本报告提出将风险平价的对象从资产层移至宏观因子预期外冲击,通过六维宏观维度信号合成与局部线性趋势模型提取冲击,构建月度宏观冲击风险平价(Macro RP)与复合风险平价(Joint RP)两类模型,并结合低波资产权重上限约束,以在低利率环境中实现对组合风险的动态定价与更稳定的收益分布。实证表明,在低波资产约束下,Macro RP 能显著提升收益与夏普比率,且 Joint RP 对收益与稳定性提升更为稳健,换手率更低,且在Cap=0.2–0.8等不同情景下均展现出对宏观风险的良好对冲能力。
实证表明,在设定低波资产上限的情境下,Macro RP 能显著提升收益与夏普比率;而 Joint RP 进一步提升稳定性(比如对回撤的控制与换手率的降低),为低利率环境下的资产配置提供新的方法论框架。
该研究的结构性要点(章节设置的线索)包括:宏观维度的信号合成与冲击提取、六维宏观冲击的协方差矩阵构建、宏观冲击维度上的风险平价优化、回测框架与备选资产池,以及 Macro RP 与 Joint RP 的对比与综合。核心结论是 Macro RP 与 Joint RP 在不同低波资产上限设定下,均对 Asset RP 产生正向边际改进,且 Joint RP 在稳定性方面通常优于单一的 Macro RP。背后的理论逻辑是用“宏观冲击”来解释资产定价的边际信息变化,而非仅凭资产价格的历史协方差来进行风险分解。 , ,
六维维度的合成与去相关化(正交等权 vs 主成分)的比较,强调在信息方向均衡纳入与信息强相关情形下的权重分配差异。六维因子的协方差矩阵在滚动时序上被证明具有可控性与稳定性,对后续风险平价优化是核心支撑。该部分的实证结果提供了为何需要在宏观维度上进行“冲击驱动”的风险平价而非仅仅在资产层面做平价的理论依据。
影响与假设的解读
将冲击看作“市场未被完全计价的边际冲击信息”,是对传统基于资产历史协方差的风险平价的一种挑战性改造。低利率环境中的债券收益空间受限,使得纯资产 RP 的波动与收益结构更易受宏观冲击的扭曲,因此通过宏观冲击维度来实现更及时的风险均衡,是该研究的核心创新。 ,
图表5至图表7等系列图表系统呈现了不同 Cap 值下三者(Asset RP、Macro RP、Joint RP)的收益、夏普、换手率与回撤等关键指标。总体趋势是:Cap 越高,单独 Asset RP 趋于“高权重低波债券”的极端配置,Macro RP 与 Joint RP 能提供额外的定价信息增量,且在 Cap 较低时,Macro RP 的改进更显著。具体数值如上所述,来自不同页的图表(图表5到图表7等),在页面 7–12 处给出。图像注释与数据都来自 Wind 与中金研究部。 ,
结论性要点
Cap=0.8 情况下,Macro RP 已可实现显著的收益增加和夏普提升,但最大回撤也有所扩大(-3.64%);Cap=0.6 与 Cap=0.4 对应的收益提升与夏普提升更明显,但在 Cap 较低时,回撤虽增,但收益增幅更大,风险–收益需要权衡。以上结论依次来自图表 5–7 的结果。 , ,
复合冲击风险平价模型(Joint RP):更强的稳定性与更低换手
核心思路与方法
Joint RP 将 Asset RP 的资产层协方差与 Macro RP 的宏观隐含协方差以等权混合的方式整合,形成复合协方差矩阵,并在月度调仓下采用迭代优化来实现风险平价目标。此外,为应对宏观因子解释力不稳定导致的权重波动,文中引入历史平滑权重以抑制跳变,具体做法是当期优化权重占比的权重为 0.2,而历史惯性为 0.8 的平滑参数。 ,
Joint RP 的实现还强调在低波资产上限情境下,宏观协方差之于资产协方差的贡献度与风险平衡的耦合,使得在宏观冲击驱动的市场阶段,组合对宏观环境的敏感度更稳定。 ,
回测结果要点
Across all cap 档位,Joint RP 在对 Asset RP 的超额收益、夏普与 Calmar 比率方面均有提升,且换手率维持在三策略(Asset/Macro/Joint)的较低水平,显示更强的稳定性与可操作性。Cap=0.8 时,Joint RP 的稳定性增强与回撤控制优于 Macro RP;Cap=0.6、Cap=0.4 等情景下,Joint RP 的回撤下降、夏普提升幅度与 Macro RP 相比更明显,且在 Cap=0.2 时仍显示强势。图表15–16系列给出了对比结果。 ,
具体数值示例:Cap=0.8 场景下,Joint RP 在多项指标上对 Macro RP 的提升显著,且净值曲线呈现更平滑的上行趋势;Cap=0.6 与 Cap=0.4 的对比显示,Joint RP 的回撤在极端市场中也更易控,最大回撤从 -18.20% 降至 -12.18%(Cap=0.2 情景),Cap=0.4 时从 -13.00% 降至 -8.80%。这些结论来自图表 15–16 的统计对比。 ,
图表深度解读
图表17(Joint RP cap=0.8 的净值表现)与图表18(Joint RP cap=0.8 的持仓权重)显示,在高 Cap 情况下,Joint RP 的净值曲线与 Macro RP 的走势高度同步,但在不同市场阶段,Joint RP 的权重分布较为稳定,未出现极端的集中于单一低波资产的现象,表明其在“低波资产拥挤”风险上的控制能力较强。图表19–22(Cap=0.4/0.6 等不同 Cap 的 Joint RP 表现与持仓)进一步证实了该结论。相关图片均来自页 15–16 的图表集合。 ,
核心结论
Joint RP 在所有低波资产上限情景下对 Asset RP 的提升具有一致性,夏普的平均提升约在 0.2 左右,且换手率为三策略的最低,显示出更高的稳定性与可操作性。相较于纯 Macro RP,Joint RP 在 Cap=0.2–0.8 的多个档位下均展现出更稳健的回撤控制和边际收益改进。上述对比的核心证据来自图表 15–16 系列。 ,
基本逻辑是一致的:在宏观冲击层面实现风险平价以应对低利率环境的定价挑战;但在 Cap=0.8 的情景下,Macro RP 的回撤略有放大(-3.64%),而 Cap=0.6/0.4 的收益波动与回撤之间的权衡在不同场景下表现不完全一致,提示模型在“宏观冲击解释力与风险分散之间的边际取舍”上仍需对不同市场阶段进行更细致的稳健性分析。相关的对比结果可在各 Cap 下的图表中看到。 ,
描述:Cap=0.4 情景下的超额收益、回撤及净值。解读:显示在较严格低波资产上限下,Macro RP 的收益提升显著,但回撤也相对增大;这是 Cap-敏感性的一组关键证据。 溯源:, 图像:
图表15–17(Joint RP 的 Cap=0.8 与 Cap=0.6 的净值与对比)
描述:Joint RP cap=0.8 与 cap=0.6 的净值表现对比,及相应的持仓权重结构。解读:显示 Joint RP 在高 Cap 情景下的净值走高且波动更为平滑,且 Cap=0.6 的对比也呈现出更强的抗回撤能力。 溯源:, 图像:
图表18–19(Joint RP cap=0.8 与 cap=0.4 的持仓与表现)
描述:Joint RP 在不同 Cap 下的权重分布与净值表现。解读:进一步印证了复合方法在不同低波资产约束下的稳定性与收益分布的特征。 溯源:, 图像:同上
图表20–22(Cap=0.6、Cap=0.4 的 Joint RP 表现与净值)
描述:更多 Cap 情景下的 Joint RP 表现对比。解读:显示出 Joint RP 的综合优势在中低 Cap 区间的持续性,且 Cap=0.4 与 Cap=0.6 的净值趋势呈现出相对同步的上升。 溯源:, , 图像:不同章节的图表合集
四、估值分析(若有)
本文的重点在方法论与回测结果,未给出明确的单一“目标价”或传统意义上的估值区间。其价值在于提供一个在低利率环境下的风险平价框架及可操作的回测证据,强调 Macro RP 与 Joint RP 在不同低波资产上限下对收益与夏普的提升,以及在一定程度上的稳健性与可执行性。若需要落地应用,需结合具体资产池、交易成本、滑点等现实变量进行进一步的敏感性分析与落地测试。文中对回测成本、交易费率等有基本设定,但未给出对外的独立估值区间。 ,
传统资产风险平价在低利率环境下的局限性促使研究向宏观冲击风险平价转型;Macro RP 将风险平价的对象提升到宏观冲击层面,通过局部线性趋势和递推滤波提取冲击序列,构建了在宏观冲击维度上的风险平价框架,从而提高对宏观环境变化的定价信息增量。 ,
Macro RP 在设定低波资产上限的情景下对收益与夏普均有显著提升;Joint RP 通过融合集群的宏观冲击协方差与资产层协方差,进一步提升稳定性、减小换手率、并在多档位 Cap 下实现对 Asset RP 的持续改进。综合而言,Joint RP 在回撤控制与边际收益提升方面的表现更稳健,成为更平滑的 Macro MP。 , ,
对投资者/研究者的启示
在低利率环境中,单纯以资产层协方差为主的风险平价可能不足以应对宏观环境的快速变化,考虑将宏观冲击纳入风险平价框架并结合资产层信息,能在实务中获得更好的夏普与风险控制表现。对研究者而言,Macroe RP 与 Joint RP 提供了一条可操作的研究路径:从宏观信号合成、冲击提取、到协方差建模与风险平价优化的完整链条,需要关注因子稳定性、协方差估计的鲁棒性,以及实际交易成本对结果的影响。 , ,