预测收益率的方法

预测收益率的方法在建立股票因子风险模型的过程中，最好预测收益率包括用于预测收益的所有变量，这些预测收益率变量应用于预测风险的变量集（这通常是一个很大的数目）。这样，风险模型就能看到一个投资策略中所有的潜在风险，预测收益率既包括这些经理愿意接受的预测收益率风险，也包括那些经理尽力避免的风险。在收益与风险模型中，变量之间若搭配不合理就会在优化程序中产生一个低效率的投资组合。例如，假设收益模型中包含两个因素，每个占50%的权重：市账率（B/P）和股票收益（ROE）。另外，又假设一个只有单一因素的风险模型，即市账率。当建构成一个投资组合的时候，优化程序就只管理风险模型中的风险即市账率，而忽视股票收益。这种收益与风险模型中的不一致可能导致建构的投资组合处于极端的位置，并面临高于预期的风险。这个投资组合也不会显现收益模型中原来的两个因素之间的对半权重，这是由于优化程序只是涉及市账率而不涉及股票收益。除此之外，这个预测收益率风险模型对于追踪误差的估计也十分低，因为它没能捕捉到投资组合中有关股票收益的任何风险。避免这两个问题最有效的方法就是确保收益模型中的所有因素都纳入风险模型中（虽然将二者颠倒过来未必正确，即可能存在没有预期收益的风险因素）。

在建构和选择风险模型的过程中，最后一个问题就是用于估算过程中数据的频率问题。许多流行的风险模型使用月度收益数据，同时，也有些预测收益率投资组合经理，包括我们，创建了专有的风险模型，使用当日收益数据。很明显，在估算方差和协方差的过程中，观察数量越多越好。高频率的数据产生了更多的观察值，因此预测收益率估算更精确、更可靠。另外，通过赋予最新的观察值更多权重，估算也能更好地响应经济条件的变化。最后，使用了高频率收益的风险模型能够提供更为精确的风险估算。