多资产类别因素模型

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结果导向策略,以帮助平衡风险和回报目标。多策略、结果导向型和平衡型基金,都暴露在一组广泛的风险和回报驱动因素中,这些驱动因素本质上是动态的,相互关系随时间而变化。多资产类别因素模型帮助投资者更清楚地识别这些复杂、动态的策略中的风险和回报驱动因素。

MSCI多元资产类别因子模型提供:

  • 基于因素的资产配置,目标是风险和回报的关键驱动因素
  • 识别股票、固定收益、商品和货币的系统性策略
  • 针对不同的受众,在不同粒度的层次上改进组合曝光的沟通
资产类别是获取风险和回报驱动因素敞口的工具

多年来的学术研究已经证明,各种资产类别都存在这些因素。基于要素的资产配置可以帮助:

  • 将数千个风险暴露简化为一组较小的关键风险和返回驱动因素
  • 减少风险和回报预测的数量,并验证这些选择
  • 具有历史正风险溢价的目标风险因素
  • 使多资产类别投资组合风险更容易沟通

基于因素的资产配置让我们更深入地了解风险和回报的关键驱动因素。随着投资组合从传统资产类别配置向基于因素的配置过程转变,摩根士丹利资本国际(MSCI)的MAC因子模型可以帮助投资者以一致的方式关注各资产类别的因素敞口。

MSCI最新的要素创新是MSCI多资产类别因子模型(MSCI MAC因子模型),通过一个综合和一致的框架,提供了从高到低粒度的要素考察。

摩根士丹利资本国际公司MAC因素模型为全球投资提供了以下支持和见解。

支持基于要素的资产配置
  • 跨资产类别的高级和详细因素之间的一致的、集成的框架
  • 将资产类别决策与经理和证券选择联系起来
掌握跨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将贝塔因子与贝塔因子和传统贝塔因子区分开来
提供多个粒度级别来通信全局,MAC暴露
  • 调整因素粒度与报告,以最大化效率
  • 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

MSCI多资产类别因素模型

点击下面的金字塔了解更多


互动的资产

下载资料

下载资料,了解每一层如何为更好的资产配置提供见解。

嵌套应用程序

嵌套应用程序

MAC一级概况表

MAC层2

嵌套应用程序

MAC Tier 3概要

MAC tier 4 factsheet

MAC内容第02部分

跨资产类别的因素配置

不断变化的投资环境和更多的多资产类别因素,正促使许多投资组合积极地跨资产类别进行配置。随着对跨资产类别的新alpha来源的需求增加,需要一个多层次、多资产类别因素模型,以在整个投资过程中提供一致性。

MSCI多资产类别因素模型提供了对多或单一资产类别投资的进一步洞察和控制。MSCI MAC因子模型的分层结构允许多个粒度级别。

点击下面的资产类别以了解更多信息


互动的资产

多资产类别投资组合中的资产配置

多资产类别投资组合中的资产配置

MSCI多元资产类别因素模型(MSCI Multi-Asset Class Factor Model)帮助投资者驾驭全球市场的复杂本质。在构建投资组合时,很难瞄准和优化全球信贷、新兴市场股票或欧盟主权债务利差等全球性和系统性主题。摩根士丹利资本国际公司MAC因素模型使投资者能够实施额外的资产,以更好地管理总组合投资目标。

多资产类别组合饼图

下载摩根士丹利资本国际私人基础设施建模服务概况介绍,了解基础设施持股如何影响多资产类别投资组合的风险。

下载字幕新闻

应用程序

摩根士丹利资本国际(MSCI)多资产类别因素模型(mscim Multi-Asset Class Factor Model)通过以下方法帮助解决管理和沟通投资组合中的因素敞口方面的一些挑战:

  • 提供跨资产类别的一致性
  • 支持基于要素的资产配置
  • 介绍MAC系统策略
  • 使用适当的粒度级别简化密钥公开的通信
    • 投资组合经理的详细敞口
    • 资产类别管理公司的核心风险敞口
    • 资产配置者的全球风险敞口

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年的Factor研究和创新的支持下,MSCI开发了Factor Indexes、FaCS和Analytics。

流式细胞仪的报告

流式细胞仪的报告

FaCS的报告让投资者了解是什么驱动了他们的投资,并帮助他们建立更好的投资组合。在这份报告中,我们帮助投资者比较8000 +股票、11000 +共同基金和1500 + etf的时间点和历史因素敞口(10年以上)

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一些因素,这些因素在历史上一直获得了持续的溢价。

监管