主被动结合的风格轮动策略：等量齐观：风格宏观好友度评分在BL模型中的应用

宏观友好度评分指标：对于大类资产和风格轮动研究，主动配置团队主要采用自上而下的宏观周期因子和资产宏观基本面评分方法。 宏观友好度评分指标系的本质是搭建宏观经济预期与资产收益率预期间的映射关系。基于对投资时钟和周期嵌套模型的理解，我们将某个经济体的某类短周期的环境压力大小进行量化，从而形成若干个具有鲜明周期特色的底层宏观因子。然后综合考虑相关性和经济学逻辑将多个底层宏观因子合成为针对某类资产或风格宏观友好度评分指标。 全球大类资产配置策略：全球宏观周期结合量化BL模型表现稳定。 引入汇率的宏观友好度观点BL模型策略在迭代美债、黄金研究框架评分后，2019年至2024年三季度末回测期内，其年化收益可达到23.9%，夏普比率为1.48。如沿用原策略全部历史参数，该策略年化收益率可达22.0%，夏普比率仍然可以达到1.44。 风格宏观友好度评分在BL模型中的实践：运用宏观周期因子可构建A股五大风格友好度评分，将BL模型再次引入到风格轮动策略中，构建主被动结合的风格宏观友好度观点BL模型策略。回测数据显示，该策略年化收益率达到22.1%，夏普比率为0.95。相对于基准策略提升明显，相对万得全A累计超额达到161%，2024年以来超额收益达到23%。 结论和配置建议：黄金和金融板块的配置价值仍然值得重视。全球大类资产配置策略资产配置集中于黄金资产，而风格宏观友好度观点BL模型策略依然看好金融风格。短期我们认为化债方向仍然具有高胜率，互换便利SFISF和回购增持专项再贷款工具的相继发布实施将有效提升投资者对于股票市场的信心。金融板块的机遇仍然值得重视。 风险因素：模型设计的主观性，分析维度存在局限性，历史与预期数据存在偏差，市场一致预期调整；黑天鹅事件等可能导致大类资产相关性增加，量化模型基于历史数据构建，而历史规律存在失效风险。 1.宏观友好度评分指标：为各类资产定制专属的基本层面量化指标 国泰君安主动配置团队长期以来针对beta研究进行了大量积累。对于大类资产和风格轮动研究，主要采用自上而下的宏观周期因子和资产宏观基本面评分（即宏观友好度评分）方法。 基于对投资时钟和周期嵌套模型的理解，我们将某个经济体的某类周期的环境压力程度进行量化，从而形成若干个具有鲜明周期特色的底层宏观因子（例如：美国库存周期滞销指标）。再将这些类似原材料的底层宏观因子进行逆序分位数处理，得到某类周期的宏观友好度评分指标（例如：美国库存周期友好度评分）。最后，综合多种有关周期的宏观友好度评分指标，依据相关关系和经济学逻辑合成为针对某类资产或风格宏观友好度评分指标（例如：US宏观友好度评分）。简言之，我们为各类资产定制了专属的宏观基本层面量化指标，成为我们理解资产价格表现、形成主观观点矩阵的重要依据。 图1：国君主动大类资产配置团队宏观友好度评分指标数据库逻辑导图 参考报告：《如何以宏观友好度评分辅助权益仓位管理》、《择木而栖：A股和港股轮动规律研究》、《美债实际利率中期向下拐点将于春季确认》、《宏观友好度视角下的中美权益资产比较》、《债市牛熊背后的周期线索：宏观友好度B》、《国际大宗商品配置价值下半年企稳回升》、《行业风格轮动背后的周期线索指向何方》、《风格轮动研究：来自经济周期的线索》、《2024年风格轮动展望：从小成长到大周期》、《印度权益资产配置展望：预计仍有正收益》、《印度卢比即将开启一轮升值趋势-基于INR升值动力评分》等 底层宏观因子是我们构建各类风格专属宏观友好度因子的原材料，也是下文的分析基础。因子的构建方式并不复杂，我们已在《如何以宏观友好度评分辅助权益仓位管理》、《美债实际利率中期向下拐点将于春季确认》、《宏观友好度视角下的中美权益资产比较》、《债市牛熊背后的周期线索：宏观友好度B》等报告中做过介绍。 2.全球大类资产配置策略：全球宏观周期结合量化BL模型 BL模型是传统的均值-方差模型的改进。1990年，高盛的Fisher Black和Robert Litterman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，同时相较于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2024年3月11日发布的专题报告《从宏观友好度评分到BL模型观点矩阵——主被动结合的大类资产配置新思路》中，我们将宏观友好度评分指标系简单加工形成主观观点，与量化配置模型中的Black-Litterman模型相结合。具体过程起始于将宏观经济指标一致预期转化为宏观友好度评分预期，再转化为各大资产预期收益率，最后融入BL观点矩阵。在可选资产包括权益（AH美日印德）、债券（中美）、商品、美元、黄金的情况下，引入包括汇率在内的综合宏观友好度评分主观观点的BL模型策略在五年回测期（2019/01/2-2024/02/29）内年化收益率可达23.1%，夏普比率可以达到1.52，表现显著优于其他对比策略。 2024年4月16日我们发布了专题报告《三维度刻画十年期美债隐含通胀预期——下调美债配置评级至标配》，在该报告中我们基于宏观因子构建了隐含通胀预期评分指标。利用该报告构建的美债收益率模型，我们对于美债和黄金的友好度评分方法论进行了升级。 表1：通过宏观周期因子构建全球大类资产宏观友好度 在专题报告《从宏观友好度评分到BL模型观点矩阵——主被动结合的大类资产配置新思路》中，我们以“A资产过去1个月平均收益率×0.5+A资产6个月后的宏观友好度评分所对应的预期收益率×0.5”作为主观观点。其中宏观友好度评分所对应的预期收益率根据调仓时点过去5年的历史数据进行滚动计算。其定义为： 预期收益率(宏观友好度评分) =[过去5年最低日收益率+该资产宏观友好度评分/100×(过去5年最高日收益率−过去5年最低日收益率)] 这一设置可以较好体现主观观点的逻辑性，即宏观周期与基本面通过对未来预期变化影响资产价格。在上述指标的构建过程中，我们使用市场一致预期数据对未来走势进行预判。由于使用的一致预期数据是主观的，代表了市场平均水平的认知。将当前宏观一致预期数据翻译为大类资产的预期表现本质是一个映射工作。从模型的构建过程不难发现，通过修正宏观一致预期和提高修正预测的频率可以进一步优化策略表现。 表2：2024年之后的大类资产宏观友好度评分表:黄金宏观环境持续利好 对于美元以外的各类外币资产而言，汇率波动因素是影响最终本币计价收益率的重要因素。沿用《从宏观友好度评分到BL模型观点矩阵——主被动结合的大类资产配置新思路》中的方法，我们将外币资产宏观友好度与其对应的外币汇率宏观友好度进行加权组合，进行BL模型测试。外币观点的权重设定综合考虑了汇率的波动情况和变化幅度。具体实现方法请见上述报告。 图2：引入汇率的宏观友好度观点BL模型策略表现较优秀，年化收益率达到22.0% 策略回测表明引入汇率的宏观友好度观点BL模型策略在迭代美债、黄金研究框架评分后，2019年至2024年三季度末回测期内，其年化收益可达到23.9%，夏普比率为1.48。如沿用原策略全部历史参数，该策略年化收益率可达22.0%，夏普比率仍然可以达到1.44。 表3：全球宏观周期结合量化BL模型：引入汇率的宏观友好度观点BL模型策略表现亮眼 3.风格宏观友好度评分在BL模型中的实践 3.1.运用宏观周期量化A股五大风格友好度 对于境内投资者而言，全球配置资产往往具有较高门槛。结合主动宏观研究与被动量化模型的方法实现境内资产的轮动择时，具有更强的现实意义。本篇报告利用宏观友好度框架中的五大行业风格友好度评分工具，构建了风格友好度BL轮动策略并进行了回测验证。 图3：2019年-2021年期间，消费、成长风格表现较好。2024年以来，金融风格涨幅居首，高达33.15%。 在专题报告《行业风格轮动背后的周期线索指向何方》中，我们首次引入行业风格友好度指标概念。其中五大行业风格（中信分类标准）友好度指标的公式分别为： （1）成长风格友好度评分=f(滞后 6M 的CN金融周期友好度评分+US金融周期友好度评分) （2）金融风格友好度评分=f(－0.5×CN美林周期友好度评分－0.5×CN金融周期友好度评分－US金融周期友好度评分) （3）消费风格友好度评分=f(CPI/PPI剪刀差+货币缺口指标－0.5×滞销指标－0.5×滞胀指标) （4）周期风格友好度评分=f(－CPI/PPI剪刀差－0.4×滞后 6M 的滞销指标－0.8×货币缺口指标) （5）稳定风格友好度评分=f(－2×CN库存周期友好度评分－CN美林周期友好度评分－2×US金融周期友好度评分) 注：f()代表顺序百分位处理，详见报告《行业风格轮动背后的周期线索指向何方》。 具体来看，成长风格友好度评分的经济学逻辑在于，滞后的中国金融周期友好度和美国金融周期友好度与成长风格超额收益正相关。一方面，成长风格的估值对利率敏感，在衰退末期和复苏期，社会剩余流动性充裕，利率处于低位，有利于成长股估值提升，且中国金融周期友好度评分具有领先性。另一方面，美国金融周期友好度上升，意味着中美利差正向走阔，有利于人民币升值，吸引更多外资流入，而外资行为一定程度上强化成长（尤其是大盘成长）风格的逻辑。 金融风格友好度评分的经济学逻辑在于，金融风格与成长风格相对，其超额收益与中国、美国金融周期友好度负相关，与美林周期负相关。利率上行，金融周期友好度下行，利好金融风格的表现，这一点从保险公司会计利润计算方式可以窥见。当美林周期友好度下行，轮盘可能进入滞胀象限，金融风格以其高股息、低估值特性，在市场偏弱时具有一定的避险功能。 消费风格友好度评分的经济学逻辑在于，CPI/PPI剪刀差与下游消费板块的盈利空间正相关。货币缺口越高，利率越高，往往对应美林过热期，主要利好必选消费风格。滞销指标越低，库存周期越友好，传统经济繁荣，对居民收入预期有利，整体性利好消费风格。滞胀指标越低，美林周期越友好，主要利好可选消费风格（例如汽车家电）。 周期风格友好度评分的经济学逻辑在于，与下游消费企业相反，CPI/PPI剪刀差越大，上游原材料企业的利润空间越遭到压制，不利于周期风格，该项系数最高，影响力最强。滞销指标具有领先性，滞后6个月的滞销指标越低，库存周期越友好，越有利于周期股。货币缺口指标越低，金融周期越友好，同样越有利于周期品的金融属性表达。 稳定风格友好度评分的经济学逻辑在于，库存周期、美林周期友好度下行，往往对应经济景气度下行，市场风险偏好回落，相对利好稳定风格；美国金融周期友好度下行，外资净流入回落，对市场情绪和风格产生影响，相对利好稳定风格。熊市中稳定风格显示出较强的避险防御属性。 2018年至2023年3月期间，成长、金融、消费、周期、稳定风格友好度评分与对应中信风格指数相对全 A 12M -MA超额收益率之间具有显著正相关性，相关系数分别达到0.82,、0.90、0.83、0.80、0.87。 根据2024年10月末宏观一致预期数据，各行业风格友好度评分指标走势如下： 图4：成长风格友好度评分本月读数为32.9，上月为35.1，预期下月为34.0 图5：金融风格友好度评分本月读数为85.7，上月为79.1，预期下月为91.2 图6：消费风格友好度评分本月读数为86.8，上月为82.4，预期下月为87.9 图7：周期风格友好度评分本月读数为21.9，上月为26.3，预期下月为19.7 图8：稳定风格友好度评分本月读数为86.8，上月为78.0，预期下月为80.2 3.2.行业风格指数相关性较低，BL模型可有效提升分散化收益 由于不同资产价格变化的驱动因素有所不同，资产分散化配置可以降低整体投资组合的风险。也正是因为这个原因，Markowitz称“资产配