本报告提出将宏观友好度评分指标系纳入Black-Litterman(BL)模型形成观点矩阵,实现主被动结合的大类资产配置新思路。通过构建底层宏观因子,量化宏观经济周期压力,形成针对各类资产的专属宏观友好度评分,并将其转化为资产预期收益率后作为BL模型的主观观点输入。基于该主观观点构建的BL策略在2019-2024年的回测中表现出明显优势,年化收益率高达23.1%,夏普比率1.52,且配置偏好集中于日本权益资产,充分体现宏观预测在资产配置中的价值和提升空间。
| 资产类别 | 代表指数 | 说明 |
|---|---|---|
| 权益 | 万得全A、恒生、标普500、日经225、Sensex30、德国DAX指数 | 多地区股票市场代表性指数 |
| 债券 | 中债国债总财富指数、IBOXX美元债总回报指数 | 国内外债券市场代表 |
| 商品 | CRB商品指数 | 代表多商品价格 |
| 外汇 | 人民币兑美元中间价 | 反映人民币汇率 |
| 黄金 | COMEX黄金 | 通过避险需求和基础价格建模 |
报告标题:《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》
作者:廖静池、王大雾、王子翌、张雪杰、朱惠东
发布机构:国泰君安证券研究所
发布日期:2024年3月11日
研究主题:大类资产配置,融汇宏观经济定量分析与Black-Litterman(BL)模型的主被动结合策略。涉及权益、债券、商品、汇率及黄金等多资产类别。
核心论点与目标价/评级:
报告提出了一种创新的资产配置方法,将宏观友好度评分体系所定量的宏观经济预期信息转化为资产预期收益,融入到基于贝叶斯理论的BL模型中。通过主观观点矩阵将宏观预测引入,被动量化配置与主动宏观观点实现了有机结合。回测结果显示,该策略显著优于传统方法,年化收益率可达23.1%,夏普比率1.52,风险调整后表现卓越。目前模型推荐配置集中在日本权益资产,鉴于其较好的风险收益性和较低相关性。
理论基础:复盘均值-方差模型(MVO)的创立及其在资产配置中的意义,指出MVO在估计预期收益率时的敏感性问题和结果不稳定问题。
BL模型优势:Black和Litterman提出从市场均衡出发,结合投资者主观观点,通过贝叶斯框架修正预期收益率,改善MVO的不足,引入观点矩阵和信心水平,形成后验预期收益分布并优化权重。
实现步骤解析(2.3节):
配图说明:图3展示了从先验到后验的过程,图4对比了BL模型与传统MVO模型的流程,突出了BL模型融入主观观点的优势。
强调模型有效性应结合持续数据更新与投资者对宏观观点的动态调整。
图1(宏观友好度评分指标数据库逻辑导图)
展示从经济体周期相关原材料数据出发,经逆序分位数转换,到构造各类区域及资产品种友好度评分的完整链条。图示多级流程明晰显示底层因子如何汇总成资产层级指标,强调了模型的层次与系统性。
图2(9类周期宏观友好度评分指标走势)
显示2019年末至2024年底阶段内九条宏观因子的历史及预测走势。各指标曲线相互分化明显,突出了周期性分歧和地区经济景气差异,有助理解资产配置预期背后的宏观异质性差异。
图3(先验分布和主观观点结合到后验分布流程)
直观展示BL模型三步融合过程,贝叶斯框架下如何将市场均衡收益与投资者观点进行量化整合。
图4(BL模型与MVO模型过程对比)
对比传统MVO依赖历史计算收益风险与BL模型融合主观观点的创新之处,突出BL模型对主观信息承载和优化效果的提升。
图5(金价隐含风险溢价走势)
展示2005年以来COMEX黄金实际价格、计算基本价格及隐含风险溢价。溢价波动反映避险需求变化,说明黄金定价中宏观基本面与避险情绪的双重作用,及其对模型观点生成的影响。
图6-7(策略表现对比图)
两图分别对比传统等权组合、仅1M预期收益、宏观友好度观点BL模型,以及加汇率因素后BL模型的累计回报,图形清晰展示增加宏观观点与汇率调整后收益和风险调整收益(夏普比率)的显著提升。
报告未涉及公司层面估值,但核心在于资产配置预期收益的估计。利用宏观友好度评分指标为资产收益提供量化业绩预期,视为BL模型主观观点中的“收益预期”输入。BL模型作为均值-方差框架的扩展,通过贝叶斯理论结合市场均衡收益与主观观点,生成更加稳健的资产预期收益分布和权重解。
关键假设:τ参数调节主观观点对资产预期收益的影响力度;信心矩阵Ω与协方差成比例简化设定;风险厌恶系数λ=10。均基于严谨金融理论和历史数据确定,确保配置结果的合理性和稳健性。
报告未详细列举缓释策略,提示使用者需结合实际投资环境灵活调整观点权重与模型参数。
总体上报告理论严谨,结合最新金融理论和具体操作框架,具备强实用价值,但投资者仍需配合宏观判断和风险控制,避免模型盲目遵从。
报告通过系统分析和回测表明,将主动宏观友好度评分体系作为BL模型的主观观点输入,可显著提升多资产配置模型的收益和风险调整表现。融合主被动方法不仅增加了宏观经济周期视角,提高了收益率预判的逻辑性和精度,也降低了传统均值-方差模型中预期收益参数敏感性带来的不稳定性。加入汇率宏观友好度进一步优化了交易策略,带来超过23%的年化收益和1.52的夏普比率,在2019-2024年回测期表现稳定且卓越。
具体到资产,当前模型推荐集中日本权益资产,因其风险收益特征优越且相关性较低,明显有助优化整体投资组合风险收益比。报告提供的数据和图表细致展示了宏观变量转化为资产收益预期的全过程,从底层宏观因子的趋势到对应资产的预期收益率,再到BL模型的优化权重,最终实现以数据驱动、理论严谨支持下的配置决策。
风险提示涵盖模型的主观性、数据偏差、极端事件及历史规律失效,提醒模型用户务必结合市场实际动态调整观点权重及保持灵活的风险管理。报告带来的最大贡献是为主动宏观预测和被动量化优化提供了一个可操作、逻辑清晰且效果显著结合的框架,为机构资产配置提供了强有力的工具和思路。
报告全文大量表格,包含宏观友好度评分历史数据、大类资产对应的预期收益率、不同策略组件的资产权重配置情况,以至于细化到资产类别和时间点。丰富的定量支持极大增强了报告的信服力。图表部分通过趋势曲线、策略回报累积曲线高度展示了模型主观观点引入带来的巨大价值提升,也清晰反映了不同资产在策略中的权重动态调整,尤其日股权重显著上升趋势。详细权重分配表进一步支持了集中于日本权益的结论。所有数据均来源于Wind、Bloomberg及国泰君安自研数据库。
此份《从宏观友好度评分到BL模型观点矩阵》报告以严谨金融数学和丰富宏观经济数据为基础,创新性地融合主动宏观预测和被动量化模型,显著提升资产配置效果。对金融机构资产配置团队为提升组合性价比,提供了理论先进、运算实用的量化分析框架与策略实证,具有重要实践价值和示范意义。投资者使用时应结合自身风险偏好和市场环境,不断对宏观观点和贝叶斯参数动态调整,方能持续保持模型效力与稳健收益。
(全文所有结论均来源于报告内容,引用标记详见对应段落页码。)
主被动结合的大类资产配置新思路:从宏观友好度评分到BL模型观点矩阵.pdf