【他山之石】Man Group：在不确定的宏观环境中使用创新的系统风险模型

【他山之石】黑匣子+玻璃盒 在不确定的宏观环境中使用创新的系统风险模型 ManGroup 2023年05月27日 注：这是关于构建投资组合的风险模型的讨论，适合系统性基金管理人（SystematicInvestor）。宏观经济力量和地缘政治紧张局势等宏观因素对股票回报的影响越来越大。此类投资人使用的一个重要模型是统计因素风险模型。但是由于这类模型使用的是已有数据，具有后视镜的局限性。文章建议新的模型添加人为因素，进行前瞻性风险捕捉，可以帮助建立一个更可定制、更全面、更稳健的风险管理系统。 正文： 经过十年的央行干预，宏观波动终于回来了。具体而言，自上而下的宏观因素越来越多地推动股票回报（图1），限制了系统选股策略的机会，这些策略侧重于自下而上的建模生成阿尔法。 我们讨论了风险建模的黑盒（从过去的真实市场数据中进行统计学习）和玻璃盒（人参与以前瞻性目的设定风险要素）方法如何有助于应对当今复杂宏观环境带来的挑战，并可能增加显著的价值。 图1：可归因于宏观因素的权益收益占比 使用统计因素风险模型（StatisticalFactorRiskModel）识别风险 对于系统投资者（systematicinvestor）来说，投资组合构建过程中嵌入的风险模型是风险管理的主要工具。传统的量化程序通常包含基本风险模型，该模型使用一组预先确定的风险因素（如行业和风格因素）来识别和捕捉市场中的风险。对于我们，我们相信市场是动态的、适应性的和不断演变的。因此，对于风险也是动态的、适应性的和不断演变。我们一直支持使用统计因素风险模型（“SFRM”），而不是依靠人类来预先定义市场中的风险因素。这是一个监督学习模型，通过迭代过程识别盲化因子 （原来未识别出的风险因子）。这些盲化因子是由与被投公司相关的一系列因子组成。这些因子可以解释当前市场环境中最普遍的风险。这种方法没有预先规定风险因子；相反，它们允许市场进行叙事，因此对宏观风险的反应要大得多，而宏观风险往往会随着时间的推移而变化。 让我们以2022年出现的全球发达市场中的一个盲化因子为例。 图2代表了这个因子的组成，每个形状代表一个单独的公司。颜色表示每个公司在盲化因子投资组合中的投资组合权重，黄色表示长期敞口，蓝色表示短期敞口。此外，形状的大小代表了公司的市值。公司按行业聚集在一起。 这种盲化因子在能源相关股票中持有多头头寸（如黄色聚集所示），并做空几乎所有其他股票，这是能源价格的代表。考虑到当前几十年来最高的通胀上升水平，以及俄乌战争，去年能源价格推动了股票回报也就不足为奇了。统计因素风险模型能够迅速弥补这一风险。 图2：能源价格风险 另一个例子是中国的监管发展和美中地缘政治紧张局势，这使围绕中国离岸上市公司的风险成为焦点。图3显示了有效捕捉这种风险的一个盲化因子。它大量做空中国离岸互联网平台公司，同时对在岸上市和全球其他股票采取更中性的立场（黄色）。 图3：中国离岸上市公司风险 2023，新征程|3 上述两种情况都是统计因素风险模型如何识别相关风险的时间点示例。令人鼓舞的是，风险模型也会随着时间的推移做出反应，如统计因素风险模型确定的能源或中国离岸上市风险的百分比所示（图4-5）。 图4：已识别的能源价格风险 图5：识别的中国离岸上市风险 玻璃盒方法可以补充黑盒方法 尽管风险模型具有响应性，但图4-5还显示，统计因素风险模型并未100%捕捉到风险 。此外，任何类型的风险模型，无论有多好，都有后视镜的局限性，因此可能无法捕捉到过去没有出现的重要风险。 为了解决这个问题，我们建议使用一个框架（我们将其称为统计因素风险模型+），该框架允许我们用回报的时间序列代表的可能风险因子来补充统计因素风险模型的盲化 2023，新征程|5 因子。我们相信，这种黑盒（从过去实现的市场数据中进行统计学习）和玻璃盒（在前瞻性基础上定义风险因素的人为参与）的风险建模方法可以帮助建立一个更可定制、更全面、更稳健的风险管理系统。此外，“+”因素完全集成在统计因素风险模型框架内，从而保留了统计风险模型的所有属性，使其能够无缝地进行投资组合风险测量或控制。 为了了解这个框架是如何运作的，我们回到中国离岸上市风险的案例中。纳斯达克GoldenDragon指数和沪深300指数之间的收益价差可以代表这种风险。GoldenDragon指数由在美国上市的中国公司组成，而沪深300则代表在中国大陆在岸上市的大盘股企业。这种价差对冲了中国的整体风险，如经济或收益增长，并隔离了中国离岸上市的独特风险。在将这一额外的风险因子添加到统计因素风险模型中并估计每种证券的风险敞口后，这一因素将中国离岸上市公司与其他新兴市场证券完全隔离开来（图6）。 图6：中国境外上市企业的额外风险因子 如果我们进一步观察中国离岸上市公司，很明显，这一因素可以区分各种类型的离岸上市公司，对互联网平台公司相关性为正，而对银行和保险公司等离岸上市的国有企 业的相关性为负（图7）。 图7：区分离岸上市公司 这意味着什么？简言之，统计因素风险模型+可以承担统计因素风险模型最初没有捕捉到的额外离岸上市公司风险（图8）。我们相信，通过统计因素风险模型+结构更好地识别和捕捉额外的宏观风险，可以在投资组合中进行更明智的风险/回报权衡。 图8：新兴市场投资组合中由统计因素风险模型与统计因素风险模型+衡量的年化因子风险 结论 投资的世界从不缺少风险。每当我们经历宏观环境的巨大变化时，与纯粹针对公司的基本面相比，宏观经济力量和地缘政治紧张局势在股票定价中都发挥着越来越重要的作用。 对于系统性的自下而上的管理人来说，这既是风险也是机遇。通过系统性方法（黑盒）和人类参与（玻璃盒）进行创造性的风险建模对于驾驭复杂和不断变化的宏观环境至关重要。 （全文结束） 注：【他山之石】资料仅供内部学习参考，不得对外传播。未经许可，请勿转发或公布本文。