增持信用债有助于提升长期回报
在充满不确定性的时期,承担信用风险看似是冒险的行为。已故的投资大师大卫•斯文森(David Swensen)曾表示,组合中的债券投资不应超出美国国债的安全边界1。然而,先锋领航的研究表明,增持信用债券可以提高长期投资组合的回报。信用债券即无担保债券,是指政府之外的主体依靠其信用发行非特定资产作为担保品的债券类别。
先锋领航近期针对美国信用债的研究验证了信用风险溢价的存在:历史数据表明,在持有广泛分散化投资组合且谨慎进行信用债投资的前提下,承担了此类额外风险的长期投资者往往能从中获得相应的回报补偿。
颠覆传统的观点
先锋领航的研究结论如下,其中部分观点与传统看法有所不同。
- 由于美国国债的超额收益受多重环境因素的影响,因此信贷收益率与美国国债的利差并不能准确预测未来的超额收益。这一看法与传统观点相反。
- 随着持有时间的增长,美国国债的收益率波动增加,信用债券的波动则会下降,从而增加后者收益率高于前者的可能性。
- 信用债券与美国国债的回报率呈负相关,因此信用债券是良好的多元化投资工具,并在美国国债的投资中起到补充作用。
- 虽然信用利差与股票呈正相关,但利率风险作为投资组合中的多元化因素,在其中发挥着更大的作用。对于投资者而言,好消息在于利率风险对债券收益的影响更大。如果信用债配置得当且适度增加其风险,那么投资组合的回报将有所提高。
投资者应仔细甄选债券产品
先锋领航的研究表明,信贷产品之间的差异很大,因此投资者若要在投资组合中增加信贷风险,首先需具备正确选择和判断的能力。例如,投资者不应过度增持长期信用债:从历史上看,长期信用债比其他产品的波动性高,而其溢价中位数却更低;从短期来看,信用债则提供了最佳的风险回报。与高收益级美国公司债相比,新兴市场主权债券的回报率更高,波动性更小。不过,在先锋领航的预期回报模型中,上述情况或有部分区别——新兴市场的波动性高于高收益级美国公司债市场,但回报率中位数仍略高。
先锋领航分析了不同风险状况下的各种理论投资组合,以及增持特定信用债资产对风险可报预测的影响。下图以股债六四组合为例。
图表:增持信用债投资策略或推高投资组合回报
表格中的“基准股票优化为65%的股债六四组合”具备类似广泛市场基准的股债风险敞口市值权重,与大盘基准基本保持一致。另外三种资产组合都增加了不同信用债类别的敞口,从而提高了预期收益,但也增加了预期风险。经VAAM2优化的股债六四组合,在保持主要资产类别市值权重不变的同时调整了股票和债券的比例,使其风险水平与信贷增持策略投资组合相当。
若投资者要达到类似于第二种资产组合的预期回报,则其必须在优化后的投资组合中提高股票配置近5个百分点,且对应的风险也将有所升高。对于旨在提升投资组合预期回报的投资者来说,适当增持信用债投资组合不失为一种明智的选择。
注:
1大卫•斯文森(David Swensen)生前系耶鲁大学首席投资官,被社会各界认为是捐赠模式的创始人,并推广了另类投资在机构投资者中的应用。然而,斯文森认为大多数投资者不应涉足另类投资,而应该坚持通过股票指数基金、房地产,以及投资组合中的债券部分–美国国债和国债通货膨胀保护证券(TIPS)来进行投资。
2先锋领航资产配置模型(VAAM)使主被动结合投资组合的解决方案能够适用于多种主动型基金,包括有着不同关注点(不同程度误差跟踪)的传统主动基金经理与私人资产基金经理,以及如ESG的基于规则的“主动”(非市值)风险敞口。
- 所有投资均涉及风险,包括可能损失本金。
- 多元化投资并不能确保盈利或避免亏损,也不能保证任何特定的资产配置或基金组合能满足您的投资目标或为您提供一定的收入水平。
- 债券基金或面临发行机构无法按时支付利息和本金,以及由于利率上升或市场对债券发行机构偿债能力产生负面看法,进而导致债券价格出现下跌等风险。
- 高收益债券一般信用评级居中或者较低,因此相对于高信用等级的债券风险水平较高。
- 海外市场公司发行的债券会受到国家和地区政治和经济风险以及货币波动风险的影响。此类风险在新兴市场尤甚。
重要提示:先锋领航资本市场模型(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。模型预测结果可能随每次使 用和时间节点变化而变化。
VCMM的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。