AI赋能资产配置（三）：DeepSeek与风险“再平价”

总量策略·资产配置 证券分析师：王开021-60933132wangkai8@guosen.com.cnS0980521030001 证券分析师：董德志021-60933158dongdz@guosen.com.cnS0980513100001 联系人：郭兰滨010-88005497guolanbin@guosen.com.cn 摘要 ØDeepSeek与风险“再平价”——三类路径探索 风险贡献度调整：DeepSeek结合宏微观经济数据、资本市场指标、分析师观点等，优化各资产的风险贡献度，基于周期特征进行微调，增强组合的收益潜力 回溯周期的调整：DeepSeek通过动态调整回溯期，根据不同市场周期优化风险平价策略的时间窗口，采用AI智能学习历史数据 ETF组合配置：DeepSeek结合传统指标（如跟踪误差、溢价率、汇率波动性等）与前瞻性市场判断（如市值规模、持有结构等），优化ETF选取。实现从指数框架到ETF配置的综合优化，增强投资组合的管理效率和风险控制Ø风险平价模型优化Ø以国内股债商组合为例： 年化收益从3.85%提升至4.2%，夏普比率提升至1.137（风险贡献调整），年化收益率从3.85%提升至4.46%，夏普比率增至1.137(回溯周期调整)Ø以海外组合为例： 年化收益率由8.11%提升至14.15%，夏普比率从0.590提高到1.018Ø以全球市场组合为例： 组合年化收益6.8%→8.3%，组合配置夏普比率1.048→1.281ØETF组合配置优化 ETF组合配置：AI选出的ETF组合年化收益率为7.18%，相较于非AI选基的6.75%，表现更优 AI赋能风险平价：策略表现在年化收益率和夏普比率上皆有优化，在国内、海外和全球配置中均已得到有效体现 Ø风险提示：模型过拟合风险，DeepSeek的训练依赖于投喂的框架语料与底稿数据，多维框架下存在过拟合风险；数据口径调整风险，宏观指标统计口径的调整可能带来AI配置结论的改变；AI推理的不稳健性，AI模型的输出结论具备一定随机性，多次生成可能产生不同的结果 全球风险平价的三维结构 Ø三维一体，构建覆盖全球市场的风险平价策略： Ø全球+国内资产风险平价：关注海外股与国内股债、黄金的相对配置。Ø国内资产风险平价：细分A股风格、A债，重塑国内股债配置。Ø海外资产风险平价：实现全球股票市场的风险均衡，因为海外债难以通过ETF配置，场外申购受限，所以暂不考虑海外债券配置。 AI第一个引入点：风险平价的AI应用 Ø风险贡献度的确定：DeepSeek结合宏观环境（工业增加值、M1、社融）、资本市场（信用利差、期限利差、情绪指数）及AI调研（分析师观点）等因素，确定不同时点的资产风险权重，进而计算配置比例。该策略的核心思路仍是平价，但风险分配并不等权，会随着宏观等指标在一定范围内浮动调整，类似主被动结合的Smart β思路 Ø追溯期的智能调整：在风险平价策略中，协方差矩阵的计算至关重要，其样本时间窗口的选择直接影响权重稳定性与优化效果。传统方法通常采用3、5年固定窗口，难以动态适应市场变化。DeepSeek通过智能学习历史数据，解析宏观周期与资产轮动周期，调整计算最优追溯期 资料来源：Wind，国信证券经济研究所绘制 AI第二个引入点：指数到落地的指引 Ø指数→资产：大多数风险平价模型基于指数，我们希望借助，将配置落地到ETF，实现更精准的资产配置Ø识别核心风险：从指数到配置，标的选择面临风险，如： Ø炒作风险：部分海外资产（QDII配置海外ETF）因市场炒作溢价过高，偏离实际价值Ø汇率风险：部分海外资产未锁汇，受汇率波动影响收益Ø通过识别核心风险，优选可落地的ETF投资组合。 资料来源：Wind、国信证券经济研究所绘制 目录 传统风险平价的逻辑与痛点01 AI“再平价”：周期思维下的风险调整02 AI“组合配置”：实战视角下优选ETF03 展望与结论04 传 统 风 险 平 价 的 痛 点 ： 绝 对 收 益 较 弱 Ø本文选取按照市值划分的宽基指数、债券指数和黄金价格来应用风险平价模型，回测期间为2022年1月12日至2025年2月20日，得到夏普率为1.03，最大回撤为4.56%。发现风险平价模型优于股票基金和债券基金。 Ø海外部分，本文选择法国CAC40指数、德国DAX指数、恒生指数、日经225指数、MSCI印度指数、标普500指数进行风险平价模型测算，最终结果夏普率0.73，最大回撤17.9%。最后，进行全球风险平价实验，发现样本内全球风险平价跑赢MSCI全球指数，凸显了进行风险平价配置的必要性。 资料来源：Wind，国信证券经济研究所整理 资料来源：Wind，国信证券经济研究所整理 资料来源：Wind，国信证券经济研究所整理 风 险 平 价 模 型 历 史 演 进 全天候策略2.0 核心理念 风险平价模型1.0 从资产的风险贡献度相等到每个经济周期中资产组合面临的总风险是相同的。投资者对不同宏观周期的判断体现在不同杠杆利用上。 风险平价拓展——绿色平价应用4.0 核心理念 核心理念 痛点 市场遭遇Risk-off瓦解市场的Beta 绿色平价策略（Green Parity, GP）是将环境、社会和治理（ESG）因素融入投资组合优化的方法，通过平衡投资组合中每个资产的气候风险，确保每个发行人碳强度对整体碳足迹的贡献相等，从而有效减少碳足迹，同时保持较低的跟踪误差和良好的分散度。 根据各个资产风险贡献度相等，被动进行资产配置的模型。 核心理念全天候+货币信用风火轮3.0 增长+通胀框架并不适合我国国情，原因有二，一是大财政背景下企业盈利和GDP增速背离，二是实体企业融资需求对利率相对不敏感。货币信用风火轮比美林时钟更适合国情。货币代表政策目标，信用代表现实。以此衍生出资产的轮动。风险平价策略可以熨平经济周期中的beta风险 痛点 实现方式 （1）债券比例过高，拖累整体组合的收益率。（2）杠杆水平受限制 每个发行人的碳强度（CI）对投资组合加权平均碳强度的贡献相同 中国经济结果发生重大变化，地产模式向科技范式转变，痛点 对信用依赖程度降低。货币受到汇率的制约，且低利率环境下对投资的指示作用减弱 “桥水思维”重构“AI+风险平价” 目录 传统风险平价的逻辑与痛点01 AI“再平价”：周期思维下的风险调整02 AI“组合配置”：实战视角下优选ETF03 展望与结论04 AI“再平价”：周期思维下的风险调整 ØAI赋能风险“再平价” Ø从风险的“资产平价”、“宏观平价”到“AI平价”：AI的多模态信息处理能力，使得风险在长、中、短周期间实现更好的平衡，同时结合时事热点，“AI平价”对风险的识别更高效、更敏捷Ø从“回头看”到“向前看”：风险平价对回溯周期的设定，实际上假设了未来的资产风险与一定历史周期相同。相比于传统模型的“固定”回溯期，AI能够在预测未来的基础上，动态调整不同时点的回溯期，在历史中寻找“可预见的未来”Ø从“本土”到“全球”：根据AI对国内政策场景、全球资产动态的学习，智能识别海内外资产的合理配比 资料来源：Wind，DeepSeek,国信证券经济研究所绘制 资料来源：Wind，DeepSeek,国信证券经济研究所绘制 AI“再平价”应用之一：国内“风险贡献调整”过程 ØAI在风险平价中的第一种应用——风险贡献的调整 Ø输入指令使得DeepSeek依据资本市场的宏微观表现，分析国内股、债、商（沪深300、中证500、中证1000、中证2000、红利指数、十年国债指数、黄金等）市场，理解风险平价下的配置思路Ø令DeepSeek结合宏微观和资本市场指标研判风险平价策略下各类资产的风险贡献度是否需要调整，以及如何调整（基于周期、宏观数据、市场走势、分析师观点等的月度配置）Ø通过调整后的权重计算净值，并与原策略进行对比，评估优化效果 资料来源：DeepSeek，Wind，国信证券经济研究所整理 AI“再平价”应用之一：国内“风险贡献调整”前后对比 Ø总体思路：通过DeepSeek在传统风险平价计算得出的权重基础上进行调整，调整幅度较小，突出了周期特性 Ø策略对比： Ø传统风险平价策略通过均衡资产风险贡献，构建跨周期稳定的组合，提升组合对外部风险的免疫力，确保在市场波动中保持稳定表现 ØDeepSeek调整的风险平价策略延续了传统思路，依然确保在一个时间窗内资产的风险贡献大致相等。并通过引入周期性特征，对不同周期下表现突出的资产的超额收益进行了放大，捕捉潜在的市场周期性机会，提升组合收益潜力 Ø核心数据提炼：最大上调幅度为3%，最大下调幅度为6%。从密度分布图来看，DeepSeek给出的绝大多数调整集中在1%至2%之间，整体上呈现为对传统风险平价模型的精细微调 资料来源：Wind，国信证券经济研究所整理 资料来源：Wind，国信证券经济研究所整理 资料来源：Wind，国信证券经济研究所整理 AI“再平价”应用之一：国内“风险贡献调整”结果呈现 Ø风险贡献的调整结果呈现： Ø调整后净值：优化后的风险平价策略净值相较原策略有明显提升Ø年化收益由3.85%上升至4.2%Ø夏普比率提升1.058上升至1.137，表明单位风险下的收益能力增强 资料来源：Wind，国信证券经济研究所整理 资料来源：Wind，国信证券经济研究所整理 Ø结论：优化后的风险平价策略显著提升了传统模型的表现，增强了收益积累能力，同时保持了良好的风险控制 资料来源：Wind，国信证券经济研究所整理 资料来源：Wind，国信证券经济研究所整理 AI“再平价”应用之二：国内“调整回溯周期”原理 ØAI在风险平价中的第二种应用——回溯周期的调整 ØDeepSeek助力周期回溯调整： Ø固定回溯期难以适应市场波动：资本市场易受短期扰动，长周期回溯对短期扰动反应较慢 ØDeepSeek的核心优势：对市场的长周期定位和短周期波动反应敏锐，灵活调整“过去→未来”的窗口期 ØDeepSeek调整后，周期回溯呈现出明显的阶段性，如2020-2022年全球冲击期缩短至360天，滞胀期延长至600天Ø原理：DeepSeek分析我们提供的宏观数据、资本市场债券市场指标，并利用联网搜索汇集机构观点（语料），对风险平价策略的时间窗口进行动态调整 Øprompt引导（给AI的指令，明确两点）：①任务——请你结合语料，划分窗口；②目标——请识别高波动和稳定期，缩短高波动期的时间窗口，延长稳定期，优化风险平价策略的有效性 AI“再平价”应用之二：国内“调整回溯周期”结果呈现 ØDeepSeek调整回溯时间窗口，使风险平价权重基于不同样本实现平价 Ø结果呈现 Ø净值略有提升，但幅度不及直接让AI调整权重的优化效果Ø年化收益率由3.85%上升至4.46%Ø年化波动率维持在0.036Ø夏普比率从1.059增至1.137Ø最大回撤由-4.77%变为-4.71% 资料来源：Wind，国信证券经济研究所整理 资料来源：Wind，国信证券经济研究所整理 Ø结论：在风险平价策略优化中，DeepSeek的两种嵌入方式兼具有效性 Ø“风险贡献调整”（AI调整1）主要依赖周期数据，精确调节各资产的风险分配 Ø“调整回溯周期”（AI调整2）充分融合宏观经济数据和联网搜索结果，动态优化策略的时间窗口 ØAI调整1+AI调整2效果更佳 资料来源：Wind，国信证券经济研究所整理 资料来源：Wind，国信证券经济研究所整理 AI“再平价”：海外股风险平价的实现与优化 Ø延续原有思路，对海外股风险评价策略进行优化 Ø此前已经完成了AI的两类嵌入优化模式，①优化风险贡献权重（AI调整1），②调整回溯窗口（AI调整2）Ø我们对海外资产风险平价策略（涵盖法国、德国、美国、日本、中国香港、印度等市场）进行全面优化 Ø结果呈现——收益提高的同时，风险未明显增加，