跳转到主要内容

你在这里

低波动或最小方差:一个““睁大着眼睛讨论

投资者在寻求投资组合的帮助时可能会面临两难困境。无数的来源提供建议,往往使决策变得困难至多。当兵的建议和阅读文献,投资者很快就会在讨论波动,最近减少投资组合波动性一直是一个引人注目的主题。阅读,投资者将很快意识到,尽管有时被认为是在“低挥发性策略,两个最通常的策略波动是非常不同的。第一,观察股市波动性增加及其与市场下跌的相关性,寻求通过降低投资组合的整体波动来减少投资组合。第二个,由于与普遍接受的资本资产定价模型(CAPM)的冲突,引起了许多从业者和投资者的兴趣,投资组合的创建是为了捕捉“低波动效应.这种低波动性效应是基于这样的观察结果,即价格波动性较低的股票在历史上提供了比价格波动性较高的股票更高的回报。.

的投资者,相信一个参数,可能寻求降低股票波动性的方法,以期避免部分下跌或从低波动性中受益,并与该任务可以委托活跃的基金经理。.

最近,各种索引已经开发出来,看看通过透明,达到减少波动性指数中机械的方法。低挥发性,看起来受益于低波动效应和最小方差,以避免市场经费是两个最著名的策略纳入索引。这些“智能测试”索引已被证明非常受欢迎,因为他们的介绍,特别是在加拿大和欧洲大陆所使用的评估和资产所有者更频繁地比其他任何智能β指数。1

基金跟踪波动性和最小方差指标通常导致减少水平的波动,相比跟踪市值加权指数。然而,尽管出现类似,每一个是不同的概念,重要指数方法的差异。本文将简要解释这两种类型的索引之间的差异,并解释如何使用它们。然后,本文将关注最小方差策略和方法,解释战略和指标的基础,索引方法为什么如此工作并简要讨论历史性能特征。.

低波动指数及其挑战

让我们假设一个投资者相信”的讨论低波动效应.而波动性指标属于一般类别的波动减少,他们的具体目标是“要素捕获“低波动效应2。正如上面提到的,低波动效应表明,股票具有较低的波动性所表现出来的回报高于将隐含的风险。3对这种效应存在不同的解释,4但最普遍的状态是,积极基金经理期望超过他们的基准,更有可能持有高风险/高波动性股票,因为它们理论上具有较高的回报潜力。作为一个结果,低波动性的股票可能会变得价格相对于那些高volatility5。.

这些索引因此旨在捕捉”低波动因素效应;不一定是通过降低整体波动性,但在关注个股波动。因此,战略可以主要描述为“要素捕获..

无论是资本化还是波动性加权,索引构建的基本方法来捕捉低波动效应可能导致重大”倾斜”从开始宇宙的股票。总有想捕捉低波动性之间的权衡因素,避免二次或意想不到的风险指数。这些都是值得讨论的简单:

  • 尺寸倾斜远离市值上限可能会导致小型股的倾斜,这可能对性能产生影响。.
  • 部门倾斜在同一行业的公司/部门往往有相似的波动特征。一些行业或行业的波动性较低。这可能会导致意想不到的水面/水中重量。.
  • 减少多元化更激进的选择标准用于狭窄的股票的数量会导致降低多样化。.
  • 流动性不足一些表现出较低波动性的股票也可能相对缺乏流动性。远离粉丝团的权重可能会增加这类股票包含在索引的数量,因此,增加交易成本和/或减少跟踪指数的资金能力。.

作为一个结果,索引设计必须考虑这些中等风险的相对重要性,平衡增加他们接触低波动性增加。.

另一种选择:最小方差的方法

但是,如果投资者更关心的是大幅缩水的可能性,因此他们股票投资组合的整体波动性,它们可能发现自己希望降低波动性,但也希望保持对相关股票基准的完整和平衡敞口。我们可以把投资者描述为“风险意识”,而不是喜欢”因素捕获。““

在这里,一个投资者将不太可能转向低波动性指数,由于市场capitalization-based加权方案之间的艰难的选择,并非旨在降低波动性所需的数量,和非市场市值加权的方法,可以实现波动率大幅下降,但前面讨论的潜在缺点。投资者可能会决定考虑方法,减少骨料的波动水平而使用优化技术控制二次曝光。.

最小方差方法6最近推出了一系列指标。.7与前面描述的低波动性的方法相比,最小方差的目的是创建一个整体波动率最低的股票投资组合,定义的约束。.

如表1所示,现代投资组合理论认为,切或最优投资组合,投资组合资本配置线满足有效边界的地方。.8最小方差投资者的目标是捕捉一个投资组合,在有效边界和回报率最高但最低方差(“最小方差投资组合理论”)。然而,另外由于上述的低挥发性效应,一些实证结果表明投资者实际上可能实现投资组合有效边界上给定数量高于预期回报的风险——“实现最小方差组合显示。.

总投资组合的波动取决于个别股票的组合与其他股票波动性和相关性。因此不完美的相关性提供通过多样化来减少总波动范围。.

构建一个最小方差指标,指数提供商首先决定了历史返回所有个股的波动和相关性的基础指标。然后,使用这些数据,执行的优化选择和重量组分以这样一种方式,在总将产生一篮子股票的期望风险最低,基于股票回报率之间的历史关系。有趣的是,这种方法意味着最小方差指标原则上可以(并且有时被视为)包含一些成分相对较高的波动性:由于他们的低水平的相关性与其他股票这些高波动性的股票会出现在索引,因为他们有助于综合指数的总体减少波动。.

虽然总体目标是产生一个预期波动率指数最低的,优化约束避免前面讨论的许多重要的倾斜对索引设计捕捉低波动的效果。这个特别包括接触行业过度集中的可能性,国家或个股。.

并发症与优化

使用一个优化的过程构建索引的优缺点。有许多具体问题,往往是一个功能的优化方法来创建索引:

  • 自营风险模型常用于估计协方差矩阵,结果,尽管优化器可以解决的许多问题上面所讨论的,他们将反映特定的选择由风险模型在其设计的创造者。.
  • 优化是一个不透明的过程。.
  • 约束之间的交互成为可能的优化过程将导致索引constituents10太少。.
  • 同样的,每个额外的约束的使用可能会导致过度限制的结果,推动产生的指数从理论最小方差投资组合。.
  • 决定添加每个额外的约束意味着指数提供商”知道答案”,故意限制结果导致pre-imagined指数而不是允许流程操作。.
  • 营业额的使用约束创建”路径依赖”,索引的开始日期的选择将导致该指数变化的成分和权重在未来的时间点,相比与结果的成分,同时从不同的起点。.

许多不同的approaches11最小方差的创建索引在市场上可以看到。每个产品使用不同的优化组合,潜在的风险模型,约束等等,可能导致显著不同的索引,指数特征和指数的回报。用户的最小方差指标最好通过确保他们完全理解的方法,基础技术和可能的结果。.

富时罗素威廉希尔体育最小方差的方法12

威廉希尔体育富时罗素最小方差的方法来创建索引已经采取一个“轻触该指数的计算方法,我。e.限制约束的数量,确保多样化的结果。它也避免了使用专有的风险模型生成的协方差矩阵,而不是使用“主成分方法是不可知论者命名的危险因素。.

给定的起始索引的宇宙,协方差矩阵的组成波动和相关性是由每日股票回报。这是用来通知一个优化算法来确定最小方差指标成分和权重。这些都受到各种限制,第一个(和总是绑定,为了避免高浓度的可能性在个人领域,国家或股票)是多样化约束:任何个人股票更能代表一个给定percentage13指数按重量指数的审查。也,单个行业不能代表超过20%的指标在指标审查。14

注意,由于流动性和能力措施包括在底层宇宙索引,为了避免“路径依赖”并发症上面所讨论的,没有额外的liquidity15或营业额约束。.

结果

关键指标来衡量成功的最小方差的方法是减少指数波动,提出了如表2所示。这显示了潜在的富时环球指数的波动性和富时环球指数最小方差,连同后者所达到的波动的减少。索引既有历史和发射后能够降低整体指数波动率平均24%,和通常在大约15 - 35%范围内。.

图3显示了富时环球指数(FTSE All World的年化收益最小方差和富时环球指数同期。一方面,它清楚地表明了下降的下降捕获。另一方面,正如上面提到的,有很多的表现与市值加权。.

在图4中,下面,我们看到,暴露在美国是明显减少富时环球指数(FTSE All World最小方差指标和亚洲经济体往往被超载的最小方差的方法。西方市场较高的接触相对不稳定的金融和石油天然气行业,与亚洲市场相比,可以解释一些效果。.16

结论

论述了低波动性和最小方差指标和确定其可能的用途。17也讨论了各种平衡练习隐含在设计这样的索引。.

“要素捕获投资者希望利用低波动率指数来帮助他们“抓住”。低波动效应.正如我们上面所讨论的,“风险意识”寻求降低总变异水平以实现风险调整结果改善的投资者可考虑使用最小方差指数来帮助他们作出投资决策。这种方法提供了减少波动,同时保持完整和平衡接触相关的股票。.

威廉希尔体育富时罗素的最小方差方法寻求满足那些希望减少整体可变性,而不是专注于低波动的效果。因此,富时最小方差指数系列是建立与这些主要特点:

  • “风险意识/波动集中,而不是性能聚焦。.
  • 设计管理整体可变性。.
  • 建立多元化约束,限制指标浓度。.
  • 以有限数量的约束条件构成,通过不过度影响交易能力的多样化结果,明确地以降低波动为目标。.
  • 用透明的方法创建和管理,使用公开的数据和风险模型。.

-下载完整的纸张-