混合风险指标定义与特点 [page::3]

• MRisk由平均半偏差（MSD）和条件在险价值（CVaR）加权组成。

- 参数λ反映投资者对风险偏好的取向，λ越大越关注平均损失，λ越小越关注尾部风险。

• MSD体现所有不及期望收益的损失，CVaR强调极端尾部损失，两者加权体现多样风险定义。

基础资产风险指标比较与有效前沿分析 [page::5][page::6]

| 资产类型 | 沪深300 | 中证500 | 恒生指数 | 标普500 | AU9999 | 南华商品 | 中证转债 | 中债新综合 |
|--------|---------|---------|---------|---------|--------|--------|---------|----------|
| 标准差 | 1.87% | 2.13% | 1.58% | 1.26% | 1.10% | 0.99% | 1.38% | 0.08% |
| MSD | 0.65% | 0.76% | 0.52% | 0.40% | 0.38% | 0.36% | 0.38% | 0.02% |
| CVaR | 4.77% | 5.69% | 3.70% | 3.12% | 2.55% | 2.35% | 3.56% | 0.17% |
| MRisk | 2.71% | 3.22% | 2.11% | 1.76% | 1.47% | 1.36% | 1.97% | 0.10% |

• MRisk的有效前沿根据不同λ值和置信水平β形成多条曲线，满足不同风险定义投资者需求。

- 随λ增加，组合更偏向稳健，债券资产比重提升，组合波动率降低。

参数β不同情况下投资组合表现 [page::7][page::8]

| 资产 | β=99% | β=97.5% | β=95% | β=92.5% | β=90% |
|-----------|--------|---------|--------|---------|--------|
| 中证500 | 20.97% | 18.95% | 18.85% | 19.34% | 19.80% |
| 标普500 | 9.58% | 12.18% | 12.00% | 12.29% | 12.53% |
| AU9999 | 17.46% | 24.59% | 25.21% | 22.68% | 20.36% |
| 中债新综合 | 51.99% | 44.28% | 43.94% | 45.69% | 47.30% |

• 置信水平β改变，MRisk及资产持仓变化明显，但无固定持仓规律。

MRisk与标准差资产配置表现对比 [page::8][page::9]

| 指标 | 最大斜率模型（MRisk） | 最大Sharp比率模型（标准差） |
|----------------|-----------------------|-----------------------------|
| 累计收益率 | 144.03% | 128.12% |
| 年化收益率 | 8.59% | 7.91% |
| 年化波动率 | 6.58% | 7.63% |
| 夏普比率 | 0.93 | 0.71 |
| 最大回撤率 | 14.74% | 18.30% |
| Calmar比率 | 0.58 | 0.43 |

• MRisk测度风险下组合表现更优，收益率提升同时风险下降。

动态调整λ提升资产配置效率 [page::9][page::10]

• λ动态公式与资产相关系数负相关，与波动率正相关，体现市场环境变化对风险容忍度的影响。

- 动态λ设置回测显示夏普比率和Calmar比率较静态λ提升。
| 指标 | 动态λ最大斜率模型 |
|----------------|-------------------|
| 累计收益率 | 213.20% |
| 年化收益率 | 11.12% |
| 年化波动率 | 8.54% |
| 夏普比率 | 1.01 |
| 最大回撤率 | 16.69% |
| Calmar比率 | 0.67 |

结论 [page::10]

• MRisk作为融合波动性和尾部风险的指标，较传统标准差提供更全面风险度量。

- 该指标在资产配置中表现更优，可以适应不同投资者风险偏好。

• 动态调整参数增强配置灵活性和效率。

风险度量方法与混合风险指标（MRisk）研究报告详尽分析

---

1. 元数据与报告概览

• 报告标题： 《风险度量方法探讨——混合风险指标》

- 发布机构： 西南证券研究发展中心

• 主要作者与联系方式： 包括分析师王挺等，执业证号及联系方式详见报告，确保报告分析者资质合规。

- 发布日期及相关研究引用时间： 2016-2017年间相关研究被参考，文中样本和数据多数截止到2017年7月。

• 报告主题： 对传统风险度量指标的不足进行批判，提出并详析一种新的风险度量指标——混合风险指标MRisk，进一步探讨该指标在资产配置中的应用价值及优势。

- 核心论点与目标：
- 市场风险指标有限，且投资者对风险理解不同，但实际使用同样风险指标，需求不匹配。
- 推荐的MRisk指标由平均半偏差（MSD）和条件在险价值（CVaR）加权组成，兼顾波动风险与尾部风险，参数调节反映不同投资者风险偏好。
- 利用MRisk进行资产配置，获得多条“量身定做”的有效前沿，能更好匹配投资者多样化需求。
- 实证表明用MRisk替代传统标准差作为风险度量进行资产配置，效果在波动率、最大回撤及收益率方面均有所提升。
- 动态调整权重参数𝜆进一步提升资产配置效率，符合市场环境变化，拓展风险管理方法的灵活性和适用性。

该报告旨在推动风险度量向多维度和个性化方向发展，促进资产配置效率的提升，对学术和实务操作均有指导价值。[page::0,3,10]

---

2. 报告内容逐节深入解析

2.1 摘要与导论

• 关键信息： 投资者对风险的定义存在显著差异，但现有市场主流风险指标如标准差、VaR、CVaR等单一指标无法满足多样化需求。

- 引出MRisk指标： 以平均半偏差MSD和条件在险价值CVaR的加权组合构成，配合参数𝜆和置信水平𝛃，体现不同的风险定义。

• 投资组合的有效前沿不再唯一，变为参数驱动，并能通过调节参数满足个性化风险偏好。

- 优势： MRisk能降低组合的年化波动率和最大回撤同时提升收益，实践中通过最大斜率模型（即最大风险调整收益）验证。

• 动态参数设定： 以市场波动率和资产相关性变化为依据动态调整𝜆值，增强模型适应性及资产配置表现。[page::0,3]

2.2 第一节：混合风险指标定义与理论基础

• 市场风险指标现状及不足： 标准差类指标（方差、半方差、平均离差）注重总体波动性，较为保守；尾部损失指标（VaR、CVaR）关注极端损失，风险观念不一。

- MRisk数学表达式：

\[
MRisk\lambda(w, \beta) = \lambda MSD(w) + (1-\lambda) CVaR(w, \beta)
\]

其中：
- \( \lambda \in [0,1] \) 权衡平均损失（MSD）与尾部风险（CVaR）
- \( \beta \) 为置信水平（Tail risk置信区间）
- \( w \) 为组合权重向量

• MSD定义：

\[
MSD(w) = E\{[(R-r)^T w]^+\}
\]

代表收益率低于预期部分的平均损失（半偏差），“+”指只计为正的偏差。

• CVaR定义：

\[
CVaR(w, \beta) = E[f(w,r) | f(w,r) > VaR\beta]
\]

即超过VaR阈值的尾部损失平均值。

• 概念说明： MSD衡量所有小于均值部分的风险，更加保守和全面；CVaR专注于极端尾部风险。MRisk有效融合两者，行为上实现了对风险的多层次度量。
• 图1说明： （中证全指2006-2016日收益频数分布）

- MSD值明显小于CVaR，MRisk（𝜆=0.5）处于其中间，体现指标的加权属性和灵活度。
- 直观呈现不同风险度量对实际回报分布的度量差异，验证指标设计合理性。

• 图2说明： 随𝜆值升高（即风险偏好向MSD倾斜），MRisk指标线性减小，说明高𝜆对应降低风险厌恶度（更宽容于尾部风险），体现投资者主观差异的参数调节功能。[page::3,4]

2.3 第二节：MRisk的有效前沿分析

2.3.1 模型设定

• 采用Markowitz均值-方差框架延伸至MRisk度量，优化目标：

\[
\minw MRisk\lambda(w, \beta) = \lambda MSD(w) + (1-\lambda) CVaR(w, \beta)
\]

约束：

- 权重之和等于1 (\(\sum wi = 1\))
- 期望收益满足最低收益要求 (\(w^T R \geq R0\))
- 权重非负 (\(wi \geq 0\))

• 强调该框架能求出在不同𝜆、𝛃组合下的有效前沿，即一族风险-收益最佳曲线，反映投资者差异化风险定义。

2.3.2 资产池构建

• 选取8种基础资产覆盖国内外股票、商品及债券：

- 国内股票：沪深300、中证500
- 国际股票：恒生指数、标普500
- 大宗商品：黄金9999、南华商品指数
- 债券：中证转债、中债新综合财富指数

• 表2中各种资产的标准差、MSD、CVaR和MRisk指标比较：

- 标准差指标均介于MSD与CVaR之间，且整体呈单调趋势，反映不同度量指标间的相对风险排序一致。
- MRisk（𝜆=0.5）作为加权指标，表现为平衡两者的中间状态。

2.3.3 有效前沿展示

• 图4显示在不同𝜆（0到1）的情况下，MRisk指标对应的有效前沿：

- 𝜆=0对应纯尾部风险CVaR有效前沿，𝜆=1对应均值半偏差MSD有效前沿。
- 𝜆值变化有效前沿介于两者之间，体现投资者不同风险偏好的量身定制潜力。
- 有效前沿下方存在一条竖直线段，标志最低风险水平（如当组合收益回到债券收益率时，组合以债券为主，风险无法再减少）。

• 表3分析不同𝜆情况下持仓比例的变化：

- 随𝜆升高，债券占比显著增加，反映更高风险厌恶对应更稳健配置。
- 股票和商品配置相应减少，组合风险、波动率降低。

• 图5和表4展示不同置信度𝛃对有效前沿和持仓影响：

- 置信度越大，MRisk越高，尾部考虑越严格。
- 组合持仓在不同𝛃下无明显规律变化，因MSD和CVaR的权重影响不同，且两者随𝛃变化趋势不完全一致。

整体来看，有效前沿与持仓结构清晰呈现MRisk参数对风险-收益权衡及资产配置的具体影响。[page::5,6,7,8]

2.4 第三节：基于MRisk的资产配置实证分析

2.4.1 最大斜率模型说明

• 目标为最大化风险调整回报，即最大化收益率与风险度量的比值：

\[
\maxw \frac{w^T R}{MRisk\lambda(w, \beta)}
\]

• 与传统的最大夏普比率模型（风险度量用标准差）对比，利用表1中8种基础资产，2006-2017年数据回测，无交易成本假设。

2.4.2 实证结果

• 表5显示两种风险度量下模型表现对比：

- 累计收益率： MRisk模型144.03% > 标准差模型128.12%
- 年化收益率： 8.59% > 7.91%
- 年化波动率： 6.58% < 7.63%
- 最大回撤率： 14.74% < 18.30%
- 夏普比率： 0.93 > 0.71
- Calmar比率： 0.58 > 0.43

• 结论：MRisk模型在提升收益的同时有效降低波动和尾部风险，实现更稳健的资产配置。

2.4.3 参数选择及动态调整

• 𝜆决定风险定义偏好：波动率vs尾部损失；𝛃为尾部风险覆盖置信度。

- 设定动态𝜆：

\[
\lambda = \lambda0 \times f(\Delta cor(w)) \times \varphi(\Delta \sigma(w))
\]

- \( f(\Delta cor(w)) \) 与资产相关系数变化负相关，即相关性上升时降低𝜆，关注尾部风险加大防范。
- \( \varphi(\Delta \sigma(w)) \) 与波动率变化正相关，波动率上升时增大𝜆，加强对波动的控制。
- 具体函数形式为：

\[
f(\Delta cor(w)) = \min\left(1.2, \frac{\overline{cor}{3m,m}}{\overline{cor}{m,0}}\right), \quad \varphi(\Delta \sigma(w)) = \min\left(1.2, \frac{\bar{\sigma}{m,0}}{\bar{\sigma}{3m,m}}\right)
\]

• 以初始值𝜆₀=0.5，替换进动𝜆公式回测，见表6：

- 累计收益213.2%，明显优于固定𝜆和标准差模型
- 年化收益率11.12%，年化波动率8.54%
- 最大回撤率16.69%，夏普比率1.01，Calmar比率0.67均显著提升

• 表明市场环境自适应调节𝜆能够提升配置效果，强化风险管理。
• 报告指出对𝜆的动态调整方法仍有研究空间，未来可深入量化环境变量与参数关系。[page::8,9,10]

2.5 总结与展望

• MRisk作为一种综合风险度量，融合波动风险和尾部风险，克服传统指标单一性。

- 参数𝜆与置信水平𝛃灵活调节适应不同风险偏好和投资理念。

• 实证显示MRisk指标下资产配置能显著降低波动及极端风险，同时提升收益。

- 动态调整𝜆值顺应市场波动和相关性变化，提高组合表现及稳定性。

• 未来工作方向为深入探讨动态参数调整与市场环境的因果关系，丰富风险管理工具箱。[page::10]

---

3. 关键图表深度解读

3.1 图1：MRisk、MSD、CVaR示意图

• 描述： 中证全指2006-2016年日收益频率分布，标注MSD（平均半偏差）、CVaR（95%置信）的具体位置，及𝜆=0.5的MRisk值。

- 数据与趋势： MSD < MRisk(𝜆=0.5) < CVaR，显示CVaR捕捉尾部极端损失更大，MSD重视整体偏离负面表现，MRisk权衡两者。

• 支持文本论点： 直观体现不同风险度量的敏感性和保守程度差异，解释为何需要混合指标来满足多样风险定义。

- 潜在限制： 单一资产分布依赖历史数据，未来风险模式可能变化。

• 

3.2 图2：中证全指不同𝜆水平下MRisk

• 描述： MRisk随着𝜆从0到1线性变化趋势图。

- 解读趋势： MRisk值线性下降，表明增加MSD权重（𝜆）降低综合风险度量，解释风险态度从尾部风险到波动风险的递进转换。

• 文本关系： 确认𝜆作为投资者风险厌恶度调节参数的有效性。

-

3.3 图3：基本资产风险指标变化

• 描述： 8种资产的标准差、MSD、CVaR和MRisk值线性比较图。

- 数据趋势： 所有风险指标在资产间呈明显单调排序关系，资产风险排名一致。

• 意义： 说明MRisk平滑连接传统波动率和尾部风险，且在资产选择中具备分辨力。

-

3.4 图4：不同𝜆的投资组合有效前沿

• 描述： 𝜆取不同值时投资组合MRisk与预期收益率的有效前沿曲线。

- 数据与趋势： 𝜆升高，风险（MRisk）水平降低，收益-风险曲线右移。显现出通过𝜆加强对波动风险的关注，使整体组合更稳健。

• 文本联系： 贯彻投资者个性化风险偏好，使“有效前沿”不再唯一，反映多元风险态度。

-

3.5 图5：不同𝛃的投资组合有效前沿

• 描述： 置信水平𝛃不同情况下的MRisk有效前沿，𝜆固定为0.5。

- 趋势及解读： 𝛃越大风险越高，曲线趋向右上方，显示风险度量对尾部损失风险敏感性的加权加强。

• 持仓变化无明显规律，表明MSD与CVaR对组合影响不完全同步。

-

---

4. 估值分析

本报告未涉及企业价值估值、现金流折现等传统企业财务估值方法，报告核心在于风险度量与资产组合优化模型的理论建立与实证检验。所用数学模型基于组合优化和风险指标设计，估值层面没有直接应用。本质上报告是风险管理与资产配置策略研究，不涉及个股估值分析，因此此处不适用传统估值分析框架。

---

5. 风险因素评估

报告虽非企业信用风险分析，但内在风险元素可总结如下：

• 模型假设风险： MRisk依赖历史数据的波动与尾部风险估计，历史波动及损失分布变化可能导致风险度量偏差。

- 参数选取风险： 𝜆和𝛃参数的设定主观性较强，不同投资者偏好的误判会直接影响组合表现。

• 市场环境变化： 高相关时代可能导致“股债双杀”，若参数调整滞后或误判，可能导致组合损失放大。

- 交易成本忽略： 实证中未考虑换手率带来的成本，实际收益可能受影响。

• 流动性风险缺失： 资产池中未具体考虑流动性约束，特别是一些商品和转债资产风险。

- 动态调整模型简化： 动态𝜆模型较为初步，未考虑更复杂多变的市场反馈，仍存在改进空间。

这些风险提示投资者在实际应用MRisk资产配置时需警惕因模型假设偏差造成的风险，建议结合其他稳健性检验。[page::3,9,10]

---

6. 审慎视角与细微差别

• 优势：

- MRisk全面融合波动率与尾部风险，克服并非单一风险度量极端偏重的问题。
- 参数灵活，适应多样化投资者风险偏好。
- 结合实证比较，显示显著提升风险调整表现。

• 局限性：

- 𝜆与𝛃的选择非完全客观，应用中可能存在调参主观性，缺乏系统化的风险偏好测量机制。
- 动态𝜆的设定方式较为简化，未包含宏观经济变量及多因子交互影响，后续研究空间很大。
- 回测时间和资产池有限，未来覆盖更多资产类型及更长周期数据，是否保持优异性能还有待观察。
- 没有考虑实际交易成本和流动性约束，实盘落地复杂度可能较高。

• 内部矛盾： 置信水平𝛃变化按钮持仓无规律，虽符合MSD和CVaR影子交错影响，但对此缺乏更深层模型解释，建议未来深入研究不同风险因子联动机制。
• 风险指标本身对极端事件的敏感性仍依赖于数据质量与模型假设，故任何风险指标都有局限，应配合多指标综合判断。
• 总体而言，MRisk作为创新指标提供了理论与实证的融合示范框架，具启发意义，但实务应用应结合具体情境审慎部署。[page::3,7,9,10]

---

7. 结论性综合

该报告系统论述了一种新型混合风险指标MRisk，通过将平均半偏差（MSD）和条件在险价值（CVaR）进行加权，弥合了传统单一波动率或尾部风险指标的不足。核心贡献包括：

• 理论贡献： MRisk定义灵活，参数𝜆调节投资者风险观念多样性，置信水平𝛃调整尾部风险关注度，生成多条有效前沿，满足个性化资产配置需求。

• 实证分析：

- 不同资产的风险指标计算表明MRisk居于MSD与CVaR之间，稳健性提升。
- MRisk风险度量下资产组合有效前沿能根据投资者风险偏好调整，持仓结构相应变化，整体组合风险及波动率具备良好可控性。
- 最大斜率模型中，MRisk比传统标准差风险测度获得更高年化收益、更低波动率和最大回撤，实现优秀风险调整收益表现。
- 动态调整𝜆根据资产相关性和波动率的变化响应市场环境，进一步提升夏普比率和Calmar比率，增强资产配置效率。

• 图表解析：

- 图1-2直观呈现风险指标设置与投资者风险厌恶程度的关联。
- 图3展现基本资产范围内的指标一致性。
- 图4-5展示风险参数变化对有效前沿和持仓的系统影响，彰显MRisk的适应性。
- 回测结果表5和表6验证了MRisk及动态参数在组合管理中的优越性。

• 投资管理启示：

- 投资者与基金经理应结合自身风险偏好和市场环境灵活选择和调整MRisk参数，弥补传统单一风险度量的不足。
- 动态风险管理成为提升资产组合稳健性的重要方向。

• 研究展望： 对动态参数𝜆与市场环境关系的深入量化研究尤为重要，也为个性化风险管理体系建设奠定基础。

综上所述，该报告不仅为风险度量模型提供了创新视角，也通过理论与实证结合展示了其在资产配置中的实用价值，具备较强的参考和推广意义。[page::0-10]

---

参考文献与声明

• 本报告使用Wind资讯及西南证券自主整理数据，基于合法合规渠道。

- 分析师具备专业资格，保证分析独立客观。

• 未涉及个股具体推荐，属于风险管理与资产配置策略研究报告。

- 图表均显示详细数据来源，方便复核。

• 报告版权归西南证券所有，引用需标明出处。

---

附：关键图表Markdown展示

图1：MRisk、MSD、CVaR示意图

图2：中证全指不同λ水平下的MRisk变化图

图3：基本资产风险指标变化图

图4：不同λ的投资组合有效前沿

图5：不同置信度β下的投资组合有效前沿

---

此分析充分覆盖了原报告所有重要论点、数据与图表解析，内容详尽且结构清晰，旨在为读者提供完整的理解框架及应用见解。

报告