基于宏观经济因子的战术资产配置

导读

1、作为西学东渐--海外文献推荐系列报告第五十五篇，本期我们推荐了J Chong,GM Phillips于2014年发表的论文《Tactical Asset Allocation with Macroeconomic Factors》。
2、大量的研究都观察到在经济承压时期不同资产的相关性有提高的趋势，资产配置的难度从而加大。本文从经济视角出发构建了基于宏观经济因子的配置组合，一种是先使用经济环境评级（ECR）作为筛选条件然后再进行均值方差优化的配置组合（ECR-MVO），另一种是受经济因素影响最小的低波动资产配置组合（MIN）。
3、实证结果表明，ECR-MVO组合和MIN组合无论是分年度还是在不同的经济周期中均表现良好，尤其是在2008年金融危机爆发期间，它们都在经济衰退开始之前提高了债券的配置比例，从而为投资者提供了正的回报，相对于等权组合的表现更加稳健。
4、本文创新地提出了基于宏观经济因子的资产配置方法，将宏观思想和量化配置模型相结合，达到了1+1>2的效果。配置模型在金融危机期间的表现（取得了正的绝对收益）可圈可点，同时该论文的思想也为资产配置供了新的视角。

风险提示：文献中的结果均由相应作者通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。
1、引言
自从2008年全球金融危机爆发以来，战术资产配置的关注度日益提升。在经典的资产配置流程中，战术资产配置通常与战略资产配置相结合，但其也可以作为独立的投资策略，本篇文献将以战术资产配置为主题展开讨论。
为了更好地阐述战术资产配置和战略资产配置的含义，我们不妨引用Anson[2004]的表述，他认为战术资产配置是“当市场上资产的表现参差不齐时，投资者抓住金融市场中的投资机会并试图打败市场的行为”，而战略资产配置是“根据投资者的投资目标，在各大类资产间进行整体性的规划”。所以在资产配置中，进行多类型的资产配置不仅可以分散风险，同时还能获得更高的收益。因此，在本篇文章我们将研究宏观经济因子在战术资产配置中的有效性，并通过多样化的资产配置进行落地，最终将通过交易所交易基金（ETF）来替代指数来进行实际的配置。
本篇文章与之前的文献《Low-(Economic) Volatility Investing》(Chong 和 Phillips [2012,2013])在内容上有一些相似，但本文在该文章的基础上进行了补充。首先，本文在进行资产配置时使用的是ETF而不是股票，ETF由许多股票组成从而具有多样化投资的优势，解决了Chong和Phillips[2013]提出的如何平衡投资组合的规模和分散化投资问题。现在市场上被动型和主动型的ETF都越来越多，可以更好的帮助投资者增强收益和管理风险。目前ETF已经超越了共同基金和股票，成为了投资者的首选投资工具。其次，战术资产配置有复苏的趋势（Kitces [2012]）。因此，为了兼顾投资者对战术资产配置的偏好和我们的研究的实用性，我们选取了这样的研究主题。最后，尽管许多学术研究都强调了低波动投资的优势（参见Chong 和 Phillips [2012,2013]），但投资者仍然倾向于关注投资策略产生收益的过程。因此，除了低波动投资之外，本文还包括了增强收益的均值方差优化模型。最后，与《Low- (Economic) Volatility Investing》不同的是，本文设置投资组合的再平衡时间为每半年一次而不是每季度一次，有效地减少了投资者的交易成本。与Chong和Phillips [2012, 2013]的研究有如下相似性：我们的研究从2006年1月31日开始，研究区间涵盖了2008年的金融危机；我们的投资策略与Eta定价模型所使用的宏观经济因子有所重叠，该模型在构建均衡考虑收益和风险的投资组合时相当有效，Chong等学者[2012]也对该模型进行了研究。

2、文章所用数据
2.1
另类资产和国际资产
“在投资管理领域中，“资产类别”没有被普遍或者统一接受的定义”（Ballentine [2013]），所以具体使用何种资产类别以及每种资产配置多少权重由投资者自主决定。传统的资产类别分为股票，债券和现金，近年来商品（Ankrim 和 Hensel [1993]，Greer [2000]）、私募股权(Ghaleb-Harter 和 Lamm [2001], Ennis 和 Sebastian [2005])、房地产信托投资基金（REITs）（Mull 和 Soenen [1997]）、对冲基金(Muhtaseb [2003])、通货膨胀保值债券(TIPS) (Chen 和 Terrien [2001])和能源资产(Jennings [2012])等另类资产也逐渐用于资产配置中。
与单纯使用传统资产相比，纳入其他类别的资产（常称为多资产类别策略）可以获得额外的回报和更多元化的收益。“无论是对于更加关注组合收益还是更加关注波动的投资者而言，多资产类别策略相对于单资产类别策略在投资者心目中已经占据了主导的地位，而且我们发现多资产类别策略比单资产类策略提供了更高的风险调整后收益。”换句话说，每一个额外的资产类别都会提供额外的风险回报（Gibson [1999]）。其它支持多资产类别策略的研究包括Schneeweis等[2010]和Jacobs等[2013]。
通过对国际资产进行投资可以获得更多的投资收益，例如涵盖欧洲，大洋洲和远东地区（EAFE）以及新兴市场的资产类别。长期的经验结果表明，即使有卖空机制、增持和投资区域等限制，国际多元化投资确实能使美国投资者受益。配置发达国家的投资组合使得美国投资者有效地减少了投资组合的波动性，而在新兴市场中增加投资则让美国投资者提高了风险调整后的收益。
2.2
交易所交易基金（ETF）
本篇研究将使用ETF代表不同的资产类别。由于ETF是可投资的，我们的研究利用ETF进行相应指数的投资，这将对读者更有帮助。图表1展示了9种主要的资产类型和他们对应的ETF和指数。

在测试中我们尽可能选择有较长历史数据的ETF，因此我们没有将私募股权和对冲基金的ETF纳入其中。但是我们将房地产投资信托（REITs）和商品纳入了我们选择的资产池中，因为“均值方差分析表明，将房地产、大宗商品等添加到传统的股票和债券资产组合中可以为投资者创造最大的价值”（Bekkers等[2009]）。此外，Garcia-Feijoo等的研究表明“商品投资能增加多元化的效果，因为商品表现出相对较强的回报，并且与股票和债券的相关性较低。(Garcia-Feijoo等[2012])。但是考虑到商品指数iShares S&P GSCI Commodity-Indexed Trust ETF (GSG)于2006年7月10日才成立，因此我们采用S&P/ GSCI Commodity Total Return Index（指数）(^GSCITR)作为替代。
由于我们需要至少三年的数据来校准经济因子模型，因此我们的研究跨度从2006年1月31日延伸到2013年12月13日（时间长度略少于8年），样本量总计1982日。
每种资产的相关统计信息以及两两之间的相关系数分别展示在图表2和图表3中。可以看到，美国小盘股的年平均收益高于大盘和中盘股，同时波动也更高。对不同资产之间的相关性进行分析，公司债券、国债、商品与美国股票之间的相关性较低，并且这几种资产的两两相关性也不高，所以非常适合构建多元化投资组合。但是我们同时也发现，远东地区和新兴市场与美国股票之间的收益率是高度相关的。

3、模型构建方法
3.1
使用Eta定价模型来反映资产的宏观因子暴露
我们选择的宏观因子模型是Eta定价模型，这个模型已在多个研究（比如Chong等[2012]，Chong和Phillips [2012,2013]）中进行了详细分析，在此只是进行简单的介绍。

在Chong等[2012]在论文中是这么介绍Eta定价模型的，“它使用协整的方法将资产价格和18个宏观经济变量联系了起来”，这18个宏观经济变量分别是富时100指数、黄金指数、公司债券（BAA）收益率、消费者物价指数（CPI）、短期政府债券收益率、中期政府债券收益率、长期政府债券收益率、东京证券交易所指数、欧元汇率、农产品出口、房屋开工数、货币基数、广义货币供应量（M2）、公司现金流、失业率、汽车销售量、耐用品新订单和能源价格。
资产价格对以上因子的响应能力和敏感性通过Eta Profile进行展示（Eta Profile展示了以上18个宏观经济变量分别对资产价格的影响程度和其整体对资产价格的影响程度），投资组合的Eta Profile则由每种资产各自的Eta Profile组合组成。优化或调整投资组合的权重将更改投资组合的Eta Profile，此时投资组合对以上经济因子的响应能力和敏感性也会发生改变。不仅如此，Eta方法还可以成功应用于对冲基金复制（Chong和Phillips [2012]），稳定性归因分析（Chong等[2012]）和低（经济）波动性策略（Chong和Phillips [2012,2013]）。
3.2
根据经济形势对资产进行评价分类(经济环境评级)
经济环境评级（Economic Climate Rating）是根据Eta定价模型推导而来衍生产品，它根据资产的理论潜在收益以及经济情况对资产的影响将经济环境等级分为1级到5级。此评级是利用经济变量的当前统计数据结合实用模型得到的，它表明当前至未来一段时间内的经济环境对资产是乐观、谨慎或是中性。

对某特定资产进行分析，若经济环境评级（ECR）为1或者2表明短期的经济形势对该资产的表现是不利的，ECR为3表明短期的经济形势对资产的表现影响呈中性，当ECR为4或者5的时候表明短期的经济环境对资产的表现是有利的。为了能增强收益，在本文中我们只会选择ECR大于等于3的ETF来构建投资组合。在这里要特别指出，ECR仅能估算经济对资产的影响，除了上文指出的18个经济影响因子外，它不包含特定公司的风险。
3.3
均值方差优化模型（MVO）
均值方差优化模型（MVO）最早由马科维茨[1952]提出，尽管该模型一直沿用至今，部分资产配置模型如Black-Litterman模型(Black和Litterman [1992])也指出了它存在的一些问题。
均值方差优化模型的主要缺陷之一是“严重放大了参数估计的误差带来的影响”（Michaud [1989]），会导致非常高的正或者负权重，从而导致优化的投资组合不具有投资意义，对于没有约束条件的投资组合（例如允许卖空的投资组合）的影响更大。“但是在实际操作中，具有约束条件的均值方差优化模型相对于没有约束条件的模型，可能会有更好的样本外表现”（Kolm等[2013]）。事实证明，不允许做空的约束条件虽然会导致业绩略有下降，但是可以稳定投资组合的权重（Eichhorn等[1998],Jagannathan 和 Ma[2003]）。
3.4
不同模型预测期限的比较
在继续建立各种投资组合之前，我们对ECR和均值方差优化模型在季度、半年度和年度范围内的预测效果进行评估。由于大部分ETF都是从21世纪初期开始涌现，所以此测算使用的是1996年1月至2005年12月标普500指数的每日价格数据。结果表明，ECR（ECR中性或乐观的情形下）和均值方差优化模型六个月的预测范围是最佳的，这与Larsen和Resnick[2001]的建议是一致的，具体的数据请参见图表4。

3.5
投资组合的构建
与之前（Chong,Phillips.[2012,2013]）仅采用降低风险或低（经济）波动的投资策略不同，我们先将ECR表现为谨慎的ETF过滤掉，然后执行均值方差优化模型从而确定资产的权重分配，从而达到收益增强的效果，我们将此策略称为ECR-MVO。

通过分配不同资产的权重使得投资组合受到经济因素的影响最小的投资组合称为低波动资产配置组合，也有越来越多的研究结果证明了低波动溢价的存在，我们在后文中将此配置组合表示为MIN。
另外我们还基于等权配置构建了两个资产组合：带有ECR过滤筛选条件（将ECR显示为谨慎的资产过滤掉）的投资组合表示为ECR-EW，不带有ECR过滤筛选条件的基础等权投资组合表示为EW。
从2006年1月31日开始，我们使用以上四个投资策略进行长期投资，每六个月对投资组合进行再平衡。与均值方差优化模型中讨论的相同，在不允许做空的约束条件下，我们认为ECR-MVO组合能在很大程度上避免参数估计误差带来的损失。

4、结果及其分析
在本章节中，我们将以ECR-EW策略、EW策略和标普500指数作为比较的基准，对ECR-MVO策略和MIN策略的表现进行详细分析。
2006年1月31日-2013年12月13日这段期间市场的表现可谓前无古人：首先以牛市开始，随后是2007-2008年的金融危机，继而是市场大崩溃后的加速恢复；期间政治和经济事件伴随其中，例如量化宽松政策，希腊/欧元区主权债务危机，2011年和2013年的美国债务上限危机。在如此艰难的时日，如何进行资产投资充满了挑战，但也确保了策略的稳健性。
4.1
投资组合表现
图表5展示了不同的投资组合以及基准的表现，图表6展示了不同投资组合的分年度表现，我们建议两张表结合起来观察。

从一开始，我们就见证了使用ECR过滤筛选条件的投资组合（ECR-MVO和ECR-EW）与其他投资组合之间的区别。ECR-MVO的表现特别出色，2006年的收益率为21.81％；MIN在2006年落后于所有投资组合，但随着经济开始衰退它的表现反而更好，并在大萧条时期获得了10.03%的年收益率。ECR-MVO略微领先于MIN，在2008年排名第一，年化收益率为10.08％。在大萧条时期，只有ECR-MVO和MIN的年化收益为正，而其他投资组合则出现了百分之十以上的亏损。
在2006-2008年期间，MIN组合的标准差最低，从而有效地提高了其2007年和2008年的收益风险比；ECR-MVO投资组合在2006年至2008年期间表现良好：2006年和2008年的年收益率在所有的组合中排名第一，2006年的收益风险比排名第一，2008年收益风险比排名第二，2007、2008年的波动从低至高均排名第二。在金融危机期间，ECR-MVO和MIN模型均表现不凡，每年的波动率仅为个位数，而其他投资组合的波动率均高于25％。
从ECR-EW和EW投资组合的表现来看，我们的结果证实了大多数学者在危机时期观察到的结论：“资产类别之间的收益相关性在熊市期间上升……即使是这样，多元化仍可带来巨大收益。”(Arshanapalli和Nelson [2010]) 单纯的资产类别多元化策略确实带来了一些多元化优势，等权的投资组合的跌幅不及2008年的标普500指数。通过ECR进一步增强效果后，可以看到ECR-EW较EW标准差更低。
从2009年开始为期五年的牛市中，EW组合和标普500指数的年收益率都表现非常出色。在2009-2013年的大部分时间里，他们年收益率排名第一和第二。其他投资组合（即ECR-MVO，ECR-EW和MIN）的收益尚可，但有时结果令人失望。
在标准差方面，MIN在2009-2013年期间再次表现优异，而ECR-MVO的波动率也低于10%。他们的收益风险比因此上升，MIN模型在2011年、ECR-MVO在2010年和2012年均排名第一。
尽管MIN和MVO投资策略经常受到质疑，但在基于经济因素的过滤处理后，它们的表现往往优于标普500指数，尤其是基于标准差和收益风险比进行衡量的时候。他们的表现也具有持续性，除2009年外，ECR-MVO的年收益率均为正值（2009年为4.82％），而MIN也如此（2013年为3.13％）。在风险管理方面，ECR-MVO除2006年外所有年份的波动率均为个位数（2006年为10.79％），而MIN每年的波动率均为个位数。
图表7提供了按经济周期分类的各种投资组合的统计数据摘要，与我们之前按照年份进行的分析相比，这样的分类视角更宽阔。此外，由于我们的投资组合往往以经济状况为基础，因此按经济周期进行分析也是有意义的。

在整个期间（A组），结合图表5来看，在所有投资组合中，显然ECR-MVO的年化收益率最高（8.00％）而MIN的波动率最低（5.95％），ECR-MVO的波动率第二低（8.26％）。就收益风险比而言，ECR-MVO和MIN至今整体的表现最佳。可以看到标普500指数全局的表现不佳，收益波动比仅为0.1902。
在2006年1月至2007年11月的第一阶段（B组），两个使用ECR过滤筛选的投资组合的年化收益率最高（ECR-MVO为12.85％，ECR-EW为11.36％）。MIN的年化收益率最低（7.91％），但标准差也最低（4.26％）。综合收益和风险考虑，MIN的表现排名第一，收益风险比为1.8577。另一方面，ECR投资组合的高年化收益率与高波动率相伴相随，导致ECR-MVO、ECR-EW的收益风险比率分别降至第二和第三。标普500指数再次以0.6178的收益风险比排在最后，因为它产生的收益无法充分弥补其固有风险。
在2007年12月至2009年6月的金融危机期间（C组），ECR-MVO和MIN取得正年化收益（分别为1.86％和5.83％），同时保持相对较低的风险水平（8.91％和8.48％）。正如我们先前分析所预期的那样，其他投资组合在收益和风险方面均表现不佳。
在金融危机后（D组），以前表现不佳的投资组合以强劲的增长反弹，标普500指数，EW和ECR-EW的年平均收益率分别为16.22％，13.12％和12.81％，稳居前三名。但是它们在标准差方面的表现不佳，波动率位列前三，他们的收益风险比因而受到影响，使ECR-MVO和MIN排名第一和第二，数值分别为1.1699和1.1046。
4.2
不同投资组合在经济大萧条时期的表现
尽管战术资产配置试图利用短期市场波动的优势，但其主要目标仍然是多元化。“不幸的是，在严重的市场压力下，像发生在2007年下半年并持续到2008年的这种市场环境下，许多认为自己的投资组合足够多元化的投资者惊讶地发现多元化未能使他们免受损失”（Ballentine[2013]）。因此，评估我们构建投资组合有效性的另一项指标是衡量最大亏损。
正如我们已经提到的，“市场高波动时期往往与那些大类资产价格同向变动时期相吻合”（Ballentine[2013]）；因此，我们将计算从2007年10月9日标普500指数的峰值（收盘价为1565.15）开始，到2009年3月9日达到谷底（676.53）的投资组合的最大跌幅。
图表8展示了我们的结果，可以看到标普500指数本身价值大幅下跌了56.78%。

等权分配策略并没有表现的更好，ECR-EW和EW组合的净值分别下降了38.42％和45.91％；另一方面，ECR-MVO和MIN组合的净值取得了正的增长。尽管一些人士强调通过资产配置战略实现多元化在此时期失效了（例如，Ballentine [2013]），但情况并非总是如此。通过优化方法，进一步改变投资组合成分的权重并进行再平衡，即使在严峻的经济形势中我们也可以构建适合有效多样化的工具，从而获得不错的表现。
4.3
投资组合的构成分析
在本节中，我们将进一步分析投资组合的构成，从而在类似金融危机的特殊时期能更清晰地了解投资组合的资产类别分配，并证实我们的经济预测的有效性。
以CBOE波动率指数（vix）为指标（图表9）观察，可以看到三组明显的波动峰值，表明在那段时期巨大的市场压力。第一段为2008年10月24日至2008年11月20日之间，第二次发生在2010年5月20日。第三次发生在2011年8月8日至2011年10月3日之间。由于投资组合在1月31日和7月31日进行了重新平衡，因此检查投资组合构成成分的日期是2008年7月31日、2010年1月31日和2011年7月31日。图表10显示了这些日期的投资组合构成。

我们注意到在这个动荡的时期，ECR-MVO组合和MIN组合都在危机事件发生几个月前就将其投资组合转向公司债券和国债。
在ECR-MVO组合中，可以看到投资组合的89.40％（2008年7月），77.82％（2010年1月）和62.13％（2011年7月）被分配给公司债或国债，或两者兼而有之，同时尝试平衡投资那些具有潜在高回报率的资产类别的风险（例如新兴市场（2008年7月占比为10.58％），小盘（2010年1月占比为22.14％）以及中盘和大盘美股（2011年7月占比为32.58％））。
相比之下，MIN组合采取的低（经济）波动率方法仅专注于将经济风险降至最低。因此，该投资组合中的89.33％（2008年7月），85.80％（2010年1月）和86.92％（2011年7月）分配给债券，较少分配给那些存在潜在的高收益但波动性更大的资产类别。
从实践的角度出发，本文存在明显的不足，因为资产权重的优化没有设置最大权重的约束。尽管这与作者以往的研究方式一致，但尚不清楚大多数资产管理人是否愿意完全遵从参数优化的结果。但是如果设置约束条件，不仅会增加一定的复杂程度，而且我们考虑到本文的主要目的是为了比较各种配置方法的优劣，使用过多的限制可能有损优化方法比较的纯粹性。

5、总结
自从2008年全球金融危机爆发以来，战术资产配置的关注度日益提升。本文对与宏观经济因子结合的战术资产配置进行了研究，并最终使用ETF进行配置。回测的时间区间为2006年1月31日至2013年12月13日，始于牛市，随后金融危机大爆发，接着市场又恢复了快速的回暖上涨。这一时期还见证了各种前所未有的经济和政治事件，如量化宽松，希腊/欧元区主权债务危机和美国债务上限危机。如此具有挑战性的时代为投资策略提供了更为严峻的考验，也能更好地检验策略的稳健性。
我们从经济角度出发构建了基于宏观经济因子的投资组合。一种是先使用ECR过滤然后再进行均值方差优化的ECR-MVO组合，另一种是受经济因素的影响最小的低波动MIN组合，两种均为长期投资组合，每半年进行一次再平衡。
非常多的研究都观察到在经济承压时期不同资产的相关性有提高的趋势，资产配置难度加大，如果能增加与市场相关性较低的资产的权重则可以提高配置的效果。在本文中我们观察到，在金融危机期间标普500指数和等权投资组合的净值暴跌，但是在Eta方法的帮助下，ECR-MVO组合和MIN组合都在经济衰退开始之前提高组合对债券的配置，从而为投资者提供了正回报。总体而言，ECR-MVO组合和MIN组合无论是分年度还是在不同的经济周期中均表现良好，这一切都归功于引入了基于宏观经济因子的Eta定价模型及其衍生的经济环境评级（ECR），这些发现对于战术资产配置研究具有一定的参考意义。

参考文献
[1] Ankrim, E.M., and C.R. Hensel. “Commodities in Asset Allocation: A Real-Asset Alternative to Real Estate?” Financial Analysts Journal, Vol. 49, No. 3 (1993), pp. 20-29.
[2] Anson, M.J.P. “Strategic versus Tactical Asset Allocation.” The Journal of Portfolio Management, Vol. 30, No. 3 (2004), pp. 8-22.
[3] Arshanapalli, B.G., and W.B. Nelson. “Yes Virginia, Diversification Is Still a Free Lunch.” The Journal of Wealth Management, Vol. 13, No. 2 (2010), pp. 34-40.
[4] Ballentine, R. “Portfolio Optimization Theory Versus Practice.” Journal of Financial Planning, Vol. 26, No. 4 (2013), pp. 40-50.
[5] Bekkers, N., R.Q. Doeswijk, and T.W. Lam. “Strategic Asset Allocation: Determining the Optimal Portfolio with Ten Asset Classes.” The Journal of Wealth Management, Vol. 12, No. 3 (2009), pp. 61-77.
[6] Black. F., and R. Litterman. “Global Portfolio Optimization.” Financial Analysts Journal, Vol. 48, No. 5 (1992), pp. 28-43.
[7] Chen, P., and M. Terrien. “TIPS as an Asset Class.” The Journal of Investing, Vol. 10, No. 2 (2001), pp. 73-81.
[8] Chiou, W.-J.P., A.C. Lee, and C.-C.A. Chang. “Do Investors Still Benefit from International Diversification with Investment Constraints?” Quarterly Review of Economics and Finance, Vol. 49, No. 2 (2009), pp. 448-483.
[9] Chong, J., and G.M. Phillips. “Can Typical Households Earn Hedge Fund Returns? An Analysis of the Eta Replication Approach.” Journal of Derivatives & Hedge Funds, Vol. 18, No. 1 (2012), pp. 53-72.
[10] “Low- (Economic) Volatility Investing.” The Journal of Wealth Management, Vol. 15, No. 3 (2012), pp. 75-85.
[11] “Low- (Economic) Volatility Optimization.” The Journal of Wealth Management, Vol. 16, No. 3 (2013), pp. 54-68.
[12] Chong, J., W.P. Jennings, and G.M. Phillips. “Eta Analysis of Portfolios: The Economy Matters.” The Journal of Wealth Management, Vol. 15, No. 2 (2012), pp. 72-84.
[13] Cloherty, T. “Cerulli Survey Results: Advisor Use of Tactical Allocation.” Advisor Perspectives, April 26, 2011.
[14] Cremers, J.-H., M. Kritzman, and S. Page. “Portfolio Formation with Higher Moments and Plausible Utility.” Revere Street Working Paper Series, Financial Economics, 272-12, November 22, 2003.
[15] Da Silva, A.S., W. Lee, and B. Pornrojnangkool. “The BlackLitterman Model for Active Portfolio Management.” The Journal of Portfolio Management, Vol. 35, No. 2 (2009), pp. 61-70.
[16] Eichhorn D., F. Gupta, and E. Stubbs. “Using Constraints to Improve the Robustness of Asset Allocation.” The Journal of Portfolio Management, Vol. 24, No. 3 (1998), pp. 41-48.
[17] Ennis, M., and M.D. Sebastian. “Asset Allocation with Private Equity.” The Journal of Private Equity, Vol. 8, No. 3 (2005),pp. 81-87.
[18] Garcia-Feijoo, L., G.R. Jensen, and R.R. Johnson. “The Effectiveness of Asset Classes in Hedging Risk.” The Journal of Portfolio Management, Vol. 38, No. 3 (2012), pp. 40-55.
[19] Ghaleb-Harter, T.E., and R.M. Lamm. “Private Equity as an Asset Class: Its Role in Investment Portfolios.” The Journal of Private Equity, Vol. 4, No. 4 (2001), pp. 68-79.
[20] Gibson, R.C. “The Rewards of Multiple-Asset-Class Investing.” Journal of Financial Planning, Vol. 12, No. 3 (1999), pp. 50-59.
[21] Greer, R.J. “The Nature of Commodity Index Returns.”The Journal of Alternative Investments, Vol. 3, No. 1 (2000),pp. 45-52.
[22] Jacobs, H., S. Müller, and M. Weber. “How Should Individual Investors Diversify? An Empirical Evaluation of Alternative Asset Allocation Policies.” Journal of Financial Markets(2013), forthcoming.
[23] Jagannathan, R., and T. Ma. “Risk Reduction in Large Portfolios: Why Imposing the Wrong Constraints Helps.” Journal of Finance, Vol. 58, No. 4 (2003), pp. 1651-1684.
[24] Jennings, W.W. “Energy Stocks as a Separate Portfolio Allocation.” The Journal of Wealth Management, Vol. 14, No. 4 (2012), pp. 70-86.
[25] Kitces, M.E. “The Rise of Tactical Asset Allocation.” Journal of Financial Planning, Vol. 25, No. 6 (2012), pp. 28-29.
[26] Kolm, P.N., R. Tütüncü, and F.J. Fabozzi. “60 Years of Portfolio Optimization: Practical Challenges and Current Trends.” European Journal of Operational Research, forthcoming.
[27] Kritzman, M. “Are Optimizers Error Maximizers? Hype versus Reality.” The Journal of Portfolio Management, Vol. 32,No. 4 (2006), pp. 66-69.
[28] “The Graceful Aging of Mean-Variance Optimization.” The Journal of Portfolio Management, Vol. 37, No. 2 (2011), pp. 3-5.
[29] Larsen, G.A., and B.G. Resnick. “Parameter Estimation Techniques, Optimization Frequency, and Portfolio Return Enhancement.” The Journal of Portfolio Management, Vol. 27, No. 4 (2001), pp. 27-34.
[30] Markowitz, H. “Portfolio Selection.” Journal of Finance, Vol. 7, No. 1 (1952), pp. 77-91.
[31] Michaud, R.O. “The Markowitz Optimization Enigma: Is ‘Optimized’ Optimal?” Financial Analysts Journal, Vol. 45, No. 1 (1989), pp. 31-42.
[32] Muhtaseb, M.R. “Hedge Funds, Asset Allocation and Investable Benchmarks.” The Journal of Wealth Management, Vol. 6, No. 1 (2003), pp. 64-67.
[33] Mull, S.R., and L.A. Soenen. “U.S. REITs as an Asset Class in International Investment Portfolios.” Financial Analysts Journal, Vol. 53, No. 2 (1997), pp. 55-61.
[34] Schneeweis, T., G.B. Crowder, and H. Kazemi. The New Science of Asset Allocation. Hoboken, NJ: John Wiley & Sons, 2010.

风险提示：文献中的结果均由相应作者通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。

往
期
链
接

海外文献推荐系列第五十四期：公司治理、ESG与全球股票收益关系
海外文献推荐系列第五十三期：协方差矩阵预测方法的比较
海外文献推荐系列第五十二期：如何有效利用ESG数据构建Smart Beta指数
海外文献推荐系列第五十一期：风险轮动中的风险规避
海外文献推荐系列第五十期：基于风险溢价的投资组合—一类风险分散的新方法
海外文献推荐系列第四十九期：横截面收益中的稀疏信号研究
海外文献推荐系列第四十八期：基于机构投资者交易情绪的动态资产配置研究
海外文献推荐系列第四十七期：主动投资中的 Timing 与 Sizing
海外文献推荐系列第四十六期：市场对称性及其在组合选择中的运用
海外文献推荐系列第四十五期：股票、债券和因果关系
海外文献推荐系列第四十四期：如何确定股票的联动效应？基于网络模型的择时研究
海外文献推荐系列第四十三期：ESG投资基础：ESG对股票估值、风险和收益的影响研究
海外文献推荐系列第四十二期：使用机器学习方法预测基金持
海外文献推荐系列第四十一期：防御性宏观因子择时研究
海外文献推荐系列第四十期：股票收益的周内效应研究
海外文献推荐系列第三十九期：战术性资产配置的宏观经济仪表盘
海外文献推荐系列第三十八期：宏观量化投资新基础
海外文献推荐系列第三十七期：如何预测中国股市的下行拐点
海外文献推荐系列第三十六期：行业分类方法重构的有效性研究
海外文献推荐系列第三十五期：目标波动性策略最优性研究
海外文献推荐系列第三十四期：价值投资、成长投资的基本原则及“价值陷阱”的解释
海外文献推荐系列第三十三期：因子溢价与因子择时-跨越世纪的实证结果（二）
海外文献推荐系列第三十三期：因子溢价与因子择时-跨越世纪的实证结果（一）海外文献推荐系列第三十二期：构建纯多头多因子策略：投资组合合并与信号合并海外文献推荐系列第三十一期：如何对分析师预期数据进行建模?-基于贝叶斯方法的研究
海外文献推荐系列第三十期：什么是质量因子

注：文中报告节选自兴业证券经济与金融研究院已公开发布研究报告，具体报告内容及相关风险提示等详见完整版报告。

证券研究报告：《西学东渐--海外文献推荐系列之五十五》
对外发布时间：2019年12月19日
报告发布机构：兴业证券股份有限公司（已获中国证监会许可的证券投资咨询业务资格）
--------------------------------------
分析师：徐寅
SAC执业证书编号：S0190514070004
电话：18602155387,021-38565949
E-mail: xuyinsh@xyzq.com.cn
--------------------------------------

更多量化最新资讯和研究成果，欢迎关注我们的微信公众平台（微信号：XYZQ-QUANT）！