量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业20W+关注者，连续2年被腾讯云+社区评选为“年度最佳作者”。
量化投资与机器学习公众号独家解读
公众号预祝大家国庆快乐
祝愿我们的祖国更加繁荣昌盛
量化投资与机器学公众号 QIML Insight——深度研读系列 是公众号今年全力打造的一档深度、前沿、高水准栏目。
公众号遴选了各大期刊前沿论文，按照理解和提炼的方式为读者呈现每篇论文最精华的部分。QIML希望大家能够读到可以成长的量化文章，愿与你共同进步。
本期遴选论文
来源：Wellington Management JULY 2021
标题：Split decision: Should investors separate China from EM equities?
作者：Nick Samouilhan、Cara Lafond、Adam Berger
前言
许多国际投资者在做新兴市场资产配置的时候，正在考虑是否要将中国与其它新兴市场国家分开配置。分开的理由是基于中国在新兴市场基准指数中的权重日益上升。不过，我们认为，关键的决定点不在于中国在新兴市场指数中的主导地位，而在于中国市场与其他新兴市场(不包括中国)的股票的相似性。如果它们实际上是“相同的东西”，那么仅仅是规模上的差别并不会带来实际的影响。
我们以MSCI中国指数和MSCI中国以外新兴市场指数为代表，评估了两种配置的相似性。当然，没有两个国家/地区会完全一样，所以我们的重点是相似程度，以及它是否随着时间而变化。我们使用了多种度量指标来衡量相似度，因为我们认识到投资者会根据自己的资产配置方法，选择不同的方式度量其相关性。
总而言之，对与是否要把中国和中国以外的新兴市场分开考虑，不同的度量方式给出了不同的答案：
从因子的角度，强烈支持分开考虑
从板块构成的角度，那么这个决定也是有利的
如果是基于一些共振性的度量指标，这个决定也是比较支持的
如果是基于风险收益的相关指标，是不支持这个决定的
共振性
通过相关系数及“hit rate”等指标（如下图），我们发现中国和其他新兴市场间存在明显的共振性。然而，我们发现在别的市场间，如美国和欧洲市场，也存在明显的共振，但在投资美国和欧洲时，投资者一般倾向分开配置。
我们也发现在中国与其他新兴市场的市场波动并不是一直保持一致：
收益驱动因素的相似性
首先从相互驱动的角度来看，我们发现两个市场的相互驱动程度在不断在下降。如图3所示，对两个市场指数的收益率进行滚动回归，可以发现除了2010年至2014年R平方显著上升之外，特别在最近几年R平方在不断的下降。
然后，再从外部驱动因素的角度来比较。具体做法如下，首先非新兴市场指数（如日本、欧洲及美国等）进行PCA分解，选取前3个PCA因子；然后用这三个PCA因子，分别对中国市场及其他新兴市场指数的收益率进行回归分析。如图4所示，可以发现非新兴市场指数对其他新兴市场的解释度更大。
风险收益的相似性
两个市场各自的风险收益特征在过去变化的比较剧烈，但两者变化的趋势非常类似。图5展示了各自两年的滚动收益及滚动波动率，可以看出两者重叠度非常高。波动率方面，两个市场的整体波动在近些年都在下降，收益率在一个比较窄的区间震荡。
行业及因子收益的相似性
在板块权重方面，如下图所示，左边显示了最近两个市场在不同板块的权重差异（中国减去中国外新兴市场），右边显示了过去20年权重的总差异。可以看出主要差异集中在非必需消费品与IT板块，近年的总体差异在下降。
从因子的角度看，两个市场在因子权重上的差异还是非常明显的，差距最小的因子来自Beta及波动等。在过去10多年，因子权重的总体差异也在不断的上升。所以如果从因子配置的角度来说，两个市场应该分开配置。
总结
通过不同角度的相似性度量，对于是否应该分开配置中国市场及中国外新兴市场这个问题，给出了不同的答案：
从因子的角度，强烈支持分开考虑
从板块构成的角度，那么这个决定也是有利的
如果是基于一些共振性的度量指标，这个决定也是比较支持的
如果是基于风险收益的相关指标，是不支持这个决定的
