20230313-国金证券-Beta猎手系列之二：熵池模型，如何将纯主动观点纳入量化配置模型.pdfVIP

本文是国金证券 Beta 猎手系列的第二篇报告，主要是想从配置组合权重优化的角度去提升配置模型的组合表现。以 往的组合配置模型有各类的弊端，我们希望通过引入新的模型框架(熵池模型)使得配置模型的适用性更强。我们首 先通过熵池模型（Entropy Pooling）与 BL 模型的对比，说明两者在整体思路上是一致的，不过熵池模型可以视作 BL 模型的延展，在BL 模型的观点形式单一、正态假设对分布欠估计等方面做出了优化，能够融入形式多样化、范围 更加广的观点。结合实际应用场景，本文举例说明主观投资者使用的比较型观点与宏观外部因子观点等都能放入配 置模型，并使用非参数方法提升估计准确性，得到较为稳定的结果。 理论介绍部分，我们依序解析了熵池模型的三个输入变量，然后着重讲解模型使用的“模拟样本扩容”、“相对熵最 小化”与“观点池化”等方法及其理论细节，从各方面完整说明模型的理论优势。 随后本文检验了熵池模型在应用上的效果，发现较BL 模型年化收益、波动率和回撤控制方面，熵池模型都有更好的 表现。我们使用基于景气度估值因子的行业轮动配置作为模拟场景，主要对熵池模型的各个方面做了七项检验：一、 使用正态与非参数方法的熵池模型与 BL 模型结果对比，发现熵池模型较 BL 模型在年化收益、夏普比、换手率控制 等方面都有提升；二、构造排序型观点与波动率观点，对比单独放入与合并放入的结果，证明熵池模型能对多种类 型观点的信息进行有效融合，配置效果随着信息增加而提升；三、对比使用最大化夏普比、最小化风险与风险平价 三种优化函数的效果，发现非参数方法的熵池模型对效用函数更加稳定；四、对比不重抽样、重抽样 100 次与重抽 样 1000 次的熵池模型效果，发现适当次数的重抽样确实能够提升估计的稳健性；五、对比输入历史样本长度为1 年、 2 年与 3 年的模型结果，发现模型效果并非样本增长而更稳定，需要根据实际投资情况选择参数；六、将 10 年国债 利率作为外部因子输入模型，证明熵池模型能够有效利用外部因子观点，观点输入具有极高的灵活性；七、实现了 输入样本与优化样本的分离，对比结果也证明我们的改进符合逻辑，能带来更好的配置效果。 最后本文探索了熵池模型在真实投资中的应用效果，并具体给出了两个配置方案。一是行业轮动配置方案，我们仍 然使用基于景气度估值因子的行业轮动模型，时间范围从2010 年1 月至2023 年2 月，每月从中信一级中挑选前5 行 业等权配置作为基准组合。熵池模型策略同时使用排序型观点、波动率观点与10 年国债利率的外部因子观点，输入 3 年样本、优化1 年样本，使用最大化夏普比作为效用函数。基准策略的年化收益为12.45%，夏普比率0.364；而熵 池模型的年化收益提高到16.50%，夏普比率提高到0.464。 二是股债配置方案，我们使用宏观事件因子生成股票的配置信号以及相应的基准策略，时间范围从 2005 年 1 月至 2023 年 2 月，基准策略年化收益 21.97%，夏普比率 1.631。本文使用宏观因子配置信号构造排序型观点叠加外部因 子的配置策略一年化收益达到 23.82%，夏普比为 1.624；叠加波动率观点的策略二年化收益为24.52%，夏普比率为 1.677。添加投资相对约束后，使用排序加外部因子观点的策略三年化23.76%，但波动得到控制，夏普比达1.681； 使用三种观点的策略四更是年化24.47%，夏普比达1.737。 以上结果通过历史数据统计、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。 敬请参阅最后一页特别声明 1 金融工程专题报告 内容目录 一、熵池模型应用介绍4 1.1 模型背景 4 1.2 模型应用场景4 1.3 模型原理简介 5 二、模型解析 5 2.1 模型输入变量介绍 5 2.2 模型流程详细介绍 8 三、熵池模型检验与应用 10 3.1