量化配置基础模型月报：国内主要资产录正收益，基于宏观因子配置模型四月收益达1.0%

2024.05.08 大类资产配置 国内主要资产录正收益，基于宏观因子配 大置模型四月收益达1.0% 类 产 资——量化配置基础模型月报（202404） 配 本报告导读： 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，2024年以来，国内资产BL策略1的4月收益为0.72%，2024年收益为2.8%；国内资产BL策略2的4月收益为0.61%，2024年收益为2.68%；国内资产风险平价策略的4月收益为0.92%，2024年收益为3.13%；基于宏观因子的资产配置策略的4月收益为1.02%，2024年收益为2.46%。 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（2024-04-01到2024-04-30）国内大类资产均录得不同程度正收益。其中，恒生指数、南华商品指数、SHFE黄 券金、沪深300、中证转债、中证1000、中债-企业债总财富(总值)指数 研和中债-国债总财富(总值)指数分录涨幅7.56%、5.83%、3.43%、1.89%、究1.87%、1.03%、0.67%和0.32%。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-31.69%，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 25.37%，沪深300与南华商品指数近一年走势相关性达到-12.05%。 大类资产配置策略跟踪：2024年以来，国内资产BL策略1已实现收益为2.8%，4月收益为0.72%，最大回撤为0.43%，波动率为0.83%；国内资产BL策略2已实现收益为2.68%，4月收益为0.61%，最大回撤为0.53%，波动率为0.8%；国内资产风险平价策略已实现收益为3.13%，4月收益为0.92%，最大回撤为0.19%，波动率为0.7%；基于宏观因子的资产配置策略已实现收益为2.46%，4月收益为1.02%，最大回撤为0.25%，波动率为0.66%。 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 张雪杰(分析师) 0755-23976751 zhangxuejie025900@gtjas.com 证书编号S0880522040001 朱惠东(研究助理) 0755-23976176 zhuhuidong028682@gtjas.com 证书编号S0880123070152 相关报告 行业轮动超预期、资金流模型4月超额收益 1.79%、2.52% 2024.05.06 黄金资产表现亮眼，多资产策略本年收益最高达2.5% 2024.04.11 行业轮动复合模型2024年前3月超额收益 6.58% 2024.04.07 CRB商品宏观友好度评分指标预期上修 2024.04.03 多资产配置策略表现优异，本年收益最高接近1.8% 2024.03.08 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.大类资产配置策略跟踪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策略7 2.4.全球资产BL策略、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 4月（2024-04-01到2024-04-30），国内各大类资产均录正收益。其中，恒生指数、南华商品指数、SHFE黄金、沪深300、中证转债、中证1000、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7.56%、5.83%、3.43%、1.89%、1.87%、1.03%、0.67%和0.32%。 表1：4月国内各个大类资产均录得正收益 数据来源：Wind、国泰君安证券研究 图1：1月以来权益资产震荡上行 数据来源：Wind、国泰君安证券研究 图2：黄金资产近期出现回调 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2023 年5月27日发布的《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。4月（2024-04-01到2024-04-30），各大类资产间本月相关性如表2所示。其中，近一个月内，中债-企业债总财富(总值)指数和南华商品指数相关性（绝对值） 较低，相关性仅有0.86%。 表2：4月黄金仍然是良好的分散风险标的 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-31.69%，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25.37%，沪深300与南华商品指数近一年走势相关性达到 -12.05%。 图3：股债、股商与债商近一年走势相关性绝对值有缩小趋势 数据来源：Wind、国泰君安证券研究 2.大类资产配置策略跟踪 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2023年4月5日发布的《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配置策略。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配置策略。 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，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策略。 图4：国内资产BL策略走势（最近两年） 数据来源：Wind、国泰君安证券研究 2024年以来，国内资产BL策略1已实现收益为2.8%，最大回撤为0.43%，波动率为0.83%；国内资产BL策略2已实现收益为2.68%，最大回撤为0.53%，波动率为0.8%。相比之下，均衡配置策略已实现收益为2.91%，最大回撤为0.76%，波动率为1.31%。 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2023年5月27日发布的《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策略。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 2024年以来，国内资产风险平价策略已实现收益为3.13%，最大回撤为 0.19%，波动率为0.7%。 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策略 在2023年6月14日发布的《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