“学海拾珠”系列之二百零五：基于统计跳跃状态识别模型管理下行风险

主要观点： 执业证书号：S0010520070001邮箱：yanjw@hazq.com 分析师：吴正宇执业证书号：S0010522090001邮箱：wuzy@hazq.com ⚫跳跃模型（JMs）在管理下行风险上比HMM以及基准策略更强 作者证明，与隐马尔可夫模型指导的策略和买入并持有策略相比，JM策略在降低波动性和最大回撤以及提高风险调整后收益方面始终表现更优。具体而言，JM指导的策略在不同地区相较于买入并持有策略，年化收益率提高了约1%至4%。JM策略实现了比买入并持有指数和HMM策略更高的风险调整后收益指标，包括夏普比率和卡尔玛比率。这说明了其在准确识别的持续性熊市期间转向更安全资产的优势。 1.《RSAP-DFM：基于连续状态的动态因子模型——“学海拾珠”系列之二百零四》 ⚫JM策略在交易延迟方面表现出更强的稳健性 2.《基金业绩与风格暴露的变化——“学海拾珠”系列之二百零三》 作者发现，策略绩效总体上随着交易延迟的延长而下降，只是下降速度各不相同。对于标准普尔500指数而言，由于其状态的高度持续性，无论是JM（跳跃模型）还是HMM（隐马尔可夫模型），其绩效衰减都非常缓慢。在DAX和日经225指数的情况下，JM的持续性变得尤为明显；HMM策略在5天延迟下表现逊于市场，而JM策略即使在最长的两周延迟下，其夏普比率也仍然优于或与市场指数相当。因此，JM策略在交易延迟方面表现出更强的稳健性。 3.《基于特征显著性隐马儿可夫模型的动态资产配置——“学海拾珠”系列之二百零二》 4.《上市公司的财报电话会议对股价的影响——“学海拾珠”系列之二百零一》 5.《数据挖掘的修正与基金的业绩表现——“学海拾珠”系列之二百》 ⚫风险提示 6.《宏观趋势与因子择时——“学海拾珠”系列之一百九十九》 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 7.《宏观环境对价值溢价的影响——“学海拾珠”系列之一百九十八》 正文目录 1引言............................................................................................42数据.............................................................................................63方法论..........................................................................................73.1状态切换投资策略.............................................................................73.2状态识别模型概述.............................................................................83.3隐马尔可夫模型...............................................................................93.4统计跳跃模型................................................................................103.4.1特征选择........................................................................113.4.2在线推断........................................................................133.4.3最优跳跃惩罚值的选择............................................................154实证结果........................................................................................155结论...........................................................................................19风险提示：........................................................................................20 图表目录 图表1文章框架...........................................................................................................................................................................................................4图表2三种指数的累计超额回报..........................................................................................................................................................................6图表3三种指数的年化方差、协方差和相关性..............................................................................................................................................7图表4特征显著性隐马尔可夫模型..................................................................................................................................................................10图表5跳跃模型中的特征列表............................................................................................................................................................................12图表6三个特征在不同市场状态下的最优模型参数..................................................................................................................................13图表7在线推断状态序列每年的平均转移数................................................................................................................................................14图表8标普500指数和在线推断的比较，....................................................................................................................................................15图表9用于构建机制转换框架的代表性因子指数.......................................................................................................................................16图表10三种指数的三种不同策略下的累积超额收益曲线......................................................................................................................17图表11基于隐马尔可夫模型的两种策略下的累积超额收益曲线........................................................................................................18图表12三种指数在三种模型的0/1策略的绩效..........................................................................................................................................19 1引言 资料来源：华安证券研究所整理 历史上，市场展现出周期性和时变性特征，这些特征是由经济、行为学及政治因素的复杂相互作用所驱动的。金融状态被定义为表现出同质市场行为的延长且连续的时期，这些行为表现为牛市或熊市（以正回报或负回报为特征，参见Pagan和Sossounov,2003）、平静或动荡时期（以低波动或高波动为特征，参见Schwert,1989）以及风险偏好或风险规避阶段（反映市场情绪，参见Smales,2016）等模式。状态切换指的是这些行为中突然而持久的转变。各类资产，包括股票（Hardy,2001）、固定收益产品（Gray,1996）和货币（Reus和Mulvey,2016），均已显示出状态切换规律的证据。状态切换模型的一个关键优势在于其可解释性；所识别的状态往往与宏观经济周期的不同阶段等现实世界事件相吻合（Hamilton,1989）。这些模型不仅与事后才能理解的基本面变化相对应，而且还能够实现事前实时的推断（Ang和Timmermann,2012）。 金融状态的一个主要应用在于减轻下行风险——即不利市场条件下潜在的损失。在各种已识别的状态中，通常存在一种状态，其特点为方差和协方差增加，同时回报较低且往往为负。这种状态在学术界和金融媒体中通常被称为“艰难时期”、“熊市”或“波动/高波动状态”。基于状态的资产配置的基础研究（Ang和Bekaert,2002,2004）表明，当预计市场将进入熊市时，最优策略通常涉及转向更安全的资产，如无风险资产。这是因为“在此状态下，利率往往平均较高，且股票回报与短期利率的负相关性更强”。因此，由于忽视状态的动态切换而在熊市期间保持对风险资产的大量敞口， 可能导致巨大的经济成本，包括因下行风险管理不足而造成的财富损失。 在本文中，作者探索了一种受Bulla等人（2011）启发的直观的状态切换投资策略，以减轻下行风险，并特别关注在现实条件下比较各种状态识别模型的样本外表现。这种策略被称为“0/1策略”，应用于单个资产，并根据其特定的状态识别结果来分配资金：如果预计市场为牛市，则100%投资于该资产；相反，如果预计市场为熊市，则将100%的投资转移到无风险资产——因此得名。该策略的简洁性使其成为评估不同状态识别模型准确性对财务影响的有效工具