar
[6]方法可参考“Global Financial Stability Report: Is Growth at Risk?”以及“The Volatility Regime”。
文章来源
本文摘自：2020年4月20日已经发布的《资产配置方法论之二十五：当风险平价遇到“黑天鹅”》
王慧 CFA SAC 执业证书编号：S0080514120001 SFC CE Ref：BJI914
彭一夫SAC 执业证书编号：S0080519110005 SFC CE Ref：BJU855
法律声明
向上滑动参见完整法律声明及二维码
