| 传统的风险平价模型强调在资产间平配风险。这一做法的好处在于规避了对于资产收益率的预判，可落地性强且表现稳健。但是，由于不同经济状态下资产间相关性不同的特点，以资产间协方差代指资产间风险的做法仍有争论。本篇报告旨在针对这一问题给出我们的改进方案。
考虑到以上所提问题主要来自资产间相关性的时变特征，我们利用主成分分析（PCA）将资产间的风险平价转化为主成分间的风险平价，力求优化配置表现。回测显示，基于PCA 的风险平价模型表现较传统模型更佳。回测期内，传统风险平价策略年化收益率达到6.05%，最大回撤7.66%，夏普率1.22。而利用PCA 优化后的模型年化收益率提升至6.63%，最大回撤压减为4.31%，夏普率优化到1.63。我们认为PCA 算法将资产转化为了相关性较低的“优质资产”，实现了对于股债商资产的甄选，并且在风险层面做到了更好的分散化配置，最终提升了配置方案的表现。
此外，基于风险预算的PCA 配置模型则可以在更好地分散风险的基础上，融合不同经济时期资产运行的历史规律，实现“经验-风险预算-配置方案”的转化，达到配置方案的进一步优化。在本篇报告中，我们尝试了从库存周期视角进行风险预算的优化。结果显示，新模型的年化收益率达到了8.16%，最大回撤控制在了5.14%，夏普率则维持在了1.59 的优异水平。
风险点： 模型仅基于历史数据，可能失效，不构成投资建议；
|
