《投資學》之積極型投資組合管理理論

02-02

看到第27章《積極性投資組合管理理論》的時候，雖然看了兩遍，但感覺還是有不少看不太懂的，只好請組內的專業人士作為外援來分享這一章。

所謂積極型投資組合是相對於被動投資組合而言的，即組合併非市場組合。那怎麼決定應該把什麼樣的資產納入組合獲得α呢？大概的意思就是組合管理人可以挑出自己認為有超額收益的標的（比如某些股票）放進組合，是怎麼放，放多少，是特雷納.布萊克模型嘗試解答的。

就特雷納-布萊克模型（後續簡稱TB模型）的應用，書中給了幾個階段性的解析：

首先假設用歷史的α來看，會發現對業績的改善小的可憐
然後假設用分析師的α來看，會發現分析師對α的預測和歷史沒多少相關性，且差異巨大，此時會得到極端的配比，比如賣空4倍標準普爾500指數，超配主動組合。顯然這種方式應用性存在問題。
然後為了讓TB模型具有實操性，書中提出了可以限制空頭，即禁止賣空，此時看起來就得到了一個一定優化後的資產配置，但這種方式還存在問題，因為有可能主動挑選的組合佔比太高，而如果主動挑選組合的分散化不夠，會導致整個組合的分散化不夠。
然後書中提到了很多組合都會有一個對比基準，比如以滬深300作為基準，對自己組合的表現，希望不要偏差基準太多（我個人覺得這樣的好處是方便組合管理人解釋，比如萬一跌了，還可以說，你看大盤都跌了，我跌也正常），那麼可以自己定義一個自己心理接受的偏差範圍，用這個偏差範圍做約束，來進一步確定主動性組合的佔比問題
為了提高預測準確度，這裡是指α，還可以去看分析師歷史預測的準確度，以及當有新的預測時，用新的替換舊的，從而提高配比的精確度。

下面開始講布萊克-利特曼模型後續簡稱（BL模型），BL模型有助於組合管理人能夠把自己的預測進行量化並應用在組合配置中。

業界相對會被普遍認為歷史的風險在反映未來的風險上，會比歷史收益反映未來收益上更佳，而常規的馬科維茨模型需要有每個資產的收益預測，加上協方差矩陣，進而得出配比。如果拿市場已有的配比、已有的風險水平，通過對馬克維茨模型做反向，是可以得出市場對各項資產的收益預測的。因此通過市場，反向得出收益預測（此時的風險偏好是市場整體的風險偏好）。
此時，再根據投資者的風險偏好，以反向馬科維茨模型的出來的收益預測，再做正向的馬科維茨模型，從而可以得出和風險匹配的資產配置建議。
如果認為市場是有效的，這樣就可以了。但是如果你自己還有觀點，想微調，那麼會遇到一些問題，即有可能你對某一項資產的收益做了一些調整，就會導致資產配比發生巨幅變化，即資產配置對資產收益的調整非常敏感。以及當有多項觀點時，怎麼做配置就變成一個近似不可能完成的任務了。
BL模型給出了解決方案，給了一個巧妙的數學公式，能讓你把自己的觀點代入到數學公式，同時給了一個神奇的參數τ，這一部分是留給資產配置管理者來應用的。

下面鏈接是學習時專家提到的參考資料：

【量化一點通102】Black-Litterman資產配置模型實證

最後講了下積極型投資組合到底有沒有價值，大概有幾點：

分析師的預測準確度非常有限，和未來收益只有少量的正相關性，但是隨著引入主動管理的標的數量的增多，這一部分在配置中所佔的權重會增加，這些正相關性也會帶來超額收益。
隨著跟蹤一個分析師的時間越長，越能判斷分析師的能力，從而有可能獲得更為準確的判斷，從而提高價值。
書中最後還提出來說TB和LB模型主要在學界，應該是寫書時候的情況，現在的情況，應該在實操中越來越多的得到了應用。