成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
0
如何洗白“黑天鹅”?
2020 年 2 月 21 日
创业邦杂志
邦哥推荐:
本文通过对黑天鹅六大特征的总结,并结合海外机构应对“黑天鹅”的成功经验,从风险管理和把握投资机会两个角度做了详细分析,希望本文能对广大投资者有所帮助和启发。
来源:国泰君安证券研究(gtjaresearch)
作者:国君资产配置团队
2020年的开年,一只又一只的“黑天鹅”腾空而起。
澳洲大火、美伊对决、新冠疫情、非洲蝗灾……每一年我们都在感慨世事无常,但应该从未想到这个新十年的开局会如此魔幻。
“黑天鹅”接连扇动翅膀,我们的投资是否只能“坐以待毙”?又或者可以转危为安,甚至抟扶摇羊角而上?
国泰君安资产配置团队对历史上的“黑天鹅”事件进行了细致回顾,通过总结黑天鹅的六大特点,向投资者提出了“攻守兼备”的投资建议,以期帮助投资者抓住乌云背后的silver line,洗白那只“黑天鹅”。
“黑天鹅”
不是只有黑历史
在金融领域,“黑天鹅”往往被用于形容那些很难被预测、发生概率极低、但又会对系统产生严重影响的事件。
近些年,在全球经济疲软以及全球化进程加剧的大背景下,“黑天鹅”事件发生频率不断上升,影响范围不断加大,一只只“黑天鹅”对全球和部分地区的资产定价以及投资组合管理造成了深刻的影响。
我们以MSCI全球股票指数和上证指数的涨跌幅为基础,整理了1990年-2020年间全世界范围以及中国境内的重大的“黑天鹅”事件,包括亚洲股市崩盘、911事件、雷曼兄弟倒闭、2003年中国的SARS、2015年中国的股灾等。
结果发现,当“黑天鹅”事件发生时,股票市场的收益通常显著为负,而当“黑天鹅”事件结束后,股票市场在后续的很长一段时间都会有明显的上涨。
2020全球主要的“黑天鹅”事件
资料来源:
国泰君安证券研究
因此我们开始重新审视,黑天鹅是不是真的只有黑历史,并通过总结大量资本界和学界的研究,由表及里梳理出了黑天鹅的六大特点。
“黑天鹅”的六大特点
特点一:“黑天鹅”的发生难以预测
目前关于“黑天鹅”的研究大多分为两类。
一类研究是基于历史上已经发生的“黑天鹅”,从而事后检验“黑天鹅”对当时以及后续资本市场的影响。
另一类则根据“黑天鹅”的时间序列,根据模型定量测算未发生的“黑天鹅”的概率,从而发掘未发生的“黑天鹅”对资产未来收益的影响。
然而至今并没有一种可靠的模型能对“黑天鹅”进行预测,或能够准确测量“黑天鹅”对各类资产价格的影响。
这其中的原因可能有两方面,一是由于“黑天鹅”的范围过于广泛,包括政治事件如苏联解体、恐怖事件如911、能源危机如OPEC停产、系统性违约事件如俄罗斯债券违约等,这让定量分析变得非常困难。
另一方面则是由于投资者的非理性在“黑天鹅”发生时会格外突出,从而对市场产生巨大扰动,让“黑天鹅”对资本市场的影响变得更加难以预测。
特点二:市场表现上,“黑天鹅”的开始和进行通常伴随着市场的下跌,结束时伴随着市场的上涨。
理论上说,由于“黑天鹅”通常为非预测性的外生性冲击,因此当“黑天鹅”开始并进行时,股票市场通常会受到三方面的负面冲击。
一是“黑天鹅”通常会导致股票基本面的恶化,从而影响公司的预期现金流,或因为风险加大而提升折现率,从而压制股票价格。
二是“黑天鹅”通常会引起投资者风险偏好的下降,抛售风险资产,驱动资金向避险资产流入,从而导致股票价格的下跌。
三是“黑天鹅”发生时经常伴随着市场的流动性下降,从而对股价不利。
而当“黑天鹅”结束时,资产的基本面预期将改善,市场情绪恢复,投资者的风险偏好上升,从而驱动股票价格的上涨。
通过研究历史上的全球风险事件,有学者对“黑天鹅”进程的三阶段分别做了年化计算,即:
当“黑天鹅”开始时,会导致全球股票市场约5%的下跌;
当“黑天鹅”进行时,全球股票市场会有约2%的下跌;
当“黑天鹅”结束时,全球股票市场则会迎来约3.5%的上涨。
这也与我们对1990-2020年间对“黑天鹅”事件的观察结论相一致。
部分“黑天鹅”事件发生及后续市场反应
数据来源:
国泰君安证券研究
特点三:从波动率角度看,“黑天鹅”开始和进行时,股票市场波动率上升,结束时波动率下降。
当“黑天鹅”发生时,最显而易见的是其会加大经济以及资本市场后续的不确定性,从而导致市场的波动率上升,而当黑天鹅结束时,市场的不确定性减小,从而波动率下降。
特点四:
从反应程度来看,“黑天鹅”对经济的影响越大,股票市场的反应越剧烈。
从金融常识来看,不同程度的“黑天鹅”对经济的影响有着显著的差别。从事实来看,2007-2008年的金融危机对经济的影响程度要显著的大于911事件,相应地,金融危机期间股票市场的下跌幅度和波动程度也显著的高于911事件。
特点五:
“黑天鹅”发生期间,资产之间的相关性显著上升。
2008年金融危机之前,投资组合的风险主要通过资产类别的多样化来分散,但在2008年金融危机期间,投资者发现资产之间的相关性显著上升。
这让大家逐渐认识到,投资组合的风险本质上并不简单的来源于资产类别,而实质上是来源于资产背后的风险因子。
通过对不同资产内部以及资产之间的“黑天鹅”恐慌指数进行相关性检验,资本界和学界都发现“黑天鹅”风险因子的相关性非常高,即资产内部以及资产之间会受到“黑天鹅”风险的共同影响。
“黑天鹅”期间股票和债券的相关性显著上升
数据来源:
JP Morgan,国泰君安证券研究
特点六:
“黑天鹅”结束后,市场会有显著的超额收益,受“黑天鹅”影响越大的资产的预期收益越高,且该现象短期内不会消失。
同样根据“黑天鹅”的恐慌指数,学者发现“黑天鹅”时表现越差的资产,在后续的表现越好,且这一现象短期内不会消失。
“黑天鹅”各阶段资产表现
资料来源:
国泰君安证券研究
攻守有道
洗白“黑天鹅”
通过对黑天鹅六大特征的总结,并结合海外机构应对“黑天鹅”的成功经验,我们认为可以从风险管理和把握投资机会两个角度,攻守兼备,不但做到减少“黑天鹅”的影响,甚至可以合理的抓住“黑天鹅”的投资机会。
守:风险管理
在风险管理方面,将因子投资融入到资产配置、控制流动性和尾部风险是分散投资组合风险的可取之道。
“黑天鹅”爆发时,资产的价格通常会迅速下跌,投资者会大量的抛售资产,从而导致市场流动性枯竭。
对于头部资管机构而言,系统全面的控制风险是投资管理的核心。
08年金融危机之后,领先的资产管理机构设计了一系列的风险因子模型指导投资组合和风险管理。
从2009-2018年全球头部机构的资产配置和投资表现来看,科学、系统的风险管理可以显著的降低投资组合的整体波动,提高投资组合风险调整后的收益。
我们以加拿大养老基金(CPPIB)为例。(延伸阅读:
进击的加拿大养老基金(CPPIB) 做对了什么?
)
CPPIB是最早也是最完整的将因子投资融入到整个投资管理流程中的头部机构。在控制投资组合长期风险水平的前提下,CPPIB通过因子投资将投资组合的整体风险分散化,显著提高了投资组合风险调整后的收益。
如果以股票和另类资产的配置比例来衡量投资组合的风险水平,CPPIB过去10年债券的平均配置比例仅为28.44%,其风险水平显著的高于FRR、GPFG等养老基金。
然而在过去的10年中,CPPIB业绩的波动率仅为4.21%,显著低于投资组合风险水平同样较高的养老金管理机构如CalPERS、NZSF、ATP等。
此外,其他头部资管机构也都使用了一系列方法、指标以及对配置比例和投资标的的限制等,从绝对风险暴露、波动率、相关性风险、系统因子风险、流动性风险等不同的维度测量投资组合的整体风险,例如VaR、Expected Shortfall、跟踪误差波动率、压力测试等。
全球头部机构资产配置模型中的风险因子分类
资料来源:
CPPIB,ATP, Blackrock, Two Sigma, State Street, 国泰君安证券研究
总体来看,08年的危机启示让资产管理的理论和实践发生了翻天覆地的变化。
新的巴塞尔协议对银行业、保险公司、养老金等金融管理机构提出了更加严格的风险及流动性管理的要求,大量金融头部机构都自上而下的对资产管理体系进行了改进,融入了因子投资,并开始结合多种风险测度来分散组合的风险,提高组合风险调整后的收益,减少组合在极端环境下的损失。
攻:主动出击,把握投资机会
对于把握投资机会,战略投资和战术投资的方法并不统一。
对于长期投资者,我们建议恪守再平衡策略,静候“黑天鹅”结束后资产收益的回归。
理论上说,再平衡策略是一种典型的逆周期策略,其本质等同空波动率策略,由于资产价格长期具有均值回复的特征,因此再平衡具有显著的价值。
而“黑天鹅”对资产价格的打压,为长期机构进行“再平衡”创造了绝佳的战术配置期。
历史上也不乏成功案例。
2007年,次贷危机爆发,权益类资产在组合中的权重急剧下跌。
在最黑暗的2007-2008年期间,GPFG恪守再平衡原则,大量的持续的购买权益类资产,同时调高了权益类资产在组合中的战略权重。
2009年,权益市场出现了大幅度反弹,受益于再平衡,GPFG当年获得了创纪录的25.6%的收益,抹平了金融危机期间的损失。
海外养老基金再平衡策略
数据来源:
NBIM GPFG CalPERS CalSTRS 国泰君安证券研究
对于战术配置或短期投资者而言,他们往往更加关注投资策略的短期表现,因此可以考虑在“黑天鹅”发生期间配置受影响较小的资产或标的,在结束后配置受影响较大的资产或标的。
在“黑天鹅”发生并进行时,资产,特别是受“黑天鹅”影响较大的资产或标的往往会出现显著的下跌,而在黑天鹅结束和之后,这些资产或标的会有显著的超额收益。
以2003年我国发生的SARS为例,根据国泰君安宏观团队的报告《疫情影响分析:从产业到行业的梳理》,2003年SARS期间劳动密集型的服务行业以及可选消费品受到的基本面冲击最大,市场下跌程度也最大,而医药行业则有所受益,股价涨幅处于市场前列。
而当SARS缓和后,服务业以及消费品的基本面和股价也出现了显著的超跌反弹,而医药股则出现了“补跌”。
2003年SARS对各个行业冲击的力度与其后续反弹力度成正比
资料来源:
Wind,国泰君安证券研究
“新冠疫情“下的投资机会
最后我们将视线转回到2020年年初的这场“黑天鹅”——2019-nCov新冠疫情。
我们从病毒差异、发生时点、政府管控措施、经济动能、股票市场估值、经济的韧性多个维度综合比较此次新冠病毒和SARS对经济和股票市场影响的差异,虽然对资本市场的冲击目前看来相较2003年偏小,但对经济的后续影响不容忽视。
据此,我们分别对战略投资者和战术投资者提出了不同的投资建议。
长期投资者可在疫情开始和进行阶段进行再平衡策略,加大对权益资产的配置,适当的减少黄金、美元等避险资产的仓位;行业可以优先配置交运、零售和社服等受影响较大的行业。
而在疫情结束以及之后,可以开始逐渐减少疫情期间相对表现较好的资产或标的。
短期投资者可以选择的战术配置方案则是在疫情开始和进行阶段,优先选择避险类资产,例如黄金、日元、高等级债券;权益资产中可以优先选择医药等受影响较小的行业或标的。
而在疫情结束以及之后,可以开始买入(卖出)疫情期间受影响最大(小)资产或标的,例如社服、交运和零售(以及黄金、日元、债券,权益中的医药类股票等)。
SARS、新冠疫情对经济或股票的影响比较
数据来源:
国泰君安证券研究
以上内容节选自国泰君安证券已经发布的研究报告。
MORE | 更多精彩文章
●
超90%经销商无法复工,车企老总戴口罩直播卖车,狂欢之后能成交几台车?
| 撩车
●
疫区志愿者口述:
“凌晨3点不回家,我怕感染年迈父母”
●
复工第一天,马云给湖畔学员的3点建议和1篇荐文:
把萧条看作再发展的飞跃台 | 充电
● 5000元的小米手机来了,雷军:
不贵,交个朋友
● 在家办公第10天,我比上班还累你信吗?
| 不图不快
登录查看更多
点赞并收藏
0
暂时没有读者
0
权益说明
本文档仅做收录索引使用,若发现您的权益受到侵害,请立即联系客服(微信: zhuanzhi02,邮箱:bd@zhuanzhi.ai),我们会尽快为您处理
相关内容
事件
关注
2
深度学习可解释性研究进展
专知会员服务
97+阅读 · 2020年6月26日
【MIT】最优传输图神经网络,Optimal Transport Graph Neural Networks
专知会员服务
64+阅读 · 2020年6月22日
如何写论文?这份《科研论文撰写策略》看下
专知会员服务
145+阅读 · 2020年6月15日
如何入坑PhD?这份读博指南教你如何做笔记、整理参考书目、管理时间、如何写作、对自己和导师合理预期,
专知会员服务
87+阅读 · 2020年6月4日
【德勤】新基建战略规划及投资新机会,16页pdf,新型基础建设投资机遇的初步解读
专知会员服务
95+阅读 · 2020年5月18日
【CVPR2020】用多样性最大化克服单样本NAS中的多模型遗忘
专知会员服务
20+阅读 · 2020年5月16日
机器翻译深度学习最新综述
专知会员服务
98+阅读 · 2020年2月20日
《中国人工智能医疗白皮书》,207页PDF,上海交通大学人工智能研究院,上海交通大学医学院,上海市卫生和健康发展研究中心,上海感知城市数据科学研究院联合编
专知会员服务
100+阅读 · 2019年11月9日
【上海交大】半监督学习理论及其研究进展概述
专知会员服务
69+阅读 · 2019年10月18日
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
120+阅读 · 2019年10月10日
开民宿暴赚?采访17位老板后,我们发现了行业的“美丽”真相
互联网er的早读课
6+阅读 · 2019年9月21日
超级“微商”云集即将IPO,我们拆解了它的招股书
钛媒体
5+阅读 · 2019年3月24日
如何运营15万付费用户?
三节课
6+阅读 · 2019年2月28日
海洋论坛丨水声目标识别技术现状与发展
无人机
26+阅读 · 2018年12月17日
以史为镜 | VC/PE的前世今生
线性资本
27+阅读 · 2018年7月11日
虚拟现实(VR)如何影响我们的现实生活? | 拔刺
镁客网
5+阅读 · 2018年6月7日
如何迅速提高公司估值?
计算广告
5+阅读 · 2018年5月16日
2018年,我们如何利用碎片化时间提升自己的能力?
量化投资与机器学习
4+阅读 · 2018年1月4日
人工智能时代的量化投资策略
七月在线实验室
8+阅读 · 2017年12月19日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
End-to-End Multi-speaker Speech Recognition with Transformer
Arxiv
8+阅读 · 2020年2月13日
Summit: Scaling Deep Learning Interpretability by Visualizing Activation and Attribution Summarizations
Arxiv
4+阅读 · 2019年9月2日
On Improving Decentralized Hysteretic Deep Reinforcement Learning
Arxiv
3+阅读 · 2018年12月15日
Deep Learning for Image Denoising: A Survey
Arxiv
5+阅读 · 2018年10月11日
Video Summarisation by Classification with Deep Reinforcement Learning
Arxiv
4+阅读 · 2018年7月9日
Optimal Algorithms for Non-Smooth Distributed Optimization in Networks
Arxiv
7+阅读 · 2018年6月1日
OK Google, What Is Your Ontology? Or: Exploring Freebase Classification to Understand Google's Knowledge Graph
Arxiv
6+阅读 · 2018年5月22日
Multimodal Explanations: Justifying Decisions and Pointing to the Evidence
Arxiv
7+阅读 · 2018年2月15日
Multi-Pointer Co-Attention Networks for Recommendation
Arxiv
12+阅读 · 2018年1月28日
Graph Summarization: A Survey
Arxiv
5+阅读 · 2017年4月12日
VIP会员
自助开通(推荐)
客服开通
详情
相关主题
事件
投资
再平衡
金融
因子
概率
相关VIP内容
深度学习可解释性研究进展
专知会员服务
97+阅读 · 2020年6月26日
【MIT】最优传输图神经网络,Optimal Transport Graph Neural Networks
专知会员服务
64+阅读 · 2020年6月22日
如何写论文?这份《科研论文撰写策略》看下
专知会员服务
145+阅读 · 2020年6月15日
如何入坑PhD?这份读博指南教你如何做笔记、整理参考书目、管理时间、如何写作、对自己和导师合理预期,
专知会员服务
87+阅读 · 2020年6月4日
【德勤】新基建战略规划及投资新机会,16页pdf,新型基础建设投资机遇的初步解读
专知会员服务
95+阅读 · 2020年5月18日
【CVPR2020】用多样性最大化克服单样本NAS中的多模型遗忘
专知会员服务
20+阅读 · 2020年5月16日
机器翻译深度学习最新综述
专知会员服务
98+阅读 · 2020年2月20日
《中国人工智能医疗白皮书》,207页PDF,上海交通大学人工智能研究院,上海交通大学医学院,上海市卫生和健康发展研究中心,上海感知城市数据科学研究院联合编
专知会员服务
100+阅读 · 2019年11月9日
【上海交大】半监督学习理论及其研究进展概述
专知会员服务
69+阅读 · 2019年10月18日
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
120+阅读 · 2019年10月10日
热门VIP内容
开通专知VIP会员 享更多权益服务
《支持 ML/AI 的下一代智能自主网络系统:性能提升与管理》177页
《飞行训练指导:夜间熟悉》152页
数据:联合作战的新弹药
《混合现实飞行模拟器中的夜视镜仿真:无缝集成真实世界》最新54页
相关资讯
开民宿暴赚?采访17位老板后,我们发现了行业的“美丽”真相
互联网er的早读课
6+阅读 · 2019年9月21日
超级“微商”云集即将IPO,我们拆解了它的招股书
钛媒体
5+阅读 · 2019年3月24日
如何运营15万付费用户?
三节课
6+阅读 · 2019年2月28日
海洋论坛丨水声目标识别技术现状与发展
无人机
26+阅读 · 2018年12月17日
以史为镜 | VC/PE的前世今生
线性资本
27+阅读 · 2018年7月11日
虚拟现实(VR)如何影响我们的现实生活? | 拔刺
镁客网
5+阅读 · 2018年6月7日
如何迅速提高公司估值?
计算广告
5+阅读 · 2018年5月16日
2018年,我们如何利用碎片化时间提升自己的能力?
量化投资与机器学习
4+阅读 · 2018年1月4日
人工智能时代的量化投资策略
七月在线实验室
8+阅读 · 2017年12月19日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
相关论文
End-to-End Multi-speaker Speech Recognition with Transformer
Arxiv
8+阅读 · 2020年2月13日
Summit: Scaling Deep Learning Interpretability by Visualizing Activation and Attribution Summarizations
Arxiv
4+阅读 · 2019年9月2日
On Improving Decentralized Hysteretic Deep Reinforcement Learning
Arxiv
3+阅读 · 2018年12月15日
Deep Learning for Image Denoising: A Survey
Arxiv
5+阅读 · 2018年10月11日
Video Summarisation by Classification with Deep Reinforcement Learning
Arxiv
4+阅读 · 2018年7月9日
Optimal Algorithms for Non-Smooth Distributed Optimization in Networks
Arxiv
7+阅读 · 2018年6月1日
OK Google, What Is Your Ontology? Or: Exploring Freebase Classification to Understand Google's Knowledge Graph
Arxiv
6+阅读 · 2018年5月22日
Multimodal Explanations: Justifying Decisions and Pointing to the Evidence
Arxiv
7+阅读 · 2018年2月15日
Multi-Pointer Co-Attention Networks for Recommendation
Arxiv
12+阅读 · 2018年1月28日
Graph Summarization: A Survey
Arxiv
5+阅读 · 2017年4月12日
大家都在搜
RE-NET
PRML
大型语言模型
时间序列
ETHZ博士论文
汽车智能化
壁画
palantir
大模型
出海产品从 0 到 1 该怎么做
Top
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top