風險平價模型：投資者必看模型_SHA:RAT

風險平價模型

在傳統市場里，風險平價模型（Risk Parity）試圖通過將資金分配到更廣泛的類別，如股票、政府債券、信貸相關證券和通脹對沖（包括實物資產、商品、房地產和通脹保值債券）等，來均衡風險，同時通過金融杠桿作用實現收益最大化。據Bridgewater Associates的首席投資官Bob Prince的說法，傳統風險平價投資組合的定義參數是不相關的資產、低股票風險和被動管理。

關于投資，有一條廣為人知的投資理念是不要把所有的雞蛋放在一個籃子里。那么，如果有人建議你把90%以上的雞蛋放在一個籃子里，你會認為這樣就足夠分散投資了嗎？可是很多傳統的60%的股票和40%的債券的平衡投資組合的人都是這樣做的，盡管60/40的投資組合并不能提供真正的風險分散。

Fineqia宣布計劃啟動一個新的風險投資基金，主要投資數字資產創新公司:金色財經報道，數字資產和金融科技投資公司 Fineqia International宣布計劃啟動一個新的風險投資基金，該基金將投資于數字資產行業的創新公司。Fineqia 將把部分投資轉移給一家名為 Fineqia Glass Slipper Ventures (FGSV) 的新公司，該公司將成為 FGSV 投資組合的一部分，Fineqia 將獲得該基金的相應股權。

公司擬將 FSGV 設立為歐洲經濟區 (EEA) 的私募封閉式基金，旨在通過投資于具有巨大增長潛力的有前途的公司來產生可觀的回報。Fineqia 已將區塊鏈基礎設施、DeFi和包括游戲、媒體和娛樂在內的元宇宙等細分市場確定為重點投資領域。FSGV 的設置成本為 100,000 瑞士法郎（150,000 加元）。公司預計將于 2023 年第三季度完成首次交割。[2023/5/7 14:47:50]

186家銀行被發現存在與硅谷銀行相似的風險:金色財經報道，經濟學家最近的一項研究確定了 186 家銀行處于風險之中。這些銀行面臨著與導致硅谷銀行倒閉的問題類似的問題。在美聯儲迅速加息的過程中，經濟學家們對美國的個別銀行進行了評估。他們評估了資產賬簿和市場價值損失。國庫券和抵押貸款等資產的價值可能會下降。當新債券提供更高的利率時，就會發生這種情況。他們的發現表明存在潛在問題。如果這些未投保的儲戶中有一半要從這 186 家美國銀行中的任何一家迅速提取資金，即使是投保的儲戶也可能面臨損失。這是由于所有存款人可用的資產不足。

經濟學家在他們的論文中表示，我們的計算表明，如果沒有政府干預或資本重組，這些銀行肯定面臨擠兌的潛在風險。[2023/3/18 13:11:42]

來源：

動態 | 韓國政府將虛擬貨幣列為九大主要洗錢風險因素之一:據Money Today消息，韓國政府已開始籌備明年國際組織反洗錢金融行動特別工作組（FATF）的評估。政府將國內主要的洗錢風險因素分為九大類別，其中包括虛擬貨幣，因其交易追蹤困難以及違法收入手段復雜。[2018/11/27]

https://en.wikipedia.org/wiki/Risk_parity

為什么會這樣呢，因為“蛋”(風險)的大小是不一樣的。股票的風險是債券的9倍左右。假設股票和債券收益率有每年的標準差分別為15%和5%。那么，從方差來看，股票的風險是債券的9倍。假設我們將6個股票 "蛋 "和4個債券 "蛋 "分別放在兩個籃子里。股票的風險對總體風險的貢獻是93%。

香港監管部門：比特幣在金融犯罪中處于“中低級”風險 : 4月30日，香港財經事務及庫務局(FSTB)公布了一份有關洗黑錢(ML)和恐怖主義融資(TF)的報告。報告的結論是，像比特幣這樣的虛擬貨幣，并沒有特別涉及任何一種金融犯罪，沒有明顯地影響到香港的整體風險，投資風險被評估為中低級。[2018/5/2]

雖然我們的雞蛋比喻可能看起來很簡單，但它與實際情況相差不遠。例如，從1983年到2004年，羅素1000指數的超額收益率年化波動率為15.1%，雷曼綜合債券指數的年化波動率為4.6%，而兩者之間的相關性為0.2。由此可見，60/40的投資組合在資本配置上可能看起來是平衡的，但從風險配置的角度來看，它是高度集中的。

模型的計算

事實上風險平價的實際推導過程蘊含著不同資產的長期表現與復雜的數學求解，它基于一個長期觀察的假設，即大類資產的Sharpe Ratio (單位風險的收益) 是接近一致的。如股票、債券、黃金及其他大宗商品1971-2009年的Sharpe Ratio都在0.3左右。Bitcoin的5年滾動Sharpe ratio為1.25——從這個角度來看看未來數字貨幣興許將迎來更低的收益或更高的風險。

來源：Messari

風險平價的本質實際是假設各類資產的Sharpe Ratio長期趨于一致去尋找投資組合的長期Sharpe Ratio的最大化。我們不妨看一個最簡單的例子，假設兩個資產的Sharpe Ratio分別是S1與S2,他們的波動率分別是σ1與σ2，他們的相關性為ρ。兩種資產的風險貢獻分別為RC1與RC2，投資策略組合的Sharpe Ratio為SR。

來源：Newbloc 資產組合的Sharpe Ratio及其導數

通過對資產組合的Sharpe Ratio(藍色)，及其導數(紅色)分析和運算可知在當前的假設下兩種資產的資金配比分別為以下比例時產生的Sharpe Ratio是最大的。

在數字貨幣市場中的實踐

Newbloc, 基于AI的量化交易系統，通過機器學習，挖掘市場特征，通過歷史和實時數據訓練交易決策引擎構建了包括因子、套利、對沖、趨勢四大類幾十種子策略。基于Newbloc資管團隊在傳統金融市場中的風險平價模型的研究，我們將其運用在復合類策略的構建與優化之中，旨在獲得最大的單位風險收益。以下是子策略自2019年1月1日以來的表現。可以看到從單策略長期的表現來看最好的Sharpe Ratio是2.61, 最好的最大回撤為16%。通過平價模型優化的策略組合年化為132%，最大回撤可以控制在10%以內。

來源：Newbloc

文 / New Bloc CIO 馬潔

Tags：SHAARPRATIORATbDollar ShareWarp Cash6 Generationrating幣最新

Pol幣