一种FOF模式下的养老金资产配置方法

摘要

本发明涉及一种FOF模式下的养老金资产配置方法，该方法包括以下步骤：基于金融市场历史价格数据，使用BL模型计算资产期望收益向量与收益协方差矩阵；所述金融市场价格数据，包括：历史收盘价与开盘价数据；构建面向养老金市场的FOF资产配置模型；面向养老金市场的FOF资产配置模型的有效求解，根据求解出的投资组合中的资产权重去定制个性化养老目标。本发明将根据模型求解结果进行养老金资产配置，为投资者进行FOF养老基金配置提供投资组合方案，有效指导养老金市场的投资实践。

说明书

技术领域

本发明涉及数量化投资管理领域，具体涉及一种FOF模式下的养老金资产配置方法。

背景技术

为了应对人口老龄化，我国建立了多层次的养老保障体系，制度模式从现收现付制为主转向注重基金积累。公共养老基金的三项基本制度-城镇职工基本养老保险、新型农村养老保险和城镇居民养老保险均采用社会统筹和个人账户相结合的部分积累模式，企业年金采用完全积累模式。随着养老基金积累规模的迅速增长，基金保值增值的重要性凸现。

在高度不确定的金融市场环境下，科学的资产配置和基金投资策略对养老基金参与资本市场投资尤为关键，是养老基金长期收益水平的决定性因素，对于发挥积累性养老模式的制度优势、完善中国养老体系都有着十分重要的意义。为了优化养老基金的收益和风险特征，取得较好的长期稳定收益，养老基金通常进行多元化投资，广泛投资于包括现金资产、不同投资期限的国债、企业债、股票、证券投资基金、股权投资基金、非上市股权、房地产信托、海外资产、对冲基金等在内的多种资产。“基金中的基金”(Fund of Funds，简称FOF)专门以基金为投资标的，它并不直接投资于股票或债券，而是通过投资基金来间接持有股票、债券等证券资产。在原本基金就已经通过投资不同资产分散了风险的情况下，利用专业的投资技术手段构建基金组合，达到了再次分散了风险的目的。作为符合养老基金投资特点的基金管理模式，FOF在国外已经有相对成熟的投资管理经验，但其在中国仍为一种创新模式，如何依据中国养老市场参与者的特点合理构建适用于中国养老市场的FOF资产配置方法，成为从业者和研究者所面临的关键挑战。

Black-Litterman(简称BL)模型是在传统的大类资产配置模型——均值-方差模型的基础上加入投资者主观观点，使得根据市场历史数据计算预期收益率和投资者的看法结合在一起，形成一个新的市场收益预期,从而使得优化结果更加稳定和准确。自提出以来，该模型已成为资产配置选择时一项不可或缺的工具。然而，面向国内养老金市场的BL资产配置方法的研究还处于起步阶段。探讨FOF模式下养老基金如何应用BL模型进行资产配置具有现实意义。

发明内容

本发明的目的在于，应用BL模型进行资产配置,解决现有FOF养老基金的投资方案中未考虑中国养老市场参与者的特点与监管要求，使FOF养老基金的业绩表现并不好，基金规模下滑问题。

为实现上述目的，本发明提供了一种FOF模式下的养老金资产配置方法，该方法包括以下步骤：

基于金融市场历史价格数据，使用BL模型计算资产期望收益向量与收益协方差矩阵；所述金融市场价格数据，包括：历史收盘价与开盘价数据；

构建面向养老金市场的FOF资产配置模型；

面向养老金市场的FOF资产配置模型的有效求解，根据求解出的投资组合中的资产权重去定制个性化养老目标。

本发明将根据模型求解结果进行养老金资产配置，为投资者进行FOF养老基金配置提供投资组合方案，有效指导养老金市场的投资实践。

附图说明

图1为本发明实施例提供的一种FOF模式下的养老金资产配置方法流程示意图。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细描述。

本发明实施例面向中国养老市场，有效量化FOF投资资产的权重约束、资产流动性特征、投资风格、投资纪律、市场交易清收制度和投资预算等现实约束，有效估计符合中国养老市场参与者特点的交易成本，构建了一种FOF模式下的养老金资产配置方法，用于实现科学的资产配置、基金投资策略以及投资标准，为投资者定制个性化养老目标。

图1为本发明实施例提供的一种FOF模式下的养老金资产配置方法流程示意图。如图1所示，该方法包括以下步骤：

步骤S101，基于金融市场历史价格数据，使用BL模型计算资产期望收益向量与收益协方差矩阵。所述金融市场价格数据，包括：历史收盘价与开盘价数据；

具体地，在资产配置过程中，资产收益的预测为其中重要的一环，直接影响到配置权重的可用性。为了获得稳定可用的养老金配置权重，本发明实施例基于BL模型实现资产期望收益向量与协方差矩阵预测。

BL模型将资产收益看作一个随机变量，则结合了投资者观点的资产期望收益向量可表示如下：

E(R)＝[P

其中，P为投资者观点映射矩阵，代表观点与相应资产的对应关系，Ω为观点不确定性矩阵，τ为标量，q为观点向量；∑

资产收益协方差矩阵的后验估计可表示如下：

∑＝[P

本发明实施例将预测得到的E(R)与∑分别作为之后FOF资产配置模型的输入参数。

步骤S102，构建面向养老金市场的FOF资产配置模型；

在基于BL模型预测资产期望收益向量与协方差矩阵之后，本发明实施例将预测结果作为模型输入参数，有效量化FOF投资资产的权重约束、资产流动性特征、投资风格、投资纪律、市场交易清收制度和投资预算等现实约束，有效估计符合中国养老市场参与者特点的交易成本，构建面向中国养老金市场的FOF资产配置模型。面向中国养老金市场的FOF资产配置模型可表示如下：

s.t.max

w

w′*1＝1

w

一、模型在构建时以惩罚项形式构建目标函数如下：

其中，w＝(w

Mar＝oyi+αGDP

其中，oyi代表当前银行一年期定期存款利率(one-year-interest)；GDP代表当前的GDP；α∈[0，1]。δE(tra)表示投资组合的预期交易成本，通常可取δ＝1。FOF养老基金的投资标的是股票基金、股债混合基金(包括股票ETFs和股票指数基金)、债券基金与货币基金、REITs、货币类标的和国债逆回购等，不考虑现金类投资标的的交易成本，则可构建交易成本

C为当前可用资金(单位：万元)。

需要说明的是：

1)调仓周期为一年，此时基金的赎回费率为0，因此基金成本中不考虑赎回费。

2)股票基金成本、债券基金成本以及股债混合基金成本函数由根据规则得到的样本点拟合得到，皆服从高斯分布。

现实投资场景中的约束类别可以分为离散型约束和连续性约束，其中，离散型约束包括：投资策略、资产流动性特征、投资风格等；连续性约束包括：投资预算约束、投资纪律、持仓比例约束、市场交易清收制度等。对于其中某些复杂的现实投资约束条件，例如FOF投资资产的权重约束、资产流动性特征、投资风格、投资纪律、市场交易清收制度和投资预算等现实约束，可量化如下：

最大回撤约束表示为：

该约束表示投资者可能面临的最大亏损或盈利减少，具体是指在一定时间跨度内，任何一个时间点之后的资产净值达到最低点时收益率回撤幅度的最大值。用来保证FOF养老基金投资过程的稳健性。y

FOF基金投资约束表示为：

该约束根据《公开募集证券投资基金运作指引第2号-基金中基金》中FOF的定义构建，S

阈值约束表示为：

w

该约束根据《公开募集证券投资基金运作指引第2号-基金中基金》资金运用中有关投资比例的规定，将w

货币基金投资限制约束表示为：

该约束用于保证投资于货币市场基金的比例不得超过基金资产的15％；S

预算约束表示为：

w′*1＝1

该约束条件表明，投资者需对财产进行完全投资

非卖空约束表示为：

w

即不允许投资者进行卖空操作。该约束对于降低中国养老市场的总体风险、淡化投资者的过度投机气氛，起重要作用。

养老金股票投资比例限制约束表示为：

即股票投资比例不超过40％。S

养老金债券投资比例限制约束表示为：

即债券投资比例不低于40％。S

步骤S103，面向养老金市场的FOF资产配置模型的有效求解，根据求解出的投资组合中的资产权重去定制个性化养老目标。

构建完成的模型为带约束的非线性规划模型，其目标函数中既包含二次项又包含非线性项，可使用ADMM算法对模型目标函数进行分离求解。该算法将约束条件和目标函数结合，生成增广拉格朗日乘子，之后对生成的增广拉格朗日乘子进行最小化。

本发明实施例将根据模型求解结果进行养老金资产配置，为投资者进行FOF养老基金配置提供投资组合方案，有效指导中国养老金市场的投资实践。

显而易见，在不偏离本发明的真实精神和范围的前提下，在此描述的本发明可以有许多变化。因此，所有对于本领域技术人员来说显而易见的改变，都应包括在本权利要求书所涵盖的范围之内。本发明所要求保护的范围仅由所述的权利要求书进行限定。