可转移alpha策略

可转移alpha的优势

可转移Alpha 策略能在保持组合所需的Beta 的前提下提供一系列多种Alpha 来源。尽管可转移Alpha 策略给投资管理的实践带来了新的要求和挑战，但这种策略与传统的组合管理策略相比，还是具有一些显著的优势：

更广泛的投资领域。投资者不必拘泥于从其原始目标资产类别中寻求Alpha，他可以选择在更广阔领域中得到Alpha，比如特定类别的对冲基金、私人股权投资、房地产以及部分传统投资策略。

更适度的风险暴露。通常情况下，有效程度最低的市场往往能提供最好的超额收益来源，但这会给投资者带来很高的系统风险。可转移Alpha 策略使得投资者能对冲掉不需要的市场风险暴露，使整体组合风险更为适度。

更大的灵活性。投资者可以使资产组合的风险特征与其风险目标更匹配，来降低组合总风险。比如说，削减权益资产上的暴露，同时增加固定收益产品和其他结构性产品的头寸，从而使资产与负债更合理匹配，在维持甚至提高组合潜在收益的前提下降低整个组合的波动性。

增强的有效性。可转移Alpha 策略使可以分离获取Alpha 的投资管理人与他们所管理的资产类别。产生Alpha 的各种策略之间通常相关系数较低，将这些策略结合起来，可构成非常有效且风险控制良好的组合。

更低的风险。通过将Alpha 与Beta 分离，可以对这两部分分配不同数量的风险预算。例如，Alpha 部位的头寸可大可小，而这与产生Alpha 的资产的数量无关。当Alpha 累积起来后，对Alpha 部分初始的小额分配也随之增大，而该部位风险较低，从而整体组合风险要低于传统投资。

更低的费用。在可转移Alpha 策略中，投资者通常仅对带来Alpha的基金经理支付较高的费用，而对跟踪Beta 暴露的基金经理人只需支付较低的费用。

可转移Alpha 策略的构建

可转移Alpha 策略的构建是由Alpha 和Beta 组成。Alpha 可来自于任何资产种类：货

币市场、股权市场、固定收益、或商品市场。获得的Alpha 可以转移到任何具有衍生品的市场指数、可以用一篮子证券复制的资产、或任何有相应投资经理管理的资产。

典型的可转移Alpha 策略构建，首先是在考虑了流动性和风险后，选择一个充分分散化的Alpha 基金组合，不管这些Alpha 基金的投资范围。一旦基金组合确定，组合中的内嵌Beta 即可确定。据此，投资者可以使用期货、期权、互换或是其他的方式构建一个覆盖（overlay），以增加或减少在特定资产类别上的Beta 暴露，达到预想的资产配置目标，即覆盖的Beta 暴露和Alpha 中内嵌的Beta 暴露的和，是投资者的目标Beta 暴露。

可转移Alpha 策略和传统的机构投资管理的不同之处在于：传统的机构投资管理是设定目标资产的种类，然后选择被动指数投资或主动管理以期在这些资产上获得超额收益。例如，目标资产是股票资产，则投资者会选取股票型投资基金经理；目标资产是债券类资产，投资者则会选取债券型投资经理。这样，投资者的选择局限于某几类资产，而流失了广泛获得Alpha 的机会。但可转移Alpha 策略则将资产种类选择和投资经理选择分开，即分离了市场收益和由基金经理投资才能产生的收益，同时分配了大部分的基金主动管理风险在Alpha 上。

构建Alpha组合的要点

Alpha的存在性：Alpha 必须是可证明的、且在一定时期内具有持续性，分析必须是基于逻辑上的定性、兼以结合定量分析，但必须避免历史数据偏差。

Alpha的头寸限制：限制寻求Alpha的资金量。

Alpha的稳定性：确定风险被转移、而且转移出的Alpha是稳定的，需注意波动性和尾部风险。

收益与成本：Alpha收益必须要超过成本，必须能够一致地超越资金成本和其它成本。

隐含Beta ：确保较低或稳定的隐含Beta，隐含Beta能确切地估计出来，且是稳定的。

流动性：充足的流动性。

战术资产配置步骤

预测资产收益

标准的参数模型主要是线性回归模型，根据稳健性要求，依经济分析选取少量自变量（2 至3 个）较为合适。最简单的模型就是标准线性回归。但金融市场常常表现出非平稳性和非线性。学术界提出了许多动态模型和非线性方法，例如卡尔曼滤波，其赋予线性模型以动态参数；非线性模型，如Logit 回归模型。

构建组合

根据预测结果构建投资组合，可采取等权重或市值权重配置。也可以在跟踪误差的允许范围内，运用最优化方法使组合期望收益最大化。最优资产配置理论的目的，是投资者在高预期收益期间内应将资产配置于风险资产(market timing)，在高波动期间内应降低风险资产配置(volatility timing)。

样本外检验

用于衡量择时能力的常用模型包括二次模型(quadratic model)和转换点回归模型(switch-point regression model)。基本思想是检验组合和基准收益的非线性关系。如果管理者可以准确择时，那么组合收益对市场收益的敏感性在上涨市中应较大，在下跌市中应较小。预测模型的表现可以用预测与实际收益的相关性或秩相关性检验。同时成功率也可以衡量方向性预测的质量。跟踪误差，度量了组合相对于基准的超额收益的波动性。此外，信息比率利用平均超额收益与跟踪误差的比值来度量风险。