当前位置:首页 > 研报详细页

研究报告:国泰君安-阿尔法与可转移阿尔法策略:海外实践与国内应用-071224

研报作者:蒋瑛琨,吴天宇 来自:国泰君安 时间:2007-12-25 10:07:51
  • 股票名称
  • 股票代码
  • 研报类型
    (PDF)
  • 发布者
    che****xin
  • 研报出处
    国泰君安
  • 研报页数
    46 页
  • 推荐评级
  • 研报大小
    1,377 KB
研究报告内容

<4D6963726F736F667420576F7264202D20B9FACCA9BEFDB0B25FD1DCC9FAC6B7D1D0BEBF5FB0A2B6FBB7A8D3EBBFC9D7AAD2C6B0A2B6FBB7A8B2DFC2D4A3BABEB3CDE2CAB5BCF9D3EBB9FAC4DAD3A6D3C35FBDAFE7F8E7FB20CEE2CCECD3EE20D5C5EACF20D5C2D0E3C6E65F32303037313232342E646F6 金融工程 衍生品研究 2007.12.24 Alpha与可转移Alpha策略:海外实践与国 内应用 ——股指期货系列报告之十二 蒋瑛琨 吴天宇张晗章秀奇 21-3867671021-3867678821- 3867667521- 38676673 jiangyingkun@gtjas.com wutianyu@gtjas.com zhanghan@gtjas.com zhangxiuqi@gtjas.com 本报告导读: 海外市场机构投资者衍生品应用、以及Alpha与可转移 Alpha策略的方法及案例 我国市场基于“开放式基金组合+期货”的实证研究。

测算考虑了各项成本,更贴近实际 摘要: 海外不同市场的机构投资者对衍生品的参与程度不尽相同。

共同基金参 与比例,在西班牙(2005)约占60%,欧洲(2006)约占70%,美国(1995) 约占21%。

全球对冲基金(2006)对衍生品的参与度是共同基金的三倍。

海外研究表明,使用衍生品并不增大基金风险,但也不提高基金绩效。

但Eurex期货却被证明能提高共同基金绩效,使用衍生品可使现金流动 的管理更有效率,其择时能力也好于不使用衍生品的基金。

机构可利用股指期货设计保本基金、指数基金、Alpha基金和可转移 Alpha基金,并复制对冲基金的各种策略。

可转移Alpha策略在维持组合整体系统风险不变的前提下,使投资者将 Beta和Alpha分开,通过低成本获取Beta的同时,独立的寻找和管理 Alpha。

海外市场研究表明Alpha具有时变性,可转移Alpha策略具有较 高的收益和较低的风险。

在可转移Alpha策略的构建中,需要分别确定Alpha和Beta的目标和 风险预算,并动态监控风险。

在寻求市场或板块的择时Alpha以及可 转移Alpha时可借助战术资产配置策略(TAA)来实现。

本文实证研究中,Alpha策略、可转移Alpha策略,均采用“国内开放 式基金组合+沪深300股指期货”策略构建。

样本区间为 2003.4.1-2007.11.30。

选择期、持有期分别选择3个月、6个月、12 个月,每隔1个月动态滚动。

选择期以信息比率作为评价标准,将基金 组合分为优、良、中、差四类组合。

本文收益率均换算成年化收益率。

关于Alpha策略实证结论:(1)各期Alpha策略均获得了成功。

(2)当持 有期相同时,选择期越长,基于“优”基金组合的Alpha策略收益率越 高,而其他(良、中、差)基金组合并未呈现统一规律性。

当选择期相同 时,持有期越长,基于“优”、“良”组合的Alpha策略的收益率越高, 而中、差基金组合同样并未呈现统一规律性。

(3)在不同选择期和持有 期,基于“优”组合的Alpha策略表现均优于其他组合。

(4)基于“优” 组合的Alpha策略在熊市中的表现优于牛市,波动性小于牛市。

(5)对 于期货部位,由Beta预测偏差导致的调整成本是Alpha策略主要成本。

关于可转移Alpha策略实证结论:(1)可转移Alpha策略获得了成功,战 胜了沪深300指数收益率。

(2)在不同选择期和持有期内,基于“优” 组合的可转移Alpha策略表现均优于其他组合。

(3)采用将期货多空头 头寸合并、节省资金按投资结构同比例配置的策略,扩大了指数收益率 的波幅(尤其牛市)。

(4)基于“优”组合的可转移Alpha策略在熊市中 的表现与沪深300指数基本持平,而在牛市中表现显著优于指数。

(5) 期货相对于现货的溢价成本是主要成本。

对此问题的后续研究包括:分别针对封闭式基金、风格指数(低/高市盈 率股票指数、大/中/小盘股票指数,价值/成长股票指数等)、股票组合, 与股指期货配合,进行研究。

进而,建立相应数据库,将量化模型予以 编程,采用真实交易数据,实时跟踪,以真实验证策略效果。

主要相关报告 1、Beta预测研究:兼论在套保业 务中的运用,07.9.13 2、从权证投机窥期指操纵,07.7.9 3、沪深300指数权重板块联动性: 行业间无引导,行业内有因果, 07.6.14 4、股指期货到期日效应的实证研 究:台股期货日数据检验, 07.5.31 5、股指期货到期日效应的理论研 究:效应根源、成果综述及实 证方法,07.5.21 6、股指期货推出与股票市场走势 07年博弈,07.1.10 7、股指期货仿真交易价量特征、 套利与风险,06.12.1 8、借鉴海外市场探讨我国基金业 参与金融衍生品的投资模式, 06.10.17 9、股指期货推出对股票市场波动 性的影响:成熟与新兴市场证 据,06.10.9 10、股指期货推出对A股市场的影 响及投资策略,06.9.27 11、股指期货的套期保值理论及实 证研究,06.8.14 衍生品研究 衍生品研究 目 录 1.海外市场机构投资者衍生品应用.................................................3 1.1.机构参与度与衍生品使用...........................................................3 1.1.1.美国共同基金.................................................................3 1.1.2.西班牙共同基金...............................................................4 1.1.3.欧洲共同基金.................................................................5 1.1.4.全球对冲基金.................................................................6 1.2.衍生品运用对基金绩效的影响.......................................................8 1.2.1.衍生品运用对基金收益风险的影响...............................................8 1.2.2.衍生品运用对基金现金管理的影响...............................................9 1.2.3.投资方式、产品设计与策略复制.................................................9 2.海外市场Alpha与可转移Alpha策略:方法及案例................................11 2.1. Alpha与可转移Alpha策略概况....................................................11 2.1.1.可转移Alpha策略的产生与发展................................................11 2.1.2.可转移Alpha策略相对于传统策略的优势........................................12 2.1.3.可转移Alpha策略的构建......................................................12 2.2.海外市场关于Alpha及可转移Alpha的理论实践综述..................................15 2.2.1. Alpha的存在性..............................................................15 2.2.2. Alpha的稳定性..............................................................15 2.2.3. Alpha与可转移Alpha策略的绩效检验..........................................17 2.3.战术资产配置方法................................................................19 2.3.1.战术资产配置理论............................................................19 2.3.2.战术资产配置案例............................................................20 3.我国市场Alpha与可转移Alpha策略:实证研究..................................23 3.1.策略构建可行性分析..............................................................23 3.1.1.机构战略选择................................................................23 3.1.2.资产配置与调整..............................................................24 3.1.3.流程与技术..................................................................24 3.2.基于“FOF+期指”的Alpha、可转移Alpha策略研究.................................27 3.2.1.样本与区间..................................................................27 3.2.2.实证方法....................................................................27 3.2.3.实证结论....................................................................29 4.结论与延伸研究..............................................................41 4.1.基本观点.......................................................................41 4.2.延伸研究.......................................................................43 衍生品研究 1.海外市场机构投资者衍生品应用 1.1.机构参与度与衍生品使用 1.1.1.美国共同基金 Jennifer Lynch Koski和Jeffrey Pontiff(1996)通过问卷调查的方式检验了美国 市场共同基金对衍生品的运用情况。

在所调查的675支股票型基金中,大约21% 的基金投资于衍生品。

基金主要投资于期权和期货,并且主要目的是套期保值。

表1共同基金是否运用衍生品情况(1995) 基金投资类型样本数使用衍生品者及百分比不使用衍生品者及百分比 收入型5214(26.9%) 38(73.1%) 成长及收入型18242(23.1%) 140(76.9%) 成长型29555(18.6%) 240(81.4%) 小盘股10217(16.7%) 85(83.3%) 积极成长型4412(27.3%) 32(72.7%) 总计675140(20.7%) 535(79.3%) 数据来源:Jennifer Lynch Koski和Jeffrey Pontiff(1996) 表2共同基金运用衍生品动机及占比(1995) 基金投资类型总计套保投机套保及投机未知 收入型144(28.6%) 0(0.0%) 1(7.1%) 9(64.3%) 成长及收入型4221(50.0%) 3(7.1%) 2(4.8%) 16(38.1%) 成长型5524(43.6%) 7(12.7%) 4(7.3%) 20(36.4%) 小盘股179(52.9%) 1(5.9%01(5.9%) 6(35.3%) 积极成长型126(50.0%) 1(8.3%) 1(8.3%) 4(33.3%) 总计14064(45.7%) 12(8.6%) 9(6.4%) 35(39.3%) 数据来源:Jennifer Lynch Koski和Jeffrey Pontiff(1996) 表3共同基金运用衍生品类别及占比(1995) 基金投资类型总计期权期货 期权和 期货 利率衍生品 利率衍生品 及期货 无法统计 或未知 收入型141(7.1%) 1(7.1%) 3(21.4%) 3(21.4%) 2(14.3%) 4(28.6%) 成长及收入型4213(31.0%) 6(14.3%) 11(26.2%) 3(7.1%) 1(2.4%) 8(19.0%) 成长型5517(30.9%) 8(14.5%) 17(30.9%) 3(5.5%) 0(0.0%) 10(18.2%) 小盘股172(11.8%) 3(17.6%) 5(29.4%) 1(5.9%) 0(0.0%) 6(35.3%) 积极成长型124(33.3%) 2(16.7%) 2(16.7%) 1(8.3%) 0(0.0%) 3(25.0%) 总计14037(26.4%) 20(14.3%) 38(27.1%) 11(7.9%) 3(2.1%) 31(22.1%) 数据来源:Jennifer Lynch Koski和Jeffrey Pontiff(1996) 衍生品研究 1.1.2.西班牙共同基金 Jose M.Marin和Thomas A.Rangel(2006)考查了西班牙共同基金业使用衍生品的情 况。

结果发现,截至2005年,西班牙的共同基金中,大约有60%使用了衍生品; 衍生品的合约价值占基金净值的比例在10年内从2.7%提高至15.8%。

表4共同基金运用衍生品情况(2005) 衍生品使用者衍生品合约价值占净值比较大的使用者 基金类型 家数占比合约价值占净值比家数占比合约价值占净值比 国内平衡型46.6% 11.0% 13.6% 28.0% 国际平衡型44.1% 16.9% 13.6% 29.4% 国内股票型65.4% 25.7% 15.1% 50.7% 外国股票型38.7% 10.2% 14.8% 40.2% 固定收益类44.4% 10.6% 14.8% 30.5% 货币市场18.5% 2.0% 9.1% 3.6% 全球配置45.2% 14.9% 11.6% 57.8% 欧洲股票50.2% 11.5% 14.4% 61.7% 数据来源:Spanish Security and Exchange Commission,Spanish Central Bank 表5共同基金运用衍生品类别及占比(2005) 衍生品衍生品数量占小类百分比占总计百分比 看跌期权837720% 7% 看涨期权1475135% 12% 利率下限1374533% 11% 利率上限12193% 1% 权证9752% 1% 未知的非线性产品28147% 2% 41881 远期1109318% 9% 期货4240569% 33% 互换669611% 5% 本息剥离产品1230% 0% 未知的线性产品14162% 1% 61733 未知的衍生品9396100% 7% 债券675454% 5% 货币485439% 4% 未知的非衍生品9478% 1% 12555 未知的产品2034100% 2% 总计127599 数据来源:Spanish Security and Exchange Commission2 衍生品研究 1.1.3.欧洲共同基金 Eurex自2004年起每年对欧洲共同基金业使用衍生品的情况进行调查统计。

以2006 年为例,他们收到了209个基金公司的回复,这些公司管理着7.4万亿欧元的资产。

主要结论是: 衍生品得以更广泛的运用。

大约70%的基金使用了衍生品,而2004年2005 年的数据分别是48%和62%。

法国、意大利和荷兰的基金运用程度最高,英国 和北欧国家最低。

大约1/5的非使用者准备在下一年使用衍生品,而在英国,这一数据是1/3。

更多的企业将应用衍生品视作投资过程中不可或缺的一部分。

2/3的回复者同时使用线性和非线性回报的衍生品。

过去一年被使用较多的有 固定收益类、信用类、商品类以及外汇衍生品。

回复者期望在更广阔的领域 里使用衍生品,特别是在信用类、固定收益类和外汇类。

套保是使用衍生品最重要的目的。

过去一年中,Alpha转移和绝对回报策略的 使用得到了长足发展。

随着衍生品更广泛的应用,缺乏交易系统以及不完善的专业能力是最大的障 碍。

成本问题越来越驱动着OTC衍生品的运用。

运用衍生品带来的风险在增 大。

最大的风险来源是OTC报价缺乏透明度,其次是客户对衍生品缺乏了解以 及投行错误地销售了复杂的产品。

图1衍生品使用与否占比(2004-2006)图2运用线性和非线性产品的基金占比(2006) 数据来源:国泰君安证券研究所整理 图3衍生品在基金投资中的重要程度(2005-2006)图4运用各类型衍生品的基金占比(2005-2006) 数据来源:国泰君安证券研究所整理 衍生品研究 1.1.4.全球对冲基金 Yong Chen(2006)考查了对冲基金使用衍生品的情况。

他采用了Lipper TASS数据 库中全球6877支对冲基金1994年-2006年的数据。

结果表明,大约73%的基金使 用了衍生品,这一数据是共同基金的三倍。

研究发现如下结论: 从考察的6163支对冲基金来看,多空头基金占到了约1/3,而对冲基金的基金 也占到1/5。

从大类产品运用上看,除全球宏观基金和期货管理基金外,货币类和商品类衍 生品在对冲基金中的运用广泛程度远不如股票类和固定收益类衍生品。

在固定收益类和商品类衍生品中,使用交易所标准化的期货和期权合约的对冲 基金占比,要大于使用非标准化的远期和互换合约的对冲基金占比;而在货币 类衍生品中,使用远期合约的基金占比则多于期货和期权。

就期货和期权而言,各类基金使用股票期权的广泛程度整体要高于股票期货 (除全球宏观和期货管理基金外)。

而利率期货和利率期权使用的相对广泛程 度,在各类基金中则差异较大:可转换套利基金、事件驱动和新兴市场基金更 偏爱利率期权,而全球宏观基金更偏爱利率期货。

货币期货、商品期货与货币 期权和商品期权的使用程度差异不大。

从某一特定策略的基金看,可以看出如下特征: 事件驱动基金在各类金融工具衍生品中,非常偏爱使用股票期权和货币远期。

新兴市场基金也偏爱期权胜过了期货,在各类金融工具衍生品中都如此。

市场中性基金从整体上看对衍生品的使用并不广泛,且以股票类为主,对 固定收益类、货币类和商品类衍生品涉及很少。

FOF有近70%使用了衍生品,其中使用股票期货和股票期权的基金都约占 到了FOF的一半。

多空头基金有近60%使用了股票期权,而其对货币远期的参与也远远高过 了其他货币类衍生品。

图5对冲基金衍生品参与程度(1994-2006) 数据来源:Lipper TASS 衍生品研究 表6各策略和产品使用者占对冲基金总体的比重(1994-2006) 种类 股票类固定收益类货币类商品类 数量期货期权小计远期期货互换期权小计远期期货互换期权小计远期期货期权小计总计 可转换套利18122.751.453.610.525.429.331.547.020.411.67.29.926.50.01.11.72.272.4 偏向空头3622.250.055.60.00.05.60.05.65.60.00.00.05.60.02.82.82.861.1 事件驱动48713.155.456.95.55.311.712.520.320.33.91.82.722.82.12.13.14.167.8 新兴市场35925.634.539.619.814.818.126.735.933.211.410.916.437.61.43.95.36.462.7 市场中性37026.538.148.94.34.63.05.17.312.75.43.54.915.41.12.72.43.853.0 固定收益套利2905.58.39.047.259.761.454.579.325.217.912.119.030.30.02.10.32.183.8 FOF 127748.253.360.230.940.030.639.245.333.633.719.530.039.622.031.326.931.869.7 全球宏观32647.234.150.931.053.729.541.461.070.350.621.554.685.312.942.323.943.992.6 多空头201133.657.766.52.15.01.85.78.314.36.42.44.618.11.03.32.74.169.9 期货管理61264.215.065.44.965.91.519.166.338.959.62.021.169.318.166.821.167.394.8 其它21440.763.168.217.834.124.332.745.325.225.212.223.837.44.214.012.616.480.8 总计616336.446.257.814.225.615.421.632.826.221.08.316.233.97.817.611.118.673.0 在市基金352635.946.957.314.924.617.421.131.626.019.99.115.432.88.216.810.818.171.0 关闭基金263737.245.458.413.427.012.722.234.426.422.57.417.235.57.318.811.419.375.6 数据来源:Lipper TASS 衍生品研究 1.2.衍生品运用对基金绩效的影响 国外不同作者从不同角度,分析了衍生品使用对基金业绩、风险、择时和选股能 力、现金流动等方面的影响。

结果表明,不同研究者得到的结论并不一致,这符 合有效市场的直觉。

1.2.1.衍生品运用对基金收益风险的影响 Jennifer Lynch Koski和Jeffrey Pontiff(1996)比较了投资于和未投资于衍生 品的股票基金的收益率分布情况,并分析了使用衍生品对基金风险跨期变化的影 响。

结果表明,投资于和未投资于衍生品的股票基金,其风险水平和收益率分布 的高阶矩相似。

这与普遍认为的使用衍生品增大了风险并不一致。

使用了衍生品 的基金业绩并不显著优于未使用者。

基金风险水平的变化与其过往业绩负相关, 但衍生品的应用减弱了这种变化。

使用股票指数衍生品与基金系统风险的变化紧 密相关,但与非系统风险不相关。

他们认为,这与基金对非预期的现金流动反应 过慢,从而改变风险水平的假说一致,而与为了获取业绩激励而改变风险水平的 假说不一致。

此外,Koski和Pontiff(1999)补充了之前的研究,认为基金的风险 与其招募说明书中陈述的投资目标、以及晨星风格分类有关,而与是否使用衍生 品无关。

Jose M.Marin和Thomas A.Rangel(2006)发现使用衍生品并不能提高共同基金业 绩。

所考查的八类基金中,使用衍生品能提高业绩的仅有债券基金这一类。

大多 数情况下使用衍生品的基金业绩显著差于非使用者。

同时,大多数情况下,衍生 品使用者在择时和选股能力方面的表现比非使用者差。

他们认为,原因在于,使 用衍生品的基金收取了更高的费用。

他们还发现,衍生品并没有用来作为套期保 值的工具,而是被用于投机。

同时,在基金面临申购赎回时,使用衍生品可使现 金流动的管理更有效率。

Yong Chen(2006)考查的结果认为,使用衍生品的共同基金的特征是:更高的激 励费用、更宽松的赎回政策、存在管理层持股以及更为有效的审计。

衍生品使用 者比非使用者风险更小,前者收益的年化波动率比后者约低1.2个百分点。

尤其 是在降低系统风险、下行风险和极端事件风险方面,衍生品使用者取得了更好的 效果。

同时,与衍生品非使用者相比,使用者更少地改变风险程度。

关于欧洲交易所(Eurex)上市的期货合约,研究者认为其对基金提高绩效具有一 定作用。

Thomas Schneeweis、Richard Spurgin和Hossein Kazemi(2003)考查 了商品交易顾问(CTA)在投资中使用Eurex期货合约所带来的潜在益处。

结果表 明,1992年-2002年期间,采用标准的动量交易策略的CTA中,使用Eurex期货 合约能提高绩效。

他们同时发现,这种策略可以提高个人投资者持有的股票和债 券组合的绩效,并降低其波动率。

而使用DAX、Nikkei 225和Dow Jones EURO STOXX 50指数期货合约比使用S&p 500或FTSE 100指数期货合约的效果要好。

Thomas Schneeweis、Richard Spurgin和Raj Gupta(2006)更新了其2003年所 作的研究,仍支持利用Eurex期货能提高业绩的结论。

他们考察了1992-2005年 的数据后发现,如果CTA在投资组合中使用Eurex期货合约,大约可以提高100 衍生品研究 个基点的年化收益率。

此外,尽管全球股票指数高度相关,但使用动量交易策略 的结果却大相径庭。

在投资组合中配置40%的Eurex期货合约,可以与股票组合 有同样的波动率,但年化收益率却能高200个基点。

1.2.2.衍生品运用对基金现金管理的影响 开放式基金面临的一个问题是投资者的申购赎回对基金管理人的投资会产生影 响,而流动性好的衍生品在管理现金流动方面具有重要的意义。

Alex Frino、 Andrew Lepone和Brad Wong对此问题一直有跟踪研究。

Alex Frino、Andrew Lepone和Brad Wong(2006)考查了衍生品应用于应对投资 者申购赎回(即现金流入流出)时将现金和证券互相转换的能力,认为现金证券化 者业绩更好。

他们考查了275支澳大利亚市场上的共同基金2003年8月31日至 2006年8月31日的表现。

他们提出了三个假设:1)由于交易成本和现金时滞成 本的原因,现金流入或流出的增加,会降低基金的业绩;2)现金流动对基金业绩 的影响,取决于流动的方向和当时的市场环境;3)将现金流动迅速证券化的基金 比不这样做的基金平均业绩好。

结果表明,如果像Jennifer Lynch Koski和 Jeffrey Pontiff(1999)文献中那样,将所有使用衍生品的基金作为一类的话,就 难以准确衡量衍生品使用对基金业绩的影响;而如果将衍生品使用者分为现金证 券化者和非现金证券化者,那么这种差异是明显的。

结论支持现金证券化者有更 好的业绩。

Alex Frino、Andrew Lepone和Brad Wong(2007)对此问题作了进一步跟踪研究, 认为使用了衍生品进行现金证券化的基金的业绩不受现金冲击的影响。

结果表 明,不进行现金证券化的基金,当面临基金规模5%-10%的现金冲击时,平均业绩 将下降25个基点;当面临大于基金规模10%的现金冲击时,平均业绩将下降60 个基点。

当面临基金规模1%的现金冲击时,源自交易成本和现金时滞成本的业绩 损耗分别约为1.5个基点和1.2个基点。

而使用了衍生品进行现金证券化的基金 则不会因为现金冲击而影响业绩。

Alex Frino、Andrew Lepone和Brad Wong(2007)考查了当控制了现金流动的负 面影响后,使用衍生品的基金的择时能力要好于非使用者。

他们考查了176支澳 大利亚市场上的基金2003年8月31日至2006年8月31日的表现。

结果表明, 当控制现金流动的影响后,所有基金都没有显著的正择时能力。

在考虑现金流动 的影响后,不使用衍生品的基金择时能力为负。

而利用衍生品进行现金证券化的 基金,其择时能力却并不会有实质改变。

他们认为这是由于采取了现金证券化的 基金可以通过投资股指期货而迅速复制市场风险,从而避免在现金流入时系统风 险被稀释。

因此他们认为,在申购赎回的影响下,使用衍生品的基金比不使用者 具有更好的择时能力。

1.2.3.投资方式、产品设计与策略复制 关于机构投资者对衍生品的运用,我们在2006年10月的报告《借鉴海外市场, 探讨我国基金业参与金融衍生品的投资模式》中,对机构对股指期货的运用进行 了研究。

衍生品研究 表7机构投资者对衍生品的运用 主要功能具体说明 套期保值利用股指期货等对持有现货组合的市场风险进行对冲,或锁定未来购入股票的成本 投机利用股指期货等衍生品的高杠杆、低成本、流动性等优势,提高资金使用效率,指数化投资 套利期现套利、期货跨期套利等将被普遍运用。

资产配置如分配组合中各类资产的比重,调整组合β值,现金证券化,应付不确定的现金赎回 数据来源:国泰君安证券研究所 图6机构投资者对衍生品的运用 数据来源:国泰君安证券研究所 关于前三个方面的功能,各类文献多有涉及。

鉴于本文侧重于对机构运用股指期 货设计产品,因此此处我们主要分析机构利用股指期货能设计哪些基金产品。

(1)利用股指期货设计保本基金 保本基金大多采用固定比例组合保险(CPPI,Constant Proportion Portfolio Insurance)技术、或者与基于期权的组合保险(OBPI,Option-Based Portfolio Insurance)技术相结合的投资策略。

股指期货对保本基金设计的作用主要体现在: 套期保值锁定风险。

OBPI策略是在构建股票组合的同时,买入和股票组合相 对应的看跌期权,而流行的替代策略则是,可通过卖出股指期货对现货投资组 合进行保值。

杠杆效应提升收益。

在采用CPPI策略时,根据组合价值超出底线价值的程度, 基金管理人需要增加或减少股票头寸,这涉及较大的资金流动,以及交易费用 及市场冲击成本等。

而利用股指期货,CPPI策略可以通过保持一定的股票组 合的情况下,通过指数期货与债券组合的调整来实现。

(2)利用股指期货合成指数基金 指数基金可以选择全部复制成份股、抽样复制成份股或是购买指数期货和投资国债 衍生品运用 投资方式产品设计投资策略复制 套期保值 投机 套利 资产配置 保本基金 A lpha 及 可转 移A lpha 指数基金 复制对冲 基金策略 衍生品研究 的方法合成指数基金。

利用股指期货合成指数基金的方法是,将整个组合投资在国 债上,同时购买与组合价值相当的股指期货合约,如果期货合约价格与理论价格一 致,则股指期货和国债组合的多头头寸产生的收益与假设持有指数所有成份股的收 益是相等的。

利用股指期货与国债合成指数基金策略的优势表现在: 跟踪误差低。

导致指数基金跟踪误差的原因包括:第一,指数成份股调整。

第二,成分股红利发放时间的不确定性,导致再投资的现金延迟。

第三,成分 股流动性低导致的跟踪误差,特别是采用抽样复制时,排除那些权重和流动性 低的股票会导致指数基金偏离标的指数。

而利用股指期货合成指数基金,则基 本不存在上述问题。

交易成本低。

为减小跟踪误差,指数基金需要经常调整股票构成,这将导致 较高的交易成本。

而指数期货不需经常调整,而且股指期货交易成本也比较低。

调整配置灵活。

股票现货市场的建仓或沽出操作相对滞后、冲击与等待成本 较高,期货市场的操作则更为灵活。

当预期市场上涨时,可以比较迅速地建立 期货多头头寸;当预期市场将要下跌时,则可以迅速反向操作。

(3)利用股指期货实施Alpha策略和可转移Alpha策略 这将作为本文的核心部分在下文阐述。

(4)共同基金利用衍生品复制对冲基金的策略 对冲基金近年来得到了长足发展,据Lipper统计,截至2007年6月30日,全球 对冲基金资产规模已扩大至1.67万亿美元。

对冲基金使用多种追求绝对化收益的 策略,吸引着相关投资者和对冲基金的基金(HFoF)。

但是对冲基金具有收费较高、 投资组合不透明、道德风险大等特点,因此,利用共同基金来复制对冲基金的策 略也就成了自然而然的想法。

Thomas Schneeweis、Hossein Kazemi和Vassilis Karavas(2003)提出了一种用 在Eurex和其他欧洲的交易所交易的期货和期权合约来复制欧洲各种对冲基金的 收益类型的策略。

结果表明,这些衍生品合约不仅可以复制对冲基金多因素模型 的收益率过程,而且可以复制对冲基金程序化交易的收益率过程。

尽管在大多数 情况下,用衍生品策略的复制组合绩效不如其跟踪的对冲基金组合,但运用衍生 品具有流动性、信息透明度、交易成本等方面的优势。

2.海外市场Alpha与可转移Alpha策略:方法及案例 2.1. Alpha与可转移Alpha策略概况 2.1.1.可转移Alpha策略的产生与发展 可转移Alpha策略是在维持整体投资所需系统风险暴露的前提下,获取其余与系 统风险相关度较低的收益的金融工程方法。

可转移Alpha策略使投资者可以将市 场的被动投资收益(Beta)和超额收益(Alpha)分开,通过低成本获取Beta的 同时,独立的寻找和管理Alpha。

20世纪90年代初,Alpha策略逐渐被使用。

而可转移Alpha策略的广泛使用是在 衍生品研究 2000年以后,但其最早的使用可以追溯到1985年,Jack Coates和其同事在 Weyerhaeuser养老金计划中使用了可转移Alpha策略,取得了超越其他同期基金 数百个基点的收益。

近些年来海外基金普遍使用了可转移Alpha策略,同时也是 充分利用了Alpha和Beta的独立性。

2.1.2.可转移Alpha策略相对于传统策略的优势 可转移Alpha策略能在保持组合所需的Beta的前提下提供一系列多种Alpha来 源。

尽管可转移Alpha策略给投资管理的实践带来了新的要求和挑战,但这种策 略与传统的组合管理策略相比,还是具有一些显著的优势: 更广泛的投资领域。

投资者不必拘泥于从其原始目标资产类别中寻求Alpha, 他可以选择在更广阔领域中得到Alpha,比如特定类别的对冲基金、私人股权投 资、房地产以及部分传统投资策略。

更适度的风险暴露。

通常情况下,有效程度最低的市场往往能提供最好的超 额收益来源,但这会给投资者带来很高的系统风险。

可转移Alpha策略使得投资 者能对冲掉不需要的市场风险暴露,使整体组合风险更为适度。

更大的灵活性。

投资者可以使资产组合的风险特征与其风险目标更匹配,来 降低组合总风险。

比如说,削减权益资产上的暴露,同时增加固定收益产品和其 他结构性产品的头寸,从而使资产与负债更合理匹配,在维持甚至提高组合潜在 收益的前提下降低整个组合的波动性。

增强的有效性。

可转移Alpha策略使可以分离获取Alpha的投资管理人与他 们所管理的资产类别。

产生Alpha的各种策略之间通常相关系数较低,将这些策 略结合起来,可构成非常有效且风险控制良好的组合。

更低的风险。

通过将Alpha与Beta分离,可以对这两部分分配不同数量的 风险预算。

例如,Alpha部位的头寸可大可小,而这与产生Alpha的资产的数量 无关。

当Alpha累积起来后,对Alpha部分初始的小额分配也随之增大,而该部 位风险较低,从而整体组合风险要低于传统投资。

更低的费用。

在可转移Alpha策略中,投资者通常仅对带来Alpha的基金经 理支付较高的费用,而对跟踪Beta暴露的基金经理人只需支付较低的费用。

2.1.3.可转移Alpha策略的构建 可转移Alpha策略的构建是由Alpha和Beta组成。

Alpha可来自于任何资产种类: 货币市场、股权市场、固定收益、或商品市场。

获得的Alpha可以转移到任何具 有衍生品的市场指数、可以用一篮子证券复制的资产、或任何有相应投资经理管 理的资产。

典型的可转移Alpha策略构建,首先是在考虑了流动性和风险后,选择一个充分 分散化的Alpha基金组合,不管这些Alpha基金的投资范围。

一旦基金组合确定, 组合中的内嵌Beta即可确定。

据此,投资者可以使用期货、期权、互换或是其他 衍生品研究 的方式构建一个覆盖(overlay),以增加或减少在特定资产类别上的Beta暴露, 达到预想的资产配置目标,即覆盖的Beta暴露和Alpha中内嵌的Beta暴露的和, 是投资者的目标Beta暴露。

可转移Alpha策略和传统的机构投资管理的不同之处在于:传统的机构投资管理 是设定目标资产的种类,然后选择被动指数投资或主动管理以期在这些资产上获 得超额收益。

例如,目标资产是股票资产,则投资者会选取股票型投资基金经理; 目标资产是债券类资产,投资者则会选取债券型投资经理。

这样,投资者的选择 局限于某几类资产,而流失了广泛获得Alpha的机会。

但可转移Alpha策略则将 资产种类选择和投资经理选择分开,即分离了市场收益和由基金经理投资才能产 生的收益,同时分配了大部分的基金主动管理风险在Alpha上。

图7可转移Alpha策略框架 数据来源:国泰君安证券研究所整理 2.1.3.1. Alpha和Beta的结合策略 表8 Alpha、可转移Alpha策略比较 比较层面Alpha可转移Alpha 市场环境熊市,或市场下跌阶段牛市,或市场上涨阶段 投资者风险偏好低风险偏好高风险偏好 期货部位空头多或空头,依比较基准而定 收益性质绝对回报相对回报 比较基准无风险收益设定基准(如基准指数) Beta部位灵活性较严格,完全对冲现货风险比较灵活,风险敞口可调整 数据来源:国泰君安证券研究所 衍生品研究 图8可转移Alpha策略的构建流程 数据来源:国泰君安证券研究所整理 2.1.3.2.构建Alpha的要点 表9构建Alpha时需要注意的问题 项目要点 Alpha的存在性 Alpha必须是可证明的、且在一定时期内具有持续性,分析必须是基于逻辑 上的定性、兼以结合定量分析,但必须避免历史数据偏差 Alpha的头寸限制限制寻求Alpha的资金量 Alpha的稳定性确定风险被转移、而且转移出的Alpha是稳定的,需注意波动性和尾部风险 收益与成本Alpha收益必须要超过成本,必须能够一致地超越资金成本和其它成本 隐含Beta确保较低或稳定的隐含Beta,隐含Beta能确切地估计出来,且是稳定的 流动性充足的流动性 图9最优可转移Alpha区域 2、确定Alpha和Beta的风险预算 3、在Alpha和Beta间配置资产以满足预定的市场暴露 4、确定风险参数使得Alpha和Beta的风险得到动态监控 1、确定Alpha的策略和目标的Beta 纯指数化 增强的积极策略 最优积极策略 激进积极策略“最优”可转移Alpha区域 收益过低 风险过高 跟踪误差(σ) 潜 在A lpha(E(r)) 衍生品研究 数据来源:国泰君安证券研究所 2.1.3.3.构建Beta的要点 表10构建Beta时需要注意的问题 项目要点 期货:是可转移Alpha策略最常用于Beta构建的品种。

投资者利用期货可以方 便而快速地获得Beta,逐日盯市使期货风险限制在一天的波动内。

期货交易对 手风险非常小,同时,与股票和债券相比,期货交易费用也很小。

对于期货类 产品还需留有足够保证金。

投资者的一部分资金必须留作备用保证金,而不能 投入Alpha。

而且,期货可能与设定的Beta暴露有差异,这会造成跟踪误差 产品选择——期货、互换 或指数基金 互换:是期货的一种替代,场外市场的互换合约可以被量身定做从而获得准确 的市场Beta暴露。

同时互换不会占用资本,所有的资金都可以用来追寻Alpha。

但是,需要根据互换条约在预设日期支付资金。

需要注意到互换合约相比于期 货合约流动性要差一些,并且存在对手风险 成本与跟踪误差的平衡在获取Beta的成本与跟踪误差之间进行平衡,跟踪误差越低,成本越高 对手风险需要降低对手风险 数据来源:国泰君安证券研究所 2.2.海外市场关于Alpha及可转移Alpha的理论实践综述 2.2.1. Alpha的存在性 从直觉感受和投资实践上,无疑是存在Alpha的,只是支持强式有效市场理论的 学者认为不存在Alpha。

但也有学者从其他角度证明了长期来看Alpha并不存在。

Don M.Chance(2005)建立了一个理论模型,认为寻找Alpha的过程是徒劳的,将 会损害组合的收益,并增大方差,而这些损失与交易成本无关。

当基金投资者的 效用函数为对数效用,并且不变相对风险厌恶(CRRA)时,潜在的Alpha越大,基 金管理人越自信,基金持有者的潜在损失越大。

当基金管理人进行卖空或是在组 合中运用杠杆时,这种损失会加大。

因此作者认为,寻求Alpha不仅不能带来非 负的收益,而且几乎能确定地带来损失,即使基金管理人能在一半的时间内获取 正Alpha。

据此作者认为对冲基金等高投机性质的组合将会带来更大的损失。

2.2.2. Alpha的稳定性 我们认为Alpha的稳定性问题与超额收益的持续性问题是等价的。

关于Alpha稳 定性的争辩,学者们看法不尽相同。

Noel Amenc和Lionel Martellini(2003)用多种模型检验了对冲基金经理能否获 得超额收益。

结果表明,当采用市场外生变量构建模型,即使纳入信用风险和流 动性风险的代理变量后,对冲基金也可以显现出正的Alpha。

但如果考虑到整个 收益率分布或是用市场内生变量建模时,对冲基金并无显著的正Alpha。

尽管有 一部分对冲基金在所有被检验的模型中都显现出显著的正Alpha,但文章的主要 贡献在于:(1)利用不同模型测算的对冲基金风险调整后收益水平的绝对数差异巨 大;(2)在超额收益水平的相对排名上,这些模型却是一致的。

据此作者最后认为, 衍生品研究 积极管理策略的Alpha,即便存在,也是难以确切度量的。

另类投资在未来应该 更多关注于被动化的指数投资。

Richard Heaney、Terry Hallahan、Thomas Josev和Heather Mitchell(2005) 认为当积极管理策略强调识别出可获利的交易策略时,并不能保证有稳定的正 Alpha。

他们采用了1995年7月-2005年1月澳大利亚市场国际基金的数据,发 现Alpha具有时变性。

很少有国际基金在这一区间段内能显示出持续的正Alpha。

而各个基金Alpha的时变性具有同步性。

Craig L.Israelsen(2006)考察了晨星风格箱中九类不同风格基金在不同阶段的 Alpha及其标准差。

作者考察了343支基金10年的表现,并将10年的期限等分 为4个2.5年,计算每个小区间内不同风格基金的Alpha及其标准差。

从作者的 结果看,大盘价值、大盘混合、小盘价值和小盘混合型基金在有效集上。

表11 晨星风格箱各类型基金Alpha及其标准差(%) 类型基金数量96.1-98.698.7-00.1201.1-03.603.7-05.12均值标准差 大盘价值35 -1.250.36 -0.69 -0.90 -0.622.47 大盘混合76 -0.93 -0.04 -0.60 -0.59 -0.542.78 大盘成长88 -2.484.23 -2.062.010.424.82 中盘价值100.51 -0.88 -0.29 -1.17 -0.464.03 中盘混合183.170.472.33 -2.340.915.32 中盘成长410.401.09 -3.51 -2.94 -1.245.67 小盘价值18 -1.35 -0.981.172.150.253.90 小盘混合175.17 -0.624.151.202.474.93 小盘成长403.274.99 -1.58 -3.200.878.05 数据来源:Morningstar Principia 从Hedge Fund Research Inc.对各类型对冲基金指数和相关基础资产指数的比较 看,至少长期来看,各种策略的Alpha并不能保证长期为正。

衍生品研究 表12 美国各类对冲基金年收益(1997-2006) 1997199819992000200120022003200420052006 S&P 500 33.33% S&P 500 28.59% 行业轮动 67.00% 并购套利 18.02% 可转换套利 13.37% 雷曼国债/信 用12.10% MSCI全球 30.82% 受困证券 18.89% 股票套保 10.60% MSCI全球 17.97% 股票套保 23.41% MSCI全球 22.79% 股票套保 44.22% 可转换套利 14.50% 受困证券 13.28% 可转换套利 9.05% 受困证券 29.56% 事件驱动 15.01% HFRI基金综 指9.30% 行业轮动 16.30% 事件驱动 21.23% 股票套保 15.98% HFRI基金综 指31.29% 相对价值套 利13.41% 事件驱动 12.18% 全球宏观 7.44% S&P 500 28.67% MSCI全球 12.83% 行业轮动 9.14% 受困证券 15.94% 全球宏观 18.82% 雷曼国债/信 用12.00% FOF 26.47% 雷曼国债/信 用13.27% 雷曼国债/信 用9.40% 相对价值套 利5.44% 行业轮动 27.93% 行业轮动 11.34% 受困证券 8.27% S&P 500 15.78% HFRI基金综 指16.79% 可转换套利 7.77% 事件驱动 24.33% 股票套保 9.09% 相对价值套 利8.92% 受困证券 5.28% 事件驱动 25.33% S&P 500 10.86% MSCI全球 7.56% 事件驱动 15.37% 并购套利 16.44% 行业轮动 7.62% MSCI全球 23.54% 事件驱动 6.74% 全球宏观 6.87% FOF 1.62% 全球宏观 21.42% HFRI基金综 指9.03% FOF 7.49% 并购套利 14.24% FOF 16.20% 并购套利 7.23% S&P 500 21.03% HFRI基金综 指4.98% HFRI基金综 指4.62% 并购套利 -0.87% 股票套保 20.54% 股票套保 7.68% 事件驱动 7.29% HFRI基金综 指12.89% 相对价值套 利15.93% 全球宏观 6.19% 全球宏观 17.62% FOF 4.07% FOF 2.80% HFRI基金综 指-1.45% HFRI基金综 指19.55% FOF 6.86% 全球宏观 6.79% 相对价值套 利12.37% 受困证券 15.40% 相对价值套 利2.81% 受困证券 16.94% 受困证券 2.78% 并购套利 2.76% 事件驱动 -4.30% FOF 11.61% 相对价值套 利5.58% 并购套利 6.25% 可转换套利 12.16% MSCI全球 14.16% HFRI基金综 指2.62% 相对价值套 利14.73% 全球宏观 1.97% 股票套保 0.40% 股票套保 -4.71% 可转换套利 9.93% 全球宏观 4.63% 相对价值套 利6.02% 股票套保 11。

70% 可转换套利 12.72% 事件驱动 1.70% 可转换套利 14.41% 行业轮动 0.31% 行业轮动 -1.90% 行业轮动 -12.85% 相对价值套 利9.72% 雷曼国债/信 用4.54% S&P 500 4.91% FOF 10.40% 雷曼国债/信 用9.87% 受困证券 -4.23% 并购套利 14.34% S&P 500 -9.00% S&P 500 -11.85% MSCI全球 -21.06% 并购套利 7.47% 并购套利 4.08% 雷曼国债/信 用2.55% 全球宏观 8.16% 行业轮动 5.21% FOF -5.11% 雷曼国债/信 用-2.40% MSCI全球 -14.07% MSCI全球 -17.83% S&P 500 -22.09% 雷曼国债/信 用5.07% 可转换套利 1.18% 可转换套利 -1.68% 雷曼国债/信 用4.07% 数据来源:HFRI 2.2.3. Alpha与可转移Alpha策略的绩效检验 Thomas Schneeweis、Hossein Kazemi和Raj Gupta(2006)检验了Eurex期货合 约在可转移Alpha策略中作为Beta部分覆盖的运用效果。

作者检验了多种Alpha 来源,包括可转换套利、受困证券、新兴市场、股票多/空头、股票市场中性、事 件驱动、并购套利、全球宏观以及期货管理等策略。

作者采用了1992-2005年DAX 指数和1998-2005年Dow Jones EUROSTOXX 50指数的数据。

结果表明,大多数 情况下组合绩效得到了提高。

一个分散化的对冲基金组合,利用DAX指数期货, 可以得到11.66%的年化回报,这比DAX指数8.54%的年化回报高300多个基点; 一个分散化的对冲基金组合,利用Dow Jones EUROSTOXX 50指数期货,可以得 到9.13%的年化回报,这比Dow Jones EUROSTOXX 50指数7.31%的年化回报高近 200个基点。

Bill Dewalt和Phil Schneider(2006)针对几种可能产生Alpha的策略进行了检 验。

结果表明,LIBOR套利策略能带来的年化Alpha约为0.5%-1.0%;市场中性策 略的年化Alpha约为1.5%-3.0%;对冲基金的基金(FoHF)的年化Alpha约为 衍生品研究 1.5%-3.0%;货币市场的年化Alpha约为2.0%-4.0%;多策略对冲基金的年化Alpha 约为2.0%-8.0%。

Joan Warner(2006)考察了在美国市场上采取可转移Alpha策略的效果。

计算截 止日为2004年12月31日。

结果见表13。

图10:可转移Alpha策略的例子 原投资组合可转移Alpha投资组合 其中,组合1为普通积极管理组合,由60%股票、30%债券和10%现金构成;组合 2为可转移Alpha组合,由40%的杠杆为1.5的股票(期货)、30%债券、10%商品和 10%绝对收益品种,后两者为Alpha的来源。

股票为S&P 500指数(指数期货), 商品为高盛商品指数,绝对回报为S&P对冲基金指数。

可以发现,可转移Alpha 策略有较高的收益和较低的风险。

表13可转移Alpha策略收益率(截至2004年12月31日) 组合1组合2 区间 年均回报标准差年均回报标准差 1年7.95% 5.00% 9.23% 4.52% 3年4.82% 8.55% 7.30% 8.14% 5年1.69% 9.29% 3.30% 9.19% 数据来源:Rydex Investments 表14几个其他例子:可转移Alpha基金的收益 基金业绩基准转移Alpha的来源相对S&P 500的超额回报 PIMCOStocksPLUSShort-term S&P 500 Fixed income -0.08% PIMCOStocksPLUSTotal Return S&P 500 Core bonds 1.92% Payden Market Return S&P 500 Fixed income 0.44% Metropolitan West Alpha Trak 500 S&P 500 Fixed income 0.61% 数据来源:Morningstar 衍生品研究 2.3.战术资产配置方法 2.3.1.战术资产配置理论 寻求市场或板块的择时Alpha、以及可转移Alpha,可借助战术资产配置策略实现。

战术资产配置(Tactical Asset Allocation, TAA)泛指根据风险和收益的变化 模式来择机动态调配投资组合以增加组合收益。

从70年代起TAA就已经被投资者 所使用,据Philp、Rogers和Capaldi(1996)估计,在美国,1994年有约480亿 美元运用TAA,而到1999年底,Lee(2000)估计约有1000亿美元运用TAA。

图11 TAA策略运用的步骤 数据来源:国泰君安证券研究所 2.3.1.1.预测资产收益 标准的参数模型主要是线性回归模型,根据稳健性要求,依经济分析选取少量自 变量(2至3个)较为合适。

最简单的模型就是标准线性回归。

但金融市场常常 表现出非平稳性和非线性。

学术界提出了许多动态模型和非线性方法,例如卡尔 曼滤波,其赋予线性模型以动态参数;非线性模型,如Logit回归模型。

2.3.1.2.构建组合 根据预测结果构建投资组合,可采取等权重或市值权重配置。

也可以在跟踪误差 的允许范围内,运用最优化方法使组合期望收益最大化。

最优资产配置理论的目 的,是投资者在高预期收益期间内应将资产配置于风险资产(market timing),在 高波动期间内应降低风险资产配置(volatility timing)。

2.3.1.3.样本外检验 用于衡量择时能力的常用模型包括二次模型(quadratic model)和转换点回归模 型(switch-point regression model)。

基本思想是检验组合和基准收益的非线性 关系。

如果管理者可以准确择时,那么组合收益对市场收益的敏感性在上涨市中 应较大,在下跌市中应较小。

预测模型的表现可以用预测与实际收益的相关性或秩相关性检验。

同时成功率也 可以衡量方向性预测的质量。

跟踪误差,度量了组合相对于基准的超额收益的波 动性。

此外,信息比率利用平均超额收益与跟踪误差的比值来度量风险。

2、据预测构建组合 1、根据资产类别预测资产收益 3、样本外检验 衍生品研究 2.3.2.战术资产配置案例 Noel Amenc etc.(2003)计算并检验Dow Jones EUROSTOXX 50指数相对于1个月 Libor的超额收益。

他们选取了一些指标构建模型。

2.3.2.1.模型解释变量 利率相关变量 A.利率期限结构水平。

通过短期利率可以预期未来经济运行状况。

B.利率期限结构斜率。

通过期限利差度量,上升的期限结构代表着预期短期利率 将上升,通常与经济复苏联系在一起。

风险相关变量 A.风险大小。

可用历史波动性、及由期权隐含波动率度量。

B.风险价格。

通过高收益债券的信用利差反映。

股价变量 股息收益率。

反映了股票的风险溢价,高股息收益率预示着股息以高风险溢价折现。

其他变量 其他一些额外变量包括S&P500指数,商品指数(高盛商品指数)和货币指数(美 元指数),以及衡量市场情绪的变量包括看涨和看跌期权交易量之比。

2.3.2.2.模型方法与选择 数据区间为1994年8月至2003年7月。

首先将Dow Jones EUROSTOXX 50指数 相对于1个月Libor的超额收益分别与滞后1个月的自变量回归,结果如下: 表15模型估计结果(1994年8月至2003年7月) 变量变量类型系数t值R平方 S&P500股票动量-0.0027 -0.01920.00% 美元指数货币动量0.00151.54971.81% 高盛商品指数商品动量0.00062.36123.57% S&P 500股息收益率股息收益率-0.0069 -0.09660.01% FTSEuroFirst80股息收益率股息收益率0.00000.44070.22% 美信用利差风险价格0.01040.28800.08% 3个月Euro Libor利率0.03122.71095.67% 美国期限利差(10Y-3M)利率0.00060.08660.01% 欧洲期限利差(3M-10Y)利率-0.0661 -0.14230.03% 美看跌与看涨期权交易量比率市场情绪-0.0602 -2.08112.37% 数据来源:DataStream 上述简单分析结果表明,大部分滞后1个月的美国指标对欧洲指数没有显著预测 能力。

主要原因是这些因素的影响往往是实时的,简单线性模型效果往往不理想, 需要更精确稳健的模型来预测。

以下建模采用递归及“厚”模型(recursive and thick modeling)方法,模型选择考虑模型的拟合程度和稳健性。

衍生品研究 递归模型包括三个步骤:计算、训练和交易。

例如,为预测2007年7月后的超额 收益,我们将1994年8月至2000年7月划分为两个区间,分布进行计算、训练。

在计算阶段,我们用4年数据估计模型,在训练阶段,我们用2年数据检验模型。

最后,通过训练挑选出模型,将其应用在2000年7月至2003年6月的交易阶段。

Pesaran和Timmermann(1995)在每个预测过程中只选取一个最优估计(称为 “thin”模型),因为预测的超额收益和相应资产组合的收益以一条“thin”路线 随时间变化。

这种方法的缺点是未考虑模型的不确定性。

解决的方法是避免假设 存在一个真实的模型,而是对于不同的可能模型赋予一定概率,这就是贝叶斯模 型的基本思想。

贝叶斯模型展示了样本内和样本外的股票收益的可预测性,即使 通常采用的模型不能说明样本外可预测性的存在。

与“thin”模型相比,我们称 这种模型为“thick”模型,Aiolfi和Favero(2002)论述了基于“thick”模型 的资产组合收益系统性优于基于“thin”模型的组合收益。

在每个过程中,我们 采用模型组合来预测,而不是仅采用一个模型。

仍使用前述简单线性回归模型的10个自变量,考虑其滞后1个月的变量,1i tZ , 同时也考虑平方滞后变量 2 ,1i tZ (一种波动性度量),移动平均 ,1,2,3131313i t i t i tZZZ × + × + ×,相对变化,1,2ln( ) ln( )i t i tZZ 和 ,1,2,3,13112 ( )i t i t i t i tZZZZ × + +。

估计超额收益的符号(即方向)比估计超额收益的绝对值可能更为稳健,为此构 建logistic回归模型。

实际上,Logistic模型比OLS模型使用的信息少,但 Logistic模型对输入参数进行非线性变换,这会降低异常值的影响。

在这一模型下,因变量y(Dow Jones EUROSTOXX 50指数相对于1个月Libor 的超额收益)只取两个值,1(代表超额收益为正)和0(代表超额收益为负)。

我们的模型如下: ' 'Pr( 1| ; ) 1 x x ey x e β ββ = = + 其中,x是自变量向量,β是模型参数向量。

然后选取一个模型组合用于估计超额收益。

模型选择基于如下两个指标:类型1 指标用于代表样本内的模型表现,使用t统计量和SIC;类型2指标代表样本外 的模型表现,使用成功率衡量。

在交易阶段,我们允许模型动态更新。

在每一交易日,我们基于如下几个基准选 择模型组合:(1)模型的所有参数在5%的显著性水平下是显著的;(2)在前12 个月内有95%的时间参数是显著的( 5%α = );(3)训练阶段成功率大于0.55。

由此,每一交易日可能有n个相互冲突的模型(n可能随时间而变化),每一个 logistic模型得到的预测值均为超额收益为正的概率,记ip为第i个模型得到的 概率估计。

度量需要两个指标:平均预测概率及预测概率的标准差: 衍生品研究 1 1 n p i i i m w p n = = ∑ 2 1 1 ( ) n p i p i i w m p n σ = = ∑ 其中iw是第i个模型的权重。

这一权重可以是模型以往预测能力的函数。

为简化, 采用等权重,即1iw n=。

pm大于50%时意味着,平均而言,模型组合预测Dow Jones EUROSTOXX 50指数收益超越1个月Libor的收益。

2.3.2.3. Alpha策略实证结果 从交易阶段2000年7月至2003年6月得到的模型预测结果如下,平均成功率为 2/3。

表16模型预测结果(2000年7月至2003年6月) 日期 模型 个数 平均 t值 平均预测 概率 模型预测 值标准差 成功率 日期 模型 个数 平均 t值 平均预测 概率 模型预测 值标准差 成功率 Jul-0022.5557.48% 8.12% 02-Jan 52.843.21% 3.90% 1 Aug-0032.5756.81% 10.73% 12-Feb 42.824.70% 2.21% 0 Sep-0042.7952.69% 12.93% 02-Mar 42.734.70% 5.42% 1 Oct-0042.6647.45% 10.70% 02-Apr 42.6514.52% 15.63% 1 Nov-0042.5447.98% 13.11% 12-May 42.7719.28% 12.72% 1 Dec-0042.4341.96% 13.50% 12-Jun 72.636.99% 11.79% 1 1-Jan 42.3444.89% 11.96% 12-Jul 92.530.52% 14.57% 1 1-Feb 42.3944.19% 4.79% 12-Aug 92.6537.87% 8.53% 0 1-Mar 32.345.77% 10.68% 12-Sep 82.6828.49% 14.17% 1 1-Apr 32.5550.99% 25.59% 12-Oct 82.8527.05% 8.07% 0 1-May 32.5779.42% 5.96% 02-Nov 82.6744.04% 17.80% 0 1-Jun 12.2179.24% 0.00% 02-Dec 92.5728.77% 7.20% 1 1-Jul 22.5717.83% 2.40% 13-Jan 112.5622.73% 13.02% 1 1-Aug 32.5448.67% 5.73% 13-Feb 132.7219.15% 21.53% 1 1-Sep 32.561.92% 5.37% 03-Mar 132.6527.72% 29.62% 0 1-Oct 52.856.66% 43.18% 13-Apr 162.5576.46% 28.17% 1 1-Nov 42.7348.35% 36.72% 03-May 142.774.49% 20.19% 1 1-Dec 32.5623.61% 24.86% 13-Jun 162.8168.43% 24.36% 1 数据来源:Noel Amenc etc.,2003 2.3.2.4.可转移Alpha策略的使用 在标准TAA框架下,策略需要动态调整股票(Dow Jones EUROSTOXX 50)和货币 (1个月Libor)的比例。

需要强调的是,组合策略应与比较基准相关。

我们列举 了3个可能的基准和相应的组合构建方法。

基准1:基准为100%的货币,那么在股票指数上的投资比例应为[-50%, 衍生品研究 50%]。

基准2:基准是100%的Dow Jones EUROSTOXX 50指数,那么在股票指数上 的的投资比例为[100%-y%,100%+y%],意味着大于100%时需要使用杠杆。

基准3:基准是50%的Dow Jones EUROSTOXX 50指数和50%的货币,在股票 指数上的投资比例为[50%-y%,50%+y%]。

变量y是我们可以控制组合策略的激进程度。

杠杆大小与投资者对预测结果的信 心有关,而对预测结果的信心可以用模型组合中各个模型对预测结果的一致程度 来刻画。

具体地,我们使用下述规则确定在基准1下的最优股票指数比例(注意: 基准2和基准3的股票指数比例分别为基准1下的比例加上100%和50%)。

若平均预测概率pm与50%之差大于一倍标准差,可以解释为对预测值的高信 心。

则在股票指数上的权重将等于50%pm 。

若平均预测概率pm与50%之差小于一倍标准差,可以解释为对预测值的低信 心。

则在股票指数上的权重将等于( 50%) / 2pm 。

同样地,可测试另一更为激进的组合,对应于股票指数的权重在高信心和低信心 时分别为2( 50%)pm 和50%pm ,下表中,我们展示了组合的比较结果。

表17组合实际收益比较 1个月LIBORDow Jones EUROSTOXX 50 50%×1个月LIBOR + 50%×Dow Jones EUROSTOXX 50 基准偏保守偏激进基准偏保守偏激进基准偏保守偏激进 累计收益率12.12% 27.52% 43.67% -52.65% -43.43% -33.15% -25.12% -12.38% -5.48% 年化收益率3.82% 8.28% 12.74% -21.43% -16.39% -11.35% -8.80% -3.91% -1.46% 年化波动率0.25% 5.55% 11.13% 25.73% 22.45% 20.22% 12.84% 10.08% 9.19% 夏普比率NA 0.8040.801 -0.981 -0.9 -0.75 -0.983 -0.766 -0.574 负收益占比NA 13.89% 13.89% 61.11% 61.11% 61.11% 38.89% 47.22% 61.11% 最差月收益NA -3.39% -7.04% -15.37% -13.31% -13.28% -7.55% -6.56% -8.38% 年化跟踪误差NANANANA 5.61% 11.22% NA 5.64% 9.63% 信息比率NANANANA 0.8980.449 NA 0.8690.763 数据来源:Noel Amenc etc.(2003) 3.我国市场Alpha与可转移Alpha策略:实证研究 3.1.策略构建可行性分析 3.1.1.机构战略选择 Alpha与可转移Alpha适合各类机构投资者:公募基金,私募基金、券商、保险 等机构。

不同投资者根据对市场走势的判断、结合自身风险偏好,可在Alpha、 或可转移Alpha策略中作出选择。

首先,熊市阶段、或牛市中的短中期下跌阶段, 适合采用Alpha策略,而牛市阶段、或熊市中的短中期上涨阶段,适合采用可转 移Alpha策略。

此外,风险偏好低、追求绝对回报的投资者更适合Alpha策略, 而风险偏好略高、追求相对回报(如战胜市场基准)的投资者可采用可转移Alpha 策略。

衍生品研究 3.1.2.资产配置与调整 关于Alpha与可转移Alpha策略中可投资资产,由于目前国内市场可运用的品种有 限,大多数国外流行的资产配置尚不能应用。

从可行性来看,Alpha部位可选择的 品种包括:基金(开放式、封闭式)组合与期货空头购建的组合;股票优选组合 与期货空头购建的组合;固定收益产品。

Beta部位可选择的品种包括:期货;期 货与ETF等组合。

值得说明的是,对于公募基金利用股指期货设计的基金产品, Alpha部位不能采用基金(或组合),但将于08年1月1日施行的《基金管理公司特定 客户资产管理业务试点办法》中,并未对基金公司开展专户理财业务时采用基金组 合进行限制。

关于策略动态调整及资产配置调整,Alpha与Beta部位的投资品种、以及两部位 之间的配置比例,可动态灵活调整。

如Alpha部位,既可根据一定标准持续持有 某类组合(如上述组合),也可针对某些短期事件性套利机会。

此外,对可转移 Alpha策略而言,可根据对市场环境及趋势的变化,修正Beta部位在总资产配置 中的比重,进而对风险敞口进行调整。

3.1.3.流程与技术 3.1.3.1. Alpha策略 现货优选模型。

如前述,确定Alpha部位配置的资产,需依据模型测算并动 态调整。

针对股票组合,可利用多因素模型等进行测算、验证后确定。

针对基金 组合,可利用信息比率等方法进行测算及验证。

Beta测算及预测。

随着现货部位市值的时变,依据一定历史数据测算的Beta 值也时变。

历史Beta并非真实Beta。

我们不仅需要在多种Beta预测方法中动态 选择、修正Beta预测方法,而且需要根据预测Beta与实际Beta之间的偏差调 整应对冲的期货头寸及价值。

我们已在相关报告《Beta预测研究:兼论在套保业 务中的运用》(07.9.13)、及《股指期货的套期保值理论及实证研究》(06.8.14) 中进行深入研究。

相对于套利而言,Alpha策略对Beta测算及预测、并据以进行期货空头部位调整 在频率、预测误差等方面的要求略低,实际操作时,毋需每日调整,仅在Beta 变动超过预定阀值的情况下进行调整即可。

期货保证金。

除规定的初始保证金外,为应对市场不利变化,还需留有足够 备用保证金。

如果备用保证金过低以致于不能应付追加保证金要求,则期货部位 面临被平仓的风险,从而导致对冲失败;备用保证金过高,则降低资金使用效率。

备用保证金数量与持有期货合约的持续时间有关。

收益与风险。

Alpha部位收益包括三部分:现货组合收益、期货空头收益、 成本与费用。

具体看,期货对冲现货部位的效果取决于几个因素:第一,基差风 险。

较大的基差风险将降低对冲效果;第二,Beta预测准确性。

由于预测Beta 并非真实Beta,因此Beta预测误差将在一定程度上影响对冲效果;第三,Beta 衍生品研究 调整频率。

调整频率越高,对真实风险的对冲越充分,但交易费用也随之增大。

Beta对冲频率取决于交易成本、Beta变化幅度等因素的平衡。

图12 Alpha策略流程 数据来源:国泰君安证券研究所 衍生品研究 3.1.3.2.可转移Alpha策略 图13可转移Alpha策略流程 数据来源:国泰君安证券研究所 除前述Alpha策略涉及的技术问题外,可转移Alpha还涉及如下问题: 大类资产配置。

目前我国市场一种可选策略是,Alpha部位由“股票(或基 金)组合+期货空头”构成,Beta部位由期货多头构成。

由于目前股指期货品种 缺乏,因此Alpha部位、Beta部位均只能利用沪深300指数期货。

由此,Alpha 部位中内嵌的沪深300指数期货空头、与Beta部位的沪深300指数期货多头可合 并,节省资金可按原比例配置于Alpha与Beta部位。

各类资产的配置比例,可由投资者策略而定。

Alpha、Beta部位的配置比例,由 投资者结合风险偏好、市场判断而定。

以Alpha收益增强指数基金的可转移Alpha 策略为例,其步骤包括:(1)可先将资金配置于Beta部位,保证期货多头完全 衍生品研究 复制指数。

(2)将其余资金按照完全对冲现货部位的要求,分别配置Alpha部位 的现货多头与期货空头。

(3)将跟踪基准指数的期货多头、与空头合并,节省资 金再按比例配置于现货与合并后的期货多头。

为应对期货保证金风险及策略追加资金,在上述现货配置外,还可以留有一定现 金比例。

收益与风险。

可转移Alpha收益主要包括两部分:Alpha部位收益、Beta部 位收益。

期货头寸合并不影响两部分收益的分解。

前述Alpha部位收益已有涉及。

Beta部位收益主要取决于标的指数收益率。

整体收益则取决于投资者对Alpha 部位、Beta部位配置的比例。

如果基差风险过大,可能显著影响策略效果。

以Alpha收益增强指数基金策略为 例,合并后期货部位为多头,则如果期货价格显著高于其理论价格,则对投资者 不利,可能降低整体收益率;如果期货价格显著低于其理论价格,则反之。

期货建仓阀值。

前述,在合并后期货部位为多头情况下,如果期货价格显著 高于其理论价格,则可能降低整体收益率。

如果期货价格不合理程度过高,则期 货建仓面临的潜在亏损,可能侵蚀掉部分或全部Alpha部位收益。

此时,整体收 益率可能低于预定基准表现。

因此,我们需要测算,在一定Alpha收益前提下, 期货价格不合理至何种程度(阀值),可转移Alpha策略仍可实施。

3.2.基于“FOF+期指”的Alpha、可转移Alpha策略研究 3.2.1.样本与区间 对于Alpha策略,我们采用“国内优选开放式基金组合+卖空沪深300股指期货” 策略构建,并留有5%现金仓位。

对于可转移Alpha策略,Alpha部位、现金仓 位同前,Beta部位则采用沪深300股指期货多头构建、以100%复制标的指数。

考虑到样本期间长度的限制,开放式基金样本选择05年前成立的基金。

由于新 基金的成立,各期间在市基金数量不断发生变化,因此每期可构建的优选基金组 合中包括的基金数量也随之发生变化。

考虑到沪深300指数的数据长度、以及上市开放式基金的数量,我们实证样本区 间选择为2003.4.1-2007.11.30。

在此基础上,进一步将样本区间动态划分为两 个阶段:选择期、持有期。

本文选择期分别选择3个月、6个月、12个月,持有 期也分别选择3个月、6个月、12个月,持有期现货组合的构建依赖于选择期模 型测算的结果。

由此构成9个选择期与持有期组合。

每隔1个月,选择期与持有 期动态滚动。

3.2.2.实证方法 3.2.2.1.策略实施步骤设定 按照TAA策略的思想,Alpha部位构建基本包括三个步骤: 依据一定模型,确定可能产生Alpha的资产类别;或确定相关因素,以确定 衍生品研究 能产生Alpha的资产应具有的特征。

在不同选择期内,依据优选模型动态构建现货组合。

进而,在不同持有期内,建立优选组合的现货头寸,并利用期货空头进行对 冲或调整空头部位,以获得Alpha。

对于可转移Alpha策略,则通过“现货部位 +合并后期货部位”构成。

本文实证研究以符合样本条件的开放式基金作为现货资产池。

由于国内资本市场 规模尚小、品种有限,因此基金投资风格有一定同质性、而且实际投资风格与招 募说明书陈述投资风格有一定差异。

基金业绩尚难以通过定量模型(如多因素模 型)进行较为准确合理的量化,因此本文未量化确定影响基金业绩的因素(如大/ 小市值风格、成长/价值风格等)、以进一步确定资产范围,而将所有符合样本条 件的基金均列入备选资产池。

选择期内以信息比率作为评价标准,进行基金组合的优选。

信息比率是国外构建 Alpha策略时经常采用的方法与评价标准。

信息比率的测算方法是, PP IR εα σ= , 其中, Pε σ为詹森模型中残差项的标准差。

该模型度量了,在控制Alpha波动风 险的情况下,Alpha策略获得的收益。

在各选择期内,我们依据信息比率,将基 金组合分为四类:优组合(前20%)、良组合(前20-40%)、中组合(前40-70 %)、差组合(前70-100%)。

依据选择期划分的四类组合,分别在持有期构建四类组合,并对冲系统风险,从 而获得Alpha,并计算可转移Alpha。

预测模型的表现,可以用预测与实际收益 的相关性或秩相关性检验、成功率、跟踪误差、信息比率度量。

3.2.2.2.技术细节假设 针对Alpha现货部位的优选模型:依据信息比率划分基金组合。

期货初始与备用保证金。

假设期货初始保证金为15%。

对于备用保证金,我 们按照持有期长短,分别采用多种方法进行测算。

如,对于持有期分别为3、 6、12个月,备用保证金比率约为15%。

期货追加保证金数量与期货持有时 间正相关。

这里假设追加保证金比率不变的理由在于:第一,为处理方便, 第二,隐含假设现货Alpha收益可用于满足保证金要求,第三,5%的现金头 寸可进一步满足保证金要求。

Beta测算及预测:Beta估计由詹森模型确定。

根据我们前期研究报告《Beta 预测研究:兼论在套保业务中的运用》(2007.9.15)得出结论,在考虑交易成 本和保证金资金成本的情形下,针对基金重仓股组合、基金净值进行1个月 的套保,静态历史β (1年)模型的套保效果要显著好于历史β (双月)。

因此,文本实证分析中采用滚动12个月(每月滚动1次)作为持有期(3个 月、6个月、12个月)Beta的预测值,每3个月进行Beta调整。

即针对持有 期为3个月、6个月、12个月,期初采用Beta预测值,并分别不进行、进行 1次、3次Beta调整。

Alpha内嵌Beta与跟踪市场基准Beta的合并:由于跟踪市场基准的期货部 位为多头(Beta假设为1)、Alpha内嵌Beta需要对冲的期货部位为空头(基 衍生品研究 金组合Beta时变),因此投资者可将多头空头部位进行对冲、而后建立单向 期货头寸。

根据本文实证分析中设定的目标(Beta部位100%跟踪基准指数), 则合并后期货头寸为多头。

这样,既达到Beta部位复制指数的目的,又节省 原始空头期货部位的现金、和对应Beta部位多头所需现金。

Alpha与Beta部位的资金配置:Beta部位100%跟踪基准,按照保证金比例 (如20%)的资金配置于期货多头。

现金仓位为5%。

其余资金按完全对冲 内嵌Beta的要求,配置于Alpha。

前述,由于Alpha内嵌Beta与跟踪市场基 准Beta的合并导致的现金节省,按基金组合现货、期货部位头寸比例重新投资。

期货成本: Beta预测误差导致的成本。

由于预测Beta与实际Beta有一定偏差,因此需 要定期依据Beta变化,对期货多头仓位进行调整。

Beta调整费用。

假设一直利用期货近月合约,则每月现有合约到期需平仓、 并需买入新上市合约,将带来建仓、调仓成本。

基差导致的期货成本。

期货理论价格通常高于现货价格,因此期货实际价格 与现货指数并不相符,甚至远偏离现货指数。

新合约上市前后,由于期货价 格不连续,因此期货建仓平仓过程中会产生成本。

本文实证分析假设期货实 际价格为理论价格。

现货期货收益率:将期间收益率折算为年化收益率。

3.2.3.实证结论 3.2.3.1 Alpha策略实证结论 我们通过“开放式基金组合+股指期货”组合构建Alpha策略,实证研究发现: 1. Alpha策略获得了成功,各不同选择期和持有期的组合均获得了显著的Alpha 收益。

2.当持有期相同时,选择期越长,基于“优”基金组合的Alpha策略的收益率 越高,而其他基金组合(良、中、差基金组合)并未呈现统一规律性。

当选 择期分别为3个月、6个月和12个月时,组合在持有期(3、6和12个月) 内的平均Alpha收益率依次为6.42%、6.60%和7.04%,说明选择期对于Alpha 收益率具有较为明显的影响,12个月表现最好的基金组合相对3个月和6个 月来说,持续性更强。

当选择期相同时,持有期越长,基于“优”基金组合的Alpha策略的收益率 越高,基于“良”组合的Alpha策略的收益率也越高,而其他基金组合(中、 差基金组合)同样并未呈现统一规律性。

当持有期分别为3个月、6个月和 12个月时,“优”组合在选择期(3、6和12个月)内的平均Alpha收益率依 次为6.02%、6.73%和7.31%,持有期越长Alpha收益率越高,体现了“优” 基金组合的业绩具有一定的持续性。

衍生品研究 表18开放式基金Alpha策略均值及t检验:存在持续且显著的Alpha收益 数据来源:国泰君安证券研究所 3.在不同的选择期和持有期,基于“优”基金组合的Alpha策略的表现均优于 “良”、“中”、“差”基金组合。

但从差异显著性来看,当持有期为12个月时, 无论选择期为3、6、12个月,“优”组合业绩均显著高于其他组合。

但当持 有期为3和6个月时,则在不同选择期内,“优”组合相对其他组合的Alpha 优势并不一定显著。

此外,对于相同持有期,随着选择期的增大,“优”组合 的相对优势在一定程度上呈现逐步显著的迹象。

表19 Alpha策略收益率差值的均值及t检验:“优选基金组合+股指期货”的Alpha策略均优于其它策略 3个月 6个月 12个月 选择期/持有期 优-良优-中优-差优-良优-中优-差优-良优-中优-差 均值0.61% 0.79% 1.09% 0.29% 0.21% 1.16% 0.71% 1.15% 1.15% 3个月 t值1.181.641.640.730.431.962.382.892.51 均值0.40% 0.61% 0.90% 0.75% 0.88% 1.69% 0.74% 1.88% 2.89% 6个月 t值0.761.311.391.761.923.482.465.476.76 均值0.64% 1.02% 1.05% 0.84% 1.19% 2.74% 1.52% 1.55% 3.24% 12个月 t值1.292.321.561.692.855.224.124.588.95 数据来源:国泰君安证券研究所 4.基于“优”基金组合的Alpha策略在熊市中的表现优于牛市,波动性小于牛 市。

绝大部分“优”组合Alpha策略在熊市中的表现要优于牛市,仅当选择 期为12个月、而对应持有期分别为6和12个月时,牛市中的表现优于熊市, 这可能与基金的价值投资理念有关,在熊市时基金更加抗跌,体现出更好的 投资价值。

3个月6个月12个月 选择期/持有期 优良中差优良中差优良中差 均值 均值6.04% 5.44% 5.26% 4.96% 6.37% 6.07% 6.15% 5.21% 6.84% 6.13% 5.69% 5.69% 5.82% 3个月 t值4.673.974.053.897.086.036.355.0610.498.167.058.29 均值5.83% 5.44% 5.22% 4.93% 6.75% 6.00% 5.87% 5.06% 7.22% 6.48% 5.34% 4.33% 5.71% 6个月 t值4.524.0143.938.086.195.955.0610.978.967.036.38 均值6.19% 5.55% 5.17% 5.14% 7.06% 6.21% 5.86% 4.31% 7.87% 6.35% 6.32% 4.63% 5.89% 12个月 t值4.823.983.943.97.295.756.154.9910.347.427.466.64 Alpha均值6.02% 5.48% 5.22% 5.01% 6.73% 6.09% 5.96% 4.86% 7.31% 6.32% 5.78% 4.88% 5.81% 衍生品研究 表20 牛熊市下的“优基金组合+股指期货”Alpha策略的收益率比较: 熊市大多优于牛市;选择期为12个月时,牛市收益要高于熊市 3个月6个月12个月 选择期/持有期 熊市牛市熊市牛市熊市牛市 均值7.38% 5.22% 8.24% 5.63% 7.64% 6.09% 3个月 t值6.762.6311.024.70 — 5.97 6.97% 5.13% 8.58% 6.53% 7.25% 6.52% 6个月 均值 t值6.542.5917.124.95 — 5.87 均值7.45% 5.42% 7.51% 7.56% 6.57% 8.05% 12个月 t值6.672.7617.284.80 — 6.70 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月1日。

注:我们剔除了由熊转 牛的中间期,对于12月持有期来说,由于熊市样本过少,我们未作检验。

图14 Alpha策略收益率及不同组合收益率差值(选择期/检验期:3/3月): 牛市的波动性显著大于熊市,优组合获得正Alpha收益的概率为86.4%,各类组合差异不显著 -20% -10% 0% 10% 20% 30% 40% 04.4-604.9-1105.2-405.7-905.12-206.5-706.10- 12 07.3-507.8-10 Alpha收益率(优) Alpha收益率(良) Alpha收益率(中) Alpha收益率(差) -15% -10% -5% 0% 5% 10% 04.4-604.9-1105.2-405.7-905.12-206.5-706.10- 12 07.3-507.8-10 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

图15 Alpha策略收益率及不同组合收益率差值(选择期/检验期:3/6月): 牛市的波动性显著大于熊市,优选组合获得正Alpha收益的概率为85%,各类组合差异不显著 -10% -5% 0% 5% 10% 15% 20% 25% 04.4-04.904.11-05.405.6-05.1106.1-06.606.8-07.107.3-07.8 Alpha收益率(优) Alpha收益率(良) Alpha收益率(中) Alpha收益率(差) -15% -10% -5% 0% 5% 10% 04.4-04.904.10-05.305.4-05.905.10-06.306.4-06.906.10-07.307.4-07.9 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

衍生品研究 图16 Alpha策略收益率及不同组合收益率差值(选择期/检验期:3/12月): 牛市的波动性显著大于熊市,优选组合获得正Alpha收益的概率为97.1%,各类组合差异不显著 -4% -2% 0% 2% 4% 6% 8% 10% 12% 14% 16% 18% 04.4-05.304.10-05.905.4-06.305.10-06.906.4-07.306.10-07.9 Alpha收益率(优) Alpha收益率(良) Alpha收益率(中) Alpha收益率(差) -6% -4% -2% 0% 2% 4% 6% 8% 04.4-05.304.10-05.905.4-06.305.10-06.906.4-07.306.10-07.9 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

图17 Alpha策略收益率及不同组合收益率差值(选择期/检验期:6/3月): 牛市的波动性显著大于熊市,优选组合获得正Alpha收益的概率为81.4%,各类组合差异不显著 -20% -10% 0% 10% 20% 30% 40% 04.1-304.7-905.1-305.7-906.1-306.7-907.1-3 Alpha收益率(优) Alpha收益率(良) Alpha收益率(中) Alpha收益率(差) -15% -10% -5% 0% 5% 10% 04.4-604.10-1205.4-605.10-1206.4-606.10-1207.4-6 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

图18 Alpha策略收益率及不同组合收益率差值(选择期/检验期:6/6月): 牛市的波动性显著大于熊市,优选组合获得正Alpha收益的概率为90%,各类组合差异不显著 -10% -5% 0% 5% 10% 15% 20% 25% 04.4-04.904.10-05.305.4-05.905.10-06.306.4-06.906.10-07.307.4-07.9 Alpha收益率(优) Alpha收益率(良) Alpha收益率(中) Alpha收益率(差) -15% -10% -5% 0% 5% 10% 15% 04.4-04.904.10-05.305.4-05.905.10-06.306.4-06.906.10-07.307.4-07.9 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

衍生品研究 图19 Alpha策略收益率及不同组合收益率差值(选择期/检验期:6/12月): 牛市的波动性显著大于熊市,优组合获得正Alpha收益的概率为100%,优组合显著优于良(中、差)组合 -4% -2% 0% 2% 4% 6% 8% 10% 12% 14% 16% 04.4-05.304.10-05.905.4-06.305.10-06.906.4-07.306.10-07.9 Alpha收益率(优) Alpha收益率(良) Alpha收益率(中) Alpha收益率(差) -6% -4% -2% 0% 2% 4% 6% 8% 04.4-05.304.10-05.905.4-06.305.10-06.906.4-07.306.10-07.9 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

图20 Alpha策略收益率及不同组合收益率差值(选择期/检验期:12/3月): 牛市的波动性显著大于熊市,优选组合获得正Alpha收益的概率为86.1%,各类组合差异不显著 -20% -10% 0% 10% 20% 30% 40% 04.1-304.7-905.1-305.7-906.1-306.7-907.1-3 Alpha收益率(优) Alpha收益率(良) Alpha收益率(中) Alpha收益率(差) -20% -15% -10% -5% 0% 5% 10% 04.4-604.10-1205.4-605.10-1206.4-606.10-1207.4-6 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

图21 Alpha策略收益率及不同组合收益率差值(选择期/检验期:12/6月): 牛市波动性显著大于熊市,优选组合获得正Alpha收益概率为97.5%,优组合显著优于良(中、差)组合 -15% -10% -5% 0% 5% 10% 15% 20% 25% 04.4-04.904.10-05.305.4-05.905.10-06.306.4-06.906.10-07.307.4-07.9 Alpha收益率(优) Alpha收益率(良) Alpha收益率(中) Alpha收益率(差) -8% -6% -4% -2% 0% 2% 4% 6% 8% 10% 12% 04.4-04.904.10-05.305.4-05.905.10-06.306.4-06.906.10-07.307.4-07.9 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

衍生品研究 图22 Alpha策略收益率及不同组合收益率差值(选择期/检验期:12/12月): 优选组合获得正Alpha收益概率为100%,优选组合显著优于良(中、差)组合 -5% 0% 5% 10% 15% 20% 25% 04.4-05.304.10-05.905.4-06.305.10-06.906.4-07.306.10-07.9 Alpha收益率(优) Alpha收益率(良) Alpha收益率(中) Alpha收益率(差) -4% -2% 0% 2% 4% 6% 8% 10% 04.4-05.304.10-05.905.4-06.305.10-06.906.4-07.306.10-07.9 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

5.对于期货部位,非完全套期保值头寸的损益和期货相对于现货的溢价成本是 实施Alpha策略的主要成本,将影响Alpha策略的利润水平。

以选择/持有 期为3/3的“优选基金组合+股指期货”为例: Beta预测误差导致的成本。

由于预测Beta与实际Beta有一定偏差,因 此需要定期依据Beta变化,对期货空头仓位进行调整,该项成本在本文 成分费用调整前Alpha中占比最高,并且波动较大(参见下图横轴下半 部分)。

同时,在期货调整空头头寸时,若现货价格在前一时期上涨,实 际Beta变大,则由于套保不足将给整个组合带来收益(参见下图横轴上 半部分)。

在未来实际业务操作中,针对Beta预测与实际值偏差而进行的期货部位 调整频率将大大提高。

相对于本文实证中每3个月调整一次头寸来说, 未来实际业务中该成本的占比将相应减小。

交易成本。

本文的交易成本我们仅考虑了逐月买卖期货合约的交易费用 (假定交易费用为期货成交价值的0.01%),平均占比仅为0.32%。

在未来实际业务操作中,对期货部位的调整频率将大大提高,相应该成 本的占比将相应提高。

图23 Alpha策略成本(以选择/持有期为3/3的优选组合为例): 主要源自期货套保头寸损失,同时期货套保部位也可能带来收益 -40% -20% 0% 20% 40% 60% 80% 100% 120% 04.4-04.604.11-05.105.6-05.806.1-06.306.8-06.1007.3-07.5 交易费用成本占比(%)期货套保损益占比(%) 衍生品研究 数据来源:国泰君安证券研究所。

当Alpha为负数时我们取绝对值。

3.2.3.2 可转移Alpha策略实证结论 我们同样通过“开放式基金组合+股指期货”构建可转移Alpha策略,其中Beta 部位期货保证金按照“15%初始保证金+15%超额保证金”,即计提全部投资的30% 模拟现货指数收益率,另外65%用于Alpha部位及其套保,剩余5%现金以应付 不时之需。

经过实证研究发现: 1.可转移Alpha策略获得了成功,各不同选择期和持有期的组合均获得了显著 的可转移Alpha超额收益(超越基准指数的收益)。

由于可转移Alpha策略 在Alpha策略基础上实施,因此前述Alpha策略中关于持有期、选择期对策 略结果的影响,在一定程度上仍适用。

图24不同选择/持有期可转移Alpha策略: 平均年化收益率均显著高于同期沪深300指数,且选择/持有期越长、收益率越高 45.55% 51.10% 50.54%50.92% 45.55% 61.76% 62.31% 62.50% 45.39% 62.49%62.93% 63.55% 0% 10% 20% 30% 40% 50% 60% 70% 3个月指数 3/ 3个月 6/ 3个月 12 /3 月 6个月指数 3/ 6月 6/ 6月 12 /6 月 12 个月指数 3/ 12 月 6/ 12 月 12 /1 2月 数据来源:国泰君安证券研究所 表21.开放式基金可转移Alpha策略超额收益率均值及t检验: 可转移Alpha策略存在持续且显著的超额收益,对优组合来说,一般选择/持有期越长,超额收益率越大 数据来源:国泰君安证券研究所 3个月6个月12个月 选择期/持有期 优良中差优良中差优良中差 均值 均值13.41% 12.66% 12.51% 12.39% 16.21% 15.96% 16.14% 15.21% 17.10% 16.28% 15.89% 16.30% 15.01% 3个月 t值4.774.544.283.887.216.976.425.767.917.546.778.09 均值12.85% 12.61% 12.45% 12.33% 16.76% 16.09% 15.77% 15.83% 17.54% 16.72% 15.52% 14.70% 14.93% 6个月 t值4.484.514.253.867.276.706.466.388.337.596.856.42 均值13.24% 12.53% 12.38% 12.34% 16.95% 15.71% 15.83% 14.44% 18.16% 16.29% 16.39% 14.74% 14.92% 12个月 t值4.734.454.213.866.886.646.285.817.857.577.386.90 可转移Alpha均值13.17% 12.60% 12.45% 12.35% 16.64% 15.92% 15.91% 15.16% 17.60% 16.43% 15.93% 15.25% 衍生品研究 2.在不同的选择期和持有期内,基于“优”基金组合的可转移Alpha策略表现 均优于“良”、“中”、“差”基金组合,其中过半具有显著性。

在持有期为12 个月时,所有基于“优”基金组合的可转移Alpha策略均显著优于其它组合, 在选择/持有期为12/6个月时,基于“优”选的策略也显著优于其它组合,这 说明持有时间和选择时间的长度对于可转移Alpha策略的基金组合具有重要 影响。

表22. 可转移Alpha策略年化收益率差值的均值及t检验: 基于“优”组合的可转移Alpha策略绝大多数优于其它策略,约50%具有显著性 3个月 6个月 12个月 选择期/持有期 优-良优-中优-差优-良优-中优-差优-良优-中优-差 均值0.75% 0.90% 1.03% 0.25% 0.08% 1.00% 0.83% 1.21% 0.80% 3个月 t值1.151.431.160.550.131.362.402.491.70 均值0.25% 0.40% 0.52% 0.68% 0.99% 0.93% 0.82% 2.02% 2.84% 6个月 t值0.390.690.601.281.741.572.104.795.51 均值0.70% 0.86% 0.90% 1.24% 1.12% 2.51% 1.87% 1.77% 3.41% 12个月 t值1.141.521.011.892.034.024.254.708.93 数据来源:国泰君安证券研究所 3.本文实证分析中,采用了将期货多头空头头寸合并、节省资金按投资结构同 比例配置的做法。

结果表明,在此策略下,可转移Alpha策略扩大了指数收 益率的波幅,在牛市尤其如此。

在考察区间内,优选组合获得超额收益率的 概率范围从73.8%到100%,选择/持有期越长,获得超额收益的概率越大。

我们认为这主要是因为本文的实证策略在熊市中的收益率与指数收益率基本 持平,而在牛市将放大股指收益率,获得显著的超额收益率。

图25可转移Alpha策略收益率及不同组合收益率差值(选择期/检验期:3/3月): 放大了指数收益率波幅,优组合获超额收益的概率为76.2%,各类组合差异并不显著 -120% -70% -20% 30% 80% 130% 180% 230% 280% 04.4-604.9-1105.2-405.7-905.12-206.5-706.10-1207.3-507.8-10 HS300指数年化收益率 可转移Alpha策略年化收益率(优选基金组合) 超额收益率 -25% -20% -15% -10% -5% 0% 5% 10% 15% 04.4-604.9-1105.2-405.7-905.12-206.5-706.10- 12 07.3-507.8-10 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

衍生品研究 图26可转移Alpha策略收益率及不同组合收益率差值(选择期/检验期:3/6月): 放大了指数收益率波幅,优组合获超额收益的概率为89.7%,各类组合差异并不显著 -100% -50% 0% 50% 100% 150% 200% 250% 04.4-904.9-205.2-705.7-1205.12-506.5-1006.10-307.3-8 HS300指数年化收益率 可转移Alpha策略年化收益率(优选基金组合) 超额收益率 -15% -10% -5% 0% 5% 10% 15% 04.4-04.904.11-05.405.6-05.1106.1-06.606.8-07.107.3-07.8 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

图27可转移Alpha策略收益率及不同组合收益率差值(选择期/检验期:3/6月): 放大了指数收益率波幅,优组合获超额收益的概率为89.7%,各类组合差异并不显著 -100% -50% 0% 50% 100% 150% 200% 250% 04.4-904.9-205.2-705.7-1205.12-506.5-1006.10-307.3-8 HS300指数年化收益率 可转移Alpha策略年化收益率(优选基金组合) 超额收益率 -15% -10% -5% 0% 5% 10% 15% 04.4-04.904.11-05.405.6-05.1106.1-06.606.8-07.107.3-07.8 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

图28可转移Alpha策略收益率及不同组合收益率差值(选择期/检验期:3/12月): 放大了指数收益率波幅,优组合获超额收益的概率为93.9%,优组合显著优于其它组合 -100% -50% 0% 50% 100% 150% 200% 04.4-05.304.9-05.805.2-06.105.7-06.605.12-06.1106.5-07.406.10-07.9 HS300指数年化收益率 可转移Alpha策略年化收益率(优选基金组合) 超额收益率 -8% -6% -4% -2% 0% 2% 4% 6% 8% 10% 04.4-05.304.11-05.1005.6-06.506.1-06.1206.8-07.7 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

衍生品研究 图29可转移Alpha策略收益率及不同组合收益率差值(选择期/检验期:6/3月): 放大了指数收益率波幅,优组合获超额收益的概率为73.8%,各类组合差异并不显著 -150% -100% -50% 0% 50% 100% 150% 200% 250% 300% 04.4-604.9-1105.2-405.7-905.12-206.5-706.10-1207.3-507.8-10 HS300指数年化收益率 可转移Alpha策略年化收益率(优选基金组合) 超额收益率 -20% -15% -10% -5% 0% 5% 10% 15% 04.4-604.11-105.6-806.1-306.8-1007.3-5 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

图30可转移Alpha策略收益率及不同组合收益率差值(选择期/检验期:6/6月): 放大了指数收益率波幅,优组合获超额收益的概率为92.3%,各类组合差异并不显著 -100% -50% 0% 50% 100% 150% 200% 250% 04.4-904.9-205.2-705.7-1205.12-506.5-1006.10-307.3-8 HS300指数年化收益率 可转移Alpha策略年化收益率(优选基金组合) 超额收益率 -10% -5% 0% 5% 10% 15% 04.4-04.904.11-05.405.6-05.1106.1-06.606.8-07.107.3-07.8 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

图31可转移Alpha策略收益率及不同组合收益率差值(选择期/检验期:6/12月): 放大了指数收益率波幅,优组合获超额收益的概率为93.4%,优选组合显著优于其它组合 -100% -50% 0% 50% 100% 150% 200% 04.4-05.304.9-05.805.2-06.105.7-06.605.12-06.1106.5-07.406.10-07.9 HS300指数年化收益率 可转移Alpha策略年化收益率(优选基金组合) 超额收益率 -8% -6% -4% -2% 0% 2% 4% 6% 8% 10% 04.4-05.304.11-05.1005.6-06.506.1-06.1206.8-07.7 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

衍生品研究 图32可转移Alpha策略收益率及不同组合收益率差值(选择期/检验期:12/3月): 放大了指数收益率波幅,优组合获超额收益的概率为73.8%,各类组合差异并不显著 -150% -100% -50% 0% 50% 100% 150% 200% 250% 300% 04.4-604.9-1105.2-405.7-905.12-206.5-706.10-1207.3-507.8-10 HS300指数年化收益率 可转移Alpha策略年化收益率(优选基金组合) 超额收益率 -20% -15% -10% -5% 0% 5% 10% 15% 04.4-604.11-105.6-806.1-306.8-1007.3-5 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

图33可转移Alpha策略收益率及不同组合收益率差值(选择期/检验期:12/6月): 放大了指数收益率波幅,优组合获超额收益的概率为92.3%,优组合显著优于其它组合 -100% -50% 0% 50% 100% 150% 200% 250% 04.4-04.904.9-05.205.2-05.705.7-05.1205.12-06.506.5-06.1006.10-07.307.3-07.8 HS300指数年化收益率 可转移Alpha策略年化收益率(优选基金组合) 超额收益率 -10% -5% 0% 5% 10% 15% 04.4-04.904.11-05.405.6-05.1106.1-06.606.8-07.107.3-07.8 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

图34可转移Alpha策略收益率及不同组合收益率差值(选择期/检验期:12/12月): 放大了指数收益率波幅,优组合获超额收益的概率为93.9%,优组合显著优于其它组合 -100% -50% 0% 50% 100% 150% 200% 250% 04.4-04.904.9-05.205.2-05.705.7-05.1205.12-06.506.5-06.1006.10-07.307.3-07.8 HS300指数年化收益率 可转移Alpha策略年化收益率(优选基金组合) 超额收益率 -10% -5% 0% 5% 10% 15% 04.4-04.904.11-05.405.6-05.1106.1-06.606.8-07.107.3-07.8 优-良优-中优-差 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月。

衍生品研究 4.基于“优”组合的可转移Alpha策略在熊市中的表现与沪深300指数收益率 基本持平,而在牛市中表现显著优于指数。

大部分优选组合Alpha策略在熊 市中的表现要优于沪深300指数,仅当持有期为3个月时,可转移Alpha策 略表现略弱于沪深300指数,但并不显著。

在牛市中,可转移Alpha策略表 现显著优于沪深300指数收益率。

表23 牛熊市下的“优选基金组合+股指期货”可转移Alpha策略的收益率比较: 熊市与指数收益率基本持平,牛市显著优于指数收益率 3个月6个月12个月 选择期/持有期 熊市牛市熊市牛市熊市牛市 收益率均值-25.10% 97.99% -24.50% 117.14% -29.06% 119.96% 3个月 超额收益率均值-0.06% 21.02% 2.51% 25.83% 0.24% 26.73% -26.09% 97.69% -24.07% 117.92% -27.99% 120.42% 6个月 收益率均值 超额收益率均值-0.78% 16.92% 2.93% 26.62% 1.31% 27.18% 收益率均值-25.19% 97.75% -25.24% 118.82% -28.68% 122.06% 12个月 超额收益率均值-0.14% 20.78% 1.77% 27.51% 0.62% 28.82% 数据来源:国泰君安证券研究所。

牛熊市的划分点为05年8月1日。

注:我们剔除了由熊转 牛的中间期。

5.期货相对于现货的溢价成本是实施可转移Alpha策略的主要成本。

以选择/ 持有期为3/3的“优选基金组合+股指期货”可转移Alpha为例: 期货溢价成本。

由于实际交易中期货相对于现货可能出现溢价,本文为了研 究的方便,仅按照期货持有成本模型的理论定价(将持有期作为合约到期时 间)给与了一定溢价,该溢价平均占未考虑成本的净可转移Alpha策略收益 的比例为4.65%。

在未来实际操作中,我们预期期货的溢价水平可能超过理论水平,尤其在期 货上市初期,过高的期货溢价率将使得可转移Alpha策略变得无利可图。

Beta预测误差导致的成本。

由于可转移Alpha策略期货头寸较Alpha策略低, 该项成本占比相对低很多,平均仅为0.73%,但是波动较大,参见下图横轴 下半部分。

交易成本。

本文的交易成本我们仅考虑了逐月买卖期货合约的交易费用(参 考了0.01%的费用水平),平均占比为0.98%。

在未来实际操作中,Beta变化导致的期货部位调整频率将大大提高,相应该 成本的占比将相应提高。

衍生品研究 图35可转移Alpha策略成本(以选择/持有期为3/3的优选组合为例): 主要源自期货相对于现货的溢价成本 -20% -10% 0% 10% 20% 30% 40% 50% 60% 04.4-04.604.11-05.105.6-05.806.1-06.306.8-06.1007.3-07.5 期货溢价成本占比(%)交易费用成本占比(%) 期货套保损益占比(%) 数据来源:国泰君安证券研究所。

当可转移Alpha为负数时我们取绝对值。

4.结论与延伸研究 4.1.基本观点 (1)海外市场机构投资者对衍生品的应用 海外不同市场的机构投资者对衍生品的参与程度不尽相同。

(1)在1995年,美 国21%的共同基金投资于衍生品。

基金主要投资于期权和期货,并且主要目的是 套期保值。

(2)在2005年,西班牙共同基金中,大约有60%使用了衍生品,衍生 品的合约价值占基金净值的比例在10年内从2.7%提高至15.8%。

(3)在2006年, 欧洲的共同基金大约有70%使用了衍生品。

法国、意大利和荷兰的基金运用程度 最高,英国和北欧国家最低。

套期保值是使用衍生品最重要的目的,Alpha转移 和绝对回报策略的使用得到了长足的发展。

(4)在2006年,全球大约73%的对冲 基金使用了衍生品,这一数据是共同基金的三倍。

衍生品运用对基金绩效的影响是多方面的。

(1)关于对基金收益风险的影响,不 同的研究结论并不一致。

普遍认为使用衍生品并不会增大基金的风险,但也不会 提高基金的绩效。

但欧洲交易所上市的期货合约却被证明能提高共同基金绩效。

(2)关于对开放式基金面临申购赎回时的现金管理的影响,普遍认为使用衍生 品可使现金流动的管理更有效率,其择时能力也好于不使用衍生品的基金。

机构投资者对衍生品的运用主要体现在三个方面:投资方式的变革、产品设计和 策略复制。

(1)在投资方式变革方面,衍生品的主要功能套期保值、投机、套利 和资产配置。

(2)在产品设计方面,利用股指期货可以设计保本基金、指数基金、 Alpha基金和可转移Alpha基金。

(3)在策略复制上,共同基金可以利用衍生品 复制对冲基金的各种策略。

(2)海外市场Alpha与可转移Alpha策略的理论与实践 衍生品研究 可转移Alpha策略是在维持整体投资所需系统风险暴露的前提下,使投资者可以 将市场的被动投资收益(Beta)和超额收益(Alpha)分开,通过低成本获取Beta的 同时,独立的寻找和管理Alpha。

可转移Alpha策略相对于传统策略的优势主要 体现在:更广泛的投资领域、更适度的风险暴露、更大的灵活性、增强的有效性、 更低的风险和更低的费用。

Alpha策略和可转移Alpha策略在适用的市场环境、 投资者风险偏好、期货部位、收益性质、比较基准和Beta部位灵活性方面有着本 质差别。

海外市场研究关于Alpha的存在性有一定争议。

在Alpha的稳定性方面,普遍认 为Alpha具有时变性,并不能保证长期为正。

在可转移Alpha策略的实证检验中, 有研究表明该策略具有较高的收益和较低的风险。

可转移Alpha的构建流程包括:确定Alpha策略和目标Beta,确定Alpha和Beta 的风险预算,在Alpha和beta间配置资产以满足预定的市场暴露,确定风险参数 使得Alpha和Beta的风险得到动态监控。

在施行可转移Alpha策略中,构建Alpha 时需要注意Alpha的存在性、Alpha的头寸限制、Alpha的稳定性、收益与成本、 隐含Beta和流动性等问题;在构建Beta时需要注意产品选择、成本与跟踪误差 的平衡和对手风险等问题。

在寻求市场或板块的择时Alpha以及可转移Alpha时可借助战术资产配置策略 (TAA)来实现。

TAA策略的运用有三个步骤:根据资产类别预测资产收益,构建组 合和样本外检验。

(3)我国市场Alpha与可转移Alpha策略的实证研究结论 对于Alpha策略,我们采用“国内开放式基金组合+卖空沪深300股指期货”策 略构建,并留有5%现金仓位。

对于可转移Alpha策略,Alpha部位、现金仓位 同前,Beta部位则采用沪深300股指期货多头构建、以100%复制标的指数。

考 虑到样本期间长度的限制,开放式基金样本选择05年前成立的基金。

我们实证样本区间为2003.4.1-2007.11.30,并进一步划分为选择期与持有期。

选择期分别选择3个月、6个月、12个月,持有期也分别选择3个月、6个月、 12个月,持有期现货组合的构建依赖于选择期模型测算的结果。

由此构成9个选 择期与持有期组合。

每隔1个月,选择期与持有期动态滚动。

本文实证研究以符合样本条件的开放式基金作为现货资产池。

选择期内以信息比 率作为评价标准,将基金组合分为优、良、中、差四类组合。

构建策略的过程中 涉及期货初始与备用保证金、Beta测算及预测、Alpha内嵌Beta与跟踪市场基 准Beta的合并、Alpha与Beta部位的资金配置、期货各项成本费用测算等技术 细节。

本文测算收益率均换算成年化收益率。

关于Alpha策略实证结论:(1)Alpha策略获得了成功,各不同选择期和持有期 的组合均获得了显著的Alpha收益。

(2)当持有期相同时,选择期越长,基于“优” 基金组合的Alpha策略的收益率越高,而其他(良、中、差)基金组合并未呈现 统一规律性。

当选择期相同时,持有期越长,基于“优”、“良”基金组合的Alpha 衍生品研究 策略的收益率越高,而中、差基金组合同样并未呈现统一规律性。

(3)在不同的 选择期和持有期,基于“优”基金组合的Alpha策略的表现均优于其他基金组合。

对于相同持有期,随着选择期的增大,“优”组合的相对优势在一定程度上呈现逐 步显著的迹象。

(4)基于“优”基金组合的Alpha策略在熊市中的表现优于牛市, 波动性小于牛市。

(5)对于期货部位,非完全套期保值头寸的损益是实施Alpha 策略的主要成本,将影响Alpha策略的利润水平。

关于可转移Alpha策略实证结论:(1)可转移Alpha策略获得了成功,各不同选 择期和持有期的组合均获得了显著的可转移Alpha超额收益(超越沪深300指数 收益)。

(2)在不同的选择期和持有期内,基于“优”基金组合的可转移Alpha 策略表现均优于其他基金组合,其中过半具有显著性。

(3)本文采用了将期货多 头空头头寸合并、节省资金按投资结构同比例配置的做法。

结果表明,在此策略 下,可转移Alpha策略扩大了指数收益率的波幅,在牛市尤其如此。

选择/持有期 越长,获得超额收益的概率越大。

(4)基于“优”组合的可转移Alpha策略在熊 市中的表现与沪深300指数收益率基本持平,而在牛市中表现显著优于指数。

(5) 期货相对于现货的溢价成本是实施可转移Alpha策略的主要成本。

4.2.延伸研究 本文实证部分分别利用“开放式基金组合+股指期货空头”和“开放式基金组合+ 股指期货多头”两类组合对我国未来市场Alpha与可转移Alpha策略进行了较为 详细的实证检验,发现两种策略均取得了成功,具有实际操作的可行性。

我们认 为在股指期货推出后实施Alpha与可转移Alpha策略需要进一步拓展以下几类问 题: 大类资产配置选择。

实施Alpha与可转移Alpha策略的关键问题是,如何通 过更有效的模型量化工具寻求可以带来超额收益的资产,而且这部分超额收 益能够通过衍生品规避系统性风险,在更为有效的市场环境下,这一任务将 变得更为艰巨。

组合内资产配置比例。

可转移Alpha策略按照“(节约资金比例)*(65%现 货头寸+(Beta部位期货头寸-Alpha部位内嵌期货头寸))+5%现金”的比例 配置。

而实际上各类资产的配置比例对于两种策略的成功与否影响很大,其 本质是风险和收益的权衡问题。

例如,在可转移Alpha策略中,我们也可以 将期货头寸节约的资金全部用于Alpha部位,这样将不会放大系统性风险, 同时取得更大的Alpha部位收益,其代价则是放弃了现货大幅上涨带来的收 益(正如实证部分显示)。

此外,本文Beta部位采用(Beta部位合并前)100% 跟踪基准的基本假定,实际操作中,投资者完全可以根据自身风险偏好、以 及市场环境的变化,动态调整Beta配置,即采用弹性Beta策略。

需要进一步研究的技术细节问题。

Alpha与可转移Alpha策略涉及大量的技术 问题,诸如时间窗口长短选择、保证金配置比重、Beta预测及调整、资金动 态配置调整、期货合约期限与建平仓时点选择等。

关于这些技术问题的设定, 本文在前期关于Beta测算及预测、保证金问题研究的基础上进行了合理假定, 但为研究方便,本文未给出在时变环境下关于这些技术细节问题的最佳调整 方案,同时对部分问题也进行了适当简化。

在未来实务操作中,这些技术问 衍生品研究 题的解决与否将影响Alpha与可转移Alpha策略的成功与否,需要我们进一 步深入研究。

关于Aalpha及可转移Alpha策略,我们未来将对此问题进行进一步研究, 后续工作包括: 采用本文实证方法,针对封闭式基金组合与股指期货进行研究,其中纳 入折价、到期、分红因素的影响。

针对开放式基金、封闭式基金按照资产规模,与股指期货配合,进行分 类研究。

针对风格股票指数(低/高市盈率股票指数、大/中/小盘股票指数,价值/ 成长股票指数等),与股指期货配合,进行分类研究。

采用多因素模型等,选择适当变量,对影响我国股票、或基金组合的因 素进行动态选择、建模与预测,以识别相关影响变量,进而对可能产生Alpha 的来源加以预测。

关于这方面工作,我们在《价值投资时代,市场关注哪些 指标?》(2005年11月28日)进行过研究。

我们以沪深300指数成分股、基 金重仓股为样本,利用2003、2004年报数据,采用逐步回归及主成分分析方 法,建立了决定股票价值的估值模型。

结果表明,主要因素包括每股收益、 行业市盈率、流通股本、每股净资产、每股净资产增长率等体现盈利能力、 行业属性、股本状况和成长性的指标。

基于沪深300指数和基于基金重仓股 的估值模型均表明,根据模型构造的低估组合在未来一年中,能够跑赢其基 准指数,而高估组合则将落后其基准指数。

这一发现一方面表明市场效率较 高,在较短的时间内就进行了纠错,另一方面也证明了本文模型的合理性。

对此问题,我们将结合市场环境的变化进一步研究。

对固定收益产品与股指期货配合的策略,进一步研究。

建立Alpha及可转移Alpha动态数据模拟量化系统。

建立相应数据库, 将量化模型予以编程,采用真实交易数据,实时跟踪,以真实验证策略效果, 并对技术问题予以深入解决。

衍生品研究 作者简介: 蒋瑛琨:吉林大学数量经济学博士,CPA,2006年《新财富》“衍生品”最佳分析师第二名(团 队)。

2005年7月加入国泰君安证券研究所,从事股指期货、权证等金融衍生品以及金融工程 研究,发表多篇深度报告。

吴天宇:上海财经大学经济学硕士,2006年7月加入国泰君安研究所,目前从事金融工程研究。

张 晗:复旦大学统计学学士、硕士,从事权证与股指期货等金融衍生品及金融工程的研究。

章秀奇:复旦大学国际金融系硕士毕业,2007年3月加入国泰君安研究所,目前从事金融工程 和衍生产品研究,已通过美国风险管理师(FRM)认证考试。

免责声明 本报告的信息均来源于公开资料,我公司对这些信息的准确性和完整性不作任何保证,也不保证所包含的信息 和建议不会发生任何变更。

我们已力求报告内容的客观、公正,但文中的观点、结论和建议仅供参考,报告中 的信息或意见并不构成所述证券的买卖出价或征价,投资者据此做出的任何投资决策与本公司和作者无关。

我公司及其所属关联机构可能会持有报告中提到的公司所发行的证券头寸并进行交易,也可能为这些公司提供 或者争取提供投资银行、财务顾问或者金融产品等相关服务。

本报告版权仅为我公司所有,未经书面许可,任何机构和个人不得以任何形式翻版、复制和发布。

如引用、 刊发,需注明出处为国泰君安证券研究所,且不得对本报告进行有悖原意的引用、删节和修改。

衍生品研究 国泰君安证券研究所 上海银城中路168号上海银行大厦29层 邮政编码:200120 电话:(021)38676666 深圳 深圳市罗湖区笋岗路12号中民时代广场A座20楼 邮政编码:518029 电话:(0755)82485666 北京 北京市西城区金融大街28号盈泰中心10层 邮政编码:100032 电话:(010)59312899 国泰君安证券研究所网址: E-MAIL:gtjaresearch@ms.gtjas.com

推荐给朋友: 收藏    |      
尊敬的用户您好!
         为了让您更全面、更快捷、更深度的使用本服务,请您"立即下载" 安装《慧博智能策略终端
         使用终端不仅可以免费查阅各大机构的研究报告,第一手的投资资讯,还提供大量研报加工数据,盈利预测数据,历史财务数据,宏观经济数据,以及宏观及行业研究思路,公司研究方法,可多角度观测市场,用更多维度的视点辅助投资者作出投资决策。
         目前本终端广泛应用于券商,公募基金,私募基金,保险,银行理财,信托,QFII,上市公司战略部,资产管理公司,投资咨询公司,VC/PE等。
慧博投资分析手机版 手机扫码轻松下载