基于风险平价策略的高净值客户资产配置研究

随着国内经济的快速发展，高净值客户群体的不断扩大，财富规模的不断积累，资产配置需求更加差异化。根据兴业银行与BCG发布的《中国私人银行2016》报告，预计2020年一般个人可投资资产总额将自2015年的44万亿元增加到88万亿元，而高净值家庭的数量将自2015年的207万户增长到388万户，年均增速保持13%左右。[1]部分高净值客户的资产管理需求已由单纯的财产增值为主，向财产保值以及财富的安全传承等需求转变；资产配置周期也由原先的中短期为主向中长期甚至跨代的安排转变；投资配置的资产类型由原先的股票、债券为主，向非上市股权、艺术品等另类资产领域拓展；投资配置地域由国内金融产品和资产为主向全球化配置转变，这些都对资产管理机构提出了新的要求。同时，面对经济增速放缓，金融市场波动加剧，专业资产管理机构的配置能力也不断受到考验，资产配置策略的重要性日益凸显。

Roth 1970: Gustav Roth, Bhikuivinaya: Including Bhikuiprakiraka and a Summary of the Bhikuprakiraka of the Āryamahāsāghikalokottaravādin,Patna: K.P. Jayaswal Research Institute.

一、引 言

20世纪50年代以来，诺贝尔经济学奖得主Markowitz在其论文中给出了投资风险、投资收益的定义，将数量分析引入投资组合，奠定了现代金融学关于资产组合、投资配置的研究框架。[2-3]之后研究者们继续深入研究，创立了资本资产定价模型(CAMP)等，[4-6]即投资者的效用函数(Utility Function)以收益和风险为变量，投资者持有市场组合(Marketing Portfolio)，并根据自身风险偏好进行杠杆调节，也即将自有资金在无风险资产与市场组合中进行个性配置，形成一种有效利用风险的理性投资决策方法。

不过，由于上述研究需要使用大量历史数据计算均值、方差、协方差等因子，并涉及最优化运算，在计算机尚未普及的年代，这些繁重的工作为模型的应用带来巨大障碍。同时，由于金融资产的相关性会随时间和环境发生改变，收益率的时间序列也并不具备稳定特征，而资本资产定价模型则对均值、方差等依赖较大，在实际应用过程中出现了与现实的较大偏离。为了克服资本资产定价模型的缺陷，后继的研究者们不断发展和完善，相继提出了B-L模型、[7]风险平价模型、[8]美林时钟模型[9]等。资产配置模型不断丰富，实用性也得到了较大的提高。2008年金融危机发生后，各家金融机构的资产配置模型得到了进一步检验，桥水基金(Bridgewater)的全天候基金获得较好的表现，引起市场的广泛关注。

简要回顾已有的市场资产配置策略文献，通过横向比较发现，风险平价模型更加适用于国内资产配置市场。通过2007-2017年数据的实证研究发现，风险平价模型可以在金融危机后的衰退、萧条、复苏各阶段实现稳定的收益。

二、文献综述

≻0

一般情况下，风险平价策略存在解析解比较困难，只能以非线性规划求得数值解。Maillard，Roncalli和Teiletche指出可以根据R.B.Wilson在1963年提出的序列二次规划(Sequential Quadratic Programming)算法，结合不能卖空的权重限制，求解优化问题。其核心思想，就是应用一系列二次规划的子问题不断逼近原问题，进而获得原问题的最优解：

20世纪50年代，Markowitz提出了均值—方差理论，以均值、方差刻画投资组合的收益和风险，以多目标最优化方法来实现资产的最优配置，奠定了现代资产配置理论的基础。此后又进一步提出了临界线算法，以二次规划为模型来求解最优资产配置。[2-3]由于均值—方差模型仅限于单期投资，且是静态模型，所以实际应用性并不强。后续许多研究者沿着Markowitz的基本理论方法和思路，不断优化和扩展模型，使模型更加贴近现实世界，主要工作成果：一是扩展配置的资产类型和优化方法，将两类资产的投资组合扩展到多类资产，以动态规划方法获得了最优的投资组合；[10-11]二是改进抽样方法，使用再抽样边界有效法(Resampled Efficient Frontier Optimization)，以多次抽样方法使有效边界更加稳定；[12]三是针对资产收益可能出现的非对称形状，增加组合上下限约束，以提高协方差矩阵的作用效果；[13]四是开创新的模型，如William Sharpe在均值—方差模型基础上提出了资本资产定价模型，以风险资产价值的权重进行资产配置。[4]

上式表明，各资产的最大回撤加权总和会大于等于投资组合的最大回撤，在极端情况下，等号成立。第i个资产的绝对风险贡献为：

20世纪90年代后，资产配置的量化策略开始兴起，并且在越来越多的金融机构资产管理业务中得到运用和验证，在市场实践中不断加以完善。其中较有代表性的量化配置策略如下。

留给ofo的时间已经不多。11月14日，久未露面的戴威在已经很久没有举行的ofo公司大会上表示：除了破产，其他都有可能。

一是以资本资产定价模型和夏普逆最优化理论构建的B-L模型，[7]综合运用均值—方差模型与贝叶斯(Bayesian)混合估计法，通过反向推导各项资产市场均衡超额收益率，引入投资者收益预期及信心水平构建观点矩阵和信心矩阵，以贝叶斯法形成新的期望收益率和方差，最后以新的期望收益率和协方差带入均值—方差模型，计算形成最优资产配置方案。这一模型提出后获得了良好的应用效果，但模型纳入了投资者的主观观点，其质量的强弱将大大影响模型的准确性。

二是基于风险的大类资产配置策略，包括最小化风险组合(Minimize variance portfolio)、最大化风险分散比率组合(The most diversified portfolio)、风险平价组合(Risk Parity)等不同细分策略类型。针对传统均值—方差模型中存在的组合资产收益率的期望值敏感度过高，而收益率的方差协方差矩阵反映迟钝的问题，[14]学者们提出了基于风险的量化配置策略，在求解过程中无须“给定预期收益率”要求，从而降低估计预期收益率可能带来的巨大偏差。美国的阿卡迪亚资产管理(Arcadia Asset Management Corp.)、拉扎德资产管理公司(Lazard Asset Management LLC)、道富环球投资管理(State Street Global Advisors)等机构更多使用的是这种最小化风险组合方法。而一些研究认为分散化投资带来的收益来源于资产之间收益的不相关性，可通过最大化分散程度来降低投资组合的整体风险。对于投资于多种资产的投资组合来讲，资产的多样化可适用于各种市场环境，最大回撤率更低，因此提出最大化风险分散比率组合策略。[15] 20世纪90年代以后，桥水基金基于风险平价策略，以经济通胀、经济通缩、经济增长过高、经济增长过低形成4种状态和4种投资子组合，构建了全天候组合基金(All Weather Portfolio)，以确保在任何情况下至少有一个投资组合表现优异。供职于桥水公司的钱恩平(Edward Qian)博士构建了数学化的风险平价模型，并使用1983-2004年美国股票市场和债券市场进行回测检验，发现该组合比60/40组合夏普比率高出0.2。[8]

三是纳入经济周期因素的量化策略。随着资产管理机构数量的增加，竞争日趋激烈，实践发现仅从历史提取数据进行数量化的分析并不能获得较好的效果。尤其是国内、国际宏观经济环境剧烈变动时，既有的数量化投资策略可能面临失效的情况。一些经验丰富的投资机构和投资者在构建投资组合过程中，开始纳入经济周期因素，比较著名的就是美林公司的美林时钟(Merrill Lynch Investment Clock)模型。[9]该模型选取美国20年的经济数据，将经济周期、投资组合的收益率以及行业轮动相结合，通过识别经济周期的拐点，在不同经济周期中配置不同的资产。模型将宏观经济运行与资产配置有效地结合，但是仅对经济周期和货币政策进行判断。在2008年金融危机后，各国央行货币政策与经济周期出现偏离，美林时钟模型的有效性大大降低。

而与之相对的是，2008年金融危机后桥水公司的全天候基金表现优异，1996-2015年间，基金投资的年化收益率超过同期标准普尔500指数3.07%，年化波动率低于同期标准普尔500 指数 6.74%，夏普比率达到0.64，这一成就获得了市场的较大关注，风险平价策略也得到更广的认可和运用。国内许多大型基金公司也采取复制桥水基金的“全天候”策略方式控制风险，该策略也一度取得了较好的表现。由于各国具有不同的经济环境，随着国内资产管理行业的发展，在引进国外先进资产配置模型过程中的本土化越来越重要，依据不同业务类型、期限、收益要求等选取适宜的策略将有助于提升投资组合收益水平。

韩国各高校也为在校师生开设各种学术道德培训课程。其中，不仅有为教研人员开设的短期培训课程，还有为全校本科、研究生开设的正式课程。为教研人员开设的短期培训课程，主要内容涉及学术道德的定义、学术不端行为的种类、学术不端行为的调查与处罚、学术论文写作时的注释标记方法以及成果署名等。

三、风险平价策略概述

风险平价策略，即寻求投资组合中资产本身的风险权重平衡，通过控制投资组合中的风险贡献度，寻求各类资产风险暴露相同。通过运用风险平价策略，全天候基金的投资理念认为，各类资产对经济环境具有不同的偏好，在特定环境下，某类资产表现较好，而另外一些资产则表现不佳。例如，在经济繁荣的时期，股票表现较好，在经济衰退的时候，债券表现优异。

2006年，钱恩平博士指出，单个资产的风险贡献不仅可用于组合风险的分解，还可被视为各头寸损失贡献的估计参考。[16]即相比其他资产，资产i的风险权重贡献较大，如果降低资产i的权重，同时提升其他资产的权重将会降低投资组合的风险，直至各类资产风险贡献相同。

(一)简单风险平价模型

定义x=(x1,x2,…,xn)为资产组合中n个资产的权重，为资产i的方差，σij为资产i与资产j的协方差。Σ为组合资产的协方差矩阵，因而，组合资产的标准差为：

①投资组合中，各资产的非系统性风险相同。即σεi=σεj，则有βi≻βj⟹xixj；

第i个资产的边际风险贡献MRC(Marginal Risk Contributions)定义为∂xxiσ(x)，即第i个元素权重变化对整体组合波动率的影响为：

第i个资产总风险贡献TRC(Total Risk Contributions)为该资产边际风险贡献与资产权重的乘积，即σi(x)=xi×MRCi，则组合波动率为各资产风险贡献总和：

其中：≻0

风险平价策略会赋予波动率大的资产相对较小的权重，赋予波动率小的资产相对较大的权重。利用经典的资本资产定价模型，对于∀i=1,2,…N

ri=αi+βirM+εi

E[εiεj]=E[εi]E[εj]=0

有：

根据风险平价策略表达式模型，对于∀ij∈1,2,…N：

给定n个资产(x1,x2,…,xn)，权重向量为(w1,w2,…,wn)，定义ESi=ES(Xi)为资产i的预期最大回撤，则：

(xjσεj-xiσεi)(xjσεj+xiσεi)⟹

假定投资组合中各资产的β值大于0，且资产不可被卖空：

其中，x表示资产组合权重的列向量，xi为x重第i个元素，即资产i的权重。

②投资组合中，各资产的系统性风险相同。即βi=βi≥0，则有σεi≻σεj⟹xixj。

（2）储层发育微孔隙和微裂缝，属于孔隙—裂缝型储层，以孔隙为主，但微裂缝对储集物性的影响显著。储集物性决定储层的含油性，沉积规模大、厚度大的砂砾岩体物性好，含油性也好。II砂层组、III砂层组沉积厚度大，规模大，是主要含油层系。车66、车660井区位于洼陷中部东西厚砂砾岩体交汇部位，成为主要油气聚集区。根据II、III砂层组展布特征，结合目前钻探情况推断，车66—车664井一带、车66—车660井一带，车73井向南一带应有较好的勘探前景。

(二)引入动量的风险平价模型

由于风险平价策略侧重于低配高风险资产，可能会引起预期收益水平难以达到投资者预期的情况，加入动量效应后，这一问题将会得到明显改善。根据Jegadeesh和Titman提出的动量效应概念，即资产收益率会出现延续既有运动趋势，过去收益低的资产在未来收益仍将会低于高收益资产。[17]动量效应出现的原因，主要是由于对各种市场信息反映的不足。

动量效应策略主要分为绝对动量和相对动量两种。绝对动量主要是指依托资产的时间序列本身历史收益来建立动量信号，通过各个资产单独设立动量信号用于交易；相对动量则是对不同市场或同一市场相同的资产、不同的资产的投资组合，对相同的动量信号在同一时点进行比较、排序，买入动量较好的资产，可以实现市场中大类资产的轮动。

Andrew Clare，James Seaton等引入MSCI指数、MSCI新兴市场指数、瑞银商品指数、全球REITS指数、花旗全球市场政府债券指数、FTSE/EPRA等构建全球资产配置模型。[18]结果表明，动量策略较买入持有策略在风险调整后收益方面大为改善，年化收益率由7.72%上升到10.88%，年化波动率由17.75%下降到9.82%，夏普比率由0.26提高到了0.79，风险平价模型有了较大的提升。

其中，表示月度动量因子(月度收益水平)，表示按月度收益水平以降序方式排序，以此捕捉大类资产的轮动。

(三)基于最大回撤的风险平价模型

在投资实践中，以最大回撤、预期损失来估算投资组合风险的应用越来越广泛。最大回撤，即在给定的时间内，资产价格走向最低收益水平时，投资组合收益的最大回撤程度。

则有：

那么为什么在cos θ趋近于1时,其计算结果又与自由旋转链一致呢？这是因为P-K方法增设了一个前提条件,即cos θ趋近于1,此时键角趋于π,链的方向趋近于z轴,因此能近乎满足第一个键在z轴,而末端距也几乎落在z轴方向,即满足了末端距h与dh是同一个方向的条件.矢量同向条件满足,从而由式(13)到(14)便顺理成章,导致此时蠕虫状链末端距与自由旋转链结果一致.这就是为什么对刚性链,蠕虫状链与自由旋转链结果可以一致的原因.不难进一步导出此时链的均方末端距为

≻0

1.CMV视网膜脉络膜炎的诊断和治疗：典型的症状包括飞蚊症、漂浮物、盲点或外周视野缺损，患者常表现为快速视力下降，眼底检查表现为“番茄炒鸡蛋样”改变，沿血管分布的浓厚的黄白色视网膜损伤，伴或不伴视网膜内出血；确诊有赖于眼底镜检查。

第i个资产的相对风险贡献为：

则基于最大回撤的风险平价模型为：

20世纪30年代，学者们已经意识到资产配置的重要性，但仅局限于风险分散功能层面，采用简单的资产恒定策略，即在资产配置组合中保持各类资产价值权重不变，当一种资产价格下跌时买入该种资产，当该资产价格上升时卖出该资产。该策略核心是通过多样性的配置资产降低风险，当资产收益的均值呈现反转时，获取收益，60/40为其中典型的策略。在此策略指导下，美国市场投资者将股票和债券作为两种不同的资产，在投资组合中60%配置于标普500指数，40%配置于10年期美国国债。从时间维度看，60/40策略在22%的时间处于新高点，剩下78%都存在不同程度的下跌。

对最大回撤测算可采取历史数据进行预测，但最大回撤的历史数据和未来的关联性不强，预测精度较低。以蒙特卡洛算法模拟预期最大回撤的分布可以提高预测的准确度。

(四)基于风险因子的风险平价模型

在经济运行过程中，投资组合收益率还会受到宏观经济环境等因素的影响。如果投资组合内各资产的关联程度过高，则在其他因素影响下，可能会改变原有投资组合风险的状态，使收益状况不能尽如人意。针对这一情况，Thierry Roncalli提出了基于风险因子的风险平价模型。[19](P142-150)

给定n个资产(A1,A2,…,An)投资组合，在t时刻的收益率向量为Rt，协方差矩阵为Σ。此外，存在m个风险因子(Ft1,Ft2,…,Ftm)，Ft为t时刻的因子向量，协方差矩阵为Ω，则：

Rt=A+BFt+εt=A+BFt+Det

其中，Ft为m×1的向量，因子间不相关，εt为独立且不相关向量，均值为0，协方差矩阵为对角矩阵D，Ft与εt不相关，则Rt的协方差矩阵为：

Σ=AΩAT+D

给定的资产权重为w，风险权重为β，则投资组合多因子式为：

Πt=wTRt=wTA+wTBFt+wTDet=α+βTFt+δet

3.2.3 风机旋向确认：由于该风叶为后倾式叶型，一旦旋向错误，会使电流增大两倍额定值，不仅会影响风量，严重的是开机两三分钟，就会造成风机配用电机冒烟烧坏。最终在现场有关人员配合下，顶部四个电机每个电机点动起动检查确认旋转方向，并用电流表监测(虽可以根据旋向标记)，确保风机电机绝对安全。

其中，β=BTw，δ=wTD。令C=BT，C+为C的穆尔-彭罗斯广义逆矩阵，则有w=C+β+e，其中e=(In-C+C)w是一个C的核空间向量，则：

其中，Ft与et相互独立，互不相关，其联合的协方差矩阵为：

Θ=

投资组合总风险为：

风险因子i的风险贡献度为：

σ(γ)为正齐性，σ(kγ)=kσ(γ)，所有因子的总贡献和为1。

基于风险因子的风险平价模型为：

在求解过程中，如果样本数量多于因子数量，可以用因子的协方差矩阵代替预测值，并以最小二乘法求解；当样本数量少于因子数量时，可以采用Ledoid-Wolff收缩估计。

四、风险平价策略的模型求解

(一)存在解析解

假设投资组合各资产间存在相同的相关系数，即∀i,j⊆(1,2,…,N)，ρij=ρ，则资产i的风险贡献为：

此时，∀i,j⊆(1,2,…,N)，有σi(x)=σj(x)，则xiσi=xjσj，同时，权重则：

5G是本届互联网大会的高频词，而人工智能与物联网同样因未来而变得夺目。当人们还沉浸于互联网思维时，百度创始人、董事长李彦宏却告诉大家，未来30年是AI（人工智能）时代，互联网是前菜、AI才是主菜。AI将给中国社会的政策环境、市场环境和各个产业发展带来巨大变化，AI思维正在替代互联网思维成为新的动能。

进而近似求得风险平价策略的配置权重。

同理，若各资产有相同的波动率，∀i,j⊆(1,2,…,N)，有σi=σ，则：

(二)非线性规划求解

LNG气化站的计量装置主要是采用气体涡轮计量，其计量精度为1.5级，具有大于1∶16的量程，可以同时满足最大流量和最小流量时的精度要求。LNG气化站的加臭装置的动力来源是隔膜式计量泵，可根据流量信号按适当的比例将加臭剂(四氢噻吩)注入天然气管道中。

美国当代著名发明家迪恩·卡门认为：“工匠精神不仅仅是一个国家的一部分，更是让这个国家生生不息的源泉。”[2]工匠精神作为人类的精神品格之一，与其民族和国家的生存、发展和尊严紧密联系。无论是个人企业发展、国家创新创业，还是民族复兴大业，都需要融入务实求精的工匠精神。高校附属医院承载着教书育人和治病救人的双重职能，更应该在党建思想政治理论研究工作，更需要注入工匠精神的强大魅力和品格。

minf(x)

f(x)为目标函数，ci(x)为约束条件，通过泰勒公式，将非线性约束条件进行近似线性化，以拉格朗日法获得二次规划的子问题：

min

若xk为当前的迭代点，依据二次规划问题的解搜索dk，计算步长ak，进而获得接下来的一个迭代点xk+1=xk+akkk。重复上述步骤，直至最终获得符合约束，获得最优解。

(三)波动率的估计

受Markowitz均值—方差模型的影响，以波动率计算资产的风险水平。计算波动率主要有简单移动平均、指数加权移动平均和GARCH模型估计几种方法。

1.简单移动平均

简单移动平均即样本方差法，首先计算一定历史时期内样本的均值，然后计算各样本与均值的偏差的平方和，组合开方得到标准差，即为波动率。由于计算复杂程度较低，应用较为广泛。不过，简单移动平均是以资产收益率服从独立同分布的随机过程，无论极端事件发生在t-1时期，还是t-η时期，其对t期所产生的影响相同，这与实际金融活动不符。

2.指数加权平均

人力资源管理模式样式较为灵活，任何企业在发展过程中不可能一直沿用某一种管理模式。通常情况下，企业会依据国家政策，同时结合自身需求与经济情况，来研究符合企业自身发展的管理模式。企业在发展人力资源模式的过程中，常常基于多元化的角度，来分析多方面因素，包括发展前景、企业文化与发展规模，制定出一个优化的人力资源管理模式，为企业的未来发展奠定坚实的基础。笔者接下来阐述影响人力资源发展的因素。

为了克服简单移动平均的缺陷，指数加权平均对不同时期赋予不同的权重，越靠近当前时刻影响越大，权重也就越大，即当i≻j时，aiaj，ai为第i天观测到的历史数据权重：

ai=λai-1，即ai随着时间的推移而不断递减，其中：λ代表权重的分配0λ1。则，以指数加权平均法计算的波动率为：

3.GARCH模型

Renal artery stenosis secondary to Takayasu’s arteritis.

Engle在1982年提出了自回归条件异方差模型(Autoregressive Conditional Heteroscedasticity Model, ARCH)，为波动率计算提供了一个新的方向。假设rt为一个金融时间序列数据，首先以ARMA模型进行拟合，去均值化后得到t时刻资产收益的残差序列αt，令为t-1时刻信息集Γ的条件方差，即

假设αt序列不相关，但非独立；同时，αt序列非独立性可以其延迟值的二次函数刻画：

εt为服从正太分布的标准随机变量，∀i,αi≥0。虽然ARCH模型能够有效地预测波动率，但不能说明其有效的来源。同时，对正抖动和负抖动一视同仁与现实不符。此外，模型只有自回归项，若要更好地描述波动率需进行很多参数估计，计算较为复杂。Bollerslev提出广义自回归条件异方差模型(GARCH)：

其中，εt为服从正太分布的标准随机变量，对于任意i,j均满足1。GARCH模型增加了描述自相关的部分，克服了ARCH模型缺点，可以有效降低参数的阶数。不过，GARCH模型不能区分正负扰动对波动率的影响，在刻画波动率存在厚尾特征时，无法反映波动率的非对称特点。

五、风险平价策略在高净值客户资产配置中的应用

本文所探讨的风险平价策略能够通过构建多类资产的有效组合，平衡配置资产的风险，实现稳定收益，能够很好地适应高净值客户资产配置的需求变化。

从城阳区乡村旅游者的月收入来看，大部分集中在中等偏上收入。3001-4000收入者最多，占36%；其次收入为2001-3000，占30%；1000-2000、4000以上收入者分别占14%和16%，1000以下收入者最少，占9%。

(一)方法的选择、数据的选取

1.方法的选择

虽然以历史数据估算最大回撤精确率较低，但最大回撤方法过去和未来的关联性较低，因此以蒙特卡洛方法模拟预期最大回撤，构建基于最大回撤的风险平价模型。

第一，使用ARMA-GARCH模型对各资产收益率进行模拟，得到残差矩阵。第i列代表资产i的残差序列，t为历史数据的长度。

第二，使用蒙特卡洛方法，随机抽取μi行数据，并将数据放入新的矩阵。

第三，重复上述两步，不断将新的抽取数据放入新的矩阵，直至矩阵的列达到预期的长度。

第四，将新的残差矩阵带入ARMA-GARCH模型，得到n个资产的预测收益率，计算各资产的最大回撤。

第五，重复上述步骤N次，得到每个组合资产的最大回撤分布，计算其均值即为预期的最大回撤。

2.数据的选取

根据市场可选取的资产类别，以及高净值客户资产配置的稳健性、全球化、多元化的特点，选取股票、债券和商品三大类别，以沪深300指数、标准普尔500指数作为股票类资产配置标的，以中债企债指数作为债券标的，以伦敦现货黄金商品作为大宗商品配置标的。

构建全球化的资产配置组合可以很大程度上分散国别风险，更好地满足高净值客户对财产安全性的要求。目前中国已经陆续推出QDII(Qualified Domestic Institutional Investor，合格境内机构投资者)、QDIE(Qualified Domestic Investment Enterprise，合格境内投资企业)、QDLP(Qualified Domestic Limited Partner，合格境内有限合伙人)等多项跨境投资便利措施，并开通了沪港通、深港通等直接投资渠道。以基金公司提供的境外投资产品为例，主流公司基本都已推出与上述标的挂钩的投资品种，能够为高净值客户提供多渠道、多元化、多地域的资产配置。例如，嘉实基金的嘉实沪深300交易型开放式指数证券投资基金联接基金(LOF)，

投资对象为标的指数成分股及备选成分股；博时基金的博时标普500交易型开放式指数证券投资基金主要投资于标的指数成分股、备选成分股，且该基金投资于标的指数成分股及备选成分股的比例不低于基金资产净值的90%；嘉实基金的嘉实黄金证券投资基金(LOF)则主要投资于境外市场以实物黄金为支持的交易所交易基金等金融工具。此外，股指期货、国债期货、商品期货等也为投资者在一定程度上对冲投资风险提供了可能。因而，国内的高净值客户的财产基本可以通过上述手段实现多元化、全球化配置。

鉴于部分数据的可获得性，数据选取时间为2007年1月2日至2017年6月30日，数据频率为日，所有数据来源于WIND。

(二)相关性检验

从检验结果上看，由于所处经济环境的差异，沪深300指数与中证企业债指数、标准普尔500指数以及黄金价格走势相关性较低。中证企业债指数与标准普尔500指数相对较强，这可能是由于美国经历2008年金融危机后，企业经营状况逐步改善，经济企稳，但二者并不具有必然联系，短期内虽有趋同趋势，但长期内未必相同。

(三)实证结果

利用所纳入考量的各类资产历史数据，对其年化收益率、波动率及夏普比率进行计算。

1.以股+债模式构建投资组合

在权重分配上，首先以等权重分配，观测各个资产收益情况。同时，按照风险大小排序，每半年调整一次仓位，形成资产配置组合。从结果上来看，进行风险调整后的投资组合较等权重投资组合收益有了较大的改善，夏普比率也有了较大的提升。

2.以股+债+大宗商品模式构建投资组合

2007年以来，大宗商品价格波动较大，因而在构建投资组合过程中，采取等权重组合、非卖空投资组合与卖空投资3种模式构建投资模型，并进行对比。结果表明，由于大宗商品表现波动较大，除了夏普比率有所改善外，其他方面变化不大。在引入卖空机制后，投资组合收益率有所改善，但波动率也随之加大。

六、结 论

目前中国高净值人群的资产配置多元化需求不断增强。但相比国际市场上较成熟的资产配置运用，国内资产配置品种和策略都较单一，投资者主要依靠对宏观经济走势的判断，缺乏量化模型支撑，很大程度上限制了投资收益水平。但是，金融市场全球一体化的不断深化，为高净值客户进行全球化、多元化配置创造了可能。通过系统论述基于风险评价策略的资产配置理论方法，并结合实证数据检验，可以认为合理地选取大类资产种类，动态调整资产配置权重，有助于提升投资组合收益，降低组合风险。

注释：

[1]兴业银行与波士顿咨询公司(BCG).中国私人银行2016：逆势增长、全球配置[EB/OL]. https://www.bcg.com/,2016-06-22.

[2]Markowitz,H.Portfolio selection[J]. The Journal of Finance,1952,7(1).

[3]Markowitz, H. The optimization ofa quadratic function subject to linear constraints[J].Naval Research LogisticsQuarterly,1956,3(1-2).

[4]Sharpe, William F. A Simplified Model for Portfolio Analysis[J]. Management Science,1963,9(2).

[5]Sharpe,William F. Capital Asset Prices-A Theory of Market Equilibrium under Conditions of Risk[J]. Journal of Finance,1964,XIX(3).

[6]Treynor,Jack L. and Fischer Black.How to use Security Analysis to Improve Portfolio Selection[J]. Journal of Business,1973, 46(No.1).

[7]Black,F.&R.Litterman.Global portfolio optimization[J].Financial Analysts Journal,1992,48(5).

[8]Qian,E.Risk parity portfolios[J]. Pan Agora Asset Management Research Paper.,2005(Sept.).

[9]Trevor Greetham, Michael Hartnett. The Investment Clock[EB/OL].http://www.ml.com, 2004-11-10.

[10]Merton,R.C. Lifetime portfolio selection under uncertainty: The continuous-time case[J].The Review of Economics and Statistics,1969,51(3).

[11]Merton,R.C. Optimum consumption and portfolio rules in a continuous-time model[J]. Journal of Economics Theory,1971,3(4).

[12]Michaud,R.O. Efficient Asset Management: A Practical Guide to Stock portfolio optimization and Asset Allocation[M].Boston:Harvard Business School Press,1998.

[13]Jagannathan,R.& T. ma. Risk reduction in large portfolios: why imposing the wrong constrains helps[J]. Journal Finance,2003,58(4).

[14]Best,M.J.&R.R.Grauer. The analytics of sensitivity analysis for mean-variance portfolio problems[J]. International Review of Financial Analysis,1992，1(1).

[15]Choueifaty,Y. &Y.Coignard. Toward maximum diversification[J]. Journal of Portfolio Management,2008，35(1).

[16]Qian,E. On the financial interpretation of risk contribution: Risk budgets do add up[J]. Journal of Investment Management,2006，4(4).

[17]Jegadeesh, N. and Titman, S. Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency[J]. The Journal of Finance,1993(48).

[18]Andrew Clare,James Seaton.The Trend is Our Friend-Risk Parity, Momentum and Trend Following in Global Asset Allocation [EB/OL].http://www.mendeley.com,2012.

[19][法]蒂里.龙嘉利(Thierry Roncalli) 著,王海燕等译.基于风险的资产配置策略[M].北京:中国金融出版社.2016.