量化资产配置策略月报：9月大类资产多数调整，资产配置模型运行平稳

2023.10.11 大类资产配置 9月大类资产多数调整，资产配置模型运行 大平稳 类 资——量化资产配置策略月报（202310） 产本报告导读： 配 置 月 报 本报告对大类资产走势、多个量化资产配置策略表现进行跟踪。策略表现上，2023年以来，国内资产BL模型1已实现收益为5.17%，最大回撤为0.6%；国内资产BL模型2已实现收益为4.58%，最大回撤为0.36%；国内资产风险平价模型已实现收益为4.39%，最大回撤为0.41%；基于宏观因子的资产配置模型已实现收益为5.31%，最大回撤为0.42%。 摘要： 国君量化资产配置策略简介：国泰君安量化配置团队专注于资产配置量化模型研究，此前我们已经完成了Black-Litterman、风险平价、 宏观因子3个基础资产配置模型的开发，并使用上述模型在国内股 票、债券、商品、黄金4大类资产上开发了大类资产配置策略，进行样本外跟踪。 证 大类资产走势回顾：上月（2023-09-01到2023-09-30）国内大类资产整体表现寡淡。其中，南华商品指数录得涨幅1.3%；恒生指数、沪 券深300、SHFE黄金、中证转债、中债-国债总财富(总值)指数、中证 研1000和中债-企业债总财富(总值)指数分录跌幅5.49%、2.01%、0.79%、究0.67%、0.63%、0.42%和0.03%。从资产相关性来看，近期沪深300报与中债-国债总财富(总值)指数近一年走势相关性达到-33.12%，中债-告国债总财富(总值)指数与南华商品指数近一年走势相关性达到 35.9%，沪深300与南华商品指数近一年走势相关性达到-11.43%。 大类资产配置模型跟踪：2023年以来，国内资产BL模型1已实现收益为5.17%，本月收益为-0.31%，最大回撤为0.6%，波动率为1.07%；国内资产BL模型2已实现收益为4.58%，本月收益为-0.22%， 最大回撤为0.36%，波动率为0lkz.76%；国内资产风险平价模型已实现收益为4.39%，本月收益为-0.34%，最大回撤为0.41%，波动率为0.87%；基于宏观因子的资产配置模型已实现收益为5.31%，本月收益为-0.3%，最大回撤为0.42%，波动率为0.97%。 风险提示：量化模型基于历史数据构建，而历史规律存在失效风险。 大类资产配置研究 刘凯至(分析师) 报告作者 0755-23976911 liukaizhi025861@gtjas.com 证书编号S0880522110002 朱惠东(研究助理) 0755-23976176 zhuhuidong028682@gtjas.com 证书编号S0880123070152 相关报告 多资产配置策略表现均较好，本年收益最高超5% 2023.09.07 关注汽车、家电等板块的配置机会 2023.09.06 8月行业轮动拥挤度模型表现较好，成功规避石油石化板块1.92%下跌幅度 2023.09.03 关注汽车、非银等板块的配置机会 2023.08.04 7月超预期模型超额4.14%，汽车新调入本期组合 2023.08.03 目录 1.大类资产走势回顾3 1.1.资产收益表现回顾3 1.2.资产相关性跟踪3 2.大类资产配置模型跟踪4 2.1.国内资产BL模型策略跟踪5 2.2.国内资产风险平价模型6 2.3.基于宏观因子的资产配置模型8 2.4.原报告中BL模型、风险平价策略效果跟踪9 3.附录10 3.1.各模型策略历史表现10 3.2.宏观因子走势跟踪12 4.风险提示13 1.大类资产走势回顾 1.1.资产收益表现回顾 上月（2023-09-01到2023-09-30）大类资产整体表现寡淡。其中，南华商品指数录得涨幅1.3%；恒生指数、沪深300、SHFE黄金、中证转债、中债-国债总财富(总值)指数、中证1000和中债-企业债总财富(总值)指数分录跌幅5.49%、2.01%、0.79%、0.67%、0.63%、0.42%和0.03%。 表1：本年度各个资产收益表现 数据来源：Wind、国泰君安证券研究 图1：权益资产走势 数据来源：Wind、国泰君安证券研究 图2：商品、债券与黄金资产走势 数据来源：Wind、国泰君安证券研究 1.2.资产相关性跟踪 对于投资者而言，投资者希望通过多元化配置资产，实现资产风险间的风险对冲，进而在降低风险的基础上获得较高的超额收益。Markowitz称：“资产配置多元化是投资中唯一的免费午餐”。但也正如我们在《桥水全天候策略和风险平价模型全解析——大类资产配置量化模型研究系列之三》中所提到的一样，当资产间相关性（绝对值）较低时，多元化配置资产才是有意义的。 出于此目的，我们对大类资产走势的相关性进行监测。上月（2023-09-01到2023-09-30），各大类资产间本月相关性如表2所示。其中，近一个月内，恒生指数和中债-企业债总财富(总值)指数相关性（绝对值）较低， 相关性仅有0.19%。 表2：本月各个资产表现相关系数 数据来源：Wind、国泰君安证券研究 我们也滚动计算了股债、股商、债商过去一年资产走势间的相关性，如图3所示。近期沪深300与中债-国债总财富(总值)指数近一年走势相关性达到-33.12%，中债-国债总财富(总值)指数与南华商品指数近一年走势相关性达到35.9%，沪深300与南华商品指数近一年走势相关性达到 -11.43%。 图3：股债、股商与债商近一年走势相关性变化趋势 数据来源：Wind、国泰君安证券研究 2.大类资产配置模型跟踪 我们汇总本年度各个资产配置策略的表现如表3所示。各模型实现细节见下文具体内容。 表3：本文所述各策略本年表现汇总 策略表现汇总 本月收益 本年收益 最大回撤 波动率 夏普比率 卡玛比率 国内资产BL模型1 -0.31% 5.17% 0.60% 1.07% 3.524 8.563 国内资产BL模型2 -0.22% 4.58% 0.36% 0.76% 4.190 12.562 国内资产风险平价模型 -0.34% 4.39% 0.41% 0.87% 3.424 10.767 原报告中BL模型1 -0.14% 5.15% 0.68% 1.34% 2.782 7.618 原报告中BL模型2 -0.21% 4.77% 0.45% 0.95% 3.532 10.486 原报告中风险平价模型 -0.29% 5.15% 0.40% 1.01% 3.690 12.992 基于宏观因子的资产配置模型 -0.30% 5.31% 0.42% 0.97% 4.026 12.554 数据来源：Wind、国泰君安证券研究 表4：下月各策略持仓汇总 数据来源：Wind、国泰君安证券研究 表5：各策略本月持仓变动 数据来源：Wind、国泰君安证券研究 相较上月，几种BL模型减配中债-国债总财富（总值）指数，减配中债 -企业债总财富（总值）指数；基于宏观因子的资产配置模型增配了沪深300与中债-国债总财富（总值）指数，减配恒生指数、中证1000与中证转债等资产。 2.1.国内资产BL模型策略跟踪 BL模型是传统的均值-方差模型的改进。1990年，高盛的FisherBlack和RobertLitterman对MVO进行改进，开发了Black-Litterman模型（简称BL模型），并于1992年将其发表，后被业内广泛使用。BL模型采用贝叶斯理论将主观观点与量化配置模型有机结合起来，通过投资者对市场的分析预测资产收益，进而优化资产配置权重。BL模型有效地解决了均值-方差模型对于预期收益敏感的问题，同时相较纯主观投资具有更高的容错性，为投资者持续提供高效的资产配置方案。 在前面的报告《手把手教你实现Black-Litterman模型——大类资产配置量化模型研究系列之二》中，我们在沪深300、恒生指数、标普500、中债-国债总财富(总值)指数、中债-企业债总财富(总值)指数与南华商品指数的基础上搭建了两种BL配置模型。在此基础上，我们将前文提到的8类国内资产作为资产池，构建了国内资产BL配置模型。 1)认为市场均衡权重𝑤�未知，每月末使用各资产过去�年的历史收益作为市场均衡收益率Π，并指定风险厌恶系数�的值，比如�=10。由于风险厌恶系数�和目标波动率𝜎𝑚𝑎�存在对应关系，我们指定�便相当于指定了目标波动率。 2)对市场均衡权重𝑤�进行人为指定权重，这里采用股:债:转债:商品：黄金=10:80:5:2.5:2.5，使用各资产过去�年的历史收益作为市场均衡收益率Π，使用各资产过去�年的历史收益作为Π，反解市场风险厌恶系数�。此时每一期的�是动态变化的，相当于每一期的目标波动率也在变化。 作为对比，我们以股:债:转债:商品：黄金=10:80:5:2.5:2.5为固定权重构建了多资产均衡配置模型。 图4：国内资产BL模型走势（最近两年） 数据来源：Wind、国泰君安证券研究 2023年以来，国内资产BL模型1已实现收益为5.17%，最大回撤为0.6%，波动率为1.07%；国内资产BL模型2已实现收益为4.58%，最大回撤为0.36%，波动率为0.76%。相比之下，均衡配置模型已实现收益为3.49%，最大回撤为0.77%，波动率为1.49%。 表6：国内资产BL模型本年表现 数据来源：Wind、国泰君安证券研究 2.2.国内资产风险平价模型 1996年，桥水基金（Bridgewater）提出了全天候策略（AllWeatherStrategy），其目标是穿越经济周期，希望构建一个在经济周期的不同阶段都能获得稳定Bata收益的策略。在全天候策略已平稳运行数年之后的2005年， 钱恩平首次正式提出了风险平价的概念，提出各类资产在组合中风险贡献相等的思想，由此揭开了全天候策略背后的核心思想。 风险平价模型是传统的均值-方差模型的改进，其核心思想是把投资组合的整体风险分摊到每类资产（因子）中去、使得每类资产（因子）对投资组合整体风险的贡献相等。该模型从各资产（因子）的预期波动率及预期相关性出发，计算得到初始资产配置权重下各资产（因子）对投资 组合的风险贡献，然后对各资产（因子）实际风险贡献与预期风险贡献间的偏离度进行优化，从而得到最终资产配置权重。 在前面的报告《桥水全天候策略和风险平价模型全解析——大类资产配置量化模型研究系列之三》中，我们分三步构建了风险平价模型：第一步，选择合适的底层资产；第二步，计算资产对组合的风险贡献；第三步，求解优化问题计算持仓权重。同时，我们基于沪深300指数、标普 500指数、恒生指数、中债-企业债总财富(总值)指数、南华商品指数和COMEX黄金构建了基于六类资产的风险平价模型。我们同样在此基础上，将资产池拓宽到前文提到的8类国内资产，构建了更符合国内投资者实际的风险平价配置模型。同时，我们采用过去�年的日度收益率估计协方差矩阵，用于提升协方差矩阵的估计稳定性。 我们同样以2.1中构建的均衡配置策略作为对比，其净值表现如图5所示： 图5：国内资产风险平价模型近两年走势 数据来源：Wind、国泰君安证券研究 2023年以来，国内资产风险平价模型已实现收益为4.39%，最大回撤为 0.41%，波动率为0.87%。 表7：国内资产风险平价模型今年以来表现 数据来源：Wind、国泰君安证券研究 2.3.基于宏观因子的资产配置模型 在之前的报告《基于宏观因子的大类资产配置框架——大类资产配置量化模型研究系列之四》中，我们构造了涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，并基于此提出了一个通用性的宏观因子资产配置框架。该框架建立了一个宏观研究与资产配置研究的桥梁，使用此框架我们构造了基于宏观因子的资产配置策略，以将我们对于宏观的主观观点进行资产层面的落地。 我们通过FactorMimickingPortfolio方法构造了增长、通胀等六大宏观风险的高频宏观因子（高频宏观因子