淺析Black-Litterman模型在A股行業應用中的改進

2015-09-12 08:27:30中國農業大學經濟管理學院容子昱

中國商論 2015年36期

中國農業大學經濟管理學院　容子昱

中國農業大學經濟管理學院容子昱

本文通過對行業配置策略和量化配置方法的總結分析，認為Black-Litterman模型能在客觀市場結構的基礎上，融入投資者觀點，提供穩定明確的行業權重，是一種更加優越的行業配置策略。并在現有的Black-Litterman模型研究成果之上，結合自身實踐，提出運用均值回復的方法修正投資者觀點，提升模型的適用性。

行業配置Black-Litterman均值回復

1　引言

對于機構投資者而言，投資收益主要來源于三個方面：大類資產配置、行業配置和選股。大類資產配置由于影響因素非常多，機構往往會淡化配置或采取羊群行為。對于以純二級股票市場投資的機構而言，收益更是不用考慮的問題。選股在基金業績的貢獻中，會隨著規模的增大呈現下降趨勢。因為每只股票的容量是固定的，規模過大的基金受限于流動性只能分散投資，現實中很難選擇到太多的優質的股票。而行業配置，不僅可以降低大類資產配置變化帶來的流動性問題，也可以規避個股選擇分散化的問題。在這種情況下，行業資產配置將發揮越來越重要的因素，行業配置策略研究也顯得尤為重要。

2　行業配置研究

2.1有效性研究

在研究行業配置策略之前，首先要對行業配置的有效性進行研究，即行業配置策略能否使投資者獲得超額收益，如果沒有顯著的超額收益，則行業配置毫無意義。目前主要有兩種檢驗思路。

一種思路是對行業因子在證券收益中解釋程度的檢驗。范龍振（2003）利用約束回歸分析法，對1995年7月～2001 年6月之間股票月度回報率進行了橫截面以及時間序列分析，表明中國股票市場具有明顯的行業和地區效應［1］。陳華良（2011）在Fama-French三因素模型中加入行業因子，利用滬深300進行因素檢驗，結果表明，在2005～2011年數據樣本下，行業因素的解釋力度是最大的，占到全部解釋因子的60%［2］。

另一種思路則是對市場中性假定的檢驗。王敬和張鐵鵬（2004）證實了我國股票市場在行業層面基本符合中性假定，并且非系統風險在總風險中占比較大［3］。余志高（2011）對證各個行業的Sharpe比率進行分析，結果顯示各行業股指非系統風險在總風險中所占的比重比較大且隨時間在逐步提高。從分散非系統風險的角度看，行業資產配置是完全必要的［4］。

2.2配置方法研究

從量化投資組合管理角度而言，最為有名的莫過于1952年由Markowitz提出的均值——方差模型。測定并平衡組合投資的風險與收益，實現資產分配，是該模型所解決的問題。目前主流的資產配置方法是美林時鐘。它按照經濟增長與通脹的不同搭配，將經濟周期劃分為四個階段，針對各階段的特殊屬性選擇配置債券、現金、股票或大宗商品。分析行業配置的決定因素類似于大類資產配置，根據不同行業對經濟、通脹和利率的敏感性不同，做出相應的決策。

在國內，行業配置方法以基本面居多。陳華良（2011）對國內券商的行業配置策略做過整理，主要包括如下五種模式：宏觀多因子配置模式、高貝塔配置模式、關鍵驅動因素模式、綜合評分模式、股價量化配置模式［5］。

2.3缺陷與不足

目前來看，仍未形成共同認可、成熟穩定并且具備可操作性、經過市場檢驗的方法體系。對于量化配置手段，如均值-方差模型，存在諸多缺陷：其一，模型最優解常常出現極端情形；其二，模型對輸入的變量高度敏感；其三，投資者預期以及預期的信心水平沒能在模型中得到體現。作為以散戶為主的A股市場，投資者情緒是無法回避的問題。

反觀傳統的主動型配置策略，定性分析仍是主流。由于行業配置，既要考慮宏觀因素，又需要結合微觀因素，更要注重行業自身的運行邏輯，所涉及的指標、數據和分析方法，是極為廣泛和復雜的。而這種分析，又高度依賴于專家的主觀評價，存在很大的不確定性和偏差。

此外，大多數的配置策略，并未考慮和重視中國股市特殊的行業結構及屬性，這也導致了很多時候，行業配置并未起到很好的指數增強效果。在最近幾年，有很多機構開始嘗試借鑒國外經驗，采用Black-Litterman模型進行行業配置。

3　Black-Litterman模型的應用

3.1模型介紹

Black-Litterman模型最早是由Black和Litterman在高盛資產管理公司任職時正式提出的，該模型的核心是以一個理想的均衡模型作為參考點，以預期收益的形式設定投資者觀點和每個觀點的置信水平，然后利用貝葉斯方法將觀點收益與均衡收益相結合，推導出主觀收益。最后應用馬科維茨模型求解出最優權重。該模型的優越性在于：其一，將投資者觀點或者說情緒引入模型中；其二，把CAPM均衡市場組合作為資產回報估計的起點，減少了極端值的出現；其三，初始參數為當下市場結構，更加符合股市的客觀市場特征。

從理論上講，該模型是一種將主客觀信息結合起來的性狀優良的量化模型，但由于其參數眾多，投資者觀點的預測方法千差萬別，導致了實際應用中的效果也有很大差異，采用何種方式來預測投資者觀點，是我們要考慮的問題。

3.2行業應用研究

首先，從配置結果上看，確實要優于之前的策略。如郭暢（2009）選取7個行業指數作為可投資資產目標，運用Black-Litterman模型進行配置，獲得了比傳統均值—方差模型的收益率高出19.78%的超額收益［6］。

其次，在對投資者觀點進行預測時，大部分采用了時間序列的方法。如利用GARCH族模型預測的收益率作為投資者主觀預期收益率的替代變量。當然，也不乏采用其他方式進行觀點預測的。國內券商有采用朝陽永續一致預期ROE數據作為觀點收益，結果表明在2008～2009年確實起到了不錯的配置效果。也有學者使用神經網絡等其他算法來預測觀點收益。

在實踐中，2010年2月，南方基金管理公司推出了運用Black—Litterman模型進行行業配置的公募量化基金——南方策略優化基金。它的觀點收益來自于基金管理人根據宏觀經濟與行業景氣的相關性分析和行業周期性變化特征確定的行業評級和行業預期收益。

3.3策略優化

筆者認為，對于現階段使用的觀點收益預測方法而言，尚存在改進空間。

首先，以分析師觀點作為觀點收益，本身就存在很大的不確定性，也缺乏相應的評判標準。

其次，作為主流策略的時間序列分析預測法，它的哲學依據是事物的發展變化在時間上具有連續性。但是，市場是復雜多樣的，歷史和現在的發展規律不一定完全一致，它還會出現一些新的特點。時間序列預測法因突出時間序列暫不考慮外界因素影響，因而存在著預測誤差的缺陷，當遇到外界發生較大變化，往往會有較大偏差，如果周期稍稍放長，則預測效果大打折扣。與此同時，時間序列并未很好地將投資者情緒的因素考慮其中，在散戶情緒化主導下的A股，這一點是尤為重要的。

作為金融市場重要特點之一的波動性，更突出的表現就是金融價格序列往往圍繞著一個固定的值上下波動，也即“均值回復”現象。關于其產生的內在原因，新興的行為金融學做出了很好的解釋，它認為投資者普遍是有限理性的，會使股票價格偏離其價值，然而又由于套利的有限性，理性的投資者并不能及時并且完全地消除這種偏差，因此投資者的非理性行為應該是影響股票價格的系統因子。基于過去股價的變動可以對未來股價的波動趨勢做出預測，正是投資者對于市場的過于樂觀或悲觀的估計而引起的過度反應和反應不足，造成了價格的均值回復現象。

這種現象的檢驗方法多樣，主要包括自相關檢驗、單位根檢驗、回歸分析法和方差比率檢驗四種。宋玉臣和寇俊生（2005）用自相關檢驗和方差比率非參數持久性測量方法，發現上證綜指具有顯著的均值回歸特征［7］。張群（2010）基于滬深股市自建立以來近10余年的數據，對滬深股市相對低頻的周、月股價指數進行研究，采用多種均值回復檢驗方法，結果表明滬深股市存在均值回復效應［8］。

因此，如果采用經均值回復效應修正的預測收益率來代表投資者觀點收益，既避免了主觀評價的隨意性，又將投資者情緒融入其中。具體修正方式如下。

首先，根據均值回復效應，我們有

上述僅是同一時期行業內部的收益率調整，此外，還需要根據均值回復效應，對觀點誤差矩陣進一步修正，完成不同時期的比較調整。由于均值回復效應的不同，其信心水平也是不同的。當某一期的絕對值過大，其后的均值回復效應將更加明顯，因此賦予更高的置信水平。采用Idzorek的刻度因子修正法，它得以使投資者信心程度可以用百分比的形式測度，定義