相关报告：

TIC隐藏的汇市玄机（上篇）

TIC隐藏的汇市玄机（下篇）

 

• 对于从全球资本流动视角研究外汇市场而言，如何度量风险偏好具有重要意义，特别是在周期末端有助于把握资产轮动的快速切换。构建风险偏好指标主要有两种思路，现有研究表明基于市场变化的指标解释力度较强且高频易用。

 

• 根据我们构建的风险偏好指数RAI的统计特征，可以推断当风险情绪恶化时，情况可能比想象的更糟；而当风险情绪高涨时，情况可能很难变得更好。

 

• 中短期而言，RAI突破中性区间可能预示着风险资产的阶段性筑顶或回调。

 

• 中长期而言，RAI和资产表现密切相关。例如美元指数和黄金是避险资产还是风险资产并非一成不变，而是和当前的风险偏好水平有关。白银则几乎没有避险属性。新兴市场货币是典型的风险资产，而人民币在某些情况下呈现避险属性。

 

 

风险偏好

 

全球风险偏好变化与资金流动、资产轮动息息相关，尤其是当前进入美国经济复苏末期，我们明显看到2018年以来美股波动加剧，美元指数与美股相关性多次切换——美元兼具避险资产与风险资产属性，在不同宏观环境下表现相异。为了更佳把握外汇市场交易风格的转换，以及进一步从全球资本流动视角研究外汇市场，我们首先需要建立风险偏好指标。

 

一、文献综述：度量风险偏好的理论基础

 

根据欧洲央行金融稳定报告（2007）的相关研究，风险偏好指标可以分为两类，一类是基于市场构建，另一类是基于统计模型构建。

 

基于市场构建的风险偏好指标的原理是利用风险资产、避险资产、利差等市场指标高频捕捉市场风险偏好的变动，市场上流行的指标多采用标准化后的算数平均、加权平均计算指数，也有采用Z分数等其他计算方式。此类指标的优势在于及时性，但是指标的筛选和计算方法带有较强的主观性。典型指标包括VIX指数、JP Morgan风险耐受指数、瑞银外汇风险指数、Westpac风险规避指数等，详见后文介绍。

基于统计模型的风险偏好指标则以英国央行的Gai & Vause （2004），加拿大央行的Misina （2005），以及哈佛大学Pflueger, Siriwadane & Sunderam （2018）等为代表。此类指标大致有以下两种思路：一是估算投资者愿意为单位风险付出的对价来衡量风险偏好；二是以高P/B和低P/B股票的相对波动率来衡量风险偏好。较市场指标而言，统计模型相对更加客观。但劣势也很明显，这些模型基本以季度数据为频率，且往往需要使用企业财务数据，造成可用数据更加滞后。

 

欧洲央行金融稳定报告（2007）选取了两类代表性指标进行统计比较，发现基于市场构建的风险偏好指标解释力度略强于统计模型构建的指标。报告指出，尽管基于市场的指标之间时常出现背离，但在市场承压时，这些指标仍很好地捕捉到了这种变化。

 

综上，出于及时性和易用性的考虑，我们首选建立基于市场的风险偏好指标。

 

二、指标构建

 

现有的经典风险偏好指标（见图表 3）的构成因子涵盖了股票、债券、外汇三个市场，并未选取商品指标。具体指标的类型主要包括基础资产、隐含波动率、利差、相关性等。而在计算方法上，不少指标均是变量标准化后的算数平均，也有部分采用了Z分数等统计方法。

综合考虑指标的市场认可度以及数据可得性，我们选取了VIX、美债期限利差和信用利差、AUDJPY等代表性市场指标构建综合性的风险偏好指数（见图表 4），我们同样没有选取商品类指标，因为在尝试加入CRB指数、铜金比等指标后，我们发现对指数并未产生显著影响。这很可能是因为商品价格信息已很大程度上被其他指标所反映，未能提供更多额外信息。

 

数据频率为日度，时间跨度1993年4月1日至今。在计算方法上，同时采用Z分数和算数平均。相较单一指标，跨市场指标涵盖了更多信息，在一定程度上弥补了单一指标的局限性，也尽量减少了单一指标异动造成的误判。

第一步，计算各个指标200日（此处及下文均指交易日）滚动Z分数。Westpac和美国银行的风险偏好指标分别选取了60日和50日。我们选取200日的主要理由是通过扩大时间尺度尽量减少短期市场扰动带来的误判，同时200日均线本身也是普遍认可的长期趋势指标。Z分数可以看作当前价格偏离长期趋势（200日均值）的程度（n个标准差）。具体计算式为：

其中，x为当前值，μ为200日均值，σ为200日标准差。

 

第二步，计算所有指标Z分数的算数平均。不过需要指出的是，此处并非将所有Z分数相加，而是根据指标与风险偏好的正负相关性决定加减。定义风险偏好指数为RAI（Risk Appetite Index），具体计算式为：

至此，我们已经构建了基于市场的风险偏好指标，从过往历史看，这一指标较好的反映了风险事件的冲击（见图表 5）。将RAI数据降频为月度并取5个月中心移动平均后，可以发现RAI与美国库存周期和固定投资周期有一定关系。虽然RAI与经济周期并非亦步亦趋，但我们可以发现在进入去库存阶段时往往出现RAI下降，且RAI的变化可能领先于库存变化。另外，在2000年和2008年两次危机前夕都已经出现RAI跌入负值区间，可见RAI具有一定预警作用。

 

接下来我们将对RAI的统计特征和应用进一步展开论述。 

 

三、统计特征和指数应用

 

风险偏好指数（RAI）并非标准的正态分布，而是具有负偏态、左厚尾的特征（见图表 7）。从密度分布图可以发现，50%的样本分布在-0.2至0.8之间，左尾较正态分布更厚，而右尾较正态分布更轻。如果我们把-0.2至0.8区间视为风险偏好中性的区间，RAI>0.8则是risk on，RAI<-0.2则是risk off。统计分布特征意味着，一旦RAI<-0.2，则风险偏好继续下降的可能性相对更大。而当RAI>0.8时，风险偏好继续提高的可能性相对较小。即当我们发现风险情绪恶化时，情况可能比想象的更糟；而当我们发现风险情绪高涨时，情况可能很难变得更好。

那么风险偏好与大类资产之间存在怎样的联系呢？由于RAI类似于震荡指标，而大类资产价格则有趋势性，因此简单的把二者的长时间序列叠加在一起并不能得到很好的相互验证（见图表 8）。有两种方法可以解决这一问题：一是，对于中短期交易而言，我们可以缩小时间尺度，进行高频观测。例如我们观测2016年至今的大类资产走势。二是，中长期可以研究各资产特定期限的涨跌幅与风险偏好的关系，我们选取20日涨跌幅。

 

从中短期视角出发（见图表 8），对于典型的风险资产，如标普500指数、LME铜、WTI原油，我们发现RAI突破0.8后，通常会出现阶段性的筑顶；RAI跌破-0.2则是需要警惕的阶段性回调信号。RAI与风险资产走势的背离往往意味着“超买”或“超卖”。观测期内的美元指数与风险偏好大部分时候呈现负相关，而黄金则与风险偏好呈现正相关。这符合我们此前研究的结论，风险偏好的回升带动非美货币升值，美元指数下跌；风险厌恶时避险资金则倾向于选择美元。黄金在过去三年更多是体现的商品属性，这是由经济周期决定的。美债收益率与风险偏好整体上呈现正相关，短端收益率受制于政策利率，对于风险偏好变化不够敏感。长端收益率比短端收益率对风险偏好变化更加敏感。

从中长期视角我们可以发现一些有趣的现象（见图表 9）。将大类资产的20日涨跌幅和RAI作散点图，并分别以RAI<=-1.2，-1.2<RAI<-0.2，-0.2=<RAI<0.8，RAI>=0.8四个区间分别做线性回归。

 

美元指数和金银的情况比较复杂：美元指数在-0.2<RAI<0.8时，倾向于呈现出避险资产的特征，即走势与风险偏好负相关，随着风险厌恶加深，美元指数20日涨跌幅离散加剧。而在风险偏好极高时（RAI>0.8），美元指数对于风险偏好的变化并不敏感，回归曲线斜率趋平。黄金在极度恐慌时（RAI<-1.2时）表现出避险属性，但收益分布离散。而在-1.2<RAI<-0.2时，黄金对于风险偏好变化不敏感，在RAI>-0.2时与风险偏好正相关，表现出商品属性。白银几乎没有避险属性，在RAI<-1.2时仍是商品属性主导，与黄金截然相反，其他情况下与黄金表现类似。

 

标普500指数体现出了标准的风险资产特征，与RAI正相关，但在-0.2<RAI<0.8时对风险偏好敏感度相对较低。

 

短端国债收益率在大部分时期对风险偏好变化不敏感，仅在-1.2<RAI<-0.2时与其正相关，主要因短端收益率受至于政策利率。长端国债收益率与RAI的正相关性较强，也和股债“跷跷板效应”的结论一致。

 

铜和原油是典型的风险资产，但值得注意的现象是在极度恐慌时（RAI<-1.2），原油对风险偏好敏感度不高，这可能意味着此时原油表现好于铜。而在风险偏好极高时（RAI>0.8），铜对风险偏好不敏感，甚至有轻微的负相关，这可能是因为铜比其他风险资产更先见顶。

 

以MSCI新兴经济体货币指数衡量，新兴经济体货币也具有典型的风险资产特征，与RAI保持了较高的正相关性。人民币较为特殊，在对全样本和2015年“811”汇改以来回归分析后，我们发现两个样本区间在风险偏好极高时（RAI>0.8），人民币对美元涨跌幅均与RAI负相关。“811”汇改后，在极度恐慌时（RAI<-1.2），人民币对美元涨跌幅也与RAI负相关。人民币似乎具有一定程度的避险资产属性，但这可能与过去人民币市场化程度不高有关，未来需继续监测人民币与RAI的相关性变动。

参考文献

1.ECB. (2007, 6). Financial Stability Review.

2.Gai, P., & Vause, N. (2005, 11). Measuring Investors' Risk Appetite. Bank of England Working Paper.

3.Misina, M. (2005, 9). Benchmark Index of Risk Appetite. Bank of Canada Working Paper.

4.Pflueger, C., Siriwardane, E., & Sunderan, A. (2018, 4). A Measure of Risk Appetite for the Macroeconomy. NBER Working Paper Series.