大宗商品助力构建投资组合对冲通胀
投资者对抗通胀的工具
考虑到金融市场所具备的前瞻性,市场通常会对通胀的上升有所预期,并将其纳入市场所设定的资产价格内,因此通胀的出现往往有迹可循。只有当市场受到意外事件的冲击,如能源价格飙升或对商品的需求持续攀升之际,意外通胀才会出现。而此类高企的通胀水平会侵蚀投资者的投资组合。
意外通胀可能会严重损害退休人员或其他有短期目标的投资者的利益。有鉴于此,此类投资者的投资组合策略可以选择包括(或增持)通胀保值债券(TIPS)和大宗商品在内的通胀敏感型资产,以便更好地应对此类风险。
先锋领航认为,长期投资者可能会把股票作为抗击通胀的工具,但对未来五年购买力心存忧虑的投资者则应考虑对大宗商品期货进行战略性投资。随着食品和天然气等消费驱动型商品的成本上升,大宗商品的价格总体呈上升趋势,这可能导致意外通胀的进一步走高。
大宗商品的表现往往与传统资产类别不同,特别是当其价格走向被供应的意外变化所驱动的时候(比如俄乌冲突爆发对小麦和石油供应的影响)。先锋领航的研究发现,在过去30年里,大宗商品的通胀贝塔(beta)值在6到9之间波动,这一数值在所有资产类别中居于高位。这表明,意外通胀上升1%,则大宗商品价格将上涨6%至9%。简而言之,一个规模不大但具备战略意义的大宗商品头寸可以为整个投资组合提供相当大的抗击意外通胀的保障。
虽然对抗通胀并无灵丹妙药,但如果将对冲短期通胀作为既定目标,那么历史告诉我们大宗商品投资堪称一剂良方。话虽如此,但是值得注意的是,大宗商品并非抗击通胀的唯一工具。特别是对投资时间跨度较长的投资者而言,股票的风险溢价可能会跑赢通胀,在更长的时间内提供实际回报,因此更传统的股票和债券组合或许更为合适。
TIPS通常被誉为抗通胀神器,但其在资本效率方面可能会受到限制。TIPS的通胀beta值相对较低,这意味着投资组合中只有TIPS自己这部分是可以对冲通胀的。相较而言,对大宗商品进行资产配置可以对冲投资组合中的更大部分资产,超过大宗商品本身的配置。先锋领航认为,就投资多元化而言,少量增持大宗商品其效果或胜于增持TIPS。在此情境下,您投资组合的其他部分还可以用于其他投资战略举措。
股票的能源板块也与意外通胀关系紧密,这使其成为另一个常用的通胀对冲工具。然而,除了与大盘股票市场有非常高的相关性(beta)外,该板块还可能存在特殊的公司风险(例如钻井平台事故),公司资本结构和管理质量的变化,以及其他可能削弱其通胀对冲关系的因素。
图表:通胀对主要资产类别的影响
利用大宗商品来构建投资组合对冲通胀
虽然大宗商品在投资组合中的最佳占比将根据不同的通胀环境、经济环境和投资者的风险承受能力而变化,但有效对冲通胀并不需要大量头寸。以下示例由先锋领航资产配置模型(VAAM)与先锋领航资本市场模型™(VCMM)生成的时变资产回报预期联合构建,显示了在不同的通胀条件下,大宗商品最佳配置是如何发生变化的。随着通胀的上升,对大宗商品的配置也在上升。
图表:各种风险偏好和通胀条件下的大宗商品配置
投资总有取舍和风险,但先锋领航坚持认为,大宗商品可以为通胀问题提供一个短期解决方案。当投资大宗商品时,您根据自己战略资产配置所量身打造的跟踪误差,能够帮助您对冲通胀。如上图所示,关注意外通胀的投资者可以构建以对冲通胀为目标的投资组合,并在其中配置不同的大宗商品组合,以应对不断变化的经济增长和通胀预期;投资者亦可以特定的通胀beta值为目标,采用先锋领航基于目标的投资组合构建方法。无论您选择哪种方法,即便大宗商品配置比例较低,最终亦可发挥较大作用。
注:
- 所有投资均涉及风险,包括可能损失本金。请注意,金融市场的波动和其他因素可能会导致您的账户价值下降。无法保证某一种资产配置或者基金组合能够满足你的投资目标或者为你提供一定水平的收入。
- 在一个多元化的投资组合中,部分投资的收益或有助于抵消其他投资的损失。然而,分散投资也不能确保利润或者保护本金不受损失。
- 债券投资面临利率、信用和通货膨胀风险。
- 专注投资于细分市场领域的基金,或面临股价波动较大的风险。
重要提示:VCMM得出的各类资产投资回报预测结果和其它相关信息均属假设,并不代表实际投资结果,也不能保证未来投资结果。VCMM的结果可能随每次使用和时间节点变化而变化。
VCMM所作预测基于对历史数据的统计分析而得出。未来的回报表现可能与VCMM的历史模式并不相同。更重要的是,VCMM可能对模型所依托的历史时期中未观察到的极端负面情况有所低估。
先锋领航资本市场模型®为一个专有的金融模拟工具,由先锋领航的主要投研和咨询团队开发并维护。该模型预测了一系列广泛资产类别的未来收益分布。这些资产类别包括美国和国际股票市场、期限不等的美国国债和企业固定收益市场、国际固定收益市场、美国货币市场、大宗商品以及某些另类投资策略。先锋领航资本市场模型的理论和经验基础是,各种资产类别的回报反映了投资者为承担不同类型的系统性风险(beta)所需得到的补偿。该模型的核心是对风险因素和资产收益之间动态统计关系的预估,这些关系是根据早在1960年就已获得的月度财务和经济数据进行统计分析得出的。该模型使用一个预估方程系统,然后应用蒙特卡罗模拟方法来预测风险因素和资产类别之间的相互关系,以及随着时间的推移所产生的不确定性和随机性。该模型根据每种资产类别的不同,在多个时间范围内生成了大量模拟结果。在这些模拟中,通过计算集中趋势的度量来获得预测结果。模型预测结果可能随每次使用和时间节点变化而变化。