多资产类别因子模型

多资产类别因素模型

多资产类别因素模型

我们看到投资者转向寻求以结果为导向的策略,以帮助平衡风险和回报目标。多策略、结果导向和平衡型基金都暴露在一系列广泛的风险和回报驱动因素之下,这些因素本质上是动态的,相互关系会随着时间而改变。多资产类别因素模型帮助投资者在这些复杂的动态策略中更清楚地识别风险和回报的驱动因素。

MSCI多资产类别因素模型提供:

  • 基于因子资产配置目标的风险和回报的主要驱动力
  • 在股市系统性策略,固定收益,大宗商品和货币的识别
  • 在不同的粒度级别为不同的受众组合风险的改进通信
资产类别是获得风险和回报驱动者敞口的工具

多年来的学术研究已经证明,各种因素存在于各个资产类别中。基于因素的资产配置可以帮助:

  • 简化数以千计暴露于较小的一组关键的风险和回报的驱动程序
  • 降低风险和收益预期的数量和验证这些选择
  • 具有历史正风险溢价的目标风险因素
  • 使多资产类别的投资组合暴露更容易沟通

基于因子资产配置提供了一个更深的镜头到风险和回报的主要驱动力。作为从传统的资产类别配置的因素​​基于分配过程的投资组合转变,MSCI的MAC因子模型可以帮助投资者重点关注不同资产类别的风险因素中以一致的方式。

MSCI的最新因素创新,MSCI多资产类别因素模型(MSCI MAC因子模型),提供高后低的粒度在寻找通过整合和统一的框架因素。

摩根士丹利资本国际MAC因子模型为全球投资以下支持和见解。

支持基于因素的资产配置
  • 一致的,集成的高层次和详细的因素之间的不同资产类别的框架
  • 将资产类别决策与经理人和证券选择联系起来
跨越资产类别的系统性策略
  • 引入股票以外的系统性策略因素
  • 多资产类别系统策略因素区别于贝塔和传统贝塔
提供多层次的粒度来沟通全局的MAC暴露
  • 对齐因素粒度与报告,以发挥最大的效益
  • 一致的风险和回报归因

苹果电脑视频

MSCI多资产类别因素模型视频

加载MAC视频...

DMF按钮

下载字幕新闻

MSCI多资产类别因素模型

点击下面的金字塔了解更多


交互式资源

MAC内容02

不同资产类别的要素配置

不断变化的投资环境,并获得多资产类别因素更大数量转向许多投资组合,以不同资产类别的积极分配。对于不同资产类别的增加阿尔法的新来源的需求,有需要的多层次,多资产类别因素模型,以提供在整个投资过程中的一致性。

MSCI多重资产类别因素模型为多重或单一资产类别投资提供了进一步的洞察和控制。MSCI MAC因素模型的分层结构允许多个粒度级别。

点击资产类别下面发现更多


交互式资源

资产配置在多资产类别投资组合

多资产类别投资组合中的资产配置

摩根士丹利资本国际多资产类别因素模型可以帮助投资者熟悉全球市场的复杂性。这是很难的目标,并优化全球,系统的主题,如全球信贷,新兴市场股票或欧盟主权在投资组合的结构传播。摩根士丹利资本国际MAC因素模型使投资者实现额外的资产,以更好地管理总组合的投资目标。

多资产类别投资组合饼图

应用程序

MSCI多资产类别因素模型通过以下方法帮助解决管理和沟通投资组合中因素暴露的一些挑战:

  • 提供跨资产类别的一致性
  • 支持基于因素的资产配置
  • 推出MAC系统策略
  • 与粒度的适当水平键暴露简化通信
    • 对于投资组合经理详细曝光
    • 资产类管理核心风险
    • 资产分配器的全局暴露

因素,摩根士丹利资本国际(MSCI)

因素,摩根士丹利资本国际(MSCI)

在40年要素研究和创新的支持下,摩根士丹利资本国际开发了要素指数、FaCS和分析。

摩根士丹利资本国际要素指数表现热图

摩根士丹利资本国际要素指数表现热图

性能热图显示全球和地区因素指数

MSCI的要素投资研究

MSCI的要素投资研究

我们的研究已经确定了在历史上长期获得持续溢价的因素。

监管