大类资产量化配置模型很大程度上依赖优化方法(组图)

大类资产的量化配置模型严重依赖优化方法，部分模型对参数高度敏感（如均值-方差模型）。本文不关注如何优化收益和风险，而是根据不同的投资期进行模拟，将一年期视为短期，使用非参数Bootstrap方法估计下一年的风险，模拟分布回报率并计算 1 % 分位数的损失百分比；以五年为长期，采用蒙特卡罗方法模拟未来五年的风险，计算不同情景下的损失概率。

短期风险模拟——Bootstrap：抽样样本为 2008 年 2 月至 2014 年 12 月、2008 年 2 月至 2015 年 12 月和 2008 年 2 月至 2016 年 11 月的月收益率序列。主要资产模拟指数使用 Wind All A、CSI国库券、纳斯达克指数、沪金主链参数估计怎么做，配置比例由（10%、70%、10%、10%）变为（70%、10%）、10%、10%），每月提取相同四个资产一次连续三个月的收益序列，保证每个资产时间序列的连续性和四类资产横截面之间的相关性。每个案例模拟 100,000 次。

长期风险模拟——蒙特卡洛：假设四种类型的资产收益服从多元正态分布。同理，配置比例由（10%、70%、10%、10%）变为（70%、10%、10%、10%）参数估计怎么做，不同程度的超额收益（-10%变为2%）进行了分析。每个案例模拟 10,000 次。

边际收益递减的超额收益：在长期风险模拟中，我们发现当alpha不超过一定边界时，随着A股的配置比例增加，长期投资的最终亏损概率降低，并且超出此边界，此负相关不再成立。对比中美市场和 PengWang&JonSpinney (2016)) 的结果可以发现，美国市场也存在边际收益递减的局面，但中国市场的阿尔法前沿低于此美国市场。

在综合比较短期和长期的风险和收益后，我们认为在本文的分析框架下，四种资产在（40%、40%、 10%、10%）更好。