量化配置基础模型月报(202311)：多资产配置策略表现均较好，本年收益最高达6.0%

2023.12.06 大类资产配置 多资产配置策略表现均较好，本年收益最 大高达6.0% 类 资——量化配置基础模型月报（202311） 产本报告导读： 配 置 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 月 报 年以来，国内资产BL模型1本月收益为0.6%，本年收益为6.0%；国内资产BL模型2本月收益为0.6%，本年收益为5.42%；国内资产风险平价模型本月收益为0.45%，本年收益为5.02%；基于宏观因子的资产配置模型本月收益为0.39%，本年收益为5.73%。 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（2023-11-01到2023-11-30）各个指数走势涨跌互现。其中，中证1000、南华商品指数、中债-企业债总财富(总 券值)指数和中债-国债总财富(总值)指数分录涨幅1.86%、0.91%、0.67% 研和0.37%；沪深300、中证转债、SHFE黄金和恒生指数分录跌幅究2.14%、1.01%、0.67%和0.41%。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-37.12%，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30.68%，沪深300与南华商品指数近一年走势相关性达到-19.13%。 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6.0%，本月收益为0.6%，最大回撤为0.6%，波动率为1.09%；国内资产BL模型2已实现收益为5.42%，本月收益为0.6%，最大回 撤为0.36%，波动率为0.79%；国内资产风险平价模型已实现收益为5.02%，本月收益为0.45%，最大回撤为0.53%，波动率为0.95%；基于宏观因子的资产配置模型已实现收益为5.73%，本月收益为0.39%，最大回撤为0.65%，波动率为1.04%。 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 食品饮料、交运等板块排名靠前 2023.12.05 11月行业轮动景气度模型超额收益1.22%，有色、电新、汽车等触发交易拥挤信号 2023.12.04 交运、食品饮料等板块排名靠前 2023.11.06 多资产配置策略平稳运行，本年夏普比率维持较高水平 2023.11.04 10月行业轮动复合模型表现较好，超额收益 1.41% 2023.11.03 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7 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 1.大类资产走势回顾 1.1.资产收益表现回顾 上月（2023-11-01到2023-11-30）各个指数走势涨跌互现。其中，中证1000、南华商品指数、中债-企业债总财富(总值)指数和中债-国债总财富(总值)指数分录涨幅1.86%、0.91%、0.67%和0.37%；沪深300、中证转债、SHFE黄金和恒生指数分录跌幅2.14%、1.01%、0.67%和0.41%。 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（2023-11-01 到2023-11-30），各大类资产间本月相关性如表2所示。其中，近一个月内，沪深300和南华商品指数相关性（绝对值）较低，相关性仅有0.27%。 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-37.12%，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30.68%，沪深300与南华商品指数近一年走势相关性达到 -19.13%。 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 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 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6.0%，最大回撤为0.6%，波动率为1.09%；国内资产BL模型2已实现收益为5.42%，最大回撤为0.36%，波动率为0.79%。相比之下，均衡配置模型已实现收益为3.75%，最大回撤为1.26%，波动率为1.64%。 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5.02%，最大回撤为 0.53%，波动率为0.95%。 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（高频宏观因子走势见附录），并以此为基础，将前文提到的8类国内资产作为资产池，按以下四步构建基于宏观因子的资产配置策略：第一步，每月末计算上述资产的因子暴露水平（见表8）；第二步，以上述资产的风险平价组合作为基准，计算出基准因子暴露；第三步，根据我们对宏观未来一个月的判断，给定一个主观因子偏离值 （见表9），结合基准因子暴露，得到资产组合的因子暴露目标；第四步，带入模型反解得到下个月的各个资产配置权重。最终得到的资产组合反应了我们对于增长、通胀、利率、信用、汇率和流动性六大宏观风险的主观判断。 我们使用基于先验信息的Lasso回归计算资产的因子暴露水平，为了提高回归结果的稳健性，采用滚动重采样（Bootstrap）的方式，在每月末以过去10年为滚动窗口期，随机挑选起始日期并取长度为2年的时间 序列作为输入变量，重复采样3000次，最终取回归结果的中位数作为因子暴露值。最新一期的资产因子暴露水平如下表： 表8：最新一期的资产因子暴露 数据来源：Wind、国泰君安证券研究 主观因子偏离值每月给出，反映了投资者对于下个月宏观状态的主观观点。以通胀因子为例，若认为下个月通胀上行，则通胀因子主观偏离为正；若认为下个月通胀下行，