低利率环境下的大类资产配置新范式系列（二）：因势利导：宏观驱动型股债动态配置策略

因势利导：宏观驱动型股债动态配置策略 低利率环境下的大类资产配置新范式系列（二） 本报告导读： 本报告重点研究了宏观驱动型股债动态配置策略的理论基础与实现方法。通过构建宏观拟合指标对股债投资组合的配置比例进行动态调整，以实现相对于基准股债恒定指数的超额收益。 王子翌(分析师)021-38038293wangziyi@gtht.com登记编号S0880523050004 投资要点： 李健(分析师)010-83939798lijian8@gtht.com登记编号S0880525070013 对经典资产配置模型的比较表明，风险平价策略在风险控制维度具备一定优势，但收益弹性相对受限；均值方差最优化策略虽然具备提升收益的潜力，但在长期风险管理上的稳定性不足。因此，探索一种能够兼顾风险管理与收益要求、并持续战胜基准的新方法，具有重要的现实意义。 朱惠东(分析师)0755-23976176zhuhuidong@gtht.com登记编号S0880525070025 在此基础上，本报告对传统宏观周期模型进行了系统性改进，基于定性分析框架主动筛选景气、通胀、流动性等宏观因子，并根据动态相关性自适应调整宏观变量在不同阶段的定价权重，定量构建拟合A股与国债收益率的宏观拟合指标。实证结果显示，该指标对股债收益率具备较强解释力与一定预测力，为大类资产配置提供了可量化的择时依据。 石油危机影响历史复盘与投资启示2026.03.24沃什主张：美联储与全球大类资产定价新范式2026.02.21股债恒定指数：居民资产配置加速转型的锚点2026.01.31 本报告提供了两种实现超额收益的可行路径。（1）以股债宏观拟合指标作为股债相对择时信号，应用于股债动态权重策略。以2013年12月31日为基准，截至2026年3月31日，股债动态权重策略实现115.96%的累计收益（年化收益率为6.48%），A500交易所股债20/80拟合指数实现83.50%的累计收益（年化收益率为5.08%）。平均每年实现超额收益1.40%。长期看，股债动态权重策略能够相较于股债恒定指数产生较为稳定的超额收益，在稳定增厚年化收益率1.2~1.5个百分点的同时，提升了夏普比率与卡玛比率，并降低了最大回撤。（2）以股债宏观拟合指标作为主观观点，应用于Black-Litterman模型。该策略的绝对收益略低，但却具备更强的风控能力：以2026年3月31日为基准，过去10年内，该策略的最大回撤仅有3.29%，且最大回撤持续时间仅有9天，并且在一个月之内就完成修复。由于固收+产品的资金属性，相较于收益率，管理人对其最大回撤、卡玛比率等风险指标或更为敏感，因此基于Black-Litterman模型的股债轮动策略或是一个更具备现实意义的参考。核心结论：在股债恒定比例基准逐步完善的背景下，通过应用宏观 驱动型股债权重动态调整策略，可以在不显著偏离基准风险特征的前提下，实现稳定且可持续的超额收益。这为主动型固收+产品通过相对择时与动态配置战胜基准指数提供了可行路径，有利于相关产品进一步扩容、发展，并加速居民大类资产配置转型。 风险提示：分析维度存在局限性，模型设计存在主观性，量化模型局限性。 目录 1.股债恒定指数有望成为固收+产品重要参考基准........................................31.1.以中证A500交易所股债20/80为研究参考基准..................................31.2.经典资产配置策略与股债恒定策略对比................................................41.2.1.风险平价配置策略：表现接近10/90恒定比例指数......................41.2.2.均值方差最优化配置策略：长期风险管理能力相对较弱..............62.改进基于宏观周期的定量模型......................................................................82.1.现有模型存在的问题与改进思路............................................................82.2.使用宏观因子合成A股宏观拟合指标...................................................82.3.使用宏观因子合成国债宏观拟合指标..................................................123.将宏观拟合指标应用于大类资产配置........................................................173.1.以股债宏观拟合指标作为股债相对择时信号......................................173.2.作为主观观点应用于Black-Litterman模型..........................................184.研究结论........................................................................................................225.风险提示........................................................................................................235.1.分析维度存在局限性..............................................................................235.2.模型设计存在主观性..............................................................................235.3.量化模型局限性......................................................................................23 1.股债恒定指数有望成为固收+产品重要参考基准 恒定比例配置策略是最原始、最朴素的大类资产配置策略，将其应用于中国资本市场的实践屡见不鲜，但在相当长一段时间内缺乏可供跟踪与评估的标准化指数基准。随着固收+投资产品持续扩容与普及，传统基金考核基准正面临新的适配压力与调整需求。目前，多家基金公司正在针对股债恒定比例ETF产品积极开展系统改造，预计后续股债恒定比例ETF有望陆续申报并落地实现。届时，股债恒定比例指数预计将成为固收+产品的重要参考基准。 在既定业绩基准的前提下，主动型固收+产品实现超额收益的路径主要有两类：一是在不显著改变整体风险暴露的前提下，提升底层资产的风险收益特征，例如通过权益内部的风格轮动、行业配置或指数增强等方式，获取相对于基准的结构性超额收益；二是通过主动调整股债配置比例，阶段性偏离基准权重，对股债资产进行相对择时，以把握不同资产在周期演变中的相对优势，从而实现对基准指数的超越。本报告重点聚焦于第二种路径，即通过对股债配置比例进行动态调整来实现相较于基准指数的超额收益。 1.1.以中证A500交易所股债20/80为研究参考基准 我们在发布于2026年1月31日的专题报告《股债恒定指数：居民资产配置加速转型的锚点》中指出，A股的运行中枢仍将延续上行趋势，作为股债恒定比例指数的基础资产，A500指数或将较其他权益指数产生更高的回报，基于A500的股债恒定比例指数具备较高的风险收益特征与战术性配置价值。本报告以中证A500交易所股债20/80指数作为研究参考基准。 参考指数编制方案，中证A500交易所股债20/80指数（代码：932469）由中证A500全收益指数（代码：000510CNY010）与中证交易所0-10年国债及政策性金融债指数（代码：932492）构成。为便于计算相对择时效果，我们使用中证A500全收益指数与中证交易所0-10年国债及政策性金融债指数拟合原始指数。拟合得到的A500交易所股债恒定指数与原始指数高度相关。 资料来源：Wind，国泰海通证券研究 根据编制方案，指数每季度调整一次，调整时间分别为每年3月、6月、9月和12月的第二个星期五的下一交易日。月频校准与季频校准的股债恒定拟合指数净值差异较小，为简化计算，我们每月末对拟合指数进行调整。 资料来源：Wind，国泰海通证券研究 1.2.经典资产配置策略与股债恒定策略对比 作为最原始、最朴素的大类资产配置策略，恒定比例配置策略的优势在于构造简单，易于理解与实施。通过定期再平衡，投资者能够在资产价格波动中实施“高卖低买”的反向操作以平抑风险，有利于资产长期稳健增长。不足之处则在于对市场环境的假设较为简化，多数情况下难以最优化投资组合的风险收益特征。我们将一些经典的资产配置策略与股债恒定策略进行比较。 1.2.1.风险平价配置策略：表现接近10/90恒定比例指数 经典风险平价策略与10/90股债恒定指数表现长期较为接近，这与其内部权益权重通常在0%至20%区间波动的结构特征相一致。从诸如夏普比率、波动率以及最大回撤等指标来看，经典风险平价策略相较于10/90恒定比例指数更具优势。但在绝对收益层面，其表现仍弱于权益权重更高的恒定比例指数。若固收+产品以绝对收益为核心考量标准，则经典风险平价策略未必是最优选择。 资料来源：Wind，国泰海通证券研究注：本策略采用的波动率基于过去6个月历史数据计算。 1.2.2.均值方差最优化配置策略：长期风险管理能力相对较弱 均值方差最优化（Mean Variance Optimization, MVO）基于马科维茨提出的现代投资组合理论。它的核心思路在于，资产配置应被视为一个预期收益与风险共同决定的优化问题，因此，均值方差最优化策略不再依赖事先给定的经验比例，而是通过估计各类资产的预期收益率、波动率以及相关性，在可行集合中求解最优组合。 相较于股债均衡指数，经典均值方差最优化策略近年来在收益指标上表现较优，但长期风险管理能力相对较弱。 2.改进基于宏观周期的定量模型 2.1.现有模型存在的问题与改进思路 在此前的研究中，我们通过累加宏观周期而拟合大类资产收益率，在实践过程中存在若干问题： （1）宏观周期的划分具有一定主观性，不同指标与方法往往给出差异化的周期判定结果，其指示意义在实际操作层面相对模糊。 （2）在不同的宏观环境与叙事体系下，市场对各类宏观因素的定价权重存在显著差异，事先预设的权重（尤其是静态权重）难以及时反映市场的动态定价过程。 （3）宏观数据本身并非大类资产定价的直接驱动因素，真正起作用的是宏观预期的边际修正，而现有第三方预测数据在获取与更新上均存在滞后，亦难以有效反映市场的真实预期变化。 针对上述问题，我们对原有基于宏观周期的定量模型进行了系统性改进。新的模型： （1）不再对宏观周期进行主观划分，而是直接使用底层宏观因子进行建模。宏观周期本质上来源于关键宏观因子的规律性变化，对其再次进行抽象化反而增加信息损耗，直接使用因子更为简洁有效。 （2）不预设静态权重，而是基于因子与大类资产的动态相关性，对因子权重进行自适应调整，以更及时、准确地反映市场的定价结构。 （3）重点关注宏观数据的边际变化与趋势，而非过度依赖所谓的预期数据。从预期视角来看，市场预期并非独立存在，而是内生于关键数据之中。既然资产定价本质上反映的是预期的边际修正过程，那么对核心宏观数据边际变化的持续跟踪，同样能够有效反映预期的动态修正。 2.2.使用宏观因子合成A股宏观拟合指标 我们基于定性分析框架主动筛选宏观因子