隨著數字化轉型，金融科技的進步和智能投顧的發展產生了大量資產配置定制需求，但投資團隊如何充分、高效的將投資觀點轉化為滿足不同投資者需求的資產配置方案仍有待研究。本文介紹了Chenyang Yin 和Raul Leote de Carvalho 于2022 年發表在The Journal of Investing 的文章Mass Customization of AssetAllocation，文章在過往研究的基礎上，探討了如何通過使用主動風險預算模型、穩健資產組合優化模型（RPO）和風險因子模型形成穩健的資產配置模型，滿足大量客戶定制投資組合方案的需求，并清晰反映出投資約束對資產配置、投資觀點應用的影響。
文章主要內容：
提出了基于穩健投資組合優化模型（RPO）的模型，對于高度定制化的投資組合需求，也可由投資團隊對不同類型資產的一組投資觀點快速生成資產配置方案，實現戰術資產配置（TAA）的大規模產業化。
投資觀點通常不是準確的收益率，而是包含預期資產價格變動方向和確信程度的看法，食品飲料行業重要觀點更新：信心比黃金珍貴食品飲料行業重要觀點更新：信心比黃金珍貴通過主動風險預算模型，根據觀點中的方向分配權重、根據確信程度分配跟蹤風險，無約束主動投資組合能夠更好的反映投資團隊的觀點。
相對于MVO（均值-方差模型），由于RPO 的公式中包含了不確定性矩陣和不確定性參數，計算的隱含主動收益率會根據投資團隊對資產的觀點進行修正，在使用隱含收益率構建最終資產配置模型時，各資產的權重會更加合理。
將各項資產及資產組合的風險拆分為系統性風險和特殊風險，并將系統性風險分解為6 個風險因子上的暴露。通過比較風險敞口，能夠直觀反應出模型求解的投資組合對各資產的投資觀點，無約束主動投資組合和最終投資組合間特殊風險的差額，也能夠清晰反映約束對最終投資組合的影響。
風險提示：本文內容基于作者在海外市場背景下進行的理論模型研究和實證檢驗，對于中國市場中的具體情況，結論可能會發生變化。