1.财富管理时代，配置需求多元化。
1.1国内私人财富市场稳步发展。
国内私人财富市场稳步发展，高净值人群数量和可投资资产规模持续增长:2020年，国内个人持有的可投资资产总规模将达到241万亿元。2020年，国内高净值人群将达到262万人，持有的可投资资产规模将达到84万亿元。
1.2日益多样化的配置要求
需求日益多元化，资产配置依赖于个性化、定制化的方案设计。
需求:进取，配置多元化，配置规模化，服务定制化。
难点:降低波动性、目标选择、投资组合优化和流动性管理。
核心诉求:定制化配置方案设计，提供更智能、更有温度的投资体验。
2.定制化配置:迎合投资者“五级需求”。
传统的量化配置模型只是在基础维度上考虑收益和风险的优化，而现实中投资者的需求更加多样化和个性化。
收益:1)年化收益6%~8%。2)年收益率超过6%的概率有80%。
风险:1)年化波动在8%以内。2)年亏损超过-10%的概率在5%以内。3)全局最大回撤在-15%以内，区间动态回撤在-5%以内。
时间:普通中期投资，养老场景，教育场景。
流动性:1)配置至少5%的货基，满足流动性需求。2)每月固定投入/每年提取。
特点:范围广，精细化，个性化。比如养老金场景，可能要求最终积累的账户价值能够大概率满足退休后的养老金缺口，等等。
3.传统定量配置模型的痛点
3.1传统量化配置模式:侧重于资产端
均值-方差模型是所有量化资产配置模型的开端。资产配置问题转化为优化问题，优化模型的输入包括收益和风险。MVT模型的分配比例对收入的变化非常敏感，但是对收入的预测非常困难。后续的量化模型主要沿着主动收益预测和风险分配两个方向演进。
3.2传统配置模式的三大痛点
传统的量化配置模型侧重于资产端的分析，但在定制化配置方案的设计上存在一些不足，主要体现在以下三个方面:
1.痛点:无法加入形式复杂的收益和风险诉求。1)比如VaR约束或ES约束只能在正态分布下求解。2)一些强“路径相关”约束，如组合最大回撤。
痛点:没有考虑资金的流动性需求。例如周期性地输入/提取。
痛点:很难添加特性需求。在财富管理的大背景下，资产配置方案千差万别，对特性的要求也各不相同。很多时候，传统模型会陷入无法解决的困境。
4.定制配置方案设计:五大模块有机结合。
4.1五大模块的有机结合
模块1:生成随机配置方案。每个生成的配置方案可以用一个N*T维矩阵表示，采用自顶向下的随机生成方法。在考虑到投资者的特点和要求后，只保留符合条件的配置方案。
模块2:生成随机收益率。每次生成的资产收益率可以用一个N*T维矩阵表示，可以使用三种随机生成方法:分布模拟法、历史抽样法和主观调整法。
模块3:添加资金流调整。资产配置计划账户可能存在定期/不定期的资金流入/流出。
模块4:约束检查。任意分配方案+任意随机收益+资金流调整=模拟得出每个时间点的账户资产净值。对于任何一个分配方案，考察账户资产净值的路径和分布，剔除不满足约束条件的分配方案。
模块5:投资者评估。对于满足约束条件并最终被保留的分配方案，需要根据期末账户净资产值分配对应的效用值评估分配方案的优劣。效用函数可以使用EU/PT/ST。
4.2基于蒙特卡罗模拟的定量配置模型的优势
与传统的量化配置模型侧重于资产端的分析不同，基于蒙特卡罗模拟的量化配置模型从投资者的需求端出发，在充分考虑投资者“五层次需求”的情况下定制配置方案。它有三个突出的优点:
优点:从“以产品为中心”到“以客户为中心”。
2.优点:清晰直观地展示不同情况下的战略表现。遍历模式可以清晰的展示不同情况下策略的表现，让投资者对配置模型所能达到的效果有更生动直观的认识。
3.优点:减少对分布假设的依赖，便于引入新的资产类别。正态分布假设下的分配结论理论可能存在一些问题，而蒙特卡罗模拟法可以通过抽样直接得到收益预测，在可投资产品种类日益增多的背景下更具实用性。
5.案例展示:养老场景下的定制配置方案设计。
5.1老龄化压力催生定制化养老金配置需求。
2020年，我国老龄人口比例将达到13.5%，养老抚养比将逐年提高。我国养老金规模占GDP比重较低，养老金体系更依赖第一支柱。
政策+产品+策略:发展个人养老。
在工作年限、工资收入、投资目标等方面存在很大的异质性。养老金场景中的资产配置方案有上千种，基于蒙特卡罗模拟的量化配置方法可以充分发挥其优势。
5.2代表性个人养老金产品:目标日期基金
海外经验表明，目标日期基金是近年来最成功的个人养老金融产品。自2010年以来，TDF的整体规模从3400亿美元增长到1.59万亿美元，年复合增长率约为16.7%。TDF全生命周期一站式资产配置方案，其核心部分是滑轨的设计，即确定不同时间节点的战略资产配置比例。一般来说，随着设定目标日期的临近，权益类资产的配置比例会逐渐降低，非权益类资产的配置比例会逐渐提高。
测试:MC模拟的配置方式能否在养老金场景下得到一个下降轨迹？
5.3计算过程和配置结果
利用蒙特卡罗模拟生成10万个分配方案和4万组股票债券收益率序列。之后综合考虑投资组合的风险收益情况和退休后的消费目标选择最优配置方案。蒙特卡洛模拟法计算的养老金情景下的最优配置方案，与目标日期基金下行轨迹的形状非常接近:随着年龄的增长，最优权益配置比例不断降低。开始的时候大概74%，结束的时候大概16%。
5.4清晰直观的显示效果
基于蒙特卡罗模拟的定量配置模型可以清晰直观地展示不同情况下的战略绩效。以最优配置方案为例，在考虑初始投资和工资收入的周期性投资后，最优情况下的IRR约为11.5%，最差情况下约为0.9%，中性情况下约为5.5%。
5.5可直接应用于多资产配置
在我们之前的对外报告《资产配置特别系列第10号——目标日期基金:养老基金产品的先行者》中，我们给出了先根据理论模型计算下坡道，再由风险模型计算资产配置比例的方法。在多资产配置中，也可以直接使用本报告提出的蒙特卡洛模拟法来实现穿透式资产配置:仍然可以达到类似于“滑轨”的结果。
报告摘录:
精选报告来源:【未来智库】。
