内容提要
本文探讨了影响票据资产配置的因素，总结了当下票据市场资产配置主流策略，揭示了多约束条件下票据资产配置面临的难题。考虑到资产收益率、规模、资本耗用、流动性和政策约束，本文提出了期限结构视角下的票据资产配置模型，在不同的应用场景下尝试借助不同算法完成最优资产配置，并对不同算法的优缺点进行评价分析。
一、引言
在现代金融市场中，票据作为一种短期融资工具，因其流动性高、融资成本低而受到众多中小企业和金融机构的青睐。2023年，商业汇票承兑发生额31.3万亿元，同比增长14%；贴现发生额23.8万亿元，同比增长22%；票据融资快速增长，金融机构持有的票据资产规模持续增加。同时，票据资产配置过程中的约束条件日益复杂，收益率要求、规模约束、资本耗用、流动性以及政策性约束因素都在不同程度上影响着资产配置的决策。面对新的市场变化，如何在这些约束条件下科学、高效地制定出最优的票据资产配置策略，成为了金融机构亟待解决的问题。
本文主要从不同时点持有票据资产的期限结构视角出发，分析如何在不同市场环境和约束条件下制定出一定时间内的最优资产配置策略。
二、票据资产配置目标
金融机构开展票据资产配置，必须遵循相关法律法规和监管政策，如资本充足率要求、流动性覆盖率等。资产配置目标的设定是整个配置决策的核心，这些目标不仅体现了机构业务运营的方向和效率，还反映了机构的风险管理策略。
首先是收益。金融机构通过持有不同收益率的票据资产，力求在保证资金安全的前提下，实现资产的增值。在同一时点上，票据品种（银行承兑汇票、商业承兑汇票）和票据剩余期限是影响收益率的主要因素，票据资产配置的逻辑涉及到对不同票据品种收益潜力的评估和对市场趋势的预测。此外，影响票据收益率的因素还有标的资产的信用等级，如国有大型商业银行承兑银票、城商行承兑银票和财务公司承兑票据等，各机构需要在收益率和信用风险之间做好权衡。
其次，票据投资规模是票据资产配置中不容忽视的一环。资产规模是金融机构的配置目标，也是约束条件。金融机构在进行票据投资时，目标投资规模不仅仅是投资上限，很多时候也是投资下限，即金融机构对票据投资规模的完成度要求非常高，而且目标投资规模往往不由票据经营部门所决定，属于强外部约束。
再次，资产配置的目标还包括流动性管理。金融机构要确保在必要时能够迅速将票据资产转换为现金，以应对客户提款、贷款发放或其他资金需要，因此配置策略中必须包含一定比例的高流动性票据资产。为保证资产的流动性，高信用等级、高流动性的票据资产持有量应予以保障。
资本耗用则是另一个关键约束条件。根据巴塞尔协议等国际金融监管标准，金融机构必须为其资产持有足够的资本。资本新规实施后，票据资产计提比例又有新的变化，整体看风险资本约束在增强。这意味着在进行票据资产配置时，必须考虑到资本充足率的要求，确保资产配置符合监管要求，同时尽量提高票据资产风险资本的使用效率。
最后，政策约束对票据资产配置也有重要影响。阶段性监管指标、行业政策都可能对票据资产配置产生直接或间接的影响。
三、票据资产配置常用策略
传统上，金融机构开展票据资产配置所采用的策略包括：买入并持有策略、梯队配置策略和动态调整策略，目前票据市场主要以动态调整策略为主。
买入并持有策略适合风险偏好较低的机构，该策略的优点是简单明了，不需要机构频繁进行交易决策，可降低机构的交易成本和操作风险。在稳定的市场环境下，该策略可以让机构获得相对稳定的收益。但在低利率环境下，该策略的收益潜力有限，可能无法满足机构对高收益的需求，也无法灵活应对市场变化，进而错失市场涨跌的机会。
梯队配置策略下，资金被分配在不同期限的票据上，形成期限结构，能够平衡流动性和收益，以适应不同期限的市场利率变化。该策略可以根据收益率曲线形状进行配置，灵活性较高，但是票据市场收益率曲线形状变动频繁，这会增加操作成本和交易风险。而且，该策略要求机构对市场利率走势有较好的预测能力。
动态调整策略是机构根据市场情况的变化，灵活调整资产配置，及时把握市场机会。该策略可以在市场波动较大时降低风险，提高资产配置的灵活性和适应性，同时也需要机构具备较高的市场分析能力和快速反应能力，对交易员的要求较高。因频繁调整，该策略也会增加交易成本和操作风险。
四、期限结构视角下的票据资产配置框架
为了解决票据资产配置过程中的市场预判和资产选择这两个核心问题，同时将解决问题的过程数量化、线上化，下文将以梯队配置策略为基础，尝试构建基于期限结构视角的票据资产配置框架，以期制定出客观、科学、高效的票据交易策略。
（一）确定权重
根据配置品种和约束条件，构建品种间的打分模型，寻找品种间最优分配权重。将票据资产大类分为国股银票、城商银票和商业承兑汇票。约束条件分别为：绝对收益率、资本占用和流动性。对不同票据品种下的约束条件打分，写出目标函数，寻找最优解，得到不同资产最优权重。
（二）重构收益率曲线
票据收益率曲线的预判是评价票据资产配置策略的前提。基于时间序列模型生成活跃期限、活跃品种（剩余期限为6个月的国股银票）的票据收益率，然后通过DNS模型重构新的收益率曲线。根据DNS模型提取的收益率曲线特征，得到预测时点上各期限票据收益率。假设不同品种之间的收益率曲线形状一致，仅存在因信用利差产生的平行移动，由此得到其他两个品种（城商银票和商业承兑汇票）的收益率曲线。
（三）摆布结构
基于两种实盘交易情景，分别通过不同算法寻找不同时点上不同期限票据资产配置的最优策略。一种情景为月末票据规模为固定值，另一种情景为月末票据规模为区间值。固定值情景是非常强的约束条件，更接近当下的实盘交易，适宜使用幂函数法则处理这种情景。区间值情景下的策略选择更多，寻优空间更大，未来可拓展性更强，使用全局寻优算法则更为合适。固定值情景下需要提前计算未来半年逐月票据规模的固定值，该数值也可以根据管理者的经验主观敲定。考虑到流动性管理指标，在计算逐月票据投资的期限结构时可对不同期限资产设置一个最低投资限额。考虑票据最长期限为半年，以半年为一个评价周期。
（四）计算收益
在评价资产配置方案时，需要考虑票据利息收入和非息收入。非息收入指在月间规模和期限结构变动产生的交易空间下不同期限票据的交易价差收入。通过对目标函数中的利息收入和非息收入设置不同评价权重，可以满足不同机构不同时点的经营目标。默认不交易当月到期票据，月中无超配和超卖。
五、多约束条件下票据资产配置量化模型
期初库存票据资产期限结构已知，模型的目标函数是收入最大化，可给利息收入和非息收入赋值权重系数。风险资产耗用可作为收入扣减项，也可作为约束条件，月末的票据规模限额也是约束条件。按照经营目标，设置管理参数，可实现通过计算机自动寻找资产配置最优策略的目的。
（一）幂法则算法下票据资产配置模型
在使用梯队配置策略的过程中，一般会做大票据利率高点的到期量，以实现在这些票据资产到期后续作高收益资产的目的，考虑使用幂法则对此配置逻辑进行量化。首先，将初始权重数组映射到一个新的数组，新数组中的元素是原数组中元素的幂，从而实现高权重变得更高、低权重变得更低，然后将新的权重数组进行归一化处理，使其总和为1，以保持整体权重不变。这里的核心变量为幂的大小，幂的间距越小，则策略精细度越高。
基于约束条件，按照总收益最大化原则可以得到一个最优配置方案，后期可通过调整非息收入和利息收入的权重、风险资产回报率等指标进行策略调整。基于对未来票据利率的预测，使用幂法则分别产生最优配置方案。若以利息收入最大化为目标函数，可得到相应幂值；若以价差收入最大化为目标函数，也可得到一个幂值。将模型幂值设定在20以下，变动单位为0.05，按照价差收入最大化的目标，基于对未来票据利率预判，对未来6个月内各期限国股银票资产进行配置（见图1）。
图1 幂法则算法下国股银票资产配置时序结构图
注：Month1为期初时点上不同期限票据资产配置情况。
（二）退火算法下票据资产配置模型
幂法则是基于对票据利率的预判，在确定整体配置结构后进行调优的过程，具有较强的前置假设，而退火算法则是不带有主观配置假设的一种遍历寻优算法。作为一种概率搜索算法，它通过模拟固体退火过程来解决优化问题。
首先定义目标函数和约束条件，在算法的每一步都会生成一个新的解，并计算目标函数的差值。如果新的解更好，或者满足Metropolis准则，就接受新的解，然后就降低温度，并重复这个过程，最后找到最优解。算法的初始解可以随机生成，为了更好地比较两种算法，可以指定相同的初始解。在退火算法中，除了增加最大迭代次数，还可以通过调整初始温度、调整冷却率、调整新解的生成方式来提高算法的遍历程度。一般来讲，初始温度越高，冷却率越低，新解随机扰动项标准差越大，算法的遍历和优化程度越高；但同时会增加计算量，为了在最短时间获得最优解，需要不断调试模型。
通过设置高初始温度、低冷却率、增大迭代次数和降低自变量精度的方式实现模型运行时间和优化效果的平衡。与幂法则不同的是，退火算法对月末票据规模的约束条件改为区间值，较幂法则的单一值更宽泛。当初始温度降低到90、冷却率设置为0.1、最大迭代次数设置从50万增加到500万时，求得的解可优化一倍，但仍然弱于幂法则；当将最大迭代次数升高到1000万次时，其结果大幅优于幂法则，但各个月份票据期限结构的变化更加剧烈，此时得到的未来6个月各期限国股银票资产配置情况如图2所示。
图2 退火算法下国股银票资产配置时序结构图
注：Month1为期初时点上不同期限票据资产配置情况。
（三）两种算法的比较
幂法则是一种简单直观的优化方法，易于理解和实施。通过调整幂次，可以灵活地调整对不同期限资产配置的偏好，适应不同市场环境和投资目标，在一定条件下得到全局最优解。但幂法则的前提是需要预先做出资产配置方向的选择，然后靠模型寻找该方向下的最优解，需要对市场有深入理解和准确的预测。在面对复杂的约束条件时，幂法则可能无法找到满足所有约束的解。
退火算法是一种全局优化方法，可以在复杂的约束条件下寻找全局最优解，它的搜索过程具有随机性，可以避免局部最优解，可以处理多目标优化问题，适应性较强。但退火算法的效果在很大程度上取决于参数的设置，如初始温度、冷却速度等，而这些参数的选择往往需要大量实验和经验。退火算法的计算复杂程度高，对于计算资源需求大，在面对高维度优化问题时，收敛速度可能较慢。
六、结论
买入并持有策略和动态调整策略各有优缺点，投资者可根据市场环境变化和自身需求进行选择。这种利用程序化的算法辅助开展资产配置和交易的方法，是未来金融市场的发展趋势，但也需要投资者具备一定的数学和计算机技巧。总的来说，资产配置是一个需要综合考虑多种因素的复杂问题，无论选择哪种策略，都需要投资者对市场有深入的理解，对风险有清晰的认识，并且能够灵活地选择不同的算法来应对市场和政策的变化。在未来，随着金融市场的发展和技术进步，期待看到更多的创新方法出现。
作者：王举普，中信银行金融市场部票据中心
