量化配置基础模型月报：黄金资产表现亮眼，风险平价类策略夏普比率较高

大类资产配置/2024.08.01 大类资产配 置 大类资产配置月报 证券研究报 告 黄金资产表现亮眼，风险平价类策略夏普比率较高 ——量化配置基础模型月报（202407） 本报告导读： 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。7月（2024-07-01到2024-07-31），黄金资产表现亮眼，商品资产震荡回调。策略表现上，2024年以来，国内资产BL策略1的7月收益为0.84%，2024年收益为5.1%；国内资产BL策略2的7月收益为0.73%，2024年收益为4.72%；国内资产风险平价策略的7月收益为0.46%，2024年收益为4.55%；基于宏观因子的资产配置策略的7月收益为0.44%，2024年收益为3.76%。 投资要点： 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。 大类资产走势回顾：上月（2024-07-01到2024-07-31）黄金资产亮 眼，商品资产震荡回调。SHFE黄金、中债-国债总财富(总值)指数和 中债-企业债总财富(总值)指数分录涨幅2.26%、0.87%和0.61%；南华商品指数、中证转债、恒生指数、沪深300和中证1000分录跌幅5.19%、2.54%、2.04%、0.57%和0.14%。从资产相关性来看，沪深 300与中债-国债总财富(总值)指数近一年走势相关性为-25.21%，中债-国债总财富(总值)指数与南华商品指数相关性为24.09%，沪深300与南华商品指数相关性为-7.81%。 大类资产配置策略跟踪：2024年以来，国内资产BL策略1收益为 5.1%，7月收益为0.84%，最大回撤为0.78%，年化波动为1.25%； 国内资产BL策略2收益为4.72%，7月收益为0.73%，最大回撤为0.65%，年化波动为1.12%；国内资产风险平价策略收益为4.55%， 7月收益为0.46%，最大回撤为0.23%，年化波动为0.89%；基于宏观因子的资产配置策略收益为3.76%，7月收益为0.44%，最大回撤为0.27%，年化波动为0.92%。 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 刘凯至(分析师) 0755-23976911 liukaizhi025861@gtjas.com 登记编号S0880522110002 张雪杰(分析师) 0755-23976751 zhangxuejie025900@gtjas.com 登记编号S0880522040001 朱惠东(研究助理) 0755-23976176 zhuhuidong028682@gtjas.com 登记编号S0880123070152 相关报告 金融稳定尚居首，交运军工或显优2024.07.30 BL模型本月表现亮眼，2024年收益已达4%2024.07.02 恒生指数5月表现亮眼，多资产配置模型均录正 收益2024.06.11 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 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 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.国内资产配置模型5 2.1.1.国内资产BL模型策略跟踪5 2.1.2.国内资产风险平价模型6 2.1.3.基于宏观因子的资产配置策略7 2.2.全球资产BL策略与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 3.1.1.国内资产策略历史表现10 3.1.2.全球资产策略历史表现12 3.2.宏观因子走势跟踪14 4.风险提示14 1.大类资产走势回顾 1.1.资产收益表现回顾 7月（2024-07-01到2024-07-31），黄金资产亮眼，商品资产震荡回调。其中，SHFE黄金、中债-国债总财富(总值)指数和中债-企业债总财富(总值)指数分录涨幅2.26%、0.87%和0.61%；南华商品指数、中证转债、恒生指数、沪深300和中证1000分录跌幅5.19%、2.54%、2.04%、0.57%和0.14%。 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。7月（2024-07-01到2024-07-31），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-国债总财富(总值)指数和中证转债相关性（绝对值）较低，相关性仅有0.56%。 表2：本年度各个资产收益表现 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。从资产相关性来看，沪深300与中债-国债总财富(总值)指数近一年走势相关性为-25.21%，中债-国债总财富(总值)指数与南华商品指数相关性为24.09%，沪深300与南华商品指数相关性为-7.81%。 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。数据区间：2021年7月4日至2024年7月31日。 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.国内资产配置模型 图4：各国内资产配置策略走势汇总 数据来源：Wind、国泰君安证券研究。数据区间：2021年12月31日至2024年7月31日。 2.1.1.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5：国内资产BL策略走势 数据来源：Wind、国泰君安证券研究。数据区间：2021年7月4日至2024年7月31日。 2024年以来，国内资产BL策略1收益为5.1%，最大回撤为0.78%，年化波动为1.25%；国内资产BL策略2收益为4.72%，最大回撤为0.65%，年化波动为1.12%。相比之下，均衡配置策略收益为3.72%，最大回撤为0.91%，年化波动为1.69%。 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 2.1.2.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6所示： 图6：国内资产风险平价策略走势 数据来源：Wind、国泰君安证券研究。数据区间：2021年7月4日至2024年7月31日。 2024年以来，国内资产风险平价策略收益为4.55%，最大回撤为0.23%，年化波动为0.89%。 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 2.1.3.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