上财&优募UpFunds“FOF大家谈”系列巡讲第二十三场活动导师：上海鸿正投资总经理兼投资总监，毛曦阳总给我们带来了精彩直播！

鸿正投资专注于FOF投资，有一支专业、敬业的投资管理团队，这支队伍来自国内各大知名银行、基金、证券、信托、私募机构，在战略规划、投资研究和运营管理领域具备丰富的理论知识与实操经验，形成强大的凝聚力与使命感。公司以专业、高效、全方位的一体化服务并遵循价值投资理念，致力于打造一个全面、完善、专业且负责的FOF基金管理平台。

毛曦阳总为我们带来了“大类资产配置常见的形式及对比”的主题分享！详细介绍了大类资产配置模型、对尾部风险的管理、寻求资产的风险收益比和利用资产之间的低相关性对冲风险。

下面小编就内容给大家划个重点。

重点一：大类资产配置模型

比较常见的资产配置模型有金字塔型、哑铃型、纺锤型、固定比例、均值方差、Black-Litterman、风险平价、美林时钟、因子配置和宏观风险预算等。

首先，金字塔型是按照风险等级，由低往高进行组合配置，特点是安全、稳定，适合追求稳健、风险承受力低的人群，例如家庭财务保值类的保险、备用金存款，就是风险最低、权重占比最大的类别，位于“金字塔”的底部。

而哑铃型、纺锤型，像名字所描述的那样，前者两头大、中间小，将资产配置分成两个极端，即低风险低收益和高风险高收益，对于中等收益的资产很少配置，不主张中庸之道，适合投资风格上进取型人群；后者则主要配置中等风险中等收益的资产，两头小、中间大，资产结构偏保守，适合投资风格稳健的人群。

固定比例比如股债50/50、40/60、30/70配置法，因其简单，成本低，纯被动配置的特点，很适合散户。均值-方差模型是由哈里·马科维茨 (H. M. Markowitz) 在1952年提出的风险投资模型。在给定风险下收益最高，或者给定收益下风险最低，拥有最优夏普，即优风险收益比，理论上是最优组合。但局限性是需要对相关参数进行输入，适合专业机构。在多资产组合中对于参数过于敏感，实际使用中需要对此模型进行改进。

Black-Litterman是基于均值-方差改进的模型，该模型本质上将马科维兹的均值-方差理论以及CAPM模型进行结合，但参数敏感问题仍存在。Black-Litterman模型可以分为以下四个步骤：1、计算先验收益；2、设定投资者观点；3、计算后验收益；4、获得组合最优权重。

风险平价（Risk Parity）是对投资组合中不同资产分配相同的风险权重；打个比方，目标风险权重50%不等同于本身配置权重是50%。桥水达利奥开创的全天候配置方法，对于四种宏观场景配置相同权重，并针对普通散户公布的简化版：

——股票30%（其中，美国大盘股18%，美国小盘股3%，其他发达国家股票6%，新兴市场国家股票3%）；

——债券55%（其中十年期美国国债15%，三十年起美国 国债40%）；

——大宗商品7.5%；

——黄金7.5%；

这个模型在实际组合构建中，特点是低风险资产权重较高，依赖资产之间的低相关性。

美林时钟模型以经济增长和通胀为维度，划分四个象限；在资产组合与宏观经济进行了结合，但宏观分析模型中缺乏对流动性和政策的考量。

国内研究比较多的有因子配置模型，将各大类分成各种因子，很常见的有动量因子，类似趋势跟踪的原理，会看好以前表现好的，不管是股指还是商品，动量反应都是很明显的。还有在股票里很常见的价值因子，比如估值类的因子，但不能完全解释价值，要跟成长性相结合来衡量价值。外汇中常见的有利差因子。另外，波动因子也纳入模型。总而言之，因子配置模型特点是根据各大类资产特点分解成这四大类因子，并进行重新组合，适合专业机构。但缺点是大类资产收益分解不稳定，部分因子收益不连续，比如股票股指现在动量因子显著，另一段时间可能价值因子显著。

宏观风险预算模型是现在鸿正投资正在运用的，需要宏观配置能力，深刻理解各个资产属性。基于宏观基本面，对未来有个预期，对各大类资产风险进行分配。相对于均值-方差及其衍生模型（如BL模型），宏观风险预算模型的特点是风险收益基本落在有效前沿曲线上，而且对于参数变化较稳定；相对于风险平价模型，宏观风险预算模型的特点是提升组合的有限波动率，提升收益率，降低单一低波动资产占比，降低尾部风险。

重点二：对尾部风险的管理

对于尾部风险的管理，以18年美国股票市场为例，要研究股票市场的驱动力。

18年美联储资产缩表，收紧流动性，不停加息，通过货币政策驱动市场，但市场转向时，一旦受到事件影响，很可能导致暴跌的环境。

重点三：寻求资产的风险收益比

如上图，红线代表了股债相对回报率，通过资产之间的横向对比，可以发现风险收益不匹配之处。上面一条虚线是上沿线，股票的估值相对于债券的收益率很有吸引力；下面一条是下沿线，股票的估值相对于债券的收益率被高估，可见15年风险情绪高估。

重点四：利用资产之间的低相关性对冲风险

通过资产之间的低相关性，部分风险可以对冲，例如18年股市下行，而股指走势可观，两者之间可以进行对冲来降低风险。