解决资产收益率分布尖峰厚尾与假设不符的问题：引入高阶矩改进马科维茨组合表现-20200525-华泰证券-29页_1mb

金工研究：引入高阶矩改进马科维茨组合表现

核心内容概述

本报告探讨了在传统马科维茨均值-方差模型基础上，通过引入高阶矩（偏度和峰度）进行改进，以提升资产配置的效率和投资组合的表现。主要分析了资产收益率分布与正态分布的偏离，以及偏度和峰度对投资组合夏普比率的影响，并通过多项式目标优化方法（PGP）构建了偏度模型和偏度峰度模型，测试其在不同资产池和时间窗口下的有效性。

主要观点

1. 马科维茨模型的局限性

   • 马科维茨模型基于正态分布假设，但在实际市场中，资产收益率往往呈现尖峰厚尾特征，导致模型与现实存在偏差。
   • 该模型对收益率和波动率估计误差敏感，且无法区分上行与下行风险。

2. 高阶矩对资产配置的影响

   • 偏度代表收益率分布的不对称性，偏度越高，正收益出现概率越大。
   • 峰度反映分布的尾部厚度，峰度越低，极端值出现概率越小。
   • 增大偏度和减小峰度对资产收益率有正向影响，有助于提升组合收益和降低尾部风险。

3. 多项式目标优化方法（PGP）的应用

   • PGP方法通过设定不同权重，对多个目标（如收益、方差、偏度、峰度）进行优化。
   • 在偏度模型中，加入偏度优化后，组合夏普比率有明显提升，且在更换底层资产和回测区间后，模型提升依然有效。
   • 峰度优化对夏普比率提升不明显，甚至可能降低，因此不建议在一般市场中加入。

关键信息

• 偏度模型的提升效果

  • 对保守型、稳健型、激进型基础模型的夏普比率提升分别为52.42%、41.15%、24.62%。
  • 在20个资产组合中，偏度模型在15个组合中表现优于基础模型。
  • 在加入商品指数后，偏度模型仍能有效提升夏普比率，平均提升36.89%。

• 模型参数的稳定性

  • 基础模型对偏好系数（λ1, λ2）不敏感，可固定参数进行优化。
  • 偏度模型在λ3 > 1时表现稳定，提升效果显著。

• 资产配置的优化方法

  • 使用PGP方法，通过设定不同权重，实现对收益、方差、偏度、峰度的多目标优化。
  • 偏度模型的优化目标为：
    $$
    \text{Minimize } Z = \left| \frac{d_1}{R^} \right|^{\lambda_1} + \left| \frac{d_2}{V^} \right|^{\lambda_2} + \left| \frac{d_3}{S^*} \right|^{\lambda_3}
    $$
  • 偏度峰度模型的优化目标为：
    $$
    \text{Minimize } Z = \left| \frac{d_1}{R^} \right|^{\lambda_1} + \left| \frac{d_2}{V^} \right|^{\lambda_2} + \left| \frac{d_3}{S^} \right|^{\lambda_3} + \left| \frac{d_4}{K^} \right|^{\lambda_4}
    $$

• 风险提示

  • 马科维茨模型及改进模型均基于历史数据，市场规律改变可能导致模型失效。
  • 报告中提到的指数仅作为参考，不能完全代表A股或全球市场。

结论

• 偏度模型的有效性

  • 偏度模型在大多数资产池和时间窗口下均能有效提升组合夏普比率，且提升效果稳定。
  • 该模型更适合用于股指和商品指数的配置，对于债券指数等高夏普比资产提升有限。

• 模型适用性

  • 偏度模型对保守型、稳健型和激进型投资组合均有效，且在不同资产组合中表现差异较小。
  • 在不同时期，偏度模型在66.38%的时间内优于基础模型。

• 未来研究方向

  • 进一步研究模型在不同市场环境下的适应性。
  • 探索如何更合理地设定参数（λ1, λ2, λ3, λ4）以实现最优配置。

图表目录（简要）

• 图表1：风险资产组合的有效前沿
• 图表2：初始资产收益标准差分布
• 图表3：资产组合收益标准差分布及有效前沿
• 图表4：无差异曲线示意
• 图表5：无差异曲线示例
• 图表6：无差异曲线与有效前沿切点即为最优组合
• 图表7-9：上证指数、标普500、欧洲斯托克50指数月度收益分布
• 图表10：KS检验结果
• 图表11：不同偏度和峰度收益率序列的总收益分布
• 图表12-15：基础模型与偏度模型在不同参数下的表现
• 图表16-18：偏度模型在不同参数下的收益率、波动率和夏普比率变化
• 图表19-22：偏度模型对三种基础模型的提升效果
• 图表23-31：不同资产组合下的偏度模型表现
• 图表32-35：滚动时长和峰度参数对模型表现的影响

附录简要

• 有效前沿的推导：含无风险资产和不含无风险资产的有效前沿的数学推导。
• 效用函数：描述投资者效用与收益、风险之间的关系。
• 高阶矩计算公式：偏度和峰度的数学定义和计算方式。