的见解
通过改善投资组合优化管理通胀风险
|
|
了解文章 |
• |
2022年10月20日 |
2022年10月20日 |
|
通过改善投资组合优化管理通胀风险 |
|
广泛的研究
我们广泛的研究表明,资产类别可以分类的典型的应对通货膨胀和经济增长意外:1)的增长主要是由于意外,像公共和私人股票;2)那些受通货膨胀、大宗商品等;和3)那些受通货膨胀和经济增长。
因为资产跨越这个频谱,如何对冲通货膨胀,资金来源,取决于这两种类型的惊喜的交集。
提出一些可能对资产配置者不明显的影响包括:
作为基准的情况下,(例如,当经济增长意外温和),股权分配与通胀上不应该有很大的不同。相关,减少固定收益分配是一个占主导地位的融资来源inflation-oriented组合。
滞胀盛行时,提示可能是一个更有吸引力的对冲,而在过热的环境中,大宗商品将更具吸引力。
同样,股票也当滞胀盛行变化中所起的作用,减少股权分配将是一个对资金对冲资产的主要来源,但在过热的环境中,只有适度的股权降低要求。
最后,在股市,高通胀历来由私人股本相对于公共股票更具吸引力。未来还能保持如此由于世俗的私人股本的浓度增长等领域技术,和医疗保健可能会增加价格。
在过去的两年中,通胀增长多次意外增长。这是显示在右侧显示1惊喜,加上高度动荡的增长,上行和下行。这一趋势是提高更高的通胀预期和较弱的增长(显示2),而显示3说明了人数这了股票和固定收益市场在2022年上半年。
40年来最大的通胀飙升源于显著不平衡供应和需求,随着全球经济受到前所未有的冲击因素的组合。全球健康危机,其次是大规模的货币和财政刺激,和乌克兰的战争导致了巨大的消费需求的变化和持续的全球供应链中断。雷竞技手机版app
CPI子组件显示通胀压力是广泛的和包容的粘性类别(如房租和owners-equivalent-rent)。增长放缓由PMI指数保持下降的趋势显示,经济意外指数保持在负值,GDP和各种跟踪工具显示低于趋势或负面的水平。
2022年美国联邦储备理事会(美联储,fed)积极的反应,迅速加息将联邦基金利率目标回到中立。美联储7月会议后,椅子杰罗姆·鲍威尔的希望“在某种程度上它将会适合慢下来。”
通胀对冲的挑战
在这个独特的挑战性的环境中,投资者正迅速制定策略对冲通货膨胀风险。
然而,大多数投资者所追求的通胀对冲策略通常涉及不超过添加配置建议、大宗商品和房地产。一些去进一步增持资产预计将对通货膨胀最敏感。我们认为,这样的策略是短视的,因为他们缺乏一个全面的方法,适用于复杂的投资者的目标和约束,不占经济增长的场景。
因此,我们认为投资者会配上一个完全集成了通胀对冲的方法,并结合投资者的偏好和期望。新的研究由摩根士丹利投资管理改进raybet炉石传说经典的投资组合构建框架和目标。本文概述了我们的方法(见插图编号),检查对冲通胀的价值基于标准包括:
一个投资组合框架与通胀风险
我们的框架开始与投资者的基准投资组合,我们假设意味着最初的预期回报。因素模型,结合通货膨胀和经济增长意外,预测如何回报可能不同于最初的预期。我们把预测的置信度和两套回报预期,在经典的帮助下Black-Litterman方法。最后返回输出输入均值-方差优化生成最优的投资组合。更多细节请参见附录。
资产对通胀和增长
基本概念之一,在我们的分析包括不同资产行业如何应对通胀和经济增长都惊喜。我们定义通胀惊喜是意识到通货膨胀和通货膨胀预期之间的差异,同样增长的惊喜。我们相信资产价格应该反映总体通胀和增长预期,但惊喜会开车返回不同的市场预测。
例如,显示4显示商品,β6通货膨胀的惊喜,是最高度敏感的风险。许多大宗商品重要的投入生产,所有其他条件不变的情况下,他们的价格上涨最终将通过消费品。雷竞技手机版app此外,他们的价格是非常敏感的供需平衡,通常当需求超过供给上升,由于需求或供应中断。
相比之下,公共股票有负β通胀意外,但积极β增长最大的惊喜。股本和通货膨胀之间的关系是不太清楚,因为通货膨胀会增加未来收益和折现率在同一时间。盈利增长取决于两个因素:公司的投入成本上升,以及是否能够通过这些价格上涨给客户。
显示4还显示了典型的寿险公司的投资组合的敏感性,捐赠基金和基金会,和养老基金。所有的投资组合有负面或适度积极的测试。这表明,一些再平衡调整这三个的通胀环境将是可取的。
检查资产转移
模型提供指导各种资产类别的投资组合权重如何变化的函数增长和通胀惊喜。这提供了洞察每个资产类别的作用在不同的制度。显示5 - 7显示最佳对冲投资组合资产变化的大小,在不同场景下的通货膨胀和经济增长,从-4%到4%不等的惊喜。颜色编码,从红色到黄色绿色,说明了减少配置增加他们的进展。
为了说明原理和简化这个演讲,这些显示只是代表内典型的养老基金的投资组合分配变化最大跟踪误差4%;1人寿保险公司和养老基金会(e和f)将被包括。
显示5表明股票(包括公立和私立)主要是由经济增长意外,无论通货膨胀。例如,假设0%的意外增长,预期转向股票配置比重的变化很小,而固定收益差别很大很大的变化作为对冲通胀的资金来源。大宗商品再次变化非常敏感。假设4%的高通胀意外,建议配置变化范围从9%,当经济增长是负4%,14%增长为正4%。
技巧和房地产使另一个有趣的对比。显示6揭示了一个重要的和违反直觉,方面技巧的最优投资组合增长意外从消极转变为积极,分配技巧变小。这是因为建议由实际收益率的负面影响,平均而言,与经济增长呈正相关,当转趋强硬货币政策趋于上升。相比之下,大宗商品和房地产提供更多“货真价实”作为对冲通胀在经济强劲增长。作为显示6显示,相比之下,房地产的发展从一个贫穷的通胀对冲不错,增长意外从消极到积极的,当通货膨胀惊喜是温和的。
我们的分析还发现,建议不增加权重线性通胀意外上限的4%。相反,建议权重增加当通货膨胀当通货膨胀惊喜惊喜大小适中,又减少了进一步增加。精确的“峰值”提示分配取决于增长意外大小和投资者的信心水平的回归预测模型更高的信心水平,远离技巧过渡到大宗商品和房地产会更快。这是因为投资者可能会允许更多集中在大宗商品和房地产时更有信心的回归预测模型,预计这两个资产领域的表现。
最后对包括固定收益和对冲基金(显示7)。固定收入是主要的减持在高通胀的情况下,它需要更大金额的变化与其它资产类别。这并不奇怪,因为固定收益通常是伤害最严重的通货膨胀。优惠券和本金是固定的,但不提供补偿时收益率上升和通货膨胀。对冲基金可能会被认为是“插”在投资组合中的位置。其温和的β通胀和经济增长都惊喜,对冲基金分配作为一个多元化的投资组合中的其他资产类别的变化。
投资组合的影响
显示8说明这些概念应用在一个典型的养老金计划组合通货膨胀在三个场景:高通胀/高增长,高通胀、低增长、高通胀的增长90。高和低的场景被定义为通货膨胀或经济增长是否惊喜是积极的还是消极的。我们添加两个新的维度来分析:一系列跟踪错误反映风险偏好,和相应的预期的变化组合的贝塔通货膨胀和经济增长意外。
前两个表中显示8高通胀的场景,但一个是低增长和另一,高速增长。他们的差异和共性进一步说明如何最好的定位最优投资组合套期保值资产。
在高通胀和高速增长的情况下,大宗商品和房地产分配增加。投资组合的期望的跟踪误差增加,商品获得提振增长潜力大的头寸。股票分配也增加。这并不奇怪,因为更高的股票头寸时首选的经历正增长的惊喜。对其公共,私人股本被看好,因为它已经略好通胀对冲的特点。配置在很大程度上是由名义固定收益和对冲基金。
在高通胀、低增长的情况下,大宗商品和房地产分配增加,之前的场景。同样,名义固定收益和对冲基金头寸减少跟踪误差增加。股票的位置也减少了。
高和低增长的场景之间的最大区别是定位的建议。如上所述,技巧是实际收益率负相关。当增长意外很高时,提示只有绩效分配,所有跟踪误差偏好,有利于套期保值资产贝塔较大增长。相比之下,滞胀economy-high通货膨胀,低增长-技巧发挥更大的作用,随着跟踪误差增加。
最后一个表在看着一种特殊情况下的非常高通胀的惊喜,当通货膨胀率超过了90。它与高通胀/高速增长的情况下,但分配房地产和大宗商品更大。
这些分配的目标是管理通胀风险,在投资者的风险,这是通过增加投资组合的β通货膨胀,最后一行所示的三个显示器。高通胀/高速增长的情况下,通货膨胀基本情况意外β是0.21。增加逐渐从0.39到1.55,跟踪误差偏好增加。
基本情况的滞胀场景通胀意外β0.21都是一样的。从0.45增加到2.07,对应于较大的跟踪误差。通胀贝塔增长最通胀——第90百分位的情况下,从0.45到2.01不等。
捐赠基金和基金会和人寿保险公司
我们相信我们的方法是足够坚固,以适应各种投资者的目标和约束,在这里,我们提供额外的例子包括e和f和人寿保险公司,除了养老金计划的投资组合(显示9)。保持类似的例子,我们假设相同的置信水平在预测返回由于通货膨胀和经济增长的惊喜。
寿险公司本质上是抵御通货膨胀,因为负债的大部分是固定的名义。这是显而易见的,他们的基础配置于固定收益90%,几乎没有变化,无论不同经济增长和通货膨胀的场景。
e和f基地投资组合的特点是大仓位的替代品。在枯竭的情况下,固定收益分配,选择能提供基金对冲通胀的另一个来源。另一方面,养老基金的大量头寸在固定收益基本情况——21%——这给了他们一个很大的灵活性对冲通胀的重新分配。
与养老金计划的例子显示8,“通胀β”线的底部附近显示9显示了如何改进优化组合的贝塔的基本情况。但显示8只说明了贝塔增加随着通货膨胀的增长。显示9进一步显示了如何成功地降低了通货膨胀贝塔基地投资组合低通胀率以下场景。
工具来应对意外的挑战
今天的组合力量推动全球经济几乎没有先例。我们相信我们的方法优化组合由机构投资者值得考虑,因为他们寻求一个新的高度复杂的对冲工具的惊喜,经济增长和通货膨胀可能在商店。
附录
以下是度量和在我们的研究中使用的参数。
衡量资产敏感性和稳定性:我们衡量通胀敏感的β回归模型(见下文),调整R平方的回归表示模型的稳定性。
如前所述,通货膨胀和经济增长意外被定义为实现数字和期望之间的差异。资产回报率和惊喜都测量了一年多。我们使用季度数据和调整标准频率误差序列相关性由于重叠的观察窗口。私人资产数据不光滑减轻的影响滞后的标志。最后,我们winsorized资产减少返回数据极端值的影响。
通货膨胀定义场景:我们把历史通胀和增长的平均惊喜在五个不同的场景:高或低通胀/增长惊喜和极端高通胀。高和低的场景被定义为通货膨胀或经济增长是否惊喜是积极的还是消极的。然后我们用历史平均水平为每个场景作为输入。我们也改变通货膨胀/增长的大小惊喜在假想场景中积极从-4%到4%。
投资组合构建:我们利用传统的黑色——Litterman模型结合回归结果和投资者资产回报/风险预期,暗示投资者的最初的投资组合分配。
我们推导出原始假设(隐含回报,Π)基本情况的投资组合。
在那里,
Σn×n协方差矩阵
w是投资组合权重
我是n×1矢量,n是资产类别的数量,每个条目的向量是1
λ,θ是拉格朗日乘数法,可以校准的条件:股本的夏普比率为0.3
股权风险溢价(公众对公共固定收益)的股权是4%。
然后,我们可以根据通货膨胀和经济增长估计条件返回场景
在那里,
α是隐含返回,等于Π,来自上面的
x1和x2的通货膨胀和经济增长意外
基于黑Litterman模型推导出事后返回
地点:
τ的参数描述了投资者信心的因素模型。如果τ很小,更多的强调将原始返回向量,反之亦然。它可以确定基于跟踪误差目标的首选。
最后,新返回矢量E (R)作为输入用于均值-方差优化获得最优投资组合分配。
(max) (w E (R) - 1λw 'Σw),这样我'w = 1