定制化財富配置方案設計：以養老場景為例

財是

（報告出品方/作者：中信證券，劉笑天）

1. 財富管理大時代，配置需求多元化

1.1 國內私人財富市場穩健發展

國內私人財富市場穩健發展，高淨值人群數量及可投資資產規模持續增長：2020年國內個人持有的可投資資產總體規模達241萬億元。2020年國內高淨值人群的數量達262萬人，持有的可投資資產規模達84萬億元。

1.2 配置需求日益多元化

配置需求日益多元化，資產配置依賴個性化、定制化的方案設計。

需求：進取、多元配置、大類配置、定制化服務。

難點：降低波動、標的選擇、組合優化、流動性管理。

核心訴求：定制化的配置方案設計，提供更加智能、更有溫度的投資體驗。

2. 定制化配置：迎合投資者的“五層次需求”

傳統量化配置模型僅僅考慮了基礎維度上的收益與風險的優化，而現實中投資者的需求 更加多元化、個性化。

收益（Return）：1）年化收益在6%~8%。2）年收益率有80%的概率超過6%。

風險（Risk）：1）年化波動在8%以內。2）每年損失超過-10%的概率在5%以內 （VaR）。3）全局最大回撤在-15%以內、區間動態回撤在-5%以內。

時間（Time Horizon）：普通中期投資（3~5年）、養老場景（約40年）、教育場景 （約18年）。

流動性（Liquidity）：1）至少配置5%的貨基以應對流動性需求。2）按月定投/按年提 取。

特性需求（Special Demand）：範圍很廣、精細化、個性化，例如養老場景可能要求最 終的賬戶積累值能夠以較高的概率滿足退休後的養老缺口等等。

3. 傳統量化配置模型的痛點

3.1 傳統量化配置模型：側重資產端

均值-方差模型（MVT）是所有量化資產配置模型的開端，資產配置問題轉化為最優化問 題，優化模型輸入包括收益和風險。MVT模型的配置比例對於收益變動極為敏感，而恰恰收益預測又十分困難。後續的量化模型主要沿著主動收益預測、進行風險配置這兩個方向演化。

3.2 傳統配置模型的三大痛點

傳統量化配置模型側重資產端的分析，在定制化配置方案設計方面存在較大不足，主要 體現在以下三個方面：

痛點1：無法加入形式複雜的收益、風險需求。1）例如VaR約束或ES約束僅在正態分 布下可解。2）一些強“路徑依賴”的約束，例如組合的最大回撤。

痛點2：未考慮資金的流動性需求。例如周期性地投入/提取。

痛點3：難以加入特性需求。財富管理大背景下，資產配置方案千人千面，特性化需求 不一而足，傳統模型很多情況下將陷入無法求解的窘境。

4. 定制化配置方案的設計：五大模塊的有機結合

4.1 五大模塊的有機結合

模塊1：生成隨機配置方案。每次生成的配置方案可以用一個N*T維的矩陣表示，使用自 上而下的隨機生成方式，考慮到投資者的特性需求後，僅保留合格的配置方案。

模塊2：生成隨機收益率。每次生成資產收益率可以用一個N*T維的矩陣表示，可以使用 三種隨機生成方式：分布模擬法、歷史抽樣法、主觀調整法。

模塊3：加入資金流調整。資產配置計劃賬戶可能會存在定期/不定期的資金流入/流出。

模塊4：約束條件檢驗。任意配置方案+任意隨機收益+資金流調整=模擬得到各個時點上 的賬戶資產淨值。對於任意配置方案，考察賬戶資產淨值的路徑及分布，剔除不滿足約 束條件（如收益、波動、回撤等）的配置方案。

模塊5：投資者評價。對於符合約束條件的、最終保留下來的配置方案，需要根據其期末 賬戶資產淨值的分布對應的效用值來評價配置方案的優劣。效用函數可以使用EU/PT/ST。（報告來源：未來智庫）

4.2 基於蒙特卡洛模擬的量化配置模型的優勢

不同於傳統量化配置模型側重資產端的分析，基於蒙特卡洛模擬的量化配置模型從投資 者需求端出發，在充分考慮到投資者“五層次需求”的條件下定制化配置方案，具有三 大突出優勢：

優勢1：從“以產品為中心”到“以客戶為中心”。

優勢2：清晰直觀地展現不同情境下的策略表現。遍歷的方式能夠清晰地展現不同情境 下的策略表現，使投資者對配置模型能夠實現的效果有更加生動直觀的認識。

優勢3：降低對分布假設的依賴性，便於引入新的資產類別。正態分布假設下的配置結 論可能存在一定問題，而蒙特卡洛模擬方法可以直接采用抽樣方式得到收益預測，在 可投資產類別不斷增加的背景下更具實用價值。

5. 案例展示：養老場景下的定制化配置方案設計

5.1 老齡化壓力催生定制化養老配置需求

2020年我國人口老齡化比重 達13.5%，老年贍養比逐年攀 升。我國養老金規模占GDP比重較 低，養老體系較為依賴第一支 柱。

政策+產品+策略：發展個人養 老。

工作年限、工資收入、投資目 標等存在較大的異質性，養老 場景下的資產配置方案千人千 面，基於蒙特卡洛模擬的量化 配置方法更能發揮其優勢。

5.2 代表性個人養老產品：目標日期基金

海外經驗來看，目標日期基金 （TDF）是近年來最為成功的 個人養老金融產品。2010年以來，TDF整體規模從 3400億美元增長至1.59萬億美 元，年均複合增長率約16.7%。TDF中一站式的全生命周期的 資產配置方案，核心部分為下 滑軌道設計，即確定不同時間 節點上的戰略資產配置比例。通常來講，隨著所設定目標日 期的臨近，逐步降低權益類資 產的配置比例，增加非權益類 資產的配置比例。

檢驗：MC模擬的配置方法在 養老場景下能否得到下滑軌道？

5.3 測算流程及配置結果

利用Monte-Carlo模擬的方式 生成10萬個配置方案以及4萬 組股債收益率序列，之後綜合 考慮投資組合的風險收益情況 和退休後消費目標，篩選出最 優的配置方案。基於Monte-Carlo模擬法計算 得到的養老場景下的最優配置 方案，與目標日期基金的下滑 軌道形狀非常接近：隨著年齡 的增長（投資的逐步推移）， 最優的權益配置比例不斷降低。
期初約74%，期末約16%。（報告來源：未來智庫）

5.4 清晰直觀展示效果

基於蒙特卡洛模擬的量化配置 模型能夠清晰直觀地展現不同 情境下的策略表現。以最優配置方案為例，考慮初投入和工資收入的周期性投 入後，最優情境下的 IRR約 11.5%，最差情境下的IRR約 0.9%，中性情境下的IRR約 5.5%。

5.5 可以直接應用於多資產配置

我們在此前的外發報告《資產 配置專題系列之十—目標日期 基金：養老型基金產品的開路 先鋒》（2020.1.6）中，給出先根據理論模型計算下滑軌 道（大類的股債配置比例）， 再借助風險模型計算細分 資產配置比例的方法。在多資產配置中，也可以直接 使用本篇報告提出的MonteCarlo模擬的方法實現穿透的 細分資產配置：依然可以實現 類似“下滑軌道”的結果。

報告節選：

（本文僅供參考，不代表我們的任何投資建議。如需使用相關信息，請參閱報告原文。）

精選報告來源：未來智庫。