【研报复现】基于半衰主成分风险平价模型的全球资产配置策略研究

今天是星球的【每周研报代码复现】专题，今天要复现的研报是：天风证券的“基于半衰主成分风险平价模型的全球资产配置策略研究”。

主题就是用风险平价模型做投资组合的分散化配置。

01 研报的创新点

一、在经典的风险平价的基础上，引入了主成分分析（PCA）,传统的风险平价的分险分散是为风险资产本身比如股票、债券、商品。而使用PCA主成分分解后，风险的配置转为这些风险资产背后的风险因子。

二、“半衰”的意思是协方差的周期进行加权平均。传统为固定的240天，研报把它分成4个60天，而每个60天的权重不一样，分别为1/10,2/10,3/10,4/10，也就是最近的协方差，权重越高。——简单说，就是把离当前越近的特征权重加大，这样模型更加“敏感”反映真实的情况。

02 构建逻辑

传统的风险平价模型（RP）会对所有存在波动的资产分配投资权重，使得
在资产配置过程中资产选择的好坏变得异常重要。

利用主成分提取资产的风险因子，针对风险因子构建了主成分风险平价模型（PCRP）。同时，模型构建中，每个调仓期会使用过去 240 个交易日用于协方差估计，
并进行季度调仓，这隐含着风格持续一年不变的假设。事实上，近年来市场风格短期变化剧烈，并不会维持很长的时间。因此，我们基于资产短期动量的思想，尝试将资产的短期动量效应应用到协方差的估计上，构建了
半衰主成分风险平价资产配置模型（HPCRP）。

03 风险资产选择

全球股票市场中选取主要指数季度调仓进行资产配置策略研究，
主要指数包括：沪深 300 指数、中证 500 指数、恒生指数、恒生国
企指数、请选用标普 500、纳斯达克指数、富时 100、巴黎 CAC40、德国
DAX 指数。

数据我准备好在附件中（星球），请自行前往下载。

绘图（注意，因为不同市场口径不一样，需要还原成统一基点，这里统一到100）——美股确实yyds(红色这条是纳指100，一骑绝尘)。

04 模型构建

回测区间：2009年1月1日至2019年6月25日（其中2009年数据用于初期样本内的计算）；

调仓时间：每季度末最后一个交易日；

样本窗口：每个调仓前240个交易日；

资产配置模型：等权重资产配置模型(EW)，标准风险平价模型(RP)，主成分风险平价模型(PCRP)，引入预期风险估计的半衰风险平价模型(HRP)，引入预期风险估计的半衰主成分风险平价模型(HPCRP)。

等权最简单：每季度调仓，所以权重只会在季度末变化，这里用到resample函数。

风险平价：

import scipy.optimize as sco
import scipy.interpolate as sci

# 定义优化问题的目标函数，即最小化资产之间的风险贡献差
def naive_risk_parity(weight,parameters): 
    # weight: 待求解的资产权重,
    # parameters: 参数列表 
    # parameters[0]: 协方差矩阵
    # parameters[1]: 风险平价下的目标风险贡献度向量

    one_cov_matrix=parameters[0]
    RC_target_ratio=parameters[1] 
    # RC_target为风险平价下的目标风险贡献，一旦参数传递以后，RC_target就是一个常数，不随迭代而改变
    sigma_portfolio=np.sqrt(weight*one_cov_matrix*np.matrix(weight).T) # 组合波动率
    RC_target=np.asmatrix(np.multiply(sigma_portfolio,RC_target_ratio))    # 目标风险贡献
    # RC_real是 每次迭代以后最新的真实风险贡献，随迭代而改变
    RC_real=calculate_risk_contribution(weight,one_cov_matrix)
    sum_squared_error= sum(np.square(RC_real-RC_target.T))[0,0] 
    return sum_squared_error