隨著數(shù)字化轉型，金融科技的進步和智能投顧的發(fā)展產(chǎn)生了大量資產(chǎn)配置定制需求，但投資團隊如何充分、高效的將投資觀點轉化為滿足不同投資者需求的資產(chǎn)配置方案仍有待研究。本文介紹了Chenyang Yin 和Raul Leote de Carvalho 于2022 年發(fā)表在The Journal of Investing 的文章Mass Customization of AssetAllocation，文章在過往研究的基礎上，探討了如何通過使用主動風險預算模型、穩(wěn)健資產(chǎn)組合優(yōu)化模型（RPO）和風險因子模型形成穩(wěn)健的資產(chǎn)配置模型，滿足大量客戶定制投資組合方案的需求，并清晰反映出投資約束對資產(chǎn)配置、投資觀點應用的影響。
文章主要內(nèi)容：
提出了基于穩(wěn)健投資組合優(yōu)化模型（RPO）的模型，對于高度定制化的投資組合需求，也可由投資團隊對不同類型資產(chǎn)的一組投資觀點快速生成資產(chǎn)配置方案，實現(xiàn)戰(zhàn)術資產(chǎn)配置（TAA）的大規(guī)模產(chǎn)業(yè)化。
投資觀點通常不是準確的收益率，而是包含預期資產(chǎn)價格變動方向和確信程度的看法，食品飲料行業(yè)重要觀點更新：信心比黃金珍貴食品飲料行業(yè)重要觀點更新：信心比黃金珍貴通過主動風險預算模型，根據(jù)觀點中的方向分配權重、根據(jù)確信程度分配跟蹤風險，無約束主動投資組合能夠更好的反映投資團隊的觀點。
相對于MVO（均值-方差模型），由于RPO 的公式中包含了不確定性矩陣和不確定性參數(shù)，計算的隱含主動收益率會根據(jù)投資團隊對資產(chǎn)的觀點進行修正，在使用隱含收益率構建最終資產(chǎn)配置模型時，各資產(chǎn)的權重會更加合理。
將各項資產(chǎn)及資產(chǎn)組合的風險拆分為系統(tǒng)性風險和特殊風險，并將系統(tǒng)性風險分解為6 個風險因子上的暴露。通過比較風險敞口，能夠直觀反應出模型求解的投資組合對各資產(chǎn)的投資觀點，無約束主動投資組合和最終投資組合間特殊風險的差額，也能夠清晰反映約束對最終投資組合的影響。
風險提示：本文內(nèi)容基于作者在海外市場背景下進行的理論模型研究和實證檢驗，對于中國市場中的具體情況，結論可能會發(fā)生變化。