本报告围绕全球大类资产配置,提出融合经济周期模型、宏观因子模型及趋势追踪模型的三层次逻辑,通过层次风险平价框架优化风险预算比例,实现进攻与防守资产的动态调控。回测显示,三层次融合策略在2010-2024年期间年化收益达6.1%,夏普比率2.3,显著优于基准,且不同逻辑间低相关性带来投资逻辑分散效应。趋势追踪模型尤其在应对宏观预期不确定性中表现突出,辅助模型整体稳健性提升
核心论点:
报告提出并测试了一套基于三个层次投资逻辑融合的全球大类资产配置策略。这三个层次分别为:
三层次融合采用乘法调整风险预算比例,基准为层次风险平价模型。2010年底至2024年10月,融合策略年化收益6.1%,夏普比率2.3,显著优于基准。
理论与方法:
利用PCA提取全球股票、商品、利率、外汇的第一主成分构建全球统一市场因子(图表5)。采用傅立叶变换、高斯滤波等三周期(42、100、200个月)拟合分析市场周期趋势(图表6)。
选取资产与数据详解:
选取代表性全球主要股票指数(如道琼斯、MSCI新兴市场指数)、国债利率(中、美、日、英、法等)、大宗商品指数和主要汇率(美元兑若干主要货币)。
经济周期对资产表现的影响(图表7):
周期方向判断及调仓方法:
综合多个滚动窗口的异周期预测结果,采用“多周期投票法”确定周期上升、下跌或拐点状态(图表8、9)。
绩效回测结果(图表10、11):
总结: 经济周期模型具备明显的战略价值,决定大类资产的进攻或防守状态,但难以精确指导细分资产配置。
设计理念:
以中美宏观增长-流动性框架,结合资产定价模型原理,搭建宏观因子体系。涵盖中国的增长、信用、货币因子及美国的增长与流动性因子。
宏观因子与细分资产映射(图表12):
例如,中国增长景气利好沪深300、南华金属等;美国增长景气利好标普500、纳斯达克;信用收缩利空中债等。
打分规则(图表13):
宏观因子利好+1分,利空-1分,得分用于调整风险预算指数乘以2得分。
因子构建方法:
回测表现(图表21、22):
背景及动机:
市场实盘经常出现基本面信号与价格走势不符。技术面模型通过趋势追踪帮助规避风险,避免非理性导致的资产溢价破裂。
时序动量模型:
截面动量模型:
回测结果(图表27、28):
融合方法:
三层逻辑的风险预算调整系数互乘,综合风险预算比例调整细分资产权重。
策略表现(图表29、30):
年度业绩稳定(图表31):
自2011年以来,连续多年实现正回报,兼顾收益和风险控制。
风险调整配置变化(图表32):
进攻资产与防守资产风险预算动态调整,反映经济周期判断和趋势信号对战略战术的双重支撑。
对宏观基本面量化的新难题讨论:
图表1(全球大类资产配置三层次框架):
清晰展示SAA与TAA之间的分工,逻辑层次和风险预算的关系,为后续各模型嵌入风险预算提供了结构支持。
图表2(18个细分资产及基准风险预算比例):
数值显示防守资产在组合中风险预算占比较高(如中国债占16.7%),体现稳健配置需求,股票相对权重更均衡。
图表4与图表5(全球市场因子构建):
选用丰富的金融市场代表资产,保证了因子构建的代表性和稳健性。图表5展示市场因子与四类资产主成分高度相关,验证了统一市场因子的合理性。
图表6(全球市场因子三周期拟合):
周期性趋势清晰,拟合R2达到47%,说明三周期模型对市场因子的解释力较强。
图表7(因子周期对资产表现影响):
统计数据明确展示经济周期对进攻、防守资产的区分能力,支持周期模型的战略调仓设定。
图表10-11、21-22、27-28、29-30(各模型及融合策略净值曲线和业绩表现):
逐级提升超额收益,融合策略明显优于单一逻辑,验证了投资逻辑分散的价值。
图表13(宏观因子资产打分示意):
通过正负得分乘方调整风险预算,量化逻辑清晰,便于直观理解及应用。
图表26(三层策略中趋势追踪调整示意):
明确展示技术面与基本面打分规则以及对风险预算的影响,体现组合动态管理。
图表31(年度收益率明细):
展示策略的稳定性及周期内表现,有助评估策略实操的连续性和抗风险性。
图表32(进攻与防守资产配置比例演变):
显示经济周期模型在战略层面的实际资金流向影响,对投资者风险偏好的动态把握。
本报告核心在资产配置模型构建与回测,未直接涉及个股或行业估值,也未采用估值模型(如DCF、P/E倍数法)进行公司估值。估值的核心体现在风险预算模型中对资产类别及细分资产的权重优化,以风险贡献匹配目标风险预算比例。
历史有效性风险:
资产配置模型依赖于历史规律,历史市场环境的变化可能导致策略失效,尤其在策略拥挤或市场极端波动时表现的风险加大。
模型风险:
各子模型基于特定假设,对不同市场环境的适用性有限,不能保证持续超额收益。
交易成本风险:
实际操作中交易费用、滑点可能削弱策略表现。
宏观基本面模型局限性:
宏观预期和非线性逻辑使模型对未来的解释与预测充满不确定性,需要持续改进和加入更高阶非线性模型。
华泰研究提出趋势追踪模型为必要防护层,并建议利用新技术(如大语言模型)以适应宏观量化模型的新时代挑战。
宏观因子模型说明中的谨慎点:
报告明确指出近两年宏观因子模型的超额收益表现下降,特别是同期宏观预期与市场价格的脱钩问题,体现了对一阶逻辑依赖的担忧。
经济周期模型虽然稳健,但其信号对细分资产的细节指导有限,更多适用于战略层面资产配置,战术层面需依赖其他模型。
风险预算调整系数设置具有一定主观调节成分,提升了策略实用性,但在不同市场周期和环境中的最优调整系数可能存在变动,后续可考虑自适应调整。
趋势追踪模型表现优异,但在极端行情下动量策略可能遇到崩盘风险(momentum crash),报告对此虽有提及动量失灵可能性,但未系统讨论该风险缓解机制。
报告未具体说明多层次融合模型在未来市场结构性变革中的适应性和鲁棒性,尤其面对快速变化的宏观经济环境和政策导向。
华泰证券研究所提出的《全球大类资产配置的三层次逻辑及对宏观基本面量化的思考》报告,以经济周期模型判断整体战略风格,辅以宏观因子和趋势追踪模型做精细的战术调整,形成了一个逻辑分散且资产分散的量化投资框架。风险预算的合理配置和动态调整使资产组合在低波动的基础上实现了超额收益的持续提升。
具体包括:
战略层面利用经济周期模型成功区分进攻与防守资产表现,提升了0.8个百分点年化收益,并稳定组合风险偏好。
战术层面宏观因子模型和趋势追踪模型均能实现约1个百分点年化超额收益,且均提升组合的夏普比率和风险控制指标。
三者融合策略累计年化收益6.1%,夏普比率2.31,最大回撤合理且最长新高天数大幅缩短,表现远优于单一模型与基准的层次风险平价配置。
图表29所示净值曲线体现持续稳健增长,且分年度收益表现(图表31)验证策略的稳定性。
对宏观基本面量化的思考提出了面对宏观预期和高阶逻辑挑战的改进方向,包括高频异构数据的因子构建、分析师预期解读以及创新的非线性人工智能模型的潜力。
风险提示明确揭示历史规律不保证未来有效、策略拥挤风险及模型适用条件限制,体现报告的客观严谨性。
综上,报告不仅为全球大类资产配置提供了一套科学严谨且实用的量化框架,也揭示当前宏观量化面临的固有难题及未来可能的解决路径,体现出综合理论与实操的高价值。
本分析围绕报告全文结构与内容,涵盖了报告中的所有重要论点、数据、模型构建和实证结果,同时细致解读了关键图表。语言力求精准专业,尊重报告原意,避免个人主观偏见。
20241129-华泰证券-金工深度研究:全球大类资产配置的三层次逻辑及对宏观基本面量化的思考.pdf