浅析Black-Litterman模型在A股行业应用中的改进

2015-09-12中国农业大学经济管理学院容子昱

中国商论 2015年36期

中国农业大学经济管理学院　容子昱

中国农业大学经济管理学院容子昱

本文通过对行业配置策略和量化配置方法的总结分析，认为Black-Litterman模型能在客观市场结构的基础上，融入投资者观点，提供稳定明确的行业权重，是一种更加优越的行业配置策略。并在现有的Black-Litterman模型研究成果之上，结合自身实践，提出运用均值回复的方法修正投资者观点，提升模型的适用性。

行业配置Black-Litterman均值回复

1　引言

对于机构投资者而言，投资收益主要来源于三个方面：大类资产配置、行业配置和选股。大类资产配置由于影响因素非常多，机构往往会淡化配置或采取羊群行为。对于以纯二级股票市场投资的机构而言，收益更是不用考虑的问题。选股在基金业绩的贡献中，会随着规模的增大呈现下降趋势。因为每只股票的容量是固定的，规模过大的基金受限于流动性只能分散投资，现实中很难选择到太多的优质的股票。而行业配置，不仅可以降低大类资产配置变化带来的流动性问题，也可以规避个股选择分散化的问题。在这种情况下，行业资产配置将发挥越来越重要的因素，行业配置策略研究也显得尤为重要。

2　行业配置研究

2.1有效性研究

在研究行业配置策略之前，首先要对行业配置的有效性进行研究，即行业配置策略能否使投资者获得超额收益，如果没有显著的超额收益，则行业配置毫无意义。目前主要有两种检验思路。

一种思路是对行业因子在证券收益中解释程度的检验。范龙振（2003）利用约束回归分析法，对1995年7月～2001 年6月之间股票月度回报率进行了横截面以及时间序列分析，表明中国股票市场具有明显的行业和地区效应［1］。陈华良（2011）在Fama-French三因素模型中加入行业因子，利用沪深300进行因素检验，结果表明，在2005～2011年数据样本下，行业因素的解释力度是最大的，占到全部解释因子的60%［2］。

另一种思路则是对市场中性假定的检验。王敬和张铁鹏（2004）证实了我国股票市场在行业层面基本符合中性假定，并且非系统风险在总风险中占比较大［3］。余志高（2011）对证各个行业的Sharpe比率进行分析，结果显示各行业股指非系统风险在总风险中所占的比重比较大且随时间在逐步提高。从分散非系统风险的角度看，行业资产配置是完全必要的［4］。

2.2配置方法研究

从量化投资组合管理角度而言，最为有名的莫过于1952年由Markowitz提出的均值——方差模型。测定并平衡组合投资的风险与收益，实现资产分配，是该模型所解决的问题。目前主流的资产配置方法是美林时钟。它按照经济增长与通胀的不同搭配，将经济周期划分为四个阶段，针对各阶段的特殊属性选择配置债券、现金、股票或大宗商品。分析行业配置的决定因素类似于大类资产配置，根据不同行业对经济、通胀和利率的敏感性不同，做出相应的决策。

在国内，行业配置方法以基本面居多。陈华良（2011）对国内券商的行业配置策略做过整理，主要包括如下五种模式：宏观多因子配置模式、高贝塔配置模式、关键驱动因素模式、综合评分模式、股价量化配置模式［5］。

2.3缺陷与不足

目前来看，仍未形成共同认可、成熟稳定并且具备可操作性、经过市场检验的方法体系。对于量化配置手段，如均值-方差模型，存在诸多缺陷：其一，模型最优解常常出现极端情形；其二，模型对输入的变量高度敏感；其三，投资者预期以及预期的信心水平没能在模型中得到体现。作为以散户为主的A股市场，投资者情绪是无法回避的问题。

反观传统的主动型配置策略，定性分析仍是主流。由于行业配置，既要考虑宏观因素，又需要结合微观因素，更要注重行业自身的运行逻辑，所涉及的指标、数据和分析方法，是极为广泛和复杂的。而这种分析，又高度依赖于专家的主观评价，存在很大的不确定性和偏差。

此外，大多数的配置策略，并未考虑和重视中国股市特殊的行业结构及属性，这也导致了很多时候，行业配置并未起到很好的指数增强效果。在最近几年，有很多机构开始尝试借鉴国外经验，采用Black-Litterman模型进行行业配置。

3　Black-Litterman模型的应用

3.1模型介绍

Black-Litterman模型最早是由Black和Litterman在高盛资产管理公司任职时正式提出的，该模型的核心是以一个理想的均衡模型作为参考点，以预期收益的形式设定投资者观点和每个观点的置信水平，然后利用贝叶斯方法将观点收益与均衡收益相结合，推导出主观收益。最后应用马科维茨模型求解出最优权重。该模型的优越性在于：其一，将投资者观点或者说情绪引入模型中；其二，把CAPM均衡市场组合作为资产回报估计的起点，减少了极端值的出现；其三，初始参数为当下市场结构，更加符合股市的客观市场特征。

从理论上讲，该模型是一种将主客观信息结合起来的性状优良的量化模型，但由于其参数众多，投资者观点的预测方法千差万别，导致了实际应用中的效果也有很大差异，采用何种方式来预测投资者观点，是我们要考虑的问题。

3.2行业应用研究

首先，从配置结果上看，确实要优于之前的策略。如郭畅（2009）选取7个行业指数作为可投资资产目标，运用Black-Litterman模型进行配置，获得了比传统均值—方差模型的收益率高出19.78%的超额收益［6］。

其次，在对投资者观点进行预测时，大部分采用了时间序列的方法。如利用GARCH族模型预测的收益率作为投资者主观预期收益率的替代变量。当然，也不乏采用其他方式进行观点预测的。国内券商有采用朝阳永续一致预期ROE数据作为观点收益，结果表明在2008～2009年确实起到了不错的配置效果。也有学者使用神经网络等其他算法来预测观点收益。

在实践中，2010年2月，南方基金管理公司推出了运用Black—Litterman模型进行行业配置的公募量化基金——南方策略优化基金。它的观点收益来自于基金管理人根据宏观经济与行业景气的相关性分析和行业周期性变化特征确定的行业评级和行业预期收益。

3.3策略优化

笔者认为，对于现阶段使用的观点收益预测方法而言，尚存在改进空间。

首先，以分析师观点作为观点收益，本身就存在很大的不确定性，也缺乏相应的评判标准。

其次，作为主流策略的时间序列分析预测法，它的哲学依据是事物的发展变化在时间上具有连续性。但是，市场是复杂多样的，历史和现在的发展规律不一定完全一致，它还会出现一些新的特点。时间序列预测法因突出时间序列暂不考虑外界因素影响，因而存在着预测误差的缺陷，当遇到外界发生较大变化，往往会有较大偏差，如果周期稍稍放长，则预测效果大打折扣。与此同时，时间序列并未很好地将投资者情绪的因素考虑其中，在散户情绪化主导下的A股，这一点是尤为重要的。

作为金融市场重要特点之一的波动性，更突出的表现就是金融价格序列往往围绕着一个固定的值上下波动，也即“均值回复”现象。关于其产生的内在原因，新兴的行为金融学做出了很好的解释，它认为投资者普遍是有限理性的，会使股票价格偏离其价值，然而又由于套利的有限性，理性的投资者并不能及时并且完全地消除这种偏差，因此投资者的非理性行为应该是影响股票价格的系统因子。基于过去股价的变动可以对未来股价的波动趋势做出预测，正是投资者对于市场的过于乐观或悲观的估计而引起的过度反应和反应不足，造成了价格的均值回复现象。

这种现象的检验方法多样，主要包括自相关检验、单位根检验、回归分析法和方差比率检验四种。宋玉臣和寇俊生（2005）用自相关检验和方差比率非参数持久性测量方法，发现上证综指具有显著的均值回归特征［7］。张群（2010）基于沪深股市自建立以来近10余年的数据，对沪深股市相对低频的周、月股价指数进行研究，采用多种均值回复检验方法，结果表明沪深股市存在均值回复效应［8］。

因此，如果采用经均值回复效应修正的预测收益率来代表投资者观点收益，既避免了主观评价的随意性，又将投资者情绪融入其中。具体修正方式如下。

首先，根据均值回复效应，我们有

上述仅是同一时期行业内部的收益率调整，此外，还需要根据均值回复效应，对观点误差矩阵进一步修正，完成不同时期的比较调整。由于均值回复效应的不同，其信心水平也是不同的。当某一期的绝对值过大，其后的均值回复效应将更加明显，因此赋予更高的置信水平。采用Idzorek的刻度因子修正法，它得以使投资者信心程度可以用百分比的形式测度，定义