BL宏观量化策略模型配置展望（202505）：中印股市机会同在，消费风格强势不改

请务必阅读正文之后的免责条款部分中印股市机会同在，消费风格强势不改——BL宏观量化策略模型配置展望（202505）本报告导读：Black-Litterman模型是市场广泛使用的经典资产配置模型。我们基于该模型的特点，将宏观基本面观点融合于资产配置量化策略。目前全球大类资产配置策略年化收益达到24.0%。A股行业风格轮动策略2024年以来相对万得全A超额收益达到22.9%。当前策略模型建议配置A股、印股+消费风格。投资要点：[Table_Summary]基于BL模型开发的全球大类资产配置策略和A股风格轮动策略表现稳定，5月建议配置A股、印股+消费风格：全球大类资产配置策略回测期内年化收益23.0%，夏普比率为1.43，其中2025年年化收益为57.5%。A股行业风格轮动策略2024年以来超额收益达到23.9%，2025年累计超额较上月提升1.9%。全球大类资产配置策略模型当前配置集中于A股、印股，而A股行业风格轮动策略模型看好消费风格。Black-Litterman模型是市场广泛使用的经典资产配置模型。我们基于该模型的特点，将宏观基本面观点融合于资产配置量化策略，针对全球大类资产轮动和A股风格轮动均提出了经过市场验证的有效模型。全球大类资产配置策略和A股行业风格轮动策略表现稳定：全球大类资产配置策略回测期内年化收益23.0%，夏普比率为1.43，其中2025年年化收益为57.5%。A股行业风格轮动策略年化收益率达到20.3%，夏普比率为0.86。相对万得全A累计超额达到168.4%，2024年以来超额收益达到23.9%，2025年累计超额较上月提升1.9%。宏观基本面量化思想对于提升大类资产配置模型和风格轮动策略的效果起到了明显作用。策略模型5月配置建议为A股、印股+消费风格：全球大类资产配置策略模型（即引入汇率的宏观友好度观点BL模型策略）资产配置集中于A股与印股资产，而A股行业风格轮动策略模型（即风格宏观友好度观点BL模型策略）更加看好消费风格。A股在对等关税冲击后持续修复，结合政策陆续出台与对美谈判启动，我们仍然看好A股短期表现。5月7日，央行、金融监管总局与证监会负责人发布一揽子稳市场稳预期的金融政策，包括三大类共十项。本次推出的一揽子政策有利于稳定国内经济增长，提振市场信心，降低权益市场风险溢价。与此同时，何立峰副总理访瑞期间将作为中美经贸中方牵头人，将与美国财政部长贝森特举行会谈。印度经济近期运行趋势较此前边际改善，随着印度央行开启降息周期，印度股市估值或得以提振，我们认为印股受关税冲击影响有限，配置价值得重视。在外部不确定性高企，关税影响进一步显现情况下，如果能看到稳增长、扩内需政策进一步释放，将带动总需求的改善。当前消费风格仍然值得关注，建议进行哑铃型配置。防御型资产选择股息率较高的消费龙头受益经济弱复苏下的资金避险需求；进攻型标的关注用户增速较高的新消费企业，把握品类扩张红利。风险提示：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；策略模型未计入交易成本；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。 目录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...........32.全球大类资产配置策略：A股、印股配置价值凸显...................................43.A股行业风格轮动模型策略：消费风格行情或将延续...............................94.结论与配置建议：5月建议配置A股、印股+消费..................................135.风险提示........................................................................................................14 请务必阅读正文之后的免责条款部分2of15 请务必阅读正文之后的免责条款部分3of151.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本团队长期以来深耕大类资产配置领域，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量化（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。（详请见发布于2024年10月30日的《等量齐观：风格宏观好友度评分在BL模型中的应用》专题报告）。图1：国泰海通宏观基本面量化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 请务必阅读正文之后的免责条款部分4of152.全球大类资产配置策略：A股、印股配置价值凸显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（2019/01/2-2024/04/30）内年化收益率可达23.0%，夏普比率可以达到1.43，表现显著优于其他对比策略。下表展示了针对各类资产构建专属的宏观基本面量化指标及宏观友好度的简要方法。表1：通过宏观周期因子构建全球大类资产宏观友好度宏观友好度构建方法《如何以宏观友好度评分1、CN宏观友好度评分（Equity）反映宏观环境对中国权益资产的友好程度，其为CN宏观综合压力指标（Equity）的逆序百分位数。评分越高，中国权益资产获得正回报的概率越高。由CN宏观综合压力指标（Equity）求逆序百分位得到，取值范围0-100。2、CN宏观综合压力指标（Equity）=30%×货币缺口指标+50%×滞销指标+20%×滞胀指标。3、货币缺口指标=社融同比/M2同比，反映宽信用与宽货币的相对力度，其逆序百分位数为CN金融周期友好度评分。评分越高，中国金融环境越宽松。4、滞销指标=（PMI库存-50）-（PMI生产-50），反映企业去库存的难度，其逆序百分位数为库存周期友好度评分。评分越高，中国实体经济越景气。5、滞胀指标=（PMI-50）-波动率加权的综合通胀，反映经济的类滞胀风险和宏观政策的执行难度，其逆序百分位数为美林周期友好度评分。评分越高，中国经济的类滞胀风险越低。《择木而栖：A股和港股轮1、HK宏观友好度评分反映宏观环境对中国香港权益资产的友好程度。评分越高，中国香港权益资产获得正回报的概率越高。2、HK宏观友好度=67%×CN库存周期友好度评分+33%×US金融周期友好度评分。《宏观友好度视角下的中1、US宏观友好度评分反映宏观环境对美国权益资产的友好程度，其为US宏观综合压力指标的逆序百分位数。评分越高，美国权益资产获得正回报的概率越高。由US宏观综合压力指标逆序百分位得到。2、US宏观综合压力指标=25%×10Y美债实际利率+50%×滞销指标+25%×滞胀指标。3、10Y美国国债实际利率反映美联储货币政策的宽松程度，其逆序百分 请务必阅读正文之后的免责条款部分6of15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由主观形成的，一方面代表了市场平均水平的认知，另一方面也反映了市场参与者对于其他参与者未来行为的主观预测。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：大类资产宏观友好度评分表更新（时点预期打分历史）:A股宏观预期因子评分明显提升印股日股中债美债商品黄金RMB升值动力INR升值动力78.747.057.554.650.981.478.6100.027.878.752.555.254.644.690.180.4100.029.965.332.759.654.651.990.584.075.029.465.32059.358.454.588.878.475.021.465.339.355.858.431.187.777.275.022.964.237.460.558.431.286.580.785.027.864.243.661.852.231.981.879.585.028.464.248.864.352.232.581.68085.053.871.2515.330.327.729.9958.27089.350.271.2521.633.855.837.555.172.289.3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 请务必阅读正文之后的免责条款部分7of15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：全球大类资产配置策略表现优秀，年化收益率达到23.0%回测表明该策略模型收益表现稳健。回测期内（20190102-20250430）年化收益可达到23.0%，夏普比率为1.43，其中2025年年化收益为57.5%，重点配置资产为黄金和A股。我们基于截至2025年4月末的市场数据和宏观经济一致预期数据对策略模型进行了更新。最新结果显示，当前A股和印股