资产配置的四种范式赔率、胜率、趋势与拥挤度_2020.pdf
- 文档编号:18713085
- 上传时间:2023-10-16
- 格式:PDF
- 页数:31
- 大小:3.26MB
资产配置的四种范式赔率、胜率、趋势与拥挤度_2020.pdf
《资产配置的四种范式赔率、胜率、趋势与拥挤度_2020.pdf》由会员分享,可在线阅读,更多相关《资产配置的四种范式赔率、胜率、趋势与拥挤度_2020.pdf(31页珍藏版)》请在冰点文库上搜索。
证券研究报告|金融工程研究2020年09月12日量化专题报告量化专题报告资产配臵的四种范式资产配臵的四种范式:
赔率、胜率、趋势与拥挤度赔率、胜率、趋势与拥挤度本篇报告从大类资产的收益来源出发,梳理出赔率交易、胜率交易、趋势交易和拥挤交易四种基于不同交易理念的投资范式。
通过对四种投资范式的研究,最终我们给出了一个资产配臵的系统化主动管理框架。
赔率赔率信号信号提供投资的位臵感提供投资的位臵感,其核心在于寻找资产的合理估值中枢。
,其核心在于寻找资产的合理估值中枢。
在这一部分中,我们完成了对A股、美股、港股、可转债、利率债和信用债的赔率指标设计,并构建了基于赔率指标的大类资产配臵策略,策略年化收益为8.8%,年化波动率为2.6%,最大回撤为3.2%,夏普比率为3.23。
胜率信号提供投资的边际感胜率信号提供投资的边际感,其核心是寻找资产的边际驱动力,其核心是寻找资产的边际驱动力。
第一,我们首先基于经济增长、利率、通胀、信用和汇率的宏观隐含因子体系,建立了大类资产、股票细分行业、债券细分资产和商品细分资产与宏观风险之间的量化映射关系,构建了多资产的宏观对冲工具箱。
第二,我们基于NBER和OECD等机构的景气指数编制方法构建了国内的经济景气领先指数,并改进了传统的美林时钟。
基于改进美林时钟的大类资产配臵策略年化收益为7.8%,年化波动为2.5%,最大回撤为3.1%,夏普比率为2.96。
趋势信号是市场对赔率和胜率的确认,趋势信号是市场对赔率和胜率的确认,是是市场认知与个人市场认知与个人认知认知的共振的共振。
在这一部分中,我们发现截面动量对于大类资产配臵基本无效,而时序动量却有显著的收益提升能力。
进一步的,我们将时序动量分解为宏观beta动量和特质alpha动量,发现两者均能明显降低动量策略的波动率和最大回撤,从而实现比原始时序动量策略更高的夏普比率和卡玛比率。
拥挤信号是市场对预期的非理性放大,是投资的双刃剑拥挤信号是市场对预期的非理性放大,是投资的双刃剑。
一方面拥挤交易提供了更高的短期收益,另一方面拥挤过后的践踏也必然导致后期的资产波动。
因此在这一部分中,我们构建了趋势-拥挤度分析框架,基于拥挤度对资产的趋势信号进行过滤,显著提升了策略的性能。
基于趋势-拥挤度分析框架的股债配臵策略年化收益为7.6%,年化波动为3.3%,最大回撤为4.4%,夏普比率为2.27。
基于趋势-拥挤度分析框架的行业轮动策略年化收益为16.2%,夏普比率为0.68,超额收益为9.1%,信息比率为1.16。
风险提示风险提示:
资产波动影响因素复杂,未必能够完全被指标所捕获。
指标设计是基于金融逻辑和统计显著性筛选得出,未来宏观环境变化有可能影响其效相关研究相关研究1、量化专题报告:
多因子系列之十三:
基金重仓股研究2020-09-072、量化周报:
当下的震荡宜低吸不宜追涨2020-09-063、量化周报:
创出新高再追涨也不迟2020-08-304、量化周报:
快调还是慢调?
2020-08-235、量化周报:
短期震荡仍不够充分2020-08-162020年09月12日P.2内容目录内容目录一、理解大类资产的收益来源.4二、赔率交易:
寻找资产的估值中枢.62.1权益资产的赔率指标:
股息率-国债收益率.62.2可转债的赔率指标:
隐含波动率比率.82.3利率债的赔率指标:
预期收益率.92.4信用债的赔率指标:
信用利差.102.5基于赔率指标的大类资产配臵策略.10三、胜率交易:
驱动力决定资产边际走势.123.1构建多资产的宏观对冲工具箱.133.2大类资产隐含因子vs细分资产隐含因子.163.3基于胜率指标的大类资产配臵策略.17四、趋势交易:
如何定义有效趋势.194.1学界研究与业界经验.204.2截面动量无效,时序动量有效.214.3宏观beta动量与特质alpha动量.22五、拥挤交易:
水能载舟,亦能覆舟.255.1趋势-拥挤度分析框架:
大类资产.255.2趋势-拥挤度分析框架:
风格与行业.27六、资产配臵系统化与科学化.29参考文献.31风险提示.31图表目录图表目录图表1:
理解大类资产的收益来源.4图表2:
四种投资范式的内在关系及其禀赋约束.5图表3:
A股市场和美股市场的股债轮动策略表现.7图表4:
基于股息率-国债收益率的A股-国债轮动策略.7图表5:
基于股息率-国债收益率的美股-美债轮动策略.7图表6:
基于隐含波动率比率的可转债-股票轮动策略.8图表7:
基于预期收益的的利率债久期择时策略.9图表8:
基于预期收益的的利率债久期择时策略表现.9图表9:
基于信用利差的的信用债-利率债轮动策略.10图表10:
基于信用利差的的信用债-利率债轮动策略表现.10图表11:
基于赔率指标的大类资产配臵流程.11图表12:
基于赔率指标的大类资产配臵策略表现.12图表13:
基于赔率指标的大类资产配臵策略分年表现.12图表14:
宏观隐含因子体系.13图表15:
大类资产的宏观风险暴露.13图表16:
股票细分板块的宏观风险暴露.14图表17:
债券细分板块的宏观风险暴露.15图表18:
商品细分板块的宏观风险暴露.15uXoZrPrRwPoR9P8Q9PoMnNoMnNeRpPxOkPqRsQaQmOsQMYoMtOuOtOsR2020年09月12日P.3图表19:
系统化宏观对冲工具箱.15图表20:
大类资产隐含经济因子与真实经济走势.16图表21:
股票细分资产隐含经济因子与真实经济走势.16图表22:
债券细分资产隐含经济因子与真实经济走势.16图表23:
商品细分资产隐含经济因子与真实经济走势.16图表24:
大类资产隐含通胀因子与真实通胀走势.17图表25:
股票细分资产隐含通胀因子与真实通胀走势.17图表26:
领先经济指标能够稳定领先名义GDP同比一个季度左右.17图表27:
基于领先经济指标和通胀指标的美林时钟划分结果.18图表28:
基于美林时钟的大类资产配臵流程.18图表29:
基于美林时钟的大类资产配臵策略表现.19图表30:
基于美林时钟的大类资产配臵策略分年表现.19图表31:
大类资产层面的时序动量效应.20图表32:
风格因子层面的时序动量效应.20图表33:
业界的趋势交易产品化探索.20图表34:
时序动量策略、截面动量策略与风险平价策略的比较.21图表35:
基于截面动量筛选的趋势配臵策略表现.22图表36:
基于时序动量筛选的趋势配臵策略表现.22图表37:
时序动量的分解:
宏观beta+特质alpha.23图表38:
沪深300的特质alpha动量序列.23图表39:
黄金的特质alpha动量序列.23图表40:
时序动量策略、宏观beta动量策略与特质alpha动量策略的比较.24图表41:
基于宏观beta动量筛选的趋势配臵策略表现.24图表42:
基于特质alpha动量筛选的趋势配臵策略表现.24图表43:
股票市场高拥挤一般预示未来有较高的回撤风险.25图表44:
债券市场高拥挤一般预示未来有较高的回撤风险.26图表45:
股票趋势-拥挤配臵策略.26图表46:
债券趋势-拥挤配臵策略.26图表47:
股债趋势-拥挤配臵策略与股债风险平价策略表现.27图表48:
股债趋势-拥挤配臵策略能够长期跑赢风险平价策略.27图表49:
风格因子与行业因子的趋势和拥挤度定义.28图表50:
风格因子的趋势-拥挤度图谱.28图表51:
行业因子的趋势-拥挤度图谱.28图表52:
根据趋势-拥挤度框架构建的行业轮动策略表现.29图表53:
根据趋势-拥挤度框架构建的行业轮动策略能够长期跑赢万得全A指数.29图表54:
多资产的系统性分析框架.30图表55:
ExpectedReturns中的资产配臵立方.31图表56:
国盛金工系统化多资产配臵立方.312020年09月12日P.4一、理解大类资产的收益来源一、理解大类资产的收益来源“做投资决策,最重要的是要着眼于市场,确定好投资类别。
从长远看,大约90%的投资收益都是来自于成功的资产配臵。
”GaryBrinson虽然我们都知道资产配臵很重要,但实际投资中不同投资者对投资收益来源的认识可能相差甚远。
价值投资者会认为投资收益来自于低估时买入,高估时卖出,基本面投资者则可能认为投资收益来自于长期持有基本面良好的标的,而趋势投资者会认为投资收益来自于“截断亏损,让利润奔跑”的严格交易纪律,到底哪个观点才是正确的呢?
我们认为三种观点都是对的。
类比于个股定价的经典公式:
类比于个股定价的经典公式:
P=EPS*PE,我们认为大类资产的定价同样由两部分构成:
资产价格,我们认为大类资产的定价同样由两部分构成:
资产价格=宏观风险宏观风险*定价误差,也因此派生出四种交易理念和投资范式:
定价误差,也因此派生出四种交易理念和投资范式:
赔率交易理念:
估值长期围绕中枢上下波动;胜率交易理念:
资产边际走势由宏观基本面的边际变化决定;趋势交易理念:
一切信息都反映在资产价格中,即资产表现反映宏观预期;拥挤交易理念:
价格上涨吸引增量资金入市,继续推动价格上涨的正反馈机制;图表1:
理解大类资产的收益来源资料来源:
国盛证券研究所不同的投资范式和交易理念虽无高下之分,但其收益特征却有左右之别。
不同的投资范式和交易理念虽无高下之分,但其收益特征却有左右之别。
事实上,我们认为每一种交易理念如果做到极致都可以实现长期的超额收益,市场的定价机制也正是在不同交易理念的投资者的交互中产生的。
但由于不同的投资范式和交易理念在投资期限、策略收益特征以及适应的市场环境上有较大区别,如果我们只是简单地把宏观指标、估值指标和量价指标进行机械的量化回测,然后把历史有效的指标进行打分加权来构建资产配臵策略,往往容易落入策略平庸化和策略过拟合的陷阱中。
实际上,机构禀赋基本决定了其投资范式,我们以图表实际上,机构禀赋基本决定了其投资范式,我们以图表2来展示四类交易者的进场顺序及其匹配的机构类型:
来展示四类交易者的进场顺序及其匹配的机构类型:
资产价格宏观风险定价误差市场交易信息市场交易信息资产表现反映宏观预期(趋势交易)非理性投资放大宏观预期(拥挤交易)基本面信息(胜率交易)基本面信息(胜率交易)宏观风险因子可以解释60%的资产波动经典模型:
美林时钟=估值信息(赔率交易)估值信息(赔率交易)估值均值回复是资产波动的第二来源经典模型:
FedModel2020年09月12日P.5赔率交易:
根据资产估值偏离中枢的程度来决定仓位,属于左侧进场信号赔率交易:
根据资产估值偏离中枢的程度来决定仓位,属于左侧进场信号。
赔率交易者是最早进场的投资者。
所以该投资范式往往要求投资者容忍买入后短期的回撤或长期的底部盘整。
这种投资范式对机构的负债稳定性提出很高的要求,否则在买入后回撤或长期盘整的阶段很容易遭遇到大量的赎回,因此赔率交易适合银行或保险等负债久期长且稳定的机构;胜率交易:
根据资产的宏观驱动信号变化决定仓位,属于同步进场信号胜率交易:
根据资产的宏观驱动信号变化决定仓位,属于同步进场信号。
胜率交易者是第二拨进场的投资者。
由于影响资产的宏观维度较多,且要求投资者对不同的宏观维度有较为领先的预判。
如果是个股投资,则要求投资者对不同行业以及股票的基本面逻辑有深刻的认识,因此该投资范式对投研资源要求较高,适合投研资源丰富的公募等机构;趋势交易:
趋势交易:
根据资产价格趋势决定仓位,属于右侧进场信号根据资产价格趋势决定仓位,属于右侧进场信号。
趋势交易者是第三拨进场的投资者。
趋势交易的优势在于其依靠严格的交易纪律可以根据市场变化快速改变投资方向,但是由于市场价格本身有较多的噪声,且趋势跟随属于投资中的“弱逻辑投资”,因此“多品种多次反复试验”是该投资范式的核心,这对机构的交易性能以及投资广度有较高的要求,适合私募等机构;拥挤交易:
根据市场活跃度决定仓位,属于危险的右侧进场信号,我们认为更应当将其视作左侧退场信号。
拥挤交易:
根据市场活跃度决定仓位,属于危险的右侧进场信号,我们认为更应当将其视作左侧退场信号。
拥挤交易者是最后一拨进场的投资者,虽说拥挤交易做到极致也可以盈利,但是对绝大多数投资者而言,拥挤交易无异于火中取栗,因此我们更倾向于不参与拥挤交易,把拥挤度当成是一个退场信号可能是更理智的选择;一般而言,一个赔率周期一般而言,一个赔率周期=一个胜率周期一个胜率周期=两个两个/三个趋势三个趋势-拥挤度周期拥挤度周期,因此赔率和胜率偏向于战略配臵的范畴,趋势和拥挤度偏向于战术配臵的范畴。
图表2:
四种投资范式的内在关系及其禀赋约束资料来源:
国盛证券研究所赔率交易者进场赔率交易者进场股票:
股权风险溢价可转债:
隐含波动率利率债:
Rollreturn胜率交易者进场胜率交易者进场股票:
经济上行债券:
货币政策宽松黄金:
美元贬值趋势交易者进场趋势交易者进场时间序列动量横截面动量跨资产动量拥挤交易者进场拥挤交易者进场股票:
两融余额债券:
国开债-国债利差商品:
交易量/持仓量禀赋约束:
负债稳定性禀赋约束:
负债稳定性银行、保险禀赋约束:
投研资源禀赋约束:
投研资源公募禀赋约束:
交易性能和禀赋约束:
交易性能和投资广度投资广度私募禀赋约束:
投资灵活性禀赋约束:
投资灵活性个人投资者2020年09月12日P.6二、赔率交易:
寻找资产的估值中枢二、赔率交易:
寻找资产的估值中枢首先解释赔率的概念,我们把反映未来上涨空间和投资盈亏比的指标定义为赔率指标。
首先解释赔率的概念,我们把反映未来上涨空间和投资盈亏比的指标定义为赔率指标。
比如股票常用的赔率指标有市盈率、市净率和股息率,可转债常用的赔率指标有纯债溢价率和转股溢价率,利率债的赔率指标是到期收益率或者远期收益率。
对于赔率指标而言,我们认为有两个特征是需要重点阐述的:
1)从投资期限来看,赔率指标影响周期较长,是决定中长期配臵中枢的重要指标,可用于判断资产未来一年左右的表现。
但就像股票估值低未必就能保证下一个月股票就会涨一样,我们不能苛求赔率策略在短期就能马上奏效,因此使用赔率指标做单一资产的择时往往需要承担一些左侧风险和时间成本;2)赔率交易的核心就是寻找资产的估值中枢,避开“价值陷阱”。
就像个股的估值低既有可能是定价误差,也有可能是市场预期个股未来业绩大幅下行。
大类资产的估值中枢也会随着人口结构、产业结构和利率中枢等因素的变化而波动,因此如何给不同的大类资产找到合理定价的锚显得尤其关键。
本章节我们想要解决两个核心问题是:
本章节我们想要解决两个核心问题是:
1)如何定义股票、可转债、利率债和信用债的赔率指标?
2)能否根据多个大类资产的赔率指标设计动态配臵策略?
2.1权益资产的赔率指标:
股息率权益资产的赔率指标:
股息率-国债收益率国债收益率权益资产的赔率指标:
股息率-国债收益率。
这个指标最早受启发于美联储模型,即以市盈率倒数-国债收益率作为股债性价比的指标。
但经过我们的研究,采用市盈率作为权益资产的赔率指标有一定的局限性,以股息率作为赔率指标效果更好采用市盈率作为权益资产的赔率指标有一定的局限性,以股息率作为赔率指标效果更好,原因是:
1)股票盈利的周期波动较大,容易估算出错;采用市盈率TTM不可避免会遇到企业盈利估算滞后的问题;就算采用分析师预期的企业盈利,一方面预期不完全可信,另一方面分析师预期也与企业过去的盈利表现高度相关,线性外推现象明显;2)股票分红周期性较弱且波动较小,易于估计;一方面长期分红本来就意味着企业的经营稳定而盈利质量较好;另一方面,为了保持股价的稳定,企业也有稳定发放红利的意愿,这使得股票分红的周期性远低于股票盈利;3)股息率与国债收益率均属于利息收入,逻辑匹配度更强;股息率是买入股票长期持有,每年能拿到的利息收益,与资本利得无关;而国债收益率也是买入债券长期持有,每年能拿到的利息收益,因此两者逻辑匹配度更强;我们基于中证红利股息率中证红利股息率-10年期国债收益率(下面简称为年期国债收益率(下面简称为DY-BY)来设计的股债轮动策略,其中权益资产为沪深300全收益指数,债券资产为中债国债总财富指数,仓位控制方法如下:
1)DYBY1%,股票仓位100%,债券仓位0%;2)0DYBY=1%,股票仓位67%,债券仓位33%;3)-1%=DYBY0,股票仓位33%,债券仓位67%;4)DYBY-1%,股票仓位0%,债券仓位100%;2020年09月12日P.7从图表3的结果来看,基于中证红利指数股息率-10年期国债收益率的A股-国债轮动策略显示出较强的绝对收益能力。
从2005年开始至今,A股-国债轮动策略年化收益为19.5%,最大回撤为21%,夏普比率为1.27。
同样的策略在美股市场依然有效,基于标普500指数股息率-10年期美债收益率的美股-美债轮动策略长期来看效果显著。
从1980年开始至今,美股-美债轮动策略年化收益为9.5%,最大回撤为12%,夏普比率为1.44。
图表3:
A股市场和美股市场的股债轮动策略表现策略策略年化收益年化收益最大回撤最大回撤夏普比率夏普比率A股-国债轮动策略19.5%21.0%1.27沪深300指数12.9%72.0%0.58美股-美债轮动策略9.5%12.0%1.44标普500指数8.7%52.6%0.64资料来源:
Wind,BloomBerg,国盛证券研究所图表4:
基于股息率-国债收益率的A股-国债轮动策略资料来源:
Wind,国盛证券研究所图表5:
基于股息率-国债收益率的美股-美债轮动策略资料来源:
Bloomberg,国盛证券研究所-4%-3%-2%-1%0%1%2%3%0246810121416200520082011201420172020中证红利股息率中证红利股息率-1010年期国债收益率年期国债收益率(右轴右轴)股债轮动策略股债轮动策略沪深沪深300300指数指数-12%-10%-8%-6%-4%-2%0%2%4%051015202530354045198019851990199520002005201020152020标普标普500500股息率股息率-1010年期美债收益率年期美债收益率(右轴右轴)股债轮动策略股债轮动策略标普标普500500指数指数2020年09月12日P.82.2可转债的赔率指标:
隐含波动率比率可转债的赔率指标:
隐含波动率比率由于可转债的走势与股票相关性更高,在大类资产配臵中我们更倾向于把可转债当成是类权益资产。
因此我们不必对可转债进行绝对定价,只需要研究可转债和股票的相对估值问题即可。
我们不必对可转债进行绝对定价,只需要研究可转债和股票的相对估值问题即可。
在专题报告大类资产定价系列之一:
可转债的择时与择券中,我们曾深入研究过可转债的经典股性估值指标:
转股溢价率。
但是转股溢价率作为可转债的股性估值指标,我们认为在实际应用中可能会出现问题,主要原因有二:
转股溢价率作为可转债的股性估值指标,我们认为在实际应用中可能会出现问题,主要原因有二:
1)转股溢价率与常见的估值概念相悖。
正常的估值概念一般是资产价格跌得越多,资产估值越低,而转股溢价率不具备这种直观的性质,一般来讲,当可转债价格越低,反而转股溢价率是处于高位,而可转债价格越高,转股溢价率反而降低;2)转股溢价率的中枢难以确定。
可转债可以近似认为是个股的认购期权,从无套利理论出发,期权价格一定是要比个股价格更高的,所以转股溢价率大多为正数。
但是关键的问题在于,我们在实际投资中如何判断当前转股溢价率是过高还是过低呢,一方面利用历史数据估算的中枢并不稳定,另一方面中枢本身也很有可能随着市场环境变化而上下浮动。
把期权与股票进行比较并不合理,更合理的做法是把期权和期权放在一起比较。
因此我们以把期权与股票进行比较并不合理,更合理的做法是把期权和期权放在一起比较。
因此我们以50ETF期权的隐含波动率为锚,设计了可转债相对于股票的赔率指标:
期权的隐含波动率为锚,设计了可转债相对于股票的赔率指标:
隐含波动率比率=50ETF期权隐含波动率/可转债市场平均隐含波动率-1隐含波动率比率在零轴上下波动,轮动策略的具体做法为:
如果隐含波动率比率高于0,则策略将仓位配臵在中证转债指数上,如果比率低于0,则把仓位配臵在沪深300指数上。
从图表6的结果来看,隐含波动率比率能够准确判断可转债的优势区间,基于此的可转债-股票轮动策略年化收益为11%,最大回撤为40%,夏普比率为0.59,而沪深300指数年化收益为6.8%,最大回撤为46%,夏普比率为0.39。
图表6:
基于隐含波动率比率的可转债-股票轮动策略资料来源:
Wind,国盛证券研究所-101230.51.01.52.02.52011201220132014201520162017201820192020隐含波动率比率隐含波动率比率(右轴右轴)可转债可转债-股票轮动策略股票轮动策略沪深沪深300300指数指数2020年09月12日P.92.3利率债的赔率指标:
预期收益率利率债的赔率指标:
预期收益率在专题报告大类资产定价系列之二:
利率债收益预测框架中,我们曾介绍利率债的收益分解模型,将利率债收益分解为三个部分:
远期利率、久期影响和凸性偏差三项:
1)远期利率代表利率曲线不变带来的收益远期利率代表利率曲线不变带来的收益。
远期利率项的好处在于不需要预测,可以基于买入时点的即期利率曲线直接计算出来;2)久期影响是收益预测的最重要部分。
久期影响是收益预测的最重要部分。
对于持有时间较短的债券投资者来讲,票息和下滑回报的影响微乎其微,利率变化带来的资本利得几乎贡献了90%的净值波动。
久期影响项=-久期*利率变化,我们根据MM模型对未来一年利率变化的预测计算出久期影响项;3)凸性偏差在利率高波动时期和长久期债券中影响较大凸性偏差在利率高波动时期和长久期债券中影响较大。
由于凸性偏差是平方项,无论利率上行还是下行,这一项均提供正向收益,因此这一项体现出一种做多利率波动的类期权特征。
凸性偏差项=0.5*凸度*利率变化2,我们根据MM模型对未来一年利率变化的预测计算出凸性偏差项。
我们根据不同期限的国债预期收益大小设计久期择时策略,债券标的包含五个不同期限的中债国债总财富指数:
1年以下、1-3年、3-5年、5-7年和7-10年。
当长久期国债预期收益更高时,组合倾向于配臵长久期国债,反之则配臵短久期国债。
从图表7和图表8的结果来看,预期收益率是利率债较好的赔率指标,基于预期收益的久期择时策略能够实现预期收益率是利率债较好的赔率指标,基于预期收益的久期择时策略能够实现5.5%的年化收益,最大回撤仅为的年化收益,最大回撤仅为2.8%,夏普比率为,夏普比率为2.31。
图表7:
基于预期收益的的利率债久期择时策略资料来源:
Wind,国盛证券研究所图表8:
基于预期收益的的利率债久期择时策略表现策略策略年化收益年化收益最大回撤最大回撤夏普比率夏普比率利率债久期择时策略5.5%2.8%2.31中债国债7-10年4.3%8.9%1.31中债国债1-3年3.3%1.7%3.23资料来源:
Wind,国盛证券研究所-10%-5%0%5%10%15%1.01.31.61.92.2200520082011201420172020长短债预期收益差长短债预期收益差(右轴右轴)利率债久期择时策略利率债久期择时策略中债国债中债国债77-1010年总财富指数年总财富指数2020年09月12日P.102.4信用债的赔率指标:
信用利差信用债的赔率指标:
信用利差可转债是偏向于权益的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 资产 配置 范式 赔率 胜率 趋势 拥挤 _2020
![提示](https://static.bingdoc.com/images/bang_tan.gif)