多元资产2025年度策略直面低利率时代的挑战(下篇)：基于多策略全天候的固收+ETF解法

多元资产2025年度策略 报告日期：2025年01月27日 ◼联系人：武文静◼SAC编号：S1050123070007 ◼分析师：吕思江◼SAC编号：S1050522030001◼联系人：刘新源◼SAC编号：S1050123100011 低利率时代收益来源： 2024年中国逐步进入低利率时代，提供稳定收益的多资产多策略产品表现出色。华鑫量化全天候结合了定性的资产基本面研判，和定量的风险平价配置和尾部风险管理，从大类资产配置、风格配置、板块配置、单一标底择时，逐层确定权重，并落地到产品选择和组合构建，使得全套策略可解释、可归因、可追溯，观点及时，收益来源清晰。 ETF实现多资产暴露： 资产层面立足中国，积极“出海”：主要配置四类资产ETF，包括中国权益，QDII（美股、德股、日股、印度、东南亚、美债等海外资产）、中国债券以及大宗商品。从资产角度确保在任意宏观场景下都能实现“全天候”的收益贡献。我们测试了不同投资范围下的表现，即使在只能配置中国权益和债券的情况下，亦没有明显的下降。 诚信、专业、稳健、高效 量化模型实现多策略暴露： 资产层面提供贝塔，策略层面提供阿尔法：资产高波动、海外高利率、国内债券收益率快速下滑。股票、债券、乃至高位的美股等已不适合简单“买入并持有”。在华鑫量化“全天候”体系中，同样强调资产内部多策略的纳入。在四大类资产内，形成了成熟的、样本外长期跟踪的子策略池。权益为例，三个核心子策略：行业轮动、风格轮动、大小盘轮动均在过去十年中（样本外自2022年开始）稳定跑赢基准沪深300全收益指数，为产品源源不断提供阿尔法。 多次突发性宏观场景考验 子策略经过长期的样本外跟踪（最早至2017年），经历多次突发性宏观场景的考验（2018年贸易战、2020年疫情、2022年美股大跌、2023年外资撤离A股下跌等），最大回撤均控制在3%-4%，过去十年中无一年亏损。2024年全年收益13.9%，最大回撤1.35%。 两种固收+ETF策略组合构建方式： 1、【低波方案】基于层次聚类和双动量的机械化方式构建组合：无观点表达、换手率较高、回撤控制小。2016年至今年化收益率4.59%，最大回撤为2.12%，夏普比率为2.08。其中2024年收益率为5.64%，最大回撤仅为0.48%。 2、【高波方案】基于大类资产配置和量化子策略增强方式构建组合：有Alpha观点表达、换手率较低、收益弹性高。2018年至今年化收益为8.15%，最大回撤为3.86%，波动率为3.36%，夏普比率为2.34。2024年至今收益16.24%，最大回撤仅有1.35%。在12%的目标波动率水平下，不考虑杠杆费用收益将高达46%。 核心优势： 1、“多资产、多策略”量化全天候产品更何时2025年开始的低利率环境。2、收益来源清晰、可解释性强。3、子策略最短经历三年样本外跟踪，表现稳定。 诚信、专业、稳健、高效 适合群体： 华鑫量化全天候力求在3%-5%波动率中枢水平下，实现年化8%-12%的绝对收益，并通过多资产、多策略复合配置，将尾部风险回撤控制在3%。适合固收+、稳定收益，以及希望通过QDII产品获得海外资产暴露的客户群体。 诚信、专业、稳健、高效 数据全部来源于公开市场数据，市场环境出现巨大变化模型可能失效 1.系统化定量策略和数据体系 目录CONTENTS 2.基于层次聚类和双动量筛选的固收+ETF策略 3.基于多策略全天候的固收+ETF策略 0 1系统化定量策略和数据体系 系系统统化化定定量量策策略略框框架架系统化定量策略框架系统化定量策略框架 •通过大类资产配置获得在不同宏观情境下的Beta收益•通过量化子策略获得资产内部的Alpha增强•通过系统化打分保证决策不受主观影响•通过定期再平衡获得增厚收益 系系统统化化定定量量数数据据体体系系系统化定量数据体系系统化定量数据体系 宏观数据因子化：经济增速（超预期）、通胀（超预期）、货币和利率、信用和期限利差、尾部风险中观行业数据：行业景气度预测、风格因子微观资金和价量：多种类市场参与者跟踪、隔日和日内价量 股票A：如何分析未来股价收益 A股有效的细分策略包括：仓位（股债）择时、风格择时、行业择时、大小盘择时 系系统统化化定定量量策策略略视视角角下下的的大大小小盘盘择择时时系统化定量策略视角下的大小盘择时系统化定量策略视角下的大小盘择时 系系统统化化定定量量策策略略视视角角下下的的黄黄金金择择时时系统化定量策略视角下的黄金择时系统化定量策略视角下的黄金择时 系系统统化化定定量量策策略略视视角角下下的的港港股股择择时时系统化定量策略视角下的港股择时系统化定量策略视角下的港股择时 构构建建基基于于构建基于构建基于EEEETTFFTFTF的的全全天天候候固固收收加加策策略略的全天候固收加策略的全天候固收加策略 •【低波方案】：基于层次聚类和双动量的机械化方式构建组合。无观点表达、换手率较高、回撤控制低•【高波方案】：基于大类资产配置和量化子策略增强方式构建组合。有Alpha观点表达、换手率较低、收益弹性高•和基于期货的全天候策略相比，使用ETF可以轻松完成配置和交易策略落地。虽然损失了杠杆和做空机会，但也获得了“策略下沉”的Alpha收益 0 2基于层次聚类和双动量筛选的固收+E T F策略 层层层层次次次次聚聚聚聚类类类类算算算算法法法法简简简简介介介介及及及及其其其其必必必必要要要要性性性性 •在前期报告《指数基金投资+系列报告之一：基于技术面量化的指数基金绝对收益策略》构建的“鑫选指数基金池”中，包含了权益、商品、债券、海外在内的多资产ETF可选标的。 •首先通过层次聚类的方式，将所有ETF按照过去一段时间内的收益走势归类，随后按照风险平价策略进行划分，并得到各类资产的权重。•在日常的资产配置中，虽然每个标的所属的行业或跟踪的指数不同，但可能受相同驱动因素影响，导致实际走势没有太大的区别，并没有达到分散风险的目的。•层次聚类算法根据标的的历史价格走势将其组织成多个集群，结构化地理解不同标的之间的相关性，将具有相似波动模式的标的分组，为构建有效多样化的投资组合奠定了基础。 层层层层次次次次聚聚聚聚类类类类算算算算法法法法概概概概述述述述 算法的基本原理 算法的应用实例 层次聚类的定义 01 该算法首先计算所有ETF跟踪指数的收盘价数据的相关性系数，并将其转化为距离矩阵。在合并簇的过程中，采用平均距离法，寻找与某一簇中所有点平均距离最短的簇进行合并，从而生成聚类结果。 层次聚类算法是一种通过逐步合并或拆分数据点来构建层次结构的聚类方法。它能够帮助我们识别数据集中的自然分组和层次结构，进而理解数据中的内在模式和关系。 为了直观展示算法的应用，我们从鑫选ETF池中挑选出7支标的进行演示，通过简单的例子说明层次聚类算法的实际操作过程。 层层层层次次次次聚聚聚聚类类类类算算算算法法法法简简简简介介介介及及及及其其其其必必必必要要要要性性性性 •从下面的树状图，我们可以直观地了解各资产以及各聚类的层次关系，并将聚类结果汇总成了聚类合成关系表，表中第一、二列分别为聚类资产和资产组合的编号，第三列为该次聚类新生成的资产组合编号： •沪深300成长ETF和医疗ETF先聚合为一类，两支ETF皆为原始资产，编号为4和6，这个新资产组合的分类 编号为8。随后类别8再与原始资产港股通50ETF(编号5)形成新的资产分类编号为9。以此类推，直至完成整个聚类树，最后再根据我们希望的最终组数在横坐标位置进行切分，例如，如果我们最终希望得到三组分类，那么0.6就会是一个切分位的选择，最终资产会被分为：1.红利低波ETF、国债ETF 2.纳指ETF3.5G通信ETF、港股通50ETF、医疗ETF、沪深300成长ETF 诚信、专业、稳健、高效 层层层层次次次次聚聚聚聚类类类类算算算算法法法法分分分分类类类类情情情情况况况况（（（（2222000022221111----2222000022223333）））） 风风险险平平价价策策略略概概述述风险平价策略概述风险平价策略概述 优化目标是最小化风险贡献的标准差，使每个集群的风险贡献相等。风险贡献是各资产权重乘以各资产边际风险贡献的结果。通过最小化风险贡献的标准差，充分分散风险，降低组合整体的波动率。约束条件包括各类别权重之和为1，以及各类权重为正。 风险平价策略是一种投资组合策略，旨在使每类资产对组合整体的风险贡献在组合中所占的比重相等，以降低组合的整体风险。实际应用中，该策略能够帮助投资者在保持风险可控的同时，实现投资组合的收益最大化。 在计算风险平价策略中，首先需要得到各类资产收益率的波动率和相关性矩阵。然后，结合这两个指标得到协方差矩阵，并对权重进行优化以实现风险平价 多多 资资 产产 多多 策策 略略 风风 险险 平平 价价 组组 合合多 资 产 多 策 略 风 险 平 价 组 合多 资 产 多 策 略 风 险 平 价 组 合 •在使用了最基本的风险平价策略后，由于国内信用债波动极低，组合的大部分仓位都会被分配到债权部分，其次是红利+商品，最后是海外权益以及AH股权益。 时时时时序序序序动动动动量量量量与与与与截截截截面面面面动动动动量量量量的的的的有有有有效效效效性性性性 时序延续性：在一些研究中表明，市场在短至中期内通常会展示出趋势延续的特征，这使得利用时间序列动量策略能够捕捉到这些持续的特征。 市场行为的非完全有效性：在现实中市场并非总是完全有效的：信息的不对称、投资者的行为偏差等因素都可能导致价格偏离基本价值。 在前期报告中，我们运用截面动量在行业指数中进行了测试并充分证明了一定时间段内的截面动量指标的单调性以及收益率的情况，并证明了截面动量的有效性。在这篇报告中，我们沿用相同的思路，将标的转换为了ETF，通过截面动量排序确定权重以谋求更高的收益。 时时 序序 动动 量量 与与 截截 面面 动动 量量 的的 结结 合合时 序 动 量 与 截 面 动 量 的 结 合时 序 动 量 与 截 面 动 量 的 结 合 首先通过计算过去10月各个ETF涨跌幅来确定是否将该ETF在下月纳入组合。随后通过两种方式对所有资产进行权重分配： 时序动量剔除 时序动量止损 当ETF过去10个月涨跌幅小于0时，我们在下个月中会将该ETF剔除我们的组合中。 先对所有ETF按照截面动量进行排序，并根据排名进行归一化并确定各个资产按照排序获得的权重。 随后，在精简后的ETF资产内的各个类别中，进行截面动量的排序，并根据排名进行归一化并确定各ETF在各类别中的权重情况。 随后，随后在每个资产中再按时序动量对过去10个月涨幅小于0的资产进行止损。 因此在这种情况下，组合整体仓位有时会小于100%，组合的波动性会低一些。 因此在这种情况下，组合将永远处于满仓状态 诚信、专业、稳健、高效 策策策策略略略略收收收收益益益益情情情情况况况况 •我们基于2021年至2023年的ETF收盘价数据进行聚类，分为4类后，按照第一种时序动量剔出的方式对2024年初至2024年12月15日的数据进行了测试：•基于时序动量剔除的策略，我们得到的年化收益率为5.64%，最大回撤为0.48%，波动率为1.51%，夏普比率为3.63，单边换手为27.8%，平均仓位为100%，收益稳定性优于等权基准 策策策策略略略略收收收收益益益益情情情情况况况况 •同时，我们拉长时间线，用2016年至2019年底的数据进行聚类，按照第一种时序动量剔除的方式对2020年至2024年12月15日的数据也进行了测试：•基于时序动量剔除的策略，我们得到的年化收益率为5.44%，最大回撤为2.39%，波动率为2.53%，夏普比率为2.0905，单边换手为171.03%，平均仓位为100%，收益稳定性优于等权基准。 策策策策略略略略收收收收益益益益情情情情况况况况 •基于时序动量止损的策