炒股就看金麒麟分析師研報(bào)，權(quán)威，專業(yè)，及時(shí)，全面，助您挖掘潛力主題機(jī)會！

　　郭磊宏觀茶座?廣發(fā)證券資深宏觀分析師 陳禮清 博士

　　報(bào)告摘要

　　第一，在不同的宏觀環(huán)境下有效控制風(fēng)險(xiǎn)，降低波動率、取得相對穩(wěn)健的回報(bào)成為資產(chǎn)管理市場越來越主流的訴求。前期報(bào)告《解讀“全天候”策略》是我們對這一問題進(jìn)行探討的序章。與傳統(tǒng)普通資產(chǎn)風(fēng)險(xiǎn)平價(jià)模型不同，“全天候”更精準(zhǔn)的定位是“宏觀因子”風(fēng)險(xiǎn)平價(jià)，“全天候”策略穿越周期的實(shí)現(xiàn)路徑是均衡化“宏觀因子”。傳統(tǒng)配置模型并不會根據(jù)宏觀場景的變化而及時(shí)調(diào)整權(quán)重，在市場遭遇極端沖擊時(shí)，其分散風(fēng)險(xiǎn)的功能往往被大幅削弱。比如流動性危機(jī)發(fā)生時(shí)，資產(chǎn)面臨系統(tǒng)性的拋壓，尾部風(fēng)險(xiǎn)會大幅推升資產(chǎn)之間的相關(guān)性，傳統(tǒng)配置模型就會失效。而“宏觀因子”相較普通大類資產(chǎn)相關(guān)性更低，可以更有效地實(shí)現(xiàn)“降維”、歸因，及權(quán)重調(diào)整。本文嘗試將類似“全天候”的因子配置模式在中國市場中落地，擴(kuò)展出適合國內(nèi)市場的宏觀因子，構(gòu)建本土化的宏觀因子風(fēng)險(xiǎn)平價(jià)配置框架。

　　第二，搭建宏觀因子配置框架要做哪些工作？我們參照對哈佛捐贈基金（HMC）影響較大的Blyth（2016）的研究，分成四步：一是“篩選因子”，宏觀因子的“適配度”直接決定了后續(xù)進(jìn)行平價(jià)優(yōu)化是否真正識別和分散了風(fēng)險(xiǎn)。二是“計(jì)算風(fēng)險(xiǎn)暴露”，即搭建“因子”與“資產(chǎn)”的量化橋梁，利用線性回歸模式測算出資產(chǎn)對因子的風(fēng)險(xiǎn)暴露程度。三是“確定”目標(biāo)風(fēng)險(xiǎn)暴露，即先按照某一法則或偏好確定對各因子風(fēng)險(xiǎn)暴露多少是合適的；四是“匹配”目標(biāo)風(fēng)險(xiǎn)暴露，即利用最優(yōu)化框架反推資產(chǎn)權(quán)重。

　　第三，構(gòu)造宏觀因子的主流做法分為三種。方式一是直接用低頻經(jīng)濟(jì)數(shù)據(jù)，比如GDP、PPI等，這種做法經(jīng)濟(jì)意義比較直觀，但對資產(chǎn)價(jià)格的解釋存在時(shí)變性；方式二是主成分分析降維（PCA），這種做法簡便、客觀、更具因子分散效果，但不穩(wěn)定、經(jīng)濟(jì)意義弱、權(quán)重不唯一；方式三是通過回歸的方法擬合出更高頻的宏觀因子，這種做法高頻、可交易，但需要先設(shè)定宏觀維度，事先構(gòu)建低頻因子作為錨，復(fù)雜度較高。我們在上述三種方法的基礎(chǔ)上做出改進(jìn)，結(jié)合上述幾種方法優(yōu)點(diǎn)，構(gòu)造更靈敏的宏觀因子。我們的方法可總結(jié)為“定維度、篩資產(chǎn)、高頻化”三個(gè)步驟。具體而言，我們利用PCA識別宏觀維度，利用資產(chǎn)多空模擬組合進(jìn)行“高頻化”，利用因子多寡分層次設(shè)計(jì)“輕量化”（類全天候）、“三維度”（M1-BCI-PPI框架）、“廣譜性”（多因子）三套宏觀因子平價(jià)方案。

　　第四，在上述思路的基礎(chǔ)上，借鑒Kelly（2014）的做法，我們對自2017年至今的股債商匯共10種大類資產(chǎn)日收益率數(shù)據(jù)進(jìn)行主成分降維，發(fā)現(xiàn)前六大主成分、前七大主成分分別解釋了資產(chǎn)價(jià)格波動的82%、89%。通過各主成分在資產(chǎn)上的載荷系數(shù)方向與大小比較，我們發(fā)現(xiàn)在不包含美股的大類資產(chǎn)組合中，國內(nèi)增長、通脹、利率、匯率、信用是核心的五大宏觀風(fēng)險(xiǎn)；若包含美股，再額外加入海外經(jīng)濟(jì)風(fēng)險(xiǎn)因子。我們從經(jīng)濟(jì)邏輯出發(fā)構(gòu)造原始低頻（月頻）宏觀因子，以M1、BCI、PPI分別作為流動性、增長、通脹因子的代理變量。出于穩(wěn)健性考量，我們亦嘗試綜合PMI與BCI兩個(gè)景氣指標(biāo)來豐富“增長維度”，通過拆分消費(fèi)品通脹（融合CPI同比與BCI消費(fèi)品前瞻指數(shù)）與工業(yè)品通脹（融合PPI同比與BCI中間品前瞻指數(shù)）來細(xì)化“通脹維度”。

　　第五，接下來，如何將“低頻”宏觀因子轉(zhuǎn)化為“高頻”因子體系？我們借鑒因子模擬（Factor Mimicking）法。首先是以資產(chǎn)價(jià)格收益率為自變量，低頻宏觀因子為因變量進(jìn)行逐步單變量一元回歸，篩選與每個(gè)維度因子強(qiáng)相關(guān)的大類資產(chǎn)。然后是“高頻化”合成。我們構(gòu)建了滾動窗口期的多元領(lǐng)先滯后回歸模型，將歸一化處理后的回歸系數(shù)與高頻資產(chǎn)價(jià)格周環(huán)比或日環(huán)比交乘，得到高頻宏觀因子。以增長因子為例，模擬組合為做多螺紋鋼期貨、恒生指數(shù)、南華滬銅指數(shù)；而工業(yè)通脹因子的高頻模擬組合為做多CRB工業(yè)原料現(xiàn)貨指數(shù)、螺紋鋼期貨、WTI原油期貨以及做空中證國債及政策性金融債7-10年。通過資產(chǎn)多空模擬組合獲得了8個(gè)可供使用的宏觀高頻因子池，即利用回歸方式將“不可交易”的宏觀原始指標(biāo)轉(zhuǎn)化為“高頻、具有擬合度、可交易”的宏觀因子收益率。

　　第六，然后，如何搭建“因子”與資產(chǎn)的橋梁？我們利用資產(chǎn)收益率對各因子收益率進(jìn)行時(shí)序線性回歸，得到資產(chǎn)對因子的風(fēng)險(xiǎn)暴露矩陣。該矩陣直觀顯示了資產(chǎn)對不同宏觀變量的敏感度。我們的估計(jì)方式為帶約束的穩(wěn)健OLS回歸，并且使用滾動窗口與隨機(jī)重抽樣方式確定系數(shù)，以便于捕捉敏感度的時(shí)變動態(tài)特征。首先上述因子均通過了低多重共線性檢驗(yàn)，各因子的方差膨脹系數(shù)（VIF）均處于1.0~1.5之間（顯著小于5），并且因子間相關(guān)系數(shù)較低，多數(shù)絕對值小于0.1。其次矩陣系數(shù)顯示，大盤股（滬深300為代表）相對中盤股（中證500為代表）對經(jīng)濟(jì)增長更敏感，而中盤股對流動性環(huán)境更敏感；恒生指數(shù)有相似特征，并且對匯率因子（美元指數(shù)日收益率）有著一定負(fù)向暴露；標(biāo)普500對美國經(jīng)濟(jì)因子有顯著正向暴露等。方程的R方大小表示因子體系對某一資產(chǎn)價(jià)格的解釋力度。股債資產(chǎn)的R方較大（利率債為0.93、企業(yè)債為0.57、滬深300為0.6、中證500為0.86），表明宏觀主導(dǎo)驅(qū)動的特征較明顯。倫敦金現(xiàn)、布倫特原油期貨、美元兌人民幣中間價(jià)相對靠后，R方分別為0.48、0.43、0.44，表明除宏觀因子體系以外的特質(zhì)性因子亦會參與定價(jià)，比如OPEC+增產(chǎn)節(jié)奏、地緣風(fēng)險(xiǎn)，逆周期調(diào)節(jié)因子等。通過風(fēng)險(xiǎn)暴露矩陣的“橋梁”，我們將“因子”代替“資產(chǎn)”的角色代入前期報(bào)告中的風(fēng)險(xiǎn)平價(jià)框架，獲得符合“每一因子對整個(gè)組合的風(fēng)險(xiǎn)貢獻(xiàn)相等”條件下的資產(chǎn)配置比例。

　　第七，首先是“輕量化”方案。由于多資產(chǎn)收益率被壓縮至“增長、通脹”兩因子，該風(fēng)險(xiǎn)平價(jià)框架較為簡潔?；販y結(jié)果顯示“增長、通脹”因子風(fēng)險(xiǎn)平價(jià)給出了一個(gè)不加杠桿的更優(yōu)收益實(shí)踐方式。2016年以來，該方案年化收益7.7%，年化波動率5.4%，夏普比率1.14，最大回撤8.5%。而相同資產(chǎn)、相同時(shí)段，運(yùn)用簡單資產(chǎn)維度的風(fēng)險(xiǎn)平價(jià)策略、全資產(chǎn)等權(quán)重策略、波動率倒數(shù)加權(quán)的策略年化收益分別為4.6%、4.8%、4.7%，年化波動率分別為1.5%、8.7%、1.7%，夏普比率分別為2.09、0.38、1.83，最大回撤分別為2.5%、14.2%、2.8%。從上述結(jié)果來看，簡單的資產(chǎn)風(fēng)險(xiǎn)平價(jià)組合雖然仍具有最高夏普，但穩(wěn)健有余，彈性不足，也正因此，簡單資產(chǎn)維度風(fēng)險(xiǎn)平價(jià)往往需要依賴“加杠桿”來放松一定波動率約束，來獲得增厚收益；而“增長、通脹”因子平價(jià)策略收益率的提升在沒有杠桿的情況下進(jìn)行，并且沒有帶來波動率的大幅度提升，年化波動率均維持在5%附近，兼顧了收益與風(fēng)險(xiǎn)。從明細(xì)權(quán)重橫向看，由于模型仍基于“風(fēng)險(xiǎn)平價(jià)”框架，波動率更低的債性資產(chǎn)仍在長時(shí)間序列上占大頭。自2016年以來債券資產(chǎn)平均權(quán)重為54.6%，其中利率債占比為20.9%，信用債占比為33.8%；權(quán)益資產(chǎn)平均權(quán)重為10.2%，其中A股資產(chǎn)平均權(quán)重為5.2%，港股資產(chǎn)平均權(quán)重為5.0%；商品資產(chǎn)平均權(quán)重為20.3%；黃金資產(chǎn)平均權(quán)重為5.7%?？v向看，近年A股、港股資產(chǎn)的權(quán)重提示有所上升，分別自2022年的0.1%、0.3%年均權(quán)重上升至2024年以來的3.1%、7.8%；而債券資產(chǎn)權(quán)重有所回落；黃金資產(chǎn)權(quán)重則有所上升。

　　第八，然后是“三維度”方案?！癕1-BCI-PPI”三因子風(fēng)險(xiǎn)平價(jià)策略2016年以來的年化收益為9.0%，年化波動率為7.8%，夏普比率為0.96，與“BCI-PPI”的輕量化配置模型基本相當(dāng)，但收益更具優(yōu)勢。該策略優(yōu)勢主要集中在2016年-2019年，2020年以來與簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)的收益基本相當(dāng)。若拆分通脹為“工業(yè)通脹、消費(fèi)通脹”，則在2020年以來同樣具有8.4%的年化收益，主要在于規(guī)避了2020年上半年的大類資產(chǎn)價(jià)格較明顯回調(diào)的風(fēng)險(xiǎn)。從資產(chǎn)明細(xì)權(quán)重來看，該模型在各個(gè)資產(chǎn)的分配權(quán)重與“增長+通脹”雙輪模型大體一致，但更為分散。債性資產(chǎn)仍占相對大頭，但有所下降，2016年以來債券資產(chǎn)平均權(quán)重為47.8%（輕量化模型中的占比為54.6%）；權(quán)益資產(chǎn)中港股資產(chǎn)權(quán)重增加，平均為8.8%（輕量化模型中的占比為5.0%）。商品資產(chǎn)占比亦有所增加，“南華農(nóng)產(chǎn)品+南華滬銅+原油”平均權(quán)重為24.9%（輕量化模型中的占比為20.3%）?？v向規(guī)律與輕量化模型近似，近年A股、港股資產(chǎn)、黃金等權(quán)重同樣提示上升，債券資產(chǎn)權(quán)重有所回落。

　　第九，然后是“廣譜性”方案。從策略回測結(jié)果來看，不考慮“美國名義增長因子”的宏觀多因子風(fēng)險(xiǎn)平價(jià)策略自2016年以來的年化收益為7.5%，年化波動率為4.0%，夏普比率為1.49。收益與輕量化配置模型相近，略低于三因子配置模型，但夏普更具優(yōu)勢（1.49 > 1.14 > 0.96）。若加入標(biāo)普500，在收益與波動率均有所下降，夏普比率保持在1.4附近。值得注意的是，近年來在國內(nèi)運(yùn)用多因子平價(jià)與簡單資產(chǎn)平價(jià)的差異趨于減小，這可能反映了近年來國內(nèi)股債、商品、黃金等多資產(chǎn)因主要受宏觀因素驅(qū)動而本身就能反映某一類宏觀風(fēng)險(xiǎn)，資產(chǎn)間的相關(guān)性趨于下降。換言之，近年以國內(nèi)股債融合黃金、商品等的大類資產(chǎn)池本身就對“風(fēng)險(xiǎn)平價(jià)”配置框架的適用性上升。從橫截面上看權(quán)重，因子考察維度更多后，配置框架更接近“簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)”框架，債券類資產(chǎn)占比重新上升，自2016年以來的占比是61.9%；權(quán)益類資產(chǎn)的占比下降到了5%附近?？v向規(guī)律上也略有不同，近年權(quán)益資產(chǎn)權(quán)重變化不大，債券資產(chǎn)權(quán)重有所下降。簡而言之，對于整個(gè)策略的波動而言，多因子風(fēng)險(xiǎn)平價(jià)配置模型讓策略回報(bào)在時(shí)序維度更穩(wěn)健、更分散；但在資產(chǎn)橫向配比維度，而且因?yàn)閭再Y產(chǎn)的“低波”優(yōu)勢，重新給予更集中的權(quán)重。這也是在策略效果比較中，我們看到它波動率更低，具有三套因子配置模型中最高夏普（1.49 > 1.14 > 0.96）的原因。

　　第十，簡單總結(jié)宏觀因子風(fēng)險(xiǎn)平價(jià)框架。因子并不是越多越好，因子體系亦不是越復(fù)雜越有效，選擇哪一種方式，應(yīng)與當(dāng)下的宏觀環(huán)境、資產(chǎn)定價(jià)范式以及投資者在意的側(cè)重點(diǎn)相互適配。僅有“增長、通脹”因子的“輕量化”的類全天候配置框架簡潔，并且更具收益優(yōu)勢，部分解決了簡單的資產(chǎn)風(fēng)險(xiǎn)平價(jià)組合穩(wěn)健有余、彈性不足，需要依賴于“加杠桿”放松波動率約束才能獲得增厚收益的問題?！叭S因子”風(fēng)險(xiǎn)平價(jià)框架進(jìn)一步放松了對夏普比率的要求，收益更具優(yōu)勢，資產(chǎn)配比更為分散。更具廣譜性的宏觀多因子配置框架的完整性更高，考慮風(fēng)險(xiǎn)層次更多，具有更高的夏普優(yōu)勢，但也由于風(fēng)險(xiǎn)考慮更多，平價(jià)優(yōu)化后的資產(chǎn)配比上反而更向債性資產(chǎn)集中，收益優(yōu)勢并不明顯，近年表現(xiàn)與簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)趨于一致。

　　第十一，最后，宏觀因子風(fēng)險(xiǎn)平價(jià)框架有值得思考和改進(jìn)的三個(gè)方向：一是該方案簡化大類資產(chǎn)是宏觀因子的線性函數(shù)，“線性”假設(shè)在未來值得商榷；二是高頻化宏觀因子過程存在缺陷，方法論從“因子投資”得到借鑒，但單一市場具有定價(jià)的統(tǒng)一性，拓寬至大類資產(chǎn)維度，直接用統(tǒng)一的多空模擬組合來表達(dá)各個(gè)資產(chǎn)世界里面的某一個(gè)宏觀因子可能有待改善；三是風(fēng)險(xiǎn)暴露矩陣的估計(jì)似乎面臨“動態(tài)性”與“穩(wěn)健性”的互斥關(guān)系，如何兼顧平衡兩者亦值得思考。

　　報(bào)告簡版

　?。ê啺?3158字）

　　第一

　　在不同的宏觀環(huán)境下有效控制風(fēng)險(xiǎn)，降低波動率、取得相對穩(wěn)健的回報(bào)成為資產(chǎn)管理市場越來越主流的訴求。前期報(bào)告《解讀“全天候”策略》是我們對這一問題進(jìn)行探討的序章。與傳統(tǒng)普通資產(chǎn)風(fēng)險(xiǎn)平價(jià)模型不同，“全天候”更精準(zhǔn)的定位是“宏觀因子”風(fēng)險(xiǎn)平價(jià)，“全天候”策略穿越周期的實(shí)現(xiàn)路徑是均衡化“宏觀因子”。傳統(tǒng)配置模型并不會根據(jù)宏觀場景的變化而及時(shí)調(diào)整權(quán)重，在市場遭遇極端沖擊時(shí)，其分散風(fēng)險(xiǎn)的功能往往被大幅削弱。比如流動性危機(jī)發(fā)生時(shí)，資產(chǎn)面臨系統(tǒng)性的拋壓，尾部風(fēng)險(xiǎn)會大幅推升資產(chǎn)之間的相關(guān)性，傳統(tǒng)配置模型就會失效。而“宏觀因子”相較普通大類資產(chǎn)相關(guān)性更低，可以更有效地實(shí)現(xiàn)“降維”、歸因，及權(quán)重調(diào)整。本文嘗試將類似“全天候”的因子配置模式在中國市場中落地，擴(kuò)展出適合國內(nèi)市場的宏觀因子，構(gòu)建本土化的宏觀因子風(fēng)險(xiǎn)平價(jià)配置框架。

　　資產(chǎn)和因子的關(guān)系類似于食物與營養(yǎng)元素（Andrew Ang，2010）。組合收益本質(zhì)是承擔(dān)市場中不同風(fēng)險(xiǎn)而獲得的補(bǔ)償（Sharpe， 1964； ? Lintner， 1965； Ross， 1976）。因子風(fēng)險(xiǎn)平價(jià)（Factor Risk ? Parity）其首次作為學(xué)術(shù)概念系統(tǒng)論述出現(xiàn)在Attilio Meucci ? 2009年的論文中，其通過主成分分析（PCA）提取資產(chǎn)收益協(xié)方差矩陣在統(tǒng)計(jì)意義上不相關(guān)因子，并以此構(gòu)建分散性的投資組合。Qian（2012、2016）亦指出風(fēng)險(xiǎn)平價(jià)模型的重點(diǎn)應(yīng)是“風(fēng)險(xiǎn)”，而不是平價(jià)公式，對“風(fēng)險(xiǎn)”的理解該回到更為本質(zhì)的“宏觀”層面，而不是簡單的資產(chǎn)波動率。

　　在前期報(bào)告《解讀“全天候”策略》中，我們借鑒錢恩平（2005）的做法嘗試構(gòu)建了基于國內(nèi)ETF（資產(chǎn)維度）的風(fēng)險(xiǎn)平價(jià)模型，該模型通過將每類資產(chǎn)在組合中的風(fēng)險(xiǎn)貢獻(xiàn)度均等化來優(yōu)化組合夏普，再通過杠桿來提升年度收益，最終在目標(biāo)波動率為6%的約束下，基于傳統(tǒng)的資產(chǎn)風(fēng)險(xiǎn)平價(jià)組合可以獲得自2015年以來6.4%的年化收益，0.92的夏普比率。

　　資產(chǎn)間的低相關(guān)性是傳統(tǒng)配置模式能獲得“免費(fèi)午餐”的核心要素。而在實(shí)際操作中，當(dāng)市場遭遇極端沖擊，出于流動性的考慮，多類資產(chǎn)可能面臨系統(tǒng)性的拋壓，進(jìn)而尾部風(fēng)險(xiǎn)推升資產(chǎn)相關(guān)性大幅度上升，傳統(tǒng)配置模式的分散性就會失效?！昂暧^風(fēng)險(xiǎn)因子”相較普通大類資產(chǎn)相關(guān)性亦更低，同時(shí)這是一個(gè)“化繁為簡”的過程。從數(shù)理上看，該過程將涵蓋較多資產(chǎn)數(shù)量的資產(chǎn)空間降維至更小更具共性的幾個(gè)因子空間。

　　因子配置模型還可以做到更好地歸因，一方面輔助分解收益來源，另一方面，我們還可以主觀根據(jù)對未來的宏觀場景的預(yù)判調(diào)整資產(chǎn)權(quán)重，而傳統(tǒng)基于資產(chǎn)的配置方式僅從資產(chǎn)的風(fēng)險(xiǎn)收益特征出發(fā)，資產(chǎn)權(quán)重調(diào)整并不能反映宏觀變化。

　　第二

　　搭建宏觀因子配置框架要做哪些工作？我們參照對哈佛捐贈基金（HMC）影響較大的Blyth（2016）的研究，分成四步：一是“篩選因子”，宏觀因子的“適配度”直接決定了后續(xù)進(jìn)行平價(jià)優(yōu)化是否真正識別和分散了風(fēng)險(xiǎn)。二是“計(jì)算風(fēng)險(xiǎn)暴露”，即搭建“因子”與“資產(chǎn)”的量化橋梁，利用線性回歸模式測算出資產(chǎn)對因子的風(fēng)險(xiǎn)暴露程度。三是“確定”目標(biāo)風(fēng)險(xiǎn)暴露，即先按照某一法則或偏好確定對各因子風(fēng)險(xiǎn)暴露多少是合適的；四是“匹配”目標(biāo)風(fēng)險(xiǎn)暴露，即利用最優(yōu)化框架反推資產(chǎn)權(quán)重。

　　Blyth（2016）提出了“基于因子的靈活資產(chǎn)配置模型”（Flexible Indeterminate Factor-based Asset ? Allocation， FIFAA），并成為哈佛捐贈基金（Harvard ? Management Company， HMC）在2015年9月之后轉(zhuǎn)向“因子化思維”的策略載體。從事后回溯來看，在FIFAA策略模式下，哈佛捐贈基金近十年、近五年的平均年度回報(bào)分別為8.1%、10.4%。

　　“篩選因子”是選擇及生成適合本土大類資產(chǎn)的宏觀因子。宏觀因子的“適配度”直接決定了后續(xù)進(jìn)行平價(jià)優(yōu)化是否真正識別和分散了風(fēng)險(xiǎn)?！坝?jì)算風(fēng)險(xiǎn)暴露”，通常是利用線性回歸模式測算出資產(chǎn)對因子的風(fēng)險(xiǎn)暴露程度。

　　“確定目標(biāo)風(fēng)險(xiǎn)暴露”，即按照某一法則或偏好確定對各因子風(fēng)險(xiǎn)暴露多少是合適的，若是采用因子風(fēng)險(xiǎn)平價(jià)思路，該步驟是通過“各個(gè)因子對組合的風(fēng)險(xiǎn)貢獻(xiàn)度一致”這一優(yōu)化過程來設(shè)定目標(biāo)風(fēng)險(xiǎn)暴露。

　　“匹配目標(biāo)風(fēng)險(xiǎn)暴露”，若第三步的目標(biāo)因子風(fēng)險(xiǎn)暴露為主觀設(shè)定，則該步驟為利用最優(yōu)化框架（如Blyth最優(yōu)化框架、Greenberg最優(yōu)化框架）反推出資產(chǎn)權(quán)重；若為因子風(fēng)險(xiǎn)平價(jià)，則直接根據(jù)符合因子風(fēng)險(xiǎn)平價(jià)條件與風(fēng)險(xiǎn)暴露矩陣重新回到資產(chǎn)層面確定組合內(nèi)部的資產(chǎn)配比。

　　第三

　　構(gòu)造宏觀因子的主流做法分為三種。方式一是直接用低頻經(jīng)濟(jì)數(shù)據(jù)，比如GDP、PPI等，這種做法經(jīng)濟(jì)意義比較直觀，但對資產(chǎn)價(jià)格的解釋存在時(shí)變性；方式二是主成分分析降維（PCA），這種做法簡便、客觀、更具因子分散效果，但不穩(wěn)定、經(jīng)濟(jì)意義弱、權(quán)重不唯一；方式三是通過回歸的方法擬合出更高頻的宏觀因子，這種做法高頻、可交易，但需要先設(shè)定宏觀維度，事先構(gòu)建低頻因子作為錨，復(fù)雜度較高。我們在上述三種方法的基礎(chǔ)上做出改進(jìn)，結(jié)合上述幾種方法優(yōu)點(diǎn)，構(gòu)造更靈敏的宏觀因子。我們的方法可總結(jié)為“定維度、篩資產(chǎn)、高頻化”三個(gè)步驟。具體而言，我們利用PCA識別宏觀維度，利用資產(chǎn)多空模擬組合進(jìn)行“高頻化”，利用因子多寡分層次設(shè)計(jì)“輕量化”（類全天候）、“三維度”（M1-BCI-PPI框架）、“廣譜性”（多因子）三套宏觀因子平價(jià)方案。

　　構(gòu)造宏觀因子的主流做法分為三種：一是直接利用低頻經(jīng)濟(jì)數(shù)據(jù)作為宏觀因子，如使用實(shí)際GDP、PPI等來代表增長、通脹因子。二是采用統(tǒng)計(jì)方式從資產(chǎn)中直接提取（比如主成分分析降維）。該方法將資產(chǎn)波動降維至幾個(gè)線性無關(guān)的主成分（公因子），避免了“維度災(zāi)難”。三是基于資產(chǎn)的多空組合構(gòu)建與低頻宏觀數(shù)據(jù)最吻合的宏觀模擬組合來代替因子（Factor ? Mimicking）。利用模擬組合來刻畫高頻因子本質(zhì)是剝離出市場主體在資產(chǎn)價(jià)格中對于某一宏觀指標(biāo)的計(jì)價(jià)交易程度（Price in程度）。并且資產(chǎn)價(jià)格日頻波動，對宏觀指標(biāo)的高頻化也可以達(dá)到日頻程度。理論上，越是臨近某一關(guān)鍵宏觀數(shù)據(jù)公布，相對應(yīng)的日頻宏觀模擬組合也或?qū)l(fā)生明顯邊際變化，較為靈敏地反映市場計(jì)入的預(yù)期變化。

　　方法一低頻且公布滯后，雖有經(jīng)濟(jì)含義，但對資產(chǎn)價(jià)格的解釋力度存在時(shí)變性。后兩種方式的假設(shè)是宏觀因子雖不可交易，但是隱藏于大類資產(chǎn)表現(xiàn)中，可以從資產(chǎn)價(jià)格或者資產(chǎn)組合反推得到更高頻的實(shí)時(shí)因子。其中PCA提取后的主成分暴露系數(shù)并不穩(wěn)定，權(quán)重亦不唯一，提取后的公因子并不具有明顯的經(jīng)濟(jì)邏輯。但好處在于PCA提取的主成分具有統(tǒng)計(jì)意義的不相關(guān)性，能更好的分散風(fēng)險(xiǎn)，可輔助判斷需考量的資產(chǎn)宏觀維度。

　　方法三是以低頻的宏觀指標(biāo)作為因變量，以與宏觀指標(biāo)具有“強(qiáng)相關(guān)”的資產(chǎn)價(jià)格作為自變量構(gòu)建回歸模型，最終通過回歸系數(shù)與自變量交乘擬合出更為高頻的宏觀因子。其中若資產(chǎn)與因子邏輯對應(yīng)關(guān)系較為直接，則直接采用該資產(chǎn)價(jià)格作為某一因子的代理指標(biāo)。

　　我們結(jié)合后兩種方法優(yōu)點(diǎn)來構(gòu)造更為靈敏的高頻宏觀因子，進(jìn)一步可以總結(jié)為三個(gè)步驟——“定維度、篩資產(chǎn)、高頻化”：即利用PCA識別驅(qū)動大類資產(chǎn)收益率變化的主要宏觀成分；進(jìn)一步篩查與每個(gè)維度因子強(qiáng)相關(guān)的大類資產(chǎn)；最后使用資產(chǎn)模擬組合來構(gòu)造高頻宏觀因子。

　　此外，為了兼顧策略效率與全面性，我們在后文嘗試按照因子多寡的復(fù)雜度以遞進(jìn)方式分別構(gòu)建三套方案：（1）只考慮“增長+通脹”雙輪的類全天候“輕量化”模型；（2）兼顧“增長、通脹、流動性”的三維風(fēng)險(xiǎn)平價(jià)配置模型；（3）更具廣譜性的多因子宏觀風(fēng)險(xiǎn)平價(jià)框架。

　　第四

　　在上述思路的基礎(chǔ)上，借鑒Kelly（2014）的做法，我們對自2017年至今的股債商匯共10種大類資產(chǎn)日收益率數(shù)據(jù)進(jìn)行主成分降維，發(fā)現(xiàn)前六大主成分、前七大主成分分別解釋了資產(chǎn)價(jià)格波動的82%、89%。通過各主成分在資產(chǎn)上的載荷系數(shù)方向與大小比較，我們發(fā)現(xiàn)在不包含美股的大類資產(chǎn)組合中，國內(nèi)增長、通脹、利率、匯率、信用是核心的五大宏觀風(fēng)險(xiǎn)；若包含美股，再額外加入海外經(jīng)濟(jì)風(fēng)險(xiǎn)因子。我們從經(jīng)濟(jì)邏輯出發(fā)構(gòu)造原始低頻（月頻）宏觀因子，以M1、BCI、PPI分別作為流動性、增長、通脹因子的代理變量。出于穩(wěn)健性考量，我們亦嘗試綜合PMI與BCI兩個(gè)景氣指標(biāo)來豐富“增長維度”，通過拆分消費(fèi)品通脹（融合CPI同比與BCI消費(fèi)品前瞻指數(shù)）與工業(yè)品通脹（融合PPI同比與BCI中間品前瞻指數(shù)）來細(xì)化“通脹維度”。

　　“定維度”方面，我們借鑒Kelly（2014）做法，對自2017年至今的股債商匯共10種大類資產(chǎn)日收益率數(shù)據(jù)（經(jīng)標(biāo)準(zhǔn)化處理）進(jìn)行主成分降維，發(fā)現(xiàn)前六大主成分、前七大主成分分別解釋了資產(chǎn)價(jià)格波動的82%、89%，說明大類資產(chǎn)價(jià)格波動核心取決于6~7個(gè)主要成分。以第一主成分為例，第一主成分在中國權(quán)益資產(chǎn)（中證500、滬深300、恒生指數(shù)）上的載荷較大，處于0.45~0.51之間，在商品（南華滬銅、南華農(nóng)產(chǎn)品）上亦有明顯的正向暴露，而在國內(nèi)債券上的載荷為負(fù)，對應(yīng)國內(nèi)經(jīng)濟(jì)增長風(fēng)險(xiǎn)。最終顯示，在不包含美股的大類資產(chǎn)組合中，國內(nèi)增長、通脹、流動性（利率）、匯率、信用是核心的五大宏觀風(fēng)險(xiǎn)；若包含美股，則需要額外考慮海外經(jīng)濟(jì)風(fēng)險(xiǎn)因子。

　　鑒于主成分分析提取的因子并不穩(wěn)定，實(shí)際經(jīng)濟(jì)含義也因?yàn)榻y(tǒng)計(jì)處理過程中的嚴(yán)格正交處理而存在一定偏差，因此本文進(jìn)一步基于資產(chǎn)多空組合構(gòu)建宏觀模擬組合（Factor ? Mimicking）來高頻化宏觀因子。這一過程的起點(diǎn)是構(gòu)造一個(gè)低頻的因子“錨”。

　　關(guān)于低頻的宏觀流動性、國內(nèi)增長、通脹因子，我們前期報(bào)告《M1、BCI、PPI與宏觀擇時(shí)》中分別以經(jīng)二次單邊HP濾波處理后的M1、BCI、PPI作為代理變量。

　　并且出于穩(wěn)健性考量，我們亦嘗試從兩個(gè)方面豐富“增長、通脹”的構(gòu)成方式：

　　一是在增長維度，綜合PMI與BCI兩個(gè)景氣指標(biāo)；

　　二是在通脹維度，拆分為消費(fèi)品通脹與工業(yè)品通脹，消費(fèi)品方面融合CPI同比與BCI消費(fèi)品前瞻指數(shù)同比變動，工業(yè)品方面融合PPI同比與BCI工業(yè)品前瞻指數(shù)同比變動。

　　關(guān)于海外經(jīng)濟(jì)因子，我們采用“美國ISM制造業(yè)PMI、服務(wù)業(yè)PMI同比變動與美國紅皮書商業(yè)零售銷售同比（經(jīng)標(biāo)準(zhǔn)化以及波動率倒數(shù)加權(quán)）”作為代理變量。

　　關(guān)于利率、匯率、信用因子，參照Fergis 等做法，由于這三類可以本身就有直接基礎(chǔ)性資產(chǎn)與其高度相關(guān)，我們直接采用中國國債總價(jià)指數(shù)、美元指數(shù)日收益率以及“中證信用債3-5年AA指數(shù)與中證國開債3-5年指數(shù)”收益率的軋差作為代表。

　　第五

　　接下來，如何將“低頻”宏觀因子轉(zhuǎn)化為“高頻”因子體系？我們借鑒因子模擬（Factor ? Mimicking）法。首先是以資產(chǎn)價(jià)格收益率為自變量，低頻宏觀因子為因變量進(jìn)行逐步單變量一元回歸，篩選與每個(gè)維度因子強(qiáng)相關(guān)的大類資產(chǎn)。然后是“高頻化”合成。我們構(gòu)建了滾動窗口期的多元領(lǐng)先滯后回歸模型，將歸一化處理后的回歸系數(shù)與高頻資產(chǎn)價(jià)格周環(huán)比或日環(huán)比交乘，得到高頻宏觀因子。以增長因子為例，模擬組合為做多螺紋鋼期貨、恒生指數(shù)、南華滬銅指數(shù)；而工業(yè)通脹因子的高頻模擬組合為做多CRB工業(yè)原料現(xiàn)貨指數(shù)、螺紋鋼期貨、WTI原油期貨以及做空中證國債及政策性金融債7-10年。通過資產(chǎn)多空模擬組合獲得了8個(gè)可供使用的宏觀高頻因子池，即利用回歸方式將“不可交易”的宏觀原始指標(biāo)轉(zhuǎn)化為“高頻、具有擬合度、可交易”的宏觀因子收益率。

　　因子模擬（Factor Mimicking）需要先篩查與每個(gè)維度因子強(qiáng)相關(guān)的大類資產(chǎn)。即以資產(chǎn)價(jià)格收益率為自變量，進(jìn)行逐步單變量一元回歸，記錄每一個(gè)單變量回歸的系數(shù)T值與擬合優(yōu)度R2；以增長因子為例，無論是單純利用BCI，還是融合BCI與PMI構(gòu)建的原始增長因子，均與恒生指數(shù)、螺紋鋼期貨、南華滬銅指數(shù)具有強(qiáng)相關(guān)性。其中單純的BCI增長因子與商品（螺紋鋼期貨、南華滬銅指數(shù)）相關(guān)性更強(qiáng)，單元回歸R方可以達(dá)到0.4左右。

　　“高頻化”合成中，我們采用滾動多元回歸法來定權(quán)，即以月頻宏觀因子為因變量，以篩選出來的強(qiáng)關(guān)聯(lián)資產(chǎn)價(jià)格對數(shù)同比作為自變量，進(jìn)行滾動6個(gè)月多元回歸，獲取資產(chǎn)與宏觀因子的相關(guān)系數(shù)，對相關(guān)系數(shù)進(jìn)行歸一化處理得到構(gòu)造高頻因子環(huán)比序列的權(quán)重。

　　以增長因子為例，模擬組合為做多螺紋鋼期貨、恒生指數(shù)、南華滬銅指數(shù)；

　　而工業(yè)通脹因子的高頻模擬組合為做多CRB工業(yè)原料現(xiàn)貨指數(shù)、螺紋鋼期貨、WTI原油期貨以及做空中證國債及政策性金融債7-10年。

　　對比高頻宏觀模擬組合同比與原始宏觀因子同比，無論是國內(nèi)增長、通脹、海外經(jīng)濟(jì)增長、流動性因子，兩者均有較高的吻合度。

　　第六

　　然后，如何搭建“因子”與資產(chǎn)的橋梁？我們利用資產(chǎn)收益率對各因子收益率進(jìn)行時(shí)序線性回歸，得到資產(chǎn)對因子的風(fēng)險(xiǎn)暴露矩陣。該矩陣直觀顯示了資產(chǎn)對不同宏觀變量的敏感度。我們的估計(jì)方式為帶約束的穩(wěn)健OLS回歸，并且使用滾動窗口與隨機(jī)重抽樣方式確定系數(shù)，以便于捕捉敏感度的時(shí)變動態(tài)特征。首先上述因子均通過了低多重共線性檢驗(yàn)，各因子的方差膨脹系數(shù)（VIF）均處于1.0~1.5之間（顯著小于5），并且因子間相關(guān)系數(shù)較低，多數(shù)絕對值小于0.1。其次矩陣系數(shù)顯示，大盤股（滬深300為代表）相對中盤股（中證500為代表）對經(jīng)濟(jì)增長更敏感，而中盤股對流動性環(huán)境更敏感；恒生指數(shù)有相似特征，并且對匯率因子（美元指數(shù)日收益率）有著一定負(fù)向暴露；標(biāo)普500對美國經(jīng)濟(jì)因子有顯著正向暴露等。方程的R方大小表示因子體系對某一資產(chǎn)價(jià)格的解釋力度。股債資產(chǎn)的R方較大（利率債為0.93、企業(yè)債為0.57、滬深300為0.6、中證500為0.86），表明宏觀主導(dǎo)驅(qū)動的特征較明顯。倫敦金現(xiàn)、布倫特原油期貨、美元兌人民幣中間價(jià)相對靠后，R方分別為0.48、0.43、0.44，表明除宏觀因子體系以外的特質(zhì)性因子亦會參與定價(jià)，比如OPEC+增產(chǎn)節(jié)奏、地緣風(fēng)險(xiǎn)，逆周期調(diào)節(jié)因子等。通過風(fēng)險(xiǎn)暴露矩陣的“橋梁”，我們將“因子”代替“資產(chǎn)”的角色代入前期報(bào)告中的風(fēng)險(xiǎn)平價(jià)框架，獲得符合“每一因子對整個(gè)組合的風(fēng)險(xiǎn)貢獻(xiàn)相等”條件下的資產(chǎn)配置比例。

　　我們首先計(jì)算了各個(gè)因子的方差膨脹系數(shù)（VIF）。該方法可以檢驗(yàn)自變量的相互解釋程度。檢驗(yàn)結(jié)果發(fā)現(xiàn)，合成的各個(gè)宏觀因子方差膨脹系數(shù)均處于1.0~1.5之間；統(tǒng)計(jì)經(jīng)驗(yàn)值為VIF小于5，則說明因子間并不能交叉解釋，不存在明顯的多重線性。

　　此外因子間的相關(guān)系數(shù)亦較低，在2016年1月4日至2025年5月14日的時(shí)間區(qū)間上，除了利率因子與信用因子存在中等強(qiáng)度的負(fù)相關(guān)性（-0.5左右）以外，其余分屬于不同類別的宏觀因子之間相關(guān)性絕對值均小于0.1。

　　為了估計(jì)資產(chǎn)在宏觀因子上的暴露程度，我們用資產(chǎn)收益率對宏觀因子進(jìn)行帶約束的穩(wěn)健OLS回歸。

　　從系數(shù)可知，滬深300與中證500在增長、流動性因子上有較高的正向暴露，中證500對流動性因子的暴露值更高，說明中國權(quán)益資產(chǎn)收益與經(jīng)濟(jì)增長、消費(fèi)通脹因子的高頻收益率同向波動，并且大盤股相對中盤股對經(jīng)濟(jì)增長更敏感，而中盤股對流動性環(huán)境更敏感。

　　港股資產(chǎn)代表恒生指數(shù)不僅對國內(nèi)增長、流動性等因子有較高的正向暴露，對匯率因子有著一定負(fù)向暴露。由于匯率因子的代理變量是美元指數(shù)日收益率，因而說明港股資產(chǎn)與美元指數(shù)呈負(fù)向關(guān)系。

　　標(biāo)普500對于美國經(jīng)濟(jì)高頻因子有明顯的正向暴露。

　　債券資產(chǎn)方面，國債、企業(yè)債均在利率因子上呈負(fù)向暴露，國債系數(shù)絕對值更大，企業(yè)債還在信用因子上呈負(fù)向暴露。

　　商品方面，首先是貴金屬，COMEX黃金在匯率因子上有明顯負(fù)向暴露，提示黃金收益率與美元收益率總體上呈現(xiàn)負(fù)向關(guān)系。同時(shí)，黃金對美國經(jīng)濟(jì)增長因子亦呈一定負(fù)向暴露。

　　其余商品中，南華農(nóng)產(chǎn)品指數(shù)與南華滬銅指數(shù)均對國內(nèi)工業(yè)通脹呈明顯正向暴露，其次是對流動性因子亦有一定正向暴露，表明通脹上行、流動性改善環(huán)境下商品價(jià)格傾向于上行。布倫特原油期貨、南華滬銅指數(shù)還對匯率因子呈負(fù)向暴露，表明美元走軟時(shí)，油銅價(jià)格具有“計(jì)價(jià)”維度的支撐。

　　利率債資產(chǎn)的R方最大，達(dá)到0.93，其定價(jià)邏輯幾乎可以完全有利率因子解釋。企業(yè)債的擬合方程R方同樣達(dá)到0.57。兩者綜合說明債券資產(chǎn)被宏觀面所解釋的程度更高，并且歸因也較單一。

　　滬深300與中證500同樣基本為宏觀驅(qū)動，擬合方程R方分別為0.60、0.86，但歸因來看涉及宏觀變量更廣泛，既涉及增長、通脹，也涉及流動性、利率等因子。

　　港股與美股資產(chǎn)的因子擬合方程R方分別為0.45、0.50，提示港股與美股資產(chǎn)的宏觀驅(qū)動成分相對中等，低于滬深300與中證500，也低于國內(nèi)債券資產(chǎn)。

　　布倫特原油期貨、美元兌人民幣中間價(jià)可被宏觀因子所解釋的力度同樣相對靠后，R方分別為0.43、0.44。這說明原油、人民幣匯率可能受到除宏觀因子體系以外的特質(zhì)性因子影響，比如OPEC+增產(chǎn)節(jié)奏、地緣風(fēng)險(xiǎn)，逆周期調(diào)節(jié)因子等。

　　第七

　　首先是“輕量化”方案。由于多資產(chǎn)收益率被壓縮至“增長、通脹”兩因子，該風(fēng)險(xiǎn)平價(jià)框架較為簡潔?；販y結(jié)果顯示“增長、通脹”因子風(fēng)險(xiǎn)平價(jià)給出了一個(gè)不加杠桿的更優(yōu)收益實(shí)踐方式。2016年以來，該方案年化收益7.7%，年化波動率5.4%，夏普比率1.14，最大回撤8.5%。而相同資產(chǎn)、相同時(shí)段，運(yùn)用簡單資產(chǎn)維度的風(fēng)險(xiǎn)平價(jià)策略、全資產(chǎn)等權(quán)重策略、波動率倒數(shù)加權(quán)的策略年化收益分別為4.6%、4.8%、4.7%，年化波動率分別為1.5%、8.7%、1.7%，夏普比率分別為2.09、0.38、1.83，最大回撤分別為2.5%、14.2%、2.8%。從上述結(jié)果來看，簡單的資產(chǎn)風(fēng)險(xiǎn)平價(jià)組合雖然仍具有最高夏普，但穩(wěn)健有余，彈性不足，也正因此，簡單資產(chǎn)維度風(fēng)險(xiǎn)平價(jià)往往需要依賴“加杠桿”來放松一定波動率約束，來獲得增厚收益；而“增長、通脹”因子平價(jià)策略收益率的提升在沒有杠桿的情況下進(jìn)行，并且沒有帶來波動率的大幅度提升，年化波動率均維持在5%附近，兼顧了收益與風(fēng)險(xiǎn)。從明細(xì)權(quán)重橫向看，由于模型仍基于“風(fēng)險(xiǎn)平價(jià)”框架，波動率更低的債性資產(chǎn)仍在長時(shí)間序列上占大頭。自2016年以來債券資產(chǎn)平均權(quán)重為54.6%，其中利率債占比為20.9%，信用債占比為33.8%；權(quán)益資產(chǎn)平均權(quán)重為10.2%，其中A股資產(chǎn)平均權(quán)重為5.2%，港股資產(chǎn)平均權(quán)重為5.0%；商品資產(chǎn)平均權(quán)重為20.3%；黃金資產(chǎn)平均權(quán)重為5.7%?？v向看，近年A股、港股資產(chǎn)的權(quán)重提示有所上升，分別自2022年的0.1%、0.3%年均權(quán)重上升至2024年以來的3.1%、7.8%；而債券資產(chǎn)權(quán)重有所回落；黃金資產(chǎn)權(quán)重則有所上升。

　　“輕量化”的類全天候配置將多資產(chǎn)收益率壓縮至“增長、通脹”兩因子維度，框架相對簡潔。我們以資產(chǎn)風(fēng)險(xiǎn)平價(jià)策略、全部資產(chǎn)等權(quán)重策略、波動率倒數(shù)加權(quán)策略作為三個(gè)比較基準(zhǔn)；調(diào)倉法則為月度再平衡，每月初利用新滾動窗口內(nèi)（比如6個(gè)月）樣本進(jìn)行風(fēng)險(xiǎn)平價(jià)優(yōu)化生成新的各資產(chǎn)配比倉位?；販y區(qū)間均統(tǒng)一為2016年1月1日至2025年6月9日。

　　回測結(jié)果來看，2016年以來“增長+通脹”因子雙輪驅(qū)動的輕量化風(fēng)險(xiǎn)平價(jià)策略年化收益為7.7%，年化波動率為5.4%，夏普比率為1.14，最大回撤出現(xiàn)在2017年三季度，曾達(dá)8.5%。而相同資產(chǎn)、相同時(shí)段，運(yùn)用簡單資產(chǎn)維度的風(fēng)險(xiǎn)平價(jià)策略年化收益為4.6%，年化波動率為1.5%，夏普比率為2.09，最大回撤為2.5%；簡單的全資產(chǎn)等權(quán)重策略年化收益為4.8%，年化波動率為8.7%，夏普比率為0.38，最大回撤為14.2%；按照過去6個(gè)月波動率倒數(shù)加權(quán)的策略年化收益為4.7%，年化波動率為1.7%，夏普比率為1.83，最大回撤為2.8%。

　　簡單的資產(chǎn)風(fēng)險(xiǎn)平價(jià)組合穩(wěn)健有余，彈性不足，平價(jià)過程核心是通過降低組合波動來使得組合獲得更具優(yōu)勢的“夏普比率”，適合追求“穩(wěn)健”性的投資者。但以此獲得收益本身吸引力并不大，也正因此，簡單資產(chǎn)維度風(fēng)險(xiǎn)平價(jià)往往需要依賴“加杠桿”來放松一定波動率約束，來獲得增厚收益（詳見前期報(bào)告《解讀“全天候”策略》）。

　　而“增長、通脹”因子風(fēng)險(xiǎn)平價(jià)給出了一個(gè)不加杠桿的更優(yōu)收益實(shí)踐方式。該方案較簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)年化超額收益約3.1%；2020年以來的樣本年化超額收益約2.1%。而這種收益率的提升并沒有帶來波動率的大幅度提升，年化波動率均維持在5%附近，兼顧了收益與風(fēng)險(xiǎn)。

　　此外，考慮到本身的風(fēng)險(xiǎn)平價(jià)過程是一個(gè)滿倉策略，對極端風(fēng)險(xiǎn)存在“脆弱性”，即我們前期報(bào)告《解讀“全天候”策略》指出“東方不亮西方亮”的前提假設(shè)是資產(chǎn)有輪動表現(xiàn)，風(fēng)險(xiǎn)平價(jià)并不適用于多資產(chǎn)共振下跌、相關(guān)性劇烈上升的情景。為了預(yù)防極端情形的發(fā)生，我們還假設(shè)資金的10%~15%始終配置現(xiàn)金，將剩下的資金用于“平價(jià)優(yōu)化”。雖然該處理方式下，年化收益均低于全倉優(yōu)化的方案（7.1%＜7.7%），但仍分別超過簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)、等權(quán)、波動率加權(quán)策略2.5%、2.3%、2.4%。

　　分年度考察來看，簡單的“增長、通脹”因子風(fēng)險(xiǎn)平價(jià)在2016年以來多數(shù)年份跑贏簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)。其中2016年、2019年、2020年、較為明顯。近兩年兩者差距有所收窄，但因子風(fēng)險(xiǎn)平價(jià)仍具有大約年化0.5%~1.0%的優(yōu)勢。

　　從資產(chǎn)的明細(xì)權(quán)重來看，自2016年以來的各資產(chǎn)權(quán)重顯示，債券資產(chǎn)平均權(quán)重為54.6%，其中利率債（以中債國債7-10財(cái)富總指數(shù)為代表）占比為20.9%，信用債（以中債企業(yè)債AA3-5財(cái)富總指數(shù)為代表）占比為33.8%；權(quán)益資產(chǎn)平均權(quán)重為10.2%，其中A股資產(chǎn)（滬深300+中證500）平均權(quán)重為5.2%，港股資產(chǎn)（恒生指數(shù)）平均權(quán)重為5.0%；商品資產(chǎn)（南華農(nóng)產(chǎn)品+南華滬銅+原油）平均權(quán)重為20.3%；黃金資產(chǎn)平均權(quán)重為5.7%。

　　縱向來看，近年A股、港股資產(chǎn)的權(quán)重提示有所上升，分別自2022年的0.1%、0.3%年均權(quán)重上升至2024年以來的3.1%、7.8%；而債券資產(chǎn)權(quán)重有所回落，利率債、信用債年均權(quán)重分別自2022年的40.5%、39.5%下降至2024年至今的28.6%、28.7%；黃金資產(chǎn)在2021年、2022年的年均權(quán)重僅為2.2%、1.6%，但2023年、2024年以來的平均權(quán)重上升至6.2%、4.4%。

　　第八

　　然后是“三維度”方案?！癕1-BCI-PPI”三因子風(fēng)險(xiǎn)平價(jià)策略2016年以來的年化收益為9.0%，年化波動率為7.8%，夏普比率為0.96，與“BCI-PPI”的輕量化配置模型基本相當(dāng)，但收益更具優(yōu)勢。該策略優(yōu)勢主要集中在2016年-2019年，2020年以來與簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)的收益基本相當(dāng)。若拆分通脹為“工業(yè)通脹、消費(fèi)通脹”，則在2020年以來同樣具有8.4%的年化收益，主要在于規(guī)避了2020年上半年的大類資產(chǎn)價(jià)格較明顯回調(diào)的風(fēng)險(xiǎn)。從資產(chǎn)明細(xì)權(quán)重來看，該模型在各個(gè)資產(chǎn)的分配權(quán)重與“增長+通脹”雙輪模型大體一致，但更為分散。債性資產(chǎn)仍占相對大頭，但有所下降，2016年以來債券資產(chǎn)平均權(quán)重為47.8%（輕量化模型中的占比為54.6%）；權(quán)益資產(chǎn)中港股資產(chǎn)權(quán)重增加，平均為8.8%（輕量化模型中的占比為5.0%）。商品資產(chǎn)占比亦有所增加，“南華農(nóng)產(chǎn)品+南華滬銅+原油”平均權(quán)重為24.9%（輕量化模型中的占比為20.3%）?？v向規(guī)律與輕量化模型近似，近年A股、港股資產(chǎn)、黃金等權(quán)重同樣提示上升，債券資產(chǎn)權(quán)重有所回落。

　　“三維因子”風(fēng)險(xiǎn)平價(jià)配置結(jié)果（BCI代表增長維度、PPI代表通脹維度、M1代表流動性維度）顯示自2016年以來，策略年化收益為9.0%，年化波動率為7.8%。夏普比率為0.96，與“BCI-PPI”的輕量化配置模型基本相當(dāng)，但收益更具優(yōu)勢。

　　若拆分通脹為“工業(yè)通脹、消費(fèi)通脹”，則在2020年以來同樣具有8.4%的年化收益，主要在于規(guī)避了2020年上半年的大類資產(chǎn)價(jià)格較明顯回調(diào)的風(fēng)險(xiǎn)。

　　若固定15%的現(xiàn)金倉位，則剩余85%的倉位進(jìn)行平價(jià)優(yōu)化后的策略年化收益自2016年以來為8.0%，較滿倉策略下降1.0個(gè)百分點(diǎn)。

　　同樣從顆粒度更細(xì)致的分月度、分年度考察來看，在“增長、通脹”基礎(chǔ)上融入了流動性的三維因子平價(jià)較簡單“增長、通脹”因子風(fēng)險(xiǎn)平價(jià)年度超額收益分布更為分散，并且同樣顯示，三維因子平價(jià)相較于簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)的超額優(yōu)勢主要集中在2020年之前，而近年來資產(chǎn)風(fēng)險(xiǎn)平價(jià)的效果更具優(yōu)勢。

　　從資產(chǎn)的明細(xì)權(quán)重來看，一則，債性資產(chǎn)仍占相對大頭，但較輕量化“增長+通脹”雙輪模型中的權(quán)重減少。2016年以來債券資產(chǎn)平均權(quán)重為47.8%（輕量化模型中的占比為54.6%），其中利率債（以中債國債7-10財(cái)富總指數(shù)為代表）占比為14.7%，信用債（以中債企業(yè)債AA3-5財(cái)富總指數(shù)為代表）占比為33.1%；

　　二則，權(quán)益資產(chǎn)仍占10%附近，但較輕量化“增長+通脹”雙輪模型中的權(quán)重增加，并且主要是其中的港股資產(chǎn)權(quán)重增加。2016年以來權(quán)益資產(chǎn)平均權(quán)重為13.8%，其中A股資產(chǎn)（滬深300+中證500）平均權(quán)重為5.0%，港股資產(chǎn)（恒生指數(shù)）平均權(quán)重為8.8%（輕量化模型中的占比為5.0%）。

　　三則，商品資產(chǎn)占比亦有所增加，而是否考慮國內(nèi)的流動性因子對黃金占比影響不大，基本仍維持在5.5%~6.0%附近。2016年以來的商品資產(chǎn)（南華農(nóng)產(chǎn)品+南華滬銅+原油）平均權(quán)重為24.9%（輕量化模型中的占比為20.3%）。

　　四則，縱向規(guī)律與輕量化模型近似，近年A股、港股資產(chǎn)權(quán)重同樣提示上升，分別自2022年的2.3%、3.7%年均權(quán)重上升至2024年以來的3.9%、12.5%；而債券資產(chǎn)權(quán)重有所回落，自2022年、2023年的83.8%、64.1%下降至2024年至今的44.5%；黃金資產(chǎn)在2021年、2022年的年均權(quán)重僅為0.1%、1.9%，但2023年、2024年以來的平均權(quán)重上升至8.5%、6.1%。

　　第九

　　然后是“廣譜性”方案。從策略回測結(jié)果來看，不考慮“美國名義增長因子”的宏觀多因子風(fēng)險(xiǎn)平價(jià)策略自2016年以來的年化收益為7.5%，年化波動率為4.0%，夏普比率為1.49。收益與輕量化配置模型相近，略低于三因子配置模型，但夏普更具優(yōu)勢（1.49 ? > 1.14 > 0.96）。若加入標(biāo)普500，在收益與波動率均有所下降，夏普比率保持在1.4附近。值得注意的是，近年來在國內(nèi)運(yùn)用多因子平價(jià)與簡單資產(chǎn)平價(jià)的差異趨于減小，這可能反映了近年來國內(nèi)股債、商品、黃金等多資產(chǎn)因主要受宏觀因素驅(qū)動而本身就能反映某一類宏觀風(fēng)險(xiǎn)，資產(chǎn)間的相關(guān)性趨于下降。換言之，近年以國內(nèi)股債融合黃金、商品等的大類資產(chǎn)池本身就對“風(fēng)險(xiǎn)平價(jià)”配置框架的適用性上升。從橫截面上看權(quán)重，因子考察維度更多后，配置框架更接近“簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)”框架，債券類資產(chǎn)占比重新上升，自2016年以來的占比是61.9%；權(quán)益類資產(chǎn)的占比下降到了5%附近。縱向規(guī)律上也略有不同，近年權(quán)益資產(chǎn)權(quán)重變化不大，債券資產(chǎn)權(quán)重有所下降。簡而言之，對于整個(gè)策略的波動而言，多因子風(fēng)險(xiǎn)平價(jià)配置模型讓策略回報(bào)在時(shí)序維度更穩(wěn)健、更分散；但在資產(chǎn)橫向配比維度，而且因?yàn)閭再Y產(chǎn)的“低波”優(yōu)勢，重新給予更集中的權(quán)重。這也是在策略效果比較中，我們看到它波動率更低，具有三套因子配置模型中最高夏普（1.49 ? > 1.14 > 0.96）的原因。

　　更具廣譜性的宏觀多因子配置框架不僅涵蓋增長、消費(fèi)通脹、工業(yè)通脹、宏觀流動性，還涵蓋了利率條件、匯率、信用利差。并且，我們還以是否加入“美國名義增長”分為兩套方案。如果加入“美國名義增長因子”，則回測標(biāo)的池中額外增加“標(biāo)普500”。策略基準(zhǔn)、調(diào)倉法則以及回測區(qū)間均與輕量化與三因子配置保持一致。

　　從策略回測結(jié)果來看，不考慮“美國名義增長因子”的宏觀多因子風(fēng)險(xiǎn)平價(jià)策略自2016年以來的年化收益為7.5%，年化波動率為4.0%，夏普比率為1.49。收益與輕量化配置模型相近，略低于三因子配置模型，但夏普更具優(yōu)勢（1.49 > 1.14 ? > 0.96）。

　　若加入標(biāo)普500，在收益與波動率均有所下降，夏普比率保持在1.4附近。

　　但無論何種多因子配置模型，2020年以來并不明顯跑贏簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)策略。顆粒度更細(xì)的分月度、分年度策略結(jié)果也顯示，多因子配置方案在2021年后與資產(chǎn)平價(jià)方案的超額收益趨于下降。

　　從資產(chǎn)的明細(xì)權(quán)重來看，債券類資產(chǎn)自2016年以來的占比是61.9%（輕量化配置模型、三因子配置模型分別是54.6%、47.8%），利率債占比37.8%、信用債占比24.1%；

　　權(quán)益類資產(chǎn)的占比下降到了5%附近，其中A股資產(chǎn)（滬深300+中證500）平均權(quán)重為2.2%，港股資產(chǎn)為3.4%。（輕量化配置模型、三因子配置模型分別是10.2%、13.8%）；

　　商品資產(chǎn)占比有所下降，“南華農(nóng)產(chǎn)品+南華滬銅+原油”三者自2016年以來的平均權(quán)重為14.6%（輕量化配置模型、三因子配置模型分別是20.3%、24.9%）。

　　黃金占比小幅抬升，自2016年以來的平均權(quán)重為6.7%（輕量化配置模型、三因子配置模型分別是5.7%、5.6%）。

　　縱向規(guī)律上也略有不同，近年權(quán)益資產(chǎn)權(quán)重變化不大，債券資產(chǎn)權(quán)重有所下降，商品與人民幣權(quán)重上升。2021、2022年債券資產(chǎn)權(quán)重分別為80.6%、71.9%，但2024年以來降至48.0%；匯率層面的人民幣權(quán)重從2020年的0.9%上升至2024年以來的30.7%；商品資產(chǎn)（南華農(nóng)產(chǎn)品+南華滬銅+原油）權(quán)重從2022年的5.1%上升至2024年以來的14.4%。

　　綜合來看，多因子風(fēng)險(xiǎn)平價(jià)配置模型回報(bào)在時(shí)序維度上更具有分散性，但相較“增長+通脹”、“增長+通脹+宏觀流動性”的三因子仍在債券資產(chǎn)上占有更多比重，并且近年來的分散化過程是向“非權(quán)益”資產(chǎn)分散，而前兩者則是向權(quán)益資產(chǎn)分散。

　　事實(shí)上，這也是在策略效果比較中，我們看到它波動率更低，具有三套因子配置模型中最高夏普（1.49 > 1.14 ? > 0.96）的原因。

　　最后我們還嘗試兼顧資產(chǎn)短期動量效應(yīng)（半衰期考量）進(jìn)行增強(qiáng)實(shí)踐。上述配置方案的前提假設(shè)是在滾動窗口期內(nèi)（180個(gè)交易日）資產(chǎn)風(fēng)格穩(wěn)健，一個(gè)靜態(tài)的協(xié)方差矩陣可以作為“風(fēng)險(xiǎn)平價(jià)”優(yōu)化框架的輸入變量；而近年風(fēng)格年內(nèi)存在波動，資產(chǎn)波動率的時(shí)變與集聚性可能會對近端月份產(chǎn)生較大影響，而對遠(yuǎn)端影響呈現(xiàn)衰減式。因此，我們將因子收益率的協(xié)方差矩陣處理成“半衰”模式，即45個(gè)交易日為半衰節(jié)點(diǎn)，距離當(dāng)前的過去第一個(gè)“45日”協(xié)方差矩陣應(yīng)被賦予更高的權(quán)重，將過去180個(gè)交易日的四個(gè)45交易日子矩陣分別賦予0.4、0.3、0.2、0.1的權(quán)重。從策略結(jié)果來看，“增長+通脹”的輕量化模型、“增長+通脹+流動性”的三因子模型在半衰模式下可以分別提高0.1%、0.4%的年化收益；若考慮10%固定配置現(xiàn)金的限制，則半衰模式可以分別提高0.3%、0.5%的年化收益。疊加動量效應(yīng)后，策略波動率也有所上升，兩類模型的夏普比率均有小幅下降，但仍均維持在1以上。換言之，疊加半衰期設(shè)置也可以是一種不增加杠桿模式下的收益增厚方向。廣譜性的多因子配置模型在半衰模式下有更出色風(fēng)險(xiǎn)調(diào)整后收益，自2016年的夏普比率為1.68。分年度收益表現(xiàn)也可以看到，多因子配置模型在考慮了半衰期后每年的收益波動有所減少。月度收益表現(xiàn)也波動溫和，月度收益基本上維持在[-1%，1%]之間變動。

　　第十

　　簡單總結(jié)宏觀因子風(fēng)險(xiǎn)平價(jià)框架。因子并不是越多越好，因子體系亦不是越復(fù)雜越有效，選擇哪一種方式，應(yīng)與當(dāng)下的宏觀環(huán)境、資產(chǎn)定價(jià)范式以及投資者在意的側(cè)重點(diǎn)相互適配。僅有“增長、通脹”因子的“輕量化”的類全天候配置框架簡潔，并且更具收益優(yōu)勢，部分解決了簡單的資產(chǎn)風(fēng)險(xiǎn)平價(jià)組合穩(wěn)健有余、彈性不足，需要依賴于“加杠桿”放松波動率約束才能獲得增厚收益的問題?！叭S因子”風(fēng)險(xiǎn)平價(jià)框架進(jìn)一步放松了對夏普比率的要求，收益更具優(yōu)勢，資產(chǎn)配比更為分散。更具廣譜性的宏觀多因子配置框架的完整性更高，考慮風(fēng)險(xiǎn)層次更多，具有更高的夏普優(yōu)勢，但也由于風(fēng)險(xiǎn)考慮更多，平價(jià)優(yōu)化后的資產(chǎn)配比上反而更向債性資產(chǎn)集中，收益優(yōu)勢并不明顯，近年表現(xiàn)與簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)趨于一致。

　　第十一

　　最后，宏觀因子風(fēng)險(xiǎn)平價(jià)框架有值得思考和改進(jìn)的三個(gè)方向：一是該方案簡化大類資產(chǎn)是宏觀因子的線性函數(shù)，“線性”假設(shè)在未來值得商榷；二是高頻化宏觀因子過程存在缺陷，方法論從“因子投資”得到借鑒，但單一市場具有定價(jià)的統(tǒng)一性，拓寬至大類資產(chǎn)維度，直接用統(tǒng)一的多空模擬組合來表達(dá)各個(gè)資產(chǎn)世界里面的某一個(gè)宏觀因子可能有待改善；三是風(fēng)險(xiǎn)暴露矩陣的估計(jì)似乎面臨“動態(tài)性”與“穩(wěn)健性”的互斥關(guān)系，如何兼顧平衡兩者亦值得思考。

　　風(fēng)險(xiǎn)提示：一是回歸模型構(gòu)建基于歷史數(shù)據(jù)，可能在未來有較大經(jīng)濟(jì)沖擊或者市場改變時(shí)可能存在誤差；二是模型仍有待將各類參數(shù)進(jìn)行敏感性分析，提高策略的穩(wěn)健性；三是基本面層面可能存在明顯改變預(yù)期的事件，比如國內(nèi)地產(chǎn)政策效果不及預(yù)期；新一輪地方政府化債影響超預(yù)期；后續(xù)財(cái)政政策力度超預(yù)期等。

　　目錄

　　正文

　　PART1

　　引子：初識“因子風(fēng)險(xiǎn)平價(jià)”

　　何為“因子”？因子是真正使得投資不同資產(chǎn)能獲得收益的核心驅(qū)動因素，資產(chǎn)和因子的關(guān)系類似于食物與營養(yǎng)元素（Andrew Ang，2010）。因子投資理念可以追溯至資本資產(chǎn)定價(jià)模型（CAPM），即組合收益是一系列風(fēng)險(xiǎn)因素的線性組合，組合收益本質(zhì)是承擔(dān)市場中不同風(fēng)險(xiǎn)而獲得的補(bǔ)償（Sharpe， 1964； Lintner， 1965； Ross， 1976）。

　　因子進(jìn)一步大體可以分為兩類，一是宏觀因子，用于解釋跨資產(chǎn)收益差異；二是風(fēng)格因子，多用于解釋資產(chǎn)內(nèi)部風(fēng)險(xiǎn)收益差異。比如低估值股票較高估值股票更具超額收益，可以理解為是“價(jià)值因子”在其中驅(qū)動。從“資產(chǎn)配置”深入到“因子配置”的過程，就是將組合模型從資產(chǎn)之間的分散化配比轉(zhuǎn)為風(fēng)險(xiǎn)因子的配比。

　　具體而言，每個(gè)資產(chǎn)的收益可以表示為宏觀因子F的標(biāo)準(zhǔn)線性組合，其中Ft?是以收益率作為表現(xiàn)形式的風(fēng)險(xiǎn)因子，而回歸系數(shù)bt?是資產(chǎn)對各個(gè)風(fēng)險(xiǎn)因子的暴露矩陣，是一種資產(chǎn)相對宏觀因子的反應(yīng)敏感度：

　　何為“因子風(fēng)險(xiǎn)平價(jià)（Factor Risk Parity）”？其首次作為學(xué)術(shù)概念系統(tǒng)論述出現(xiàn)在Attilio Meucci 2009年的論文中，其通過主成分分析（PCA）提取資產(chǎn)收益協(xié)方差矩陣在統(tǒng)計(jì)意義上不相關(guān)因子，并以此構(gòu)建分散性的投資組合。Qian（2012、2016）亦指出風(fēng)險(xiǎn)平價(jià)模型的重點(diǎn)應(yīng)是“風(fēng)險(xiǎn)”，而不是平價(jià)公式，對“風(fēng)險(xiǎn)”的理解應(yīng)該回到更為本質(zhì)的“宏觀”層面，而不是簡單的資產(chǎn)波動率。

　　在前期報(bào)告《解讀“全天候”策略》中，我們借鑒錢恩平（2005）的做法嘗試構(gòu)建了基于國內(nèi)ETF（資產(chǎn)維度）的風(fēng)險(xiǎn)平價(jià)模型，該模型通過將每類資產(chǎn)在組合中的風(fēng)險(xiǎn)貢獻(xiàn)度均等化來優(yōu)化組合夏普，再通過杠桿來提升年度收益，最終在目標(biāo)波動率為6%的約束下，基于傳統(tǒng)的資產(chǎn)風(fēng)險(xiǎn)平價(jià)組合可以獲得自2015年以來6.4%的年化收益，0.92的夏普比率。

　　同時(shí)，在上述報(bào)告中，我們指出了“全天候”策略與傳統(tǒng)普通資產(chǎn)風(fēng)險(xiǎn)平價(jià)模型的異同點(diǎn)，“全天候”本質(zhì)上是“宏觀因子風(fēng)險(xiǎn)平價(jià)”模型，并不是簡單基于“資產(chǎn)風(fēng)險(xiǎn)”進(jìn)行配置的方案?！昂暧^因子風(fēng)險(xiǎn)平價(jià)”模型穿透資產(chǎn)本質(zhì)，聚焦于宏觀風(fēng)險(xiǎn)（增長、通脹超過/低于預(yù)期），資產(chǎn)組合只是宏觀風(fēng)險(xiǎn)因素的交易表達(dá)。換言之，其認(rèn)為真正驅(qū)動資產(chǎn)價(jià)格波動的力量是宏觀風(fēng)險(xiǎn)，“穿越周期”的實(shí)現(xiàn)路徑也理應(yīng)轉(zhuǎn)變?yōu)榫饣Y產(chǎn)背后更為本質(zhì)的“宏觀因子”。

　　“因子配置”較傳統(tǒng)“資產(chǎn)配置”的優(yōu)勢在何處？傳統(tǒng)的資產(chǎn)風(fēng)險(xiǎn)平價(jià)模型是一種對MVO的另辟蹊徑，但它并未跳脫直接基于資產(chǎn)本身風(fēng)險(xiǎn)收益特征去構(gòu)建組合的配置框架。其中資產(chǎn)間的低相關(guān)性是傳統(tǒng)配置模式能獲得“免費(fèi)午餐”的核心要素。而在實(shí)際操作中，當(dāng)市場遭遇極端沖擊，出于流動性的考慮，多類資產(chǎn)可能面臨系統(tǒng)性的拋壓，進(jìn)而尾部風(fēng)險(xiǎn)推升資產(chǎn)相關(guān)性大幅度上升，傳統(tǒng)配置模式的分散性就會失效。從底層因素來看，傳統(tǒng)配置模式并未根據(jù)宏觀場景的變化而及時(shí)調(diào)整權(quán)重，無法真正從“風(fēng)險(xiǎn)源”進(jìn)行風(fēng)險(xiǎn)分散化。而因子配置正是上述局限性的補(bǔ)充?！耙蜃印本哂懈透€(wěn)定的相關(guān)性，就宏觀視角來看，“宏觀風(fēng)險(xiǎn)因子”相較普通大類資產(chǎn)相關(guān)性亦更低。比如通脹、增長屬于宏觀面的“量價(jià)”兩個(gè)維度，通常輪動搭配，也因此衍生出“投資時(shí)鐘”。

　　除了上述特點(diǎn)外，基于宏觀因子的配置模型與其他因子模型一樣，可以更有效地“降維”。因子投資的核心是一個(gè)“化繁為簡”的過程。從數(shù)理上看，該過程將涵蓋較多資產(chǎn)數(shù)量的資產(chǎn)空間降維至更小更具共性的幾個(gè)因子空間。橋水“全天候”的一大優(yōu)點(diǎn)就是將十余種大類資產(chǎn)的風(fēng)險(xiǎn)配置最終歸結(jié)在增長、通脹兩個(gè)因子維度的平價(jià)方案。

　　再次，基于因子的配置模型可以做到更好的歸因，分解收益來源。而一般大類資產(chǎn)的價(jià)格更受宏觀環(huán)境影響。對于宏觀因子配置模型而言，我們可以根據(jù)對未來的宏觀場景的預(yù)判調(diào)整資產(chǎn)權(quán)重，如股債商資產(chǎn)的收益可以分解對應(yīng)到增長、通脹因子的變化。而傳統(tǒng)基于資產(chǎn)的配置方式僅從資產(chǎn)的風(fēng)險(xiǎn)收益特征出發(fā)，資產(chǎn)權(quán)重調(diào)整并不能反映宏觀變化。

　　本文嘗試將類似“全天候”的因子配置模式在中國市場中落地，并且擴(kuò)展出適合國內(nèi)市場的宏觀因子維度，構(gòu)建本土化的宏觀因子風(fēng)險(xiǎn)平價(jià)配置框架。

　　PART2

　　構(gòu)建基于宏觀因子的風(fēng)險(xiǎn)平價(jià)配置框架

　　（一）參考FIFAA策略的“四步走”

　　Blyth（2016）提出了“基于因子的靈活資產(chǎn)配置模型”（Flexible Indeterminate Factor-based Asset Allocation， FIFAA），并成為哈佛捐贈基金（Harvard Management Company， HMC）在2015年9月之后轉(zhuǎn)向“因子化思維”的策略載體。從事后回溯來看，在FIFAA策略模式下，哈佛捐贈基金近十年、近五年的平均年度回報(bào)分別為8.1%、10.4%。

　　本文參考該文獻(xiàn)將本土化宏觀因子風(fēng)險(xiǎn)平價(jià)框架的搭建亦分為四個(gè)步驟。

　　一是“篩選因子”，即選擇以及生成適合本土大類資產(chǎn)的宏觀因子。宏觀因子的“適配度”直接決定了后續(xù)進(jìn)行平價(jià)優(yōu)化是否真正識別和分散了風(fēng)險(xiǎn)。

　　二是“計(jì)算風(fēng)險(xiǎn)暴露”，即搭建“因子”與“資產(chǎn)”的量化橋梁，利用線性回歸模式測算出資產(chǎn)對因子的風(fēng)險(xiǎn)暴露程度。

　　三是“確定目標(biāo)風(fēng)險(xiǎn)暴露”，即按照某一法則或偏好確定對各因子風(fēng)險(xiǎn)暴露多少是合適的，即設(shè)定目標(biāo)風(fēng)險(xiǎn)暴露。比如因子風(fēng)險(xiǎn)平價(jià)是通過“各個(gè)因子對組合的風(fēng)險(xiǎn)貢獻(xiàn)度一致”這一優(yōu)化過程來設(shè)定目標(biāo)風(fēng)險(xiǎn)暴露。

　　四是“匹配目標(biāo)風(fēng)險(xiǎn)暴露”，若第三步的目標(biāo)因子風(fēng)險(xiǎn)暴露為主觀設(shè)定，則該步驟為利用最優(yōu)化框架（如Blyth最優(yōu)化框架、Greenberg最優(yōu)化框架）反推出資產(chǎn)權(quán)重；若為因子風(fēng)險(xiǎn)平價(jià)，則直接根據(jù)符合因子風(fēng)險(xiǎn)平價(jià)條件與風(fēng)險(xiǎn)暴露矩陣重新回到資產(chǎn)層面確定組合內(nèi)部的資產(chǎn)配比。

　　（二）步驟一：識別、構(gòu)造高頻宏觀因子

　　1．主流的三種方法及其優(yōu)缺點(diǎn)

　　在基于宏觀因子的風(fēng)險(xiǎn)平價(jià)模型中，首先關(guān)鍵是宏觀因子的構(gòu)建，主流做法分為三種：

　　一是直接利用低頻經(jīng)濟(jì)數(shù)據(jù)作為宏觀因子，如使用實(shí)際GDP、PPI等來代表增長、通脹因子。

　　二是采用統(tǒng)計(jì)方式從資產(chǎn)中直接提?。ū热缰鞒煞址治鼋稻S（PCA，Principal Component Analysis））。該方法將資產(chǎn)波動降維至幾個(gè)線性無關(guān)的主成分（公因子），避免了“維度災(zāi)難”。如Meucci（2009）、Bruder & Roncalli（2012）。實(shí)踐中較為知名的是，Kelly（2014）在《Practical Applications for Factor Based Asset Allocation》中將13類大類資產(chǎn)收益率進(jìn)行主成分分析，提取增長、利率、通脹三大宏觀因子，并且測算出簡潔的宏觀因子框架對資產(chǎn)組合的風(fēng)險(xiǎn)貢獻(xiàn)度達(dá)到80%。

　　三是基于資產(chǎn)的多空組合構(gòu)建與低頻宏觀數(shù)據(jù)最吻合的宏觀模擬組合來代替因子（Factor Mimicking）。如Greenberg，Babu and Ang（2016）與Bass， Gladstone and Ang（2017），采用該方式構(gòu)建了“增長、實(shí)際利率、通脹、信用、新興市場、商品”六因子框架，六大因子分別用股指寬基指數(shù)、通脹掛鉤債券，多名義債券與空通脹掛鉤債券，多公司債券空名義債券，新興市場國家股權(quán)風(fēng)險(xiǎn)溢價(jià)、主權(quán)信用違約掉期指數(shù)以及新興國家匯率，加權(quán)高盛商品指數(shù)來刻畫。由此可見，利用模擬組合來刻畫高頻因子（Factor Mimicking）本質(zhì)是剝離出市場主體在資產(chǎn)價(jià)格中對于某一宏觀指標(biāo)的計(jì)價(jià)交易程度（Price in程度）。并且資產(chǎn)價(jià)格日頻波動，對宏觀指標(biāo)的高頻化也可以達(dá)到日頻程度。

　　理論上，我們可以通過這種方式觀察到，越是臨近某一關(guān)鍵宏觀數(shù)據(jù)公布，相對應(yīng)的日頻宏觀模擬組合也或?qū)l(fā)生明顯邊際變化，較為靈敏地反映市場計(jì)入的預(yù)期變化。

　　第一種方法相對低頻，并且公布具有滯后性，雖然具有經(jīng)濟(jì)含義，但對資產(chǎn)價(jià)格的解釋力度存在時(shí)變性。

　　后兩種方式的假設(shè)是宏觀因子雖然不可交易，但是隱藏于大類資產(chǎn)表現(xiàn)中，可以從資產(chǎn)價(jià)格或者資產(chǎn)組合反推得到更高頻的實(shí)時(shí)因子（Chen，Roll和Ross， 1986）。

　　第二種方法中，雖然因子可以簡便地從資產(chǎn)價(jià)格中提取，但PCA提取后的主成分暴露系數(shù)并不穩(wěn)定，權(quán)重亦不唯一，提取后的公因子并不具有明顯的經(jīng)濟(jì)邏輯。但好處在于PCA提取的主成分具有統(tǒng)計(jì)意義的不相關(guān)性，能更好的分散風(fēng)險(xiǎn)，并且在因子維度未知的情況下，可以輔助判斷需要考量的大類資產(chǎn)宏觀象限維度。

　　第三種方法簡言之是以低頻的宏觀指標(biāo)作為因變量，以與宏觀指標(biāo)具有“強(qiáng)相關(guān)”的資產(chǎn)價(jià)格作為自變量構(gòu)建回歸模型，最終通過回歸系數(shù)與自變量交乘擬合出更為高頻的宏觀因子。其中若資產(chǎn)與因子邏輯對應(yīng)關(guān)系較為直接，則直接采用該資產(chǎn)價(jià)格作為某一因子的代理指標(biāo)。

　　2．我們的融合方案：“定維度、篩資產(chǎn)、高頻化”

　　我們結(jié)合后兩種方法的優(yōu)點(diǎn)來構(gòu)造更為靈敏的高頻宏觀因子，主要可總結(jié)為三個(gè)步驟“定維度、篩資產(chǎn)、高頻化”：

　　第一，確定宏觀維度體系，即利用PCA識別驅(qū)動國內(nèi)大類資產(chǎn)收益率變化的主要宏觀成分，與常規(guī)低頻關(guān)鍵宏觀變量做比對，確定后續(xù)高頻化過程中需要的宏觀因變量；

　　第二，篩查與每個(gè)維度因子強(qiáng)相關(guān)的大類資產(chǎn)，即以資產(chǎn)價(jià)格收益率為自變量，進(jìn)行逐步單變量一元回歸，記錄每一個(gè)單變量回歸的系數(shù)T值與擬合優(yōu)度R2；

　　第三，使用資產(chǎn)模擬組合來構(gòu)造高頻宏觀因子，即以第一步確定的月頻宏觀變量為因變量，以基礎(chǔ)資產(chǎn)價(jià)格月同比為自變量，構(gòu)建滾動窗口期的多元領(lǐng)先滯后回歸模型，最后使用歸一化處理后的回歸系數(shù)與高頻資產(chǎn)價(jià)格周環(huán)比或日環(huán)比交乘，得到周度、日度高頻宏觀因子。

　　“定維度”方面，我們借鑒Kelly（2014）做法，對自2017年至今的股債商匯共10種大類資產(chǎn)日收益率數(shù)據(jù)（經(jīng)標(biāo)準(zhǔn)化處理）進(jìn)行主成分降維，發(fā)現(xiàn)前六大主成分、前七大主成分分別解釋了資產(chǎn)價(jià)格波動的82%、89%，說明大類資產(chǎn)價(jià)格波動核心取決于6~7個(gè)主要成分。進(jìn)一步觀察主成分在各資產(chǎn)上的載荷大小可知原始資產(chǎn)指數(shù)與提取的公共因子之間的相關(guān)性程度。我們發(fā)現(xiàn)，各主成分具有一定經(jīng)濟(jì)含義。

　　第一主成分在中國權(quán)益資產(chǎn)（中證500、滬深300、恒生指數(shù)）上的載荷較大，處于0.45~0.51之間，在商品（南華滬銅、南華農(nóng)產(chǎn)品）上亦有明顯的正向暴露，而在國內(nèi)債券上的載荷為負(fù)，對應(yīng)國內(nèi)經(jīng)濟(jì)增長風(fēng)險(xiǎn)。

　　第二主成分在美元指數(shù)上錄得0.65的正向載荷，而與黃金、中國債券呈明顯負(fù)向關(guān)系，對應(yīng)匯率（美元）風(fēng)險(xiǎn)。

　　第三主成分在中國國債、企業(yè)債上均錄得顯著正向載荷，前者為0.71，后者為0.57，而在國內(nèi)權(quán)益子亦均有正向載荷，對應(yīng)宏觀流動性或者利率風(fēng)險(xiǎn)。流動性寬松下股債均受益，寬基股指與債券指數(shù)均上漲。

　　第四主成分在商品（南華農(nóng)產(chǎn)品指數(shù)、南華滬銅指數(shù)）上的正向載荷明顯高于其他資產(chǎn)，在股債資產(chǎn)上錄得負(fù)向載荷，對應(yīng)通脹風(fēng)險(xiǎn)。

　　第五主成分則在美股上錄得0.85的正向載荷，而在其他資產(chǎn)的載荷大小均低于0.3，并且在中國權(quán)益資產(chǎn)、倫敦黃金現(xiàn)貨上均錄得負(fù)向載荷，對應(yīng)海外經(jīng)濟(jì)風(fēng)險(xiǎn)。

　　第六主成分在國內(nèi)利率債與信用債上載荷差別較大，并且方向相反，對應(yīng)信用風(fēng)險(xiǎn)。第七主成分占比較小，并且與第六主成分有些近似，核心暴露亦在利率債、信用債上。

　　鑒于主成分分析提取的因子并不穩(wěn)定，實(shí)際經(jīng)濟(jì)含義也因?yàn)榻y(tǒng)計(jì)處理過程中的嚴(yán)格正交處理而存在一定偏差，因此本文只采用PCA方法來匡定因子維度，進(jìn)一步基于資產(chǎn)多空組合構(gòu)建宏觀模擬組合（Factor Mimicking）來高頻化宏觀因子。

　　從上述PCA檢驗(yàn)中可以看到，在不包含美股的大類資產(chǎn)組合中，國內(nèi)增長、通脹、流動性（利率）、匯率、信用是核心的五大宏觀風(fēng)險(xiǎn)；若包含美股，則需要額外考慮海外經(jīng)濟(jì)風(fēng)險(xiǎn)因子。

　　在確定了對大類資產(chǎn)最為關(guān)鍵的核心宏觀維度后，我們接著構(gòu)建相比主成分更加具有經(jīng)濟(jì)邏輯的“低頻宏觀經(jīng)濟(jì)因子”，以此為后續(xù)“高頻化”過程提供因子“錨”。

　　同時(shí)，為了兼顧策略效率與全面性，我們在后文嘗試按照因子多寡的復(fù)雜度以遞進(jìn)方式分別構(gòu)建三套方案：

　?。?）只考慮“增長+通脹”雙輪的“輕量化”模型；

　?。?）兼顧“增長、通脹、流動性”的三維風(fēng)險(xiǎn)平價(jià)配置模型；

　?。?）更具廣譜性的，涵蓋“國內(nèi)增長、通脹（消費(fèi)通脹、工業(yè)通脹）、流動性、利率、匯率、信用、海外經(jīng)濟(jì)”七大核心維度的宏觀風(fēng)險(xiǎn)平價(jià)框架。

　　關(guān)于宏觀流動性、國內(nèi)增長、通脹因子，我們前期報(bào)告《M1、BCI、PPI與宏觀擇時(shí)》中分別以經(jīng)二次單邊HP濾波處理后的M1、BCI、PPI作為代理變量。只是前期報(bào)告利用因子周期輪動來進(jìn)行大盤擇時(shí)，本報(bào)告中我們嘗試?yán)蒙鲜龃碜兞看罱ê暧^風(fēng)險(xiǎn)平價(jià)配置框架。

　　此外，出于穩(wěn)健性考量，我們亦嘗試從兩個(gè)方面豐富“增長、通脹”的構(gòu)成方式：

　　一是在增長維度，綜合PMI與BCI兩個(gè)景氣指標(biāo)，并用過去六個(gè)月波動率倒數(shù)進(jìn)行加權(quán)；

　　二是在通脹維度，拆分為消費(fèi)品通脹與工業(yè)品通脹，消費(fèi)品方面融合CPI同比與BCI消費(fèi)品前瞻指數(shù)同比變動，工業(yè)品方面融合PPI同比與BCI工業(yè)品前瞻指數(shù)同比變動，并且均使用過去六個(gè)月波動率倒數(shù)加權(quán)。

　　關(guān)于海外經(jīng)濟(jì)因子，我們采用“美國ISM制造業(yè)PMI、服務(wù)業(yè)PMI同比變動與美國紅皮書商業(yè)零售銷售同比（經(jīng)標(biāo)準(zhǔn)化以及波動率倒數(shù)加權(quán)）”作為代理變量。

　　關(guān)于利率、匯率、信用因子，參照Fergis等做法，由于這三類可以本身就有直接基礎(chǔ)性資產(chǎn)與其高度相關(guān)，我們直接采用中國國債總價(jià)指數(shù)、美元指數(shù)日收益率以及“中證信用債3-5年AA指數(shù)與中證國開債3-5年指數(shù)”收益率的軋差作為代表。此外，除經(jīng)濟(jì)類數(shù)據(jù)需要利用濾波平滑過濾毛刺以外，利率、匯率、信用一類直接用資產(chǎn)價(jià)格表示的因子并不需要平滑處理。

　　在獲得國內(nèi)外增長、消費(fèi)通脹、工業(yè)通脹、流動性等“經(jīng)濟(jì)類”原始因子后，我們就可以進(jìn)一步借鑒貝萊德（2018）運(yùn)用的因子模擬（Factor Mimicking）方法，通過資產(chǎn)多空組合將具有“經(jīng)濟(jì)”邏輯但低頻的原始因子轉(zhuǎn)化為實(shí)時(shí)、高頻、可交易的宏觀因子。

　　“篩資產(chǎn)”是我們?yōu)榈谌健案哳l化”做預(yù)備的過程。傳統(tǒng)宏觀變量存在滯后、公布節(jié)點(diǎn)晚、指標(biāo)繁多等問題，而因子投資中的風(fēng)險(xiǎn)因子輸入應(yīng)該是與因變量資產(chǎn)收益率同頻的“組合”收益率。因此我們需要在選擇合適宏觀原始變量的基礎(chǔ)上，通過因子模擬組合的方式先找到與低頻因子最相關(guān)的資產(chǎn)，基于這些資產(chǎn)日頻或周頻收益率來高頻化原始宏觀因子。

　　具體而言，我們以各個(gè)宏觀因子作為因變量，以資產(chǎn)價(jià)格收益率為自變量，對33種大類資產(chǎn)進(jìn)行遍歷單元回歸，回歸起止時(shí)段為2014年1月至2025年4月。并且為了削弱模型受到自相關(guān)與異方差干擾，我們利用Newey-West進(jìn)行參數(shù)調(diào)整。最終，篩選每個(gè)單變量回歸的系數(shù)在95%顯著水平下顯著的資產(chǎn)保留，視為與該宏觀因子具有強(qiáng)相關(guān)性的資產(chǎn)。

　　以增長因子為例。無論是單純利用BCI，還是融合BCI與PMI構(gòu)建的原始增長因子，均與恒生指數(shù)、螺紋鋼期貨、南華滬銅指數(shù)具有強(qiáng)相關(guān)性。其中單純的BCI增長因子與商品（螺紋鋼期貨、南華滬銅指數(shù)）相關(guān)性更強(qiáng)，單元回歸R方可以達(dá)到0.4左右。

　　工業(yè)通脹因子方面，無論是單純利用PPI，還是融合PPI與BCI工業(yè)品前瞻構(gòu)建的原始工業(yè)因子，均與CRB工業(yè)原料、螺紋鋼期貨、WTI原油呈顯著正向關(guān)系、與中證國債及政策性金融債7-10年指數(shù)成顯著負(fù)相關(guān)。并且前三者商品價(jià)格單變量對融合PPI與BCI工業(yè)品前瞻的通脹因子解釋力度較高，R方分別達(dá)到了0.64、0.56、0.41。

　　消費(fèi)品通脹因子則與WTI原油、南華生豬指數(shù)呈顯著正向關(guān)系、中證長期國債指數(shù)呈顯著負(fù)向關(guān)系。

　　國內(nèi)流動性因子則與中證2000、中證公司債7-10年指數(shù)均呈顯著正向關(guān)系，表明流動性寬松對股債的影響是同向的。

　　美國增長原始因子則與標(biāo)普500、CRB工業(yè)原料現(xiàn)貨指數(shù)呈正向關(guān)系，并且任一資產(chǎn)均對美國增長因子解釋力度較高，R方分別為0.47、0.46。

　　在獲得可供高頻擬合宏觀因子的強(qiáng)關(guān)聯(lián)資產(chǎn)后，下一步的關(guān)鍵是如何在合成中賦權(quán)。我們采用滾動多元回歸法來定權(quán)，即以月頻宏觀因子為因變量，以篩選出來的強(qiáng)關(guān)聯(lián)資產(chǎn)價(jià)格對數(shù)同比作為自變量，進(jìn)行滾動6個(gè)月多元回歸，獲取資產(chǎn)與宏觀因子的相關(guān)系數(shù)，對相關(guān)系數(shù)進(jìn)行歸一化處理得到構(gòu)造高頻因子環(huán)比序列的權(quán)重。

　　在得到高頻因子的環(huán)比序列后，我們以起始點(diǎn)為基期進(jìn)行回溯凈值化。最終將凈值序列進(jìn)行同比處理，與同比口徑的原始宏觀因子進(jìn)行比對。其中流動性因子的處理方式更為簡潔，由于小盤股（以中證2000為代表）與國內(nèi)信用債均對流動性因子的解釋力度相當(dāng)（單變量回歸R方接近），我們直接將基礎(chǔ)資產(chǎn)等權(quán)加總合成。對比高頻宏觀模擬組合同比與原始宏觀因子同比，無論是國內(nèi)增長、通脹、海外經(jīng)濟(jì)增長、流動性因子，兩者均有較高的吻合度。

　　至此我們通過資產(chǎn)多空模擬組合獲得了8個(gè)宏觀高頻因子，利用回歸方式將“不可交易”的宏觀原始指標(biāo)轉(zhuǎn)化為“高頻、具有擬合度、可交易”的宏觀因子收益率。

　?。ㄈ┎襟E二：計(jì)算資產(chǎn)的因子暴露度

　　得到高頻化宏觀因子后，接下來是搭建“因子”與“資產(chǎn)”的橋梁——資產(chǎn)的因子暴露，我們利用資產(chǎn)收益率對各因子收益率進(jìn)行時(shí)序線性回歸，回歸系數(shù)即為資產(chǎn)對因子的風(fēng)險(xiǎn)暴露程度。

　　作為一個(gè)時(shí)序回歸，自變量之間的低相關(guān)性與較低的多重共線性是回歸有效性的前提條件。PCA主成分因子直接從統(tǒng)計(jì)正交的方式形成了各個(gè)互不相關(guān)的因子，但根據(jù)經(jīng)濟(jì)邏輯與模擬組合合成的宏觀因子并不嚴(yán)格正交。

　　我們首先計(jì)算了各個(gè)因子的方差膨脹系數(shù)（VIF）。該方法可以檢驗(yàn)自變量的相互解釋程度。檢驗(yàn)結(jié)果發(fā)現(xiàn)，合成的各個(gè)宏觀因子方差膨脹系數(shù)均處于1.0~1.5之間；統(tǒng)計(jì)經(jīng)驗(yàn)值為VIF小于5，則說明因子間并不能交叉解釋，不存在明顯的多重線性。

　　再看因子相關(guān)系數(shù)，在2016年1月4日至2025年5月14日的時(shí)間區(qū)間上，除了利率因子與信用因子存在中等強(qiáng)度的負(fù)相關(guān)性（-0.5左右）以外，其余分屬于不同類別的宏觀因子之間相關(guān)性絕對值均小于0.1。

　　我們利用本文開篇的方程式（1）測算大類資產(chǎn)在上述宏觀因子上的風(fēng)險(xiǎn)暴露程度，其中的回歸系數(shù)bt?是資產(chǎn)對各個(gè)風(fēng)險(xiǎn)因子的暴露矩陣。

　　為了估計(jì)資產(chǎn)在宏觀因子上的暴露程度，我們用資產(chǎn)收益率對宏觀因子進(jìn)行帶約束的穩(wěn)健OLS回歸。約束條件為主觀識別資產(chǎn)類別與因子的因果關(guān)系，如權(quán)益、商品資產(chǎn)并不是信用因子（信用利差）的函數(shù)，因此我們僅在債券資產(chǎn)維度利用全部八因子進(jìn)行回歸，而其余資產(chǎn)使用不考慮信用因子的七因子回歸。

　　在具體回歸過程中，為了提升結(jié)果穩(wěn)健性，我們采用滾動Bootstrap抽樣方式進(jìn)行隨機(jī)采樣1000次回歸。滾動窗口期選擇每個(gè)時(shí)點(diǎn)的過去180天，每次以隨機(jī)起始點(diǎn)的60天跨度進(jìn)行回歸。

　　并且在匯總回歸結(jié)果中，為了排除異常值干擾，我們最終以回歸系數(shù)的中位數(shù)作為資產(chǎn)在各因子上的暴露值，并且優(yōu)先保留R方大于0.4方程的中位數(shù)，若單次回歸R方均小于0.4，則保留R方大于0.2方程的中位數(shù)。我們以2022年12月1日作為例子觀察資產(chǎn)的因子暴露矩陣。

　　從系數(shù)可知，A股資產(chǎn)代表滬深300與中證500在增長、流動性因子上有較高的正向暴露，并且滬深300對增長、消費(fèi)通脹因子的暴露值更高，而中證500對流動性因子的暴露值更高，說明中國權(quán)益資產(chǎn)收益與經(jīng)濟(jì)增長、消費(fèi)通脹因子的高頻收益率同向波動，并且大盤股相對中盤股對經(jīng)濟(jì)增長更敏感，而中盤股對流動性環(huán)境更敏感。港股資產(chǎn)代表恒生指數(shù)不僅對國內(nèi)增長、流動性等因子有較高的正向暴露，對匯率因子有著一定負(fù)向暴露。由于匯率因子的代理變量是美元指數(shù)日收益率，因而說明港股資產(chǎn)與美元指數(shù)呈負(fù)向關(guān)系。標(biāo)普500對于美國經(jīng)濟(jì)高頻因子有明顯的正向暴露。

　　債券資產(chǎn)方面，國債、企業(yè)債均在利率因子上呈負(fù)向暴露，國債系數(shù)絕對值更大，企業(yè)債還在信用因子上呈負(fù)向暴露。這種負(fù)向關(guān)聯(lián)對應(yīng)利率與信用利差上行對應(yīng)利率債券、信用債券價(jià)格下行，與常識相符。

　　商品方面，首先是貴金屬，COMEX黃金在匯率因子上有明顯負(fù)向暴露，提示黃金收益率與美元收益率總體上呈現(xiàn)負(fù)向關(guān)系。同時(shí)，黃金對美國經(jīng)濟(jì)增長因子亦呈一定負(fù)向暴露。

　　其余商品中，南華農(nóng)產(chǎn)品指數(shù)與南華滬銅指數(shù)均對國內(nèi)工業(yè)通脹呈明顯正向暴露，其次是對流動性因子亦有一定正向暴露，表明通脹上行、流動性改善環(huán)境下商品價(jià)格傾向于上行。布倫特原油期貨、南華滬銅指數(shù)還對匯率因子呈負(fù)向暴露，表明美元走軟時(shí)，油銅價(jià)格具有“計(jì)價(jià)”維度的支撐。

　　比較方程的R方大小可以觀察各個(gè)因子對資產(chǎn)價(jià)格的解釋力度。利率債資產(chǎn)的R方最大，達(dá)到0.93，其定價(jià)邏輯幾乎可以完全有利率因子解釋。企業(yè)債的擬合方程R方同樣達(dá)到0.57。兩者綜合說明債券資產(chǎn)被宏觀面所解釋的程度更高，并且歸因也較單一。滬深300與中證500同樣基本為宏觀驅(qū)動，擬合方程R方分別為0.60、0.86，但歸因來看涉及宏觀變量更廣泛，既涉及增長、通脹，也涉及流動性、利率等因子。

　　港股與美股資產(chǎn)的因子擬合方程R方分別為0.45、0.50，提示港股與美股資產(chǎn)的宏觀驅(qū)動成分相對中等，低于滬深300與中證500，也低于國內(nèi)債券資產(chǎn)。

　　布倫特原油期貨、美元兌人民幣中間價(jià)可被宏觀因子所解釋的力度同樣相對靠后，R方分別為0.43、0.44。這說明原油、人民幣匯率可能受到除宏觀因子體系以外的特質(zhì)性因子影響，比如OPEC+增產(chǎn)節(jié)奏、地緣風(fēng)險(xiǎn)，逆周期調(diào)節(jié)因子等。

　　簡單而言，該矩陣直觀顯示了資產(chǎn)對不同宏觀變量的敏感度，由于我們使用滾動窗口與隨機(jī)重抽樣方式確定系數(shù)，該風(fēng)險(xiǎn)暴露系數(shù)能捕捉到敏感度的時(shí)變動態(tài)特征，并且具有隨機(jī)檢驗(yàn)下的一般性特征。

　　（四）步驟三&四：以“風(fēng)險(xiǎn)平價(jià)”確定目標(biāo)風(fēng)險(xiǎn)暴露

　　在獲得因子風(fēng)險(xiǎn)暴露，第三步是確定資產(chǎn)組合應(yīng)該使用的目標(biāo)暴露。一種方式是采用“基準(zhǔn)+偏離”的做法在恒定權(quán)重的基準(zhǔn)暴露上做一定程度的因子偏離，比如利用Blyth最優(yōu)化框架在給定組合的因子目標(biāo)暴露后反推出達(dá)到目標(biāo)暴露對應(yīng)的資產(chǎn)權(quán)重。

　　另一種方式是類似于牛曉健（2021），將“因子”代替“資產(chǎn)”的角色代入風(fēng)險(xiǎn)平價(jià)框架，最優(yōu)化等式即為“因子風(fēng)險(xiǎn)平價(jià)”過程，最終回到資產(chǎn)層面解出符合因子風(fēng)險(xiǎn)平價(jià)的資產(chǎn)權(quán)重。本文是“全天候”策略的本土化測試，因此選擇后一種方法。

　　普通資產(chǎn)維度風(fēng)險(xiǎn)平價(jià)過程，就是讓各個(gè)資產(chǎn)對整個(gè)組合的風(fēng)險(xiǎn)貢獻(xiàn)相等的過程。若轉(zhuǎn)化宏觀因子風(fēng)險(xiǎn)平價(jià)，即是讓每一因子對整個(gè)組合的風(fēng)險(xiǎn)貢獻(xiàn)相等。若以收益率的標(biāo)準(zhǔn)差作為風(fēng)險(xiǎn)的度量。含有N個(gè)資產(chǎn)的整個(gè)組合風(fēng)險(xiǎn)可以表示為：

　　其中的某個(gè)資產(chǎn) i 的邊際風(fēng)險(xiǎn)（marginal risk contribution， MRC）為：

　　其中的某個(gè)資產(chǎn)i 對組合的風(fēng)險(xiǎn)貢獻(xiàn)度（Total Risk Contribution， TRC）等于“敏感度*資產(chǎn)權(quán)重”：

　　風(fēng)險(xiǎn)平價(jià)的過程，就是讓各個(gè)資產(chǎn)風(fēng)險(xiǎn)貢獻(xiàn)相等的過程，即每類資產(chǎn)的風(fēng)險(xiǎn)貢獻(xiàn)占組合風(fēng)險(xiǎn)的N分之一：

　　至此，傳統(tǒng)資產(chǎn)維度的風(fēng)險(xiǎn)平價(jià)即求解以下的優(yōu)化問題——最小化風(fēng)險(xiǎn)貢獻(xiàn)偏離目標(biāo)的平方和，風(fēng)險(xiǎn)貢獻(xiàn)偏離度，越小表示越接近風(fēng)險(xiǎn)平價(jià)。模型的輸入為N類資產(chǎn)的協(xié)方差矩陣，最優(yōu)配置下的權(quán)重為wi。一般情況下，風(fēng)險(xiǎn)平價(jià)模型并不存在解析解，通常為非線性數(shù)值解：

　　而宏觀因子風(fēng)險(xiǎn)平價(jià)則是通過實(shí)時(shí)變化的資產(chǎn)因子風(fēng)險(xiǎn)暴露矩陣（基于K個(gè)宏觀因子）將各個(gè)資產(chǎn)收益率進(jìn)行轉(zhuǎn)化和分解。其中，B為資產(chǎn)在宏觀因子上的風(fēng)險(xiǎn)暴露矩陣（n*k），S是對角矩陣（n*n），對角線上的每個(gè)元素就是對應(yīng)資產(chǎn)的殘差序列標(biāo)準(zhǔn)差，因此殘差序列矩陣。

　　而整個(gè)資產(chǎn)組合的收益率是新權(quán)重與各個(gè)資產(chǎn)收益率交乘：

　　進(jìn)一步，某一個(gè)因子j 對整個(gè)組合的風(fēng)險(xiǎn)貢獻(xiàn)度占比為：

　　其中的協(xié)方差矩陣

　　是因子協(xié)方差矩陣與單位陣的組合。

　　因子風(fēng)險(xiǎn)平價(jià)框架下各個(gè)因子風(fēng)險(xiǎn)貢獻(xiàn)相等，即每個(gè)因子的風(fēng)險(xiǎn)貢獻(xiàn)占組合風(fēng)險(xiǎn)的K分之一：

　　類似于上式（8），因子風(fēng)險(xiǎn)平價(jià)轉(zhuǎn)為求解以下的優(yōu)化問題，其中兩個(gè)常用的約束條件是資產(chǎn)權(quán)重為1；由于不能做空而資產(chǎn)權(quán)重大于0：

　　因此，宏觀因子風(fēng)險(xiǎn)平價(jià)框架是在“宏觀”維度均衡化風(fēng)險(xiǎn)，最終給出的投資組合配比方案使得組合風(fēng)險(xiǎn)被平均分配在不同宏觀因子上，也由此該方案理論上將具有更好的風(fēng)險(xiǎn)分散效果。

　　PART3?

　　宏觀因子風(fēng)險(xiǎn)平價(jià)策略回測結(jié)果

　?。ㄒ唬┹p量化配置模型：基于“增長+通脹”雙輪

　　我們首先來檢測“輕量化”的全天候配置結(jié)果，即只采用“增長、通脹”兩變量進(jìn)行分散配置。

　?。?）回測標(biāo)的：涉及股債商匯四大品種10類資產(chǎn)，分別為中證500、滬深300、恒生指數(shù)、中債企業(yè)債AA3-5財(cái)富總指數(shù)、中債國債7-10財(cái)富總指數(shù)、南華農(nóng)產(chǎn)品指數(shù)、南華滬銅指數(shù)、倫敦金現(xiàn)、布倫特原油期貨、美元兌人民幣中間價(jià)。

　?。?）策略基準(zhǔn)：以資產(chǎn)風(fēng)險(xiǎn)平價(jià)策略、全部資產(chǎn)等權(quán)重策略、波動率倒數(shù)加權(quán)策略作為三個(gè)比較基準(zhǔn)；

　?。?）調(diào)倉法則：月度再平衡，每月初利用新滾動窗口內(nèi)（比如6個(gè)月）樣本進(jìn)行風(fēng)險(xiǎn)平價(jià)優(yōu)化生成新的各資產(chǎn)配比倉位；

　　（4）回測區(qū)間：2016年1月1日-2025年6月9日。

　　從策略回測結(jié)果來看，2016年以來“增長+通脹”因子雙輪驅(qū)動的輕量化風(fēng)險(xiǎn)平價(jià)策略年化收益為7.7%，年化波動率為5.4%，夏普比率為1.14，最大回撤出現(xiàn)在2017年三季度，曾達(dá)8.5%。

　　而相同資產(chǎn)、相同時(shí)段，運(yùn)用簡單資產(chǎn)維度的風(fēng)險(xiǎn)平價(jià)策略年化收益為4.6%，年化波動率為1.5%，夏普比率為2.09，最大回撤為2.5%；

　　簡單的全資產(chǎn)等權(quán)重策略年化收益為4.8%，年化波動率為8.7%，夏普比率為0.38，最大回撤為14.2%；

　　按照過去6個(gè)月波動率倒數(shù)加權(quán)的策略年化收益為4.7%，年化波動率為1.7%，夏普比率為1.83，最大回撤為2.8%。

　　總結(jié)來看，首先，風(fēng)險(xiǎn)平價(jià)策略在國內(nèi)市場具備有效性。即便在收益端，三個(gè)基準(zhǔn)策略（等權(quán)、波動率加權(quán)、簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)）的年化收益相當(dāng)，但資產(chǎn)風(fēng)險(xiǎn)平價(jià)具有更占優(yōu)的風(fēng)險(xiǎn)調(diào)整后的收益，即最高的夏普比率。但簡單的資產(chǎn)風(fēng)險(xiǎn)平價(jià)組合穩(wěn)健有余，彈性不足，平價(jià)過程核心是通過降低組合波動來使得組合獲得更具優(yōu)勢的“夏普比率”，適合追求“穩(wěn)健”性的投資者。但以此獲得收益本身吸引力并不大，也正因此，簡單資產(chǎn)維度風(fēng)險(xiǎn)平價(jià)往往需要依賴“加杠桿”來放松一定波動率約束，來獲得增厚收益（詳見前期報(bào)告《解讀“全天候”策略》）。

　　其次，簡單的“增長、通脹”因子風(fēng)險(xiǎn)平價(jià)給出了一個(gè)不加杠桿的更優(yōu)收益實(shí)踐方式。該方案較簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)年化超額收益約3.1%；2020年以來的樣本年化超額收益約2.1%。而這種收益率的提升并沒有帶來波動率的大幅度提升，年化波動率仍維持在5%附近，兼顧了收益與風(fēng)險(xiǎn)。

　　此外，考慮到本身的風(fēng)險(xiǎn)平價(jià)過程是一個(gè)滿倉策略，對極端風(fēng)險(xiǎn)存在“脆弱性”，即我們前期報(bào)告《解讀“全天候”策略》指出“東方不亮西方亮”的前提假設(shè)是資產(chǎn)有輪動表現(xiàn)，風(fēng)險(xiǎn)平價(jià)并不適用于多資產(chǎn)共振下跌、相關(guān)性劇烈上升的情景。

　　因此，為了預(yù)防極端情形的發(fā)生，我們還假設(shè)資金的10%~15%始終配置現(xiàn)金，將剩下的資金用于“平價(jià)優(yōu)化”。雖然該處理方式下，年化收益均低于全倉優(yōu)化的方案（7.1%＜7.7%），但仍分別超過簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)、等權(quán)、波動率加權(quán)策略2.5%、2.3%、2.4%。

　　顆粒度更細(xì)致的分月度、分年度考察來看，簡單的“增長、通脹”因子風(fēng)險(xiǎn)平價(jià)在2016年以來多數(shù)年份跑贏簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)。其中2016年、2019年、2020年、較為明顯。近兩年兩者差距有所收窄，但因子風(fēng)險(xiǎn)平價(jià)仍具有大約年化0.5%~1.0%的優(yōu)勢。

　　從資產(chǎn)的明細(xì)權(quán)重來看，由于模型仍基于“風(fēng)險(xiǎn)平價(jià)”框架，波動率更低的債性資產(chǎn)仍在長時(shí)間序列上占大頭。自2016年以來的各資產(chǎn)權(quán)重顯示，債券資產(chǎn)平均權(quán)重為54.6%，其中利率債（以中債國債7-10財(cái)富總指數(shù)為代表）占比為20.9%，信用債（以中債企業(yè)債AA3-5財(cái)富總指數(shù)為代表）占比為33.8%；權(quán)益資產(chǎn)平均權(quán)重為10.2%，其中A股資產(chǎn)（滬深300+中證500）平均權(quán)重為5.2%，港股資產(chǎn)（恒生指數(shù)）平均權(quán)重為5.0%；商品資產(chǎn)（南華農(nóng)產(chǎn)品+南華滬銅+原油）平均權(quán)重為20.3%；黃金資產(chǎn)平均權(quán)重為5.7%。

　　縱向來看，近年A股、港股資產(chǎn)的權(quán)重提示有所上升，分別自2022年的0.1%、0.3%年均權(quán)重上升至2024年以來的3.1%、7.8%；而債券資產(chǎn)權(quán)重有所回落，利率債、信用債年均權(quán)重分別自2022年的40.5%、39.5%下降至2024年至今的28.6%、28.7%；黃金資產(chǎn)在2021年、2022年的年均權(quán)重僅為2.2%、1.6%，但2023年、2024年以來的平均權(quán)重上升至6.2%、4.4%。

　?。ǘ┤S配置模型：兼顧“增長、通脹、流動性”

　　接著我們來測試“三維因子”配置結(jié)果，其中BCI代表增長維度、PPI代表通脹維度、M1代表流動性維度。此外，我們還拆分通脹為工業(yè)通脹、消費(fèi)通脹因子進(jìn)行穩(wěn)健性檢驗(yàn)。

　　只要因子中不涵蓋“美國名義增長因子”，則我們回測標(biāo)的均為不涉及“標(biāo)普500”的10類資產(chǎn)——中證500、滬深300、恒生指數(shù)、中債企業(yè)債AA3-5財(cái)富總指數(shù)、中債國債7-10財(cái)富總指數(shù)、南華農(nóng)產(chǎn)品指數(shù)、南華滬銅指數(shù)、倫敦金現(xiàn)、布倫特原油期貨、美元兌人民幣中間價(jià)。

　　策略基準(zhǔn)、調(diào)倉法則以及回測區(qū)間均與“輕量化”的全天候配置模型結(jié)果保持一致。

　　從策略回測結(jié)果來看，2016年以來的“M1-BCI-PPI”三因子風(fēng)險(xiǎn)平價(jià)策略年化收益為9.0%，年化波動率為7.8%。夏普比率為0.96，與“BCI-PPI”的輕量化配置模型基本相當(dāng)，但收益更具優(yōu)勢。但該策略優(yōu)勢主要集中在2016年-2019年，2020年以來與簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)的收益基本相當(dāng)。

　　若拆分通脹為“工業(yè)通脹、消費(fèi)通脹”，則在2020年以來同樣具有8.4%的年化收益，主要在于規(guī)避了2020年上半年的大類資產(chǎn)價(jià)格較明顯回調(diào)的風(fēng)險(xiǎn)。

　　我們同樣測試了部分倉位始終維持現(xiàn)金的配置效果。若維持15%的現(xiàn)金倉位，則剩余85%的倉位進(jìn)行平價(jià)優(yōu)化后的策略年化收益自2016年以來為8.0%，較滿倉策略下降1.0個(gè)百分點(diǎn)。

　　同樣從顆粒度更細(xì)致的分月度、分年度考察來看，在“增長、通脹”基礎(chǔ)上融入了流動性的三維因子平價(jià)較簡單“增長、通脹”因子風(fēng)險(xiǎn)平價(jià)年度超額收益分布更為分散，并且同樣顯示，三維因子平價(jià)相較于簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)的超額優(yōu)勢主要集中在2020年之前，而近年來資產(chǎn)風(fēng)險(xiǎn)平價(jià)的效果更具優(yōu)勢。

　　從資產(chǎn)的明細(xì)權(quán)重來看，該模型在各個(gè)資產(chǎn)的分配權(quán)重與“增長+通脹”雙輪模型大體一致，但更為分散。

　　一則，債性資產(chǎn)仍占相對大頭，但較輕量化“增長+通脹”雙輪模型中的權(quán)重減少。2016年以來債券資產(chǎn)平均權(quán)重為47.8%（輕量化模型中的占比為54.6%），其中利率債（以中債國債7-10財(cái)富總指數(shù)為代表）占比為14.7%，信用債（以中債企業(yè)債AA3-5財(cái)富總指數(shù)為代表）占比為33.1%；

　　二則，權(quán)益資產(chǎn)仍占10%附近，但較輕量化“增長+通脹”雙輪模型中的權(quán)重增加，并且主要是其中的港股資產(chǎn)權(quán)重增加。2016年以來權(quán)益資產(chǎn)平均權(quán)重為13.8%，其中A股資產(chǎn)（滬深300+中證500）平均權(quán)重為5.0%，港股資產(chǎn)（恒生指數(shù)）平均權(quán)重為8.8%（輕量化模型中的占比為5.0%）。

　　三則，商品資產(chǎn)占比亦有所增加，而是否考慮國內(nèi)的流動性因子對黃金占比影響不大，基本仍維持在5.5%~6.0%附近。2016年以來的商品資產(chǎn)（南華農(nóng)產(chǎn)品+南華滬銅+原油）平均權(quán)重為24.9%（輕量化模型中的占比為20.3%）。

　　四則，縱向規(guī)律與輕量化模型近似，近年A股、港股資產(chǎn)權(quán)重同樣提示上升，分別自2022年的2.3%、3.7%年均權(quán)重上升至2024年以來的3.9%、12.5%；而債券資產(chǎn)權(quán)重有所回落，自2022年、2023年的83.8%、64.1%下降至2024年至今的44.5%；黃金資產(chǎn)在2021年、2022年的年均權(quán)重僅為0.1%、1.9%，但2023年、2024年以來的平均權(quán)重上升至8.5%、6.1%。

　?。ㄈV譜性配置模型：涵蓋七大宏觀因子

　　最后我們考察更具廣譜性的宏觀多因子配置結(jié)果，即不僅涵蓋增長、消費(fèi)通脹、工業(yè)通脹、宏觀流動性，還涵蓋了利率條件、匯率、信用利差。并且，我們還以是否加入“美國名義增長”分為兩套方案。如果加入“美國名義增長因子”，則回測標(biāo)的池中額外增加“標(biāo)普500”。策略基準(zhǔn)、調(diào)倉法則以及回測區(qū)間均與輕量化與三因子配置保持一致。

　　從策略回測結(jié)果來看，不考慮“美國名義增長因子”的宏觀多因子風(fēng)險(xiǎn)平價(jià)策略自2016年以來的年化收益為7.5%，年化波動率為4.0%，夏普比率為1.49。收益與輕量化配置模型相近，略低于三因子配置模型，但夏普更具優(yōu)勢（1.49 > 1.14 > 0.96）。

　　若加入標(biāo)普500，在收益與波動率均有所下降，夏普比率保持在1.4附近。

　　但無論何種多因子配置模型，2020年以來并不明顯跑贏簡單資產(chǎn)風(fēng)險(xiǎn)平價(jià)策略。顆粒度更細(xì)的分月度、分年度策略結(jié)果也顯示，多因子配置方案在2021年后與資產(chǎn)平價(jià)方案的超額收益趨于下降。

　　這與前兩者因子配置模型的信號類似，說明近年來在國內(nèi)運(yùn)用因子平價(jià)與簡單資產(chǎn)平價(jià)的差異趨于減小，可能反映了近年來國內(nèi)股債、商品、黃金等多資產(chǎn)因主要受宏觀因素驅(qū)動而本身就能反映某一類宏觀風(fēng)險(xiǎn)，資產(chǎn)間的相關(guān)性趨于下降。

　　換言之，近年以國內(nèi)股債融合黃金、商品等的大類資產(chǎn)池本身就對“風(fēng)險(xiǎn)平價(jià)”配置框架的適用性上升。

　　從資產(chǎn)的明細(xì)權(quán)重來看，債券類資產(chǎn)自2016年以來的占比是61.9%（輕量化配置模型、三因子配置模型分別是54.6%、47.8%），利率債占比37.8%、信用債占比24.1%；

　　權(quán)益類資產(chǎn)的占比下降到了5%附近，其中A股資產(chǎn)（滬深300+中證500）平均權(quán)重為2.2%，港股資產(chǎn)為3.4%。（輕量化配置模型、三因子配置模型分別是10.2%、13.8%）；

　　商品資產(chǎn)占比有所下降，“南華農(nóng)產(chǎn)品+南華滬銅+原油”三者自2016年以來的平均權(quán)重為14.6%（輕量化配置模型、三因子配置模型分別是20.3%、24.9%）。

　　黃金占比小幅抬升，自2016年以來的平均權(quán)重為6.7%（輕量化配置模型、三因子配置模型分別是5.7%、5.6%）。

　　縱向規(guī)律上也略有不同，近年權(quán)益資產(chǎn)權(quán)重變化不大，債券資產(chǎn)權(quán)重有所下降，商品與人民幣權(quán)重上升。2021、2022年債券資產(chǎn)權(quán)重分別為80.6%、71.9%，但2024年以來降至48.0%；匯率層面的人民幣權(quán)重從2020年的0.9%上升至2024年以來的30.7%；商品資產(chǎn)（南華農(nóng)產(chǎn)品+南華滬銅+原油）權(quán)重從2022年的5.1%上升至2024年以來的14.4%。

　　綜合來看，多因子風(fēng)險(xiǎn)平價(jià)配置模型回報(bào)在時(shí)序維度上更具有分散性，但相較“增長+通脹”、“增長+通脹+宏觀流動性”的三因子仍在債券資產(chǎn)上占有更多比重，并且近年來的分散化過程是向“非權(quán)益”資產(chǎn)分散，而前兩者則是向權(quán)益資產(chǎn)分散。

　　事實(shí)上，這也是在策略效果比較中，我們看到它波動率更低，具有三套因子配置模型中最高夏普（1.49 > 1.14 > 0.96）的原因。

　　PART4?

　　融合資產(chǎn)短期動量效應(yīng)：考慮半衰期

　?。ㄒ唬┌胨ゼ訖?quán)處理方式

　　回顧策略構(gòu)建過程發(fā)現(xiàn)，我們會在每個(gè)調(diào)倉期，使用過去180個(gè)交易日用于協(xié)方差估計(jì)，并進(jìn)行月度調(diào)倉，這隱含著風(fēng)格持續(xù)半年以上保持不變的假設(shè)。

　　事實(shí)上，近年來市場風(fēng)格短期變化劇烈，并不會維持很長的時(shí)間。因此，我們基于資產(chǎn)短期動量的思想，嘗試將資產(chǎn)的短期動量效應(yīng)應(yīng)用到協(xié)方差的估計(jì)上。

　　為了進(jìn)一步提升組合的風(fēng)險(xiǎn)調(diào)整后的收益情況，我們對大類資產(chǎn)的協(xié)方差矩陣進(jìn)行了半衰調(diào)整，賦予近期數(shù)據(jù)更高的權(quán)重。資產(chǎn)的波動率具有時(shí)變性和聚集性，當(dāng)一段時(shí)間內(nèi)的資產(chǎn)波動較大，未來一段時(shí)間往往跟著大的波動。對于歷史樣本數(shù)據(jù)，近期的資產(chǎn)收益率與波動率對當(dāng)下市場的影響更大?？紤]到波動率的時(shí)變性與聚集性，在對收益率矩陣的協(xié)方差矩陣進(jìn)行估計(jì)時(shí)，可以使用時(shí)間衰減加權(quán)法（半衰權(quán)重法）。

　　具體而言，以45個(gè)交易日為半衰節(jié)點(diǎn)，滾動計(jì)算180交易日里每45日的協(xié)方差矩陣，分別為；由于資產(chǎn)波動率具有自相關(guān)性與“聚集”效應(yīng)，即大波動后跟隨大波動，小波動與小波動聚集，近期的波動率（協(xié)方差矩陣）對當(dāng)下配置更為關(guān)鍵。因此，距離當(dāng)前的過去第一個(gè)“45日”協(xié)方差矩陣應(yīng)被賦予更高的權(quán)重，第二個(gè)“45日”協(xié)方差矩陣的權(quán)重相應(yīng)降低一些。我們將過去180個(gè)交易日的四個(gè)45交易日子矩陣分別賦予0.4、0.3、0.2、0.1的權(quán)重：

　?。ǘ┌胨ズ暧^因子風(fēng)險(xiǎn)平價(jià)策略回測結(jié)果

　　從策略結(jié)果來看，“增長+通脹”的輕量化模型、“增長+通脹+流動性”的三因子模型在半衰模式下可以分別提高0.1%、0.4%的年化收益；若考慮10%固定配置現(xiàn)金的限制，則半衰模式可以分別提高0.3%、0.5%的年化收益。但疊加動量效應(yīng)后，策略波動率也有所上升，兩類模型的夏普比率均有小幅下降，但仍均維持在1以上。換言之，疊加半衰期設(shè)置可以是一種不增加杠桿模式下的收益增厚方向。

　　廣譜性的多因子配置模型在半衰模式下的表現(xiàn)有所分化，不考慮“美國名義增長”因子的多因子平價(jià)策略年化收益較非半衰模式下降1.5%，而考慮了“美國名義增長”因子的方案則較非半衰模式上升了0.2%。但后者具有更出色風(fēng)險(xiǎn)調(diào)整后收益，夏普比率基本上突破了此前因子平價(jià)模型中的1.5上限。滿倉策略下，自2016年的夏普比率為1.68；若進(jìn)一步固定15%現(xiàn)金配置以應(yīng)對極端情形，則夏普比率為1.71。總結(jié)來看，多因子平價(jià)由于考慮風(fēng)險(xiǎn)因子更多，本身更具優(yōu)勢的就是風(fēng)險(xiǎn)調(diào)整后收益；而半衰期的作用是融合資產(chǎn)短期動量趨勢，是收益增強(qiáng)的一種方式，兩者綜合之后，使得多因子風(fēng)險(xiǎn)平價(jià)模型獲得較“輕量化”、“三因子”配置模型更優(yōu)的夏普比率。

　　分年度收益表現(xiàn)也可以看到，多因子配置模型在考慮了半衰期后每年的收益波動有所減少。月度收益表現(xiàn)也波動溫和，月度收益基本上維持在[-1%，1%]之間變動。

　　PART5

　　幾點(diǎn)思考

　　一則，宏觀因子風(fēng)險(xiǎn)平價(jià)模型的有效性前提是，大類資產(chǎn)是宏觀因子的線性函數(shù)，但事實(shí)上這更多是一種統(tǒng)計(jì)意義的簡化。宏觀因子與資產(chǎn)未來收益的關(guān)系同樣是時(shí)變、具有不確定性的，并且可能并不呈現(xiàn)簡單的線性特征。

　　二則，宏觀因子的高頻化方式可能存在缺陷。直接采用資產(chǎn)指數(shù)或者資產(chǎn)多空組合來表示更高頻的宏觀因子，參考的是類似于CAPM模型或者Fama多因子模型的構(gòu)造方式，比如任何股票都是市場寬基股指的線性函數(shù)。在單一市場內(nèi)部，該方式用市場指數(shù)代替市場風(fēng)險(xiǎn)兼具簡潔性和代表性；但拓寬至大類資產(chǎn)配置維度，權(quán)益資產(chǎn)本身作為一個(gè)整體，其與債券資產(chǎn)在增長因子上的暴露并不相同。

　　三則，宏觀因子風(fēng)險(xiǎn)平價(jià)的效果仍有待于增強(qiáng)，以及因子與資產(chǎn)的關(guān)系（風(fēng)險(xiǎn)暴露矩陣）的估算需要兼顧“動態(tài)性”與“穩(wěn)健性。前者可以嘗試進(jìn)一步對平價(jià)的基準(zhǔn)暴露進(jìn)行適當(dāng)偏離，或者融入其他擇時(shí)模型。后者仍有待于尋找更優(yōu)的方式估計(jì)因子與資產(chǎn)之間的“風(fēng)險(xiǎn)暴露矩陣”。從上文時(shí)序上的表現(xiàn)結(jié)果來看，因子風(fēng)險(xiǎn)平價(jià)在不同時(shí)期的效果存在一定差異，風(fēng)險(xiǎn)暴露矩陣的估計(jì)需要兼顧“動態(tài)性”；但滾動一定窗口期的傳統(tǒng)動態(tài)做法可能使得結(jié)果并不穩(wěn)健。

　　風(fēng)險(xiǎn)提示：一是回歸模型構(gòu)建基于歷史數(shù)據(jù)，可能在未來有較大經(jīng)濟(jì)沖擊或者市場改變時(shí)可能存在誤差；二是模型仍有待將各類參數(shù)進(jìn)行敏感性分析，提高策略的穩(wěn)健性；三是基本面層面可能存在明顯改變預(yù)期的事件，比如國內(nèi)地產(chǎn)政策效果不及預(yù)期；新一輪地方政府化債影響超預(yù)期；后續(xù)財(cái)政政策力度超預(yù)期等。