均值方差模型。均值-方差模型由Markowitz于1952年在其组合优化理论中提出,它以组合的方差作为风险度量,目标是最优化由预期收益和风险构成的效用函数。均值-方差模型不仅有着较强的理论基础,而且在无约束、风险约束以及风险和预算约束的条件下,最优权重都有极其简洁的表达式。

Black-Litterman模型。BL模型的本质依然是均值-方差模型,但其预期收益和协方差矩阵是通过贝叶斯分析结合了投资者主观观点后得到的。BL模型有三个十分重要的直观解释。1、在没有任何约束的条件下,BL模型只会改变那些和投资者观点有关的资产的权重。2、投资者对某项资产的观点越正面,BL模型对初始权重的提升就越多。3、投资者对观点越有信心,BL模型对初始权重的改变也越大。

风险均衡模型。风险均衡模型完全没有涉及对资产预期收益的判断,仅从投资组合风险的角度出发,要求所有资产的风险贡献相等。它和均值-方差模型不同,是一个以风险管理为目标的资产配置方案。因而,通常来说,运用风险均衡模型进行资产配置的组合都能较为有效地控制风险,获得一个相对满意的收益风险比。

利用绩效评估比率(AR)筛选基金。绩效评估比率(AR)等于alpha与其稳定性的比值,即,承担单位风险所能获得的超额收益。它衡量了基金经理的主动管理能力和业绩稳定性两个方面。在实际应用中,FoF组合的管理者可以根据不同的收益风险目标,将AR与其他指标结合起来实现基金的筛选。

FoF组合案例。使用风险均衡模型进行资产配置,AR指标筛选基金,构建一个包含5个基金类别的FoF组合。2012年4月-2016年11月的回测结果表明,组合的夏普比率和Calmar比率均明显高于所有基金的平均水平,也远超市场基准指数。

风险提示。市场系统性风险、模型失效风险。海通证券股份有限公司