通过把市场均衡引入模型，得出的权重更加分散的同时更具实际意义；

　　通过把管理人的主观观点量化并引入模型，为主观判断结合市场历史信息的配置策略提供了很好的框架，使得模型更为实用。

　　然而，上述优点同样是布莱克-李特曼模型应用在数字资产量化 FOF 的限制所在。首先，基于市场均衡的假设，布莱克-李特曼模型对配置权重在市值权重的基础上进行调整。由于数字资产市场尤其是量化基金领域仍处于发展初期，存在市场信息不对称、合规机制不完善等诸多问题，均衡市场的假设很难成立。基金的管理规模很大程度上不是市场选择的结果，因此基于市值权重的布莱克-李特曼模型难有说服力。其次，主观观点的量化过程存在一定难度。布莱克-李特曼模型主要应用于大类资产的战略配置中，传统市场中对大类资产的研究体系已十分成熟并有长周期的数据支持，因此主观观点的量化过程已有章可循、相对简单。而在数字资产量化基金领域，针对量化产品研究尚处于起步阶段、没有被业界广泛认可的成熟体系，基金产品的存续时间普遍较短缺乏足够的历史数据支持，因此主观观点的量化过程往往给模型引入更多噪音。

　　等权重组合（1/N）策略

　　降低投资组合激进程度的另一方法是采用资产配置的探索式方法。探索式是指基于经验技术和试错方法来寻求可接受的解，这个解并不等同于优化问题的最优解。等权重组合策略就是这种探索式、非最优估算方法下的一个例子。等权重组合即将投资组合中所有资产都设置为等权重，在大大降低输入参数敏感性的同时解决了现代组合理论中权重分配过于集中的问题。然而，等权重策略不属于积极型管理的范畴，完全忽略市场信息，在此不作更多讨论。

　　风险均衡策略

　　相较于现代组合理论，风险均衡策略需要更少的输入参数、是探索式方法下的又一例子。风险均衡策略又称为风险平价策略，均指 risk parity 模型，只是翻译不同。一般情况下，风险均衡策略目前有三个层面：针对风险贡献度的均衡、针对风险情景的均衡和针对风险因子的均衡。这三种均衡属递进关系，越来越接近真正的风险分散。

　　等风险贡献（ERC）模型

　　针对风险贡献度的均衡策略通过赋予不同资产以相等的风险贡献度来构造一个平衡型的投资组合，因此又被称为等风险贡献（ERC）模型。假设资产收益率符合正态分布：

　　对于权重为

　　的资产组合，其标准差为：

　　定义资产 i 的的边际风险

　　即资产 i 的配置权重 wi 的增长引起的组合风险的增长为：

　　于是，资产 i 对组合的总风险贡献为：

　　从数学角度，风险均衡策略可以转化为下述问题：

　　以五支子基金构成的投资域为例，风险均衡策略下的配置方案如下：

　　全天候（All Weather）策略

　　桥水基金提出的全天候策略是针对风险情景均衡的例子。简单来说，全天候策略认为各类资产价格的波动是由于预期差，并使用影响大类资产走势的最核心变量经济增长和通胀两个维度区分预期差。从超出市场预期和低于市场预期的角度、增长和通胀两个维度区分得到四个不同象限，在每个象限中，都会有资产因为预期差而表现较好。全天候策略就是通过调整受益于各预期差的资产的配置比例实现对每一个预期差的均衡配置。

　　虽然在大类资产配置中表现亮眼，全天候策略在数字资产 FOF 管理中的应用尚且有限。对基金产品的分类和影响基金表现的核心变量的研究要求较高，是 Blofin 未来研究的方向之一。

　　风险因子的分散策略

　　丹麦养老金管理机构 ATP 采用的风险因子分散策略在业内处于领先地位。ATP 将风险均衡的对象从资产转向因子，并开创性地将风险因子概括为利率因子、通胀因子、股票因子和其他因子。根据基于因子和资产的映射关系调整资产的配置比例以实现对各类风险因子的暴露均衡。

　　相较于资产，因子是更加底层、相互更加独立的收益和风险来源。传统市场中 FOF 管理从资产的配置转向风险因子的配置已成趋势。数字资产市场起步较晚，尚无针对数字资产的风险因子体系，短期内 FOF 实现风险因子的均衡配置有一定难度。Blofin 作为专业的 FOF 管理和研究机构，未来将致力于数字资产量化行业内的风险因子体系的搭建。 (责任编辑：admin1)