主被動結(jié)合的大類資產(chǎn)配置新思路：從宏觀友好度評分到BL模型觀點矩陣

類資產(chǎn)配置專題報告證券研究報告2024.03.11類資產(chǎn)配置專題報告證券研究報告2024.03.11大類資產(chǎn)配置研究報告作者廖靜池(分析師)從宏觀友好度評分到BL模型觀點矩陣——主被動結(jié)合的大類資產(chǎn)配置新思路本報告導(dǎo)讀：本文是融合主、被動大類資產(chǎn)配置研究方法的一次有價值的嘗試。我們以觀點矩陣為.主動分析框架：宏觀友好度評分指標(biāo)系的本質(zhì)是搭建宏觀經(jīng)濟(jì)預(yù)期與資產(chǎn)收益率預(yù)期間的映射關(guān)系?；趯ν顿Y時鐘和周期嵌套模型的理解，我們將某個經(jīng)濟(jì)體的某類短周期的環(huán)境壓力大小進(jìn)行量化，從而形成若干個具有鮮明周期特色的底層宏觀因子。然后綜合考慮相關(guān)性和經(jīng)濟(jì)學(xué)邏輯將多個底層宏觀因子合成為針對某類資產(chǎn)或風(fēng)格宏觀友好度評分指標(biāo)。即為各類資產(chǎn)定制了專屬的宏觀基本層面量化指標(biāo)，將宏觀經(jīng)濟(jì)一致預(yù)期“翻譯”為資產(chǎn)收益率的預(yù)期，成為設(shè)置BL模型主觀觀點矩陣的重要依據(jù)。.被動分析框架：量化配置模型可以幫助投資者進(jìn)行多資產(chǎn)比較和投資組合權(quán)重分配。1990年，高盛的FisherBlack和RobertLitterman對MVO進(jìn)行改進(jìn)，開發(fā)了Black-Litterman模型（簡稱BL模型并于1992年將其發(fā)表，后被業(yè)內(nèi)廣泛使用。BL模型采用貝葉斯理論將主觀觀點與量化配置模型有機(jī)結(jié)合起來，通過投資者對市場的分析預(yù)測資產(chǎn)收益，進(jìn)而優(yōu)化資產(chǎn)配置權(quán)重。含的對宏觀周期的展望融入到BL模型中。將宏觀友好度評分指標(biāo)系簡單加工形成主觀觀點，可以與量化配置中的Black-Litterman模型相結(jié)合。具體過程起始于將宏觀經(jīng)濟(jì)指標(biāo)一致預(yù)期轉(zhuǎn)化為宏觀友好度評分預(yù)期，再轉(zhuǎn)化為各大資產(chǎn)預(yù)期收益率，最后融入BL觀點矩陣。.結(jié)論和配置建議：探索了一條主、被動方法有機(jī)結(jié)合的大類資產(chǎn)配置研究新途徑。在可選資產(chǎn)包括權(quán)益（AH美日印德）、債券（中美）、商品、美元、黃金的情況下，引入包括匯率在內(nèi)的綜合宏觀友好度評分主觀觀點的BL模型策略在五年回測期內(nèi)表現(xiàn)顯著優(yōu)于其他對比策略。該策略年化收益率可達(dá)23.1%，夏普比率可以達(dá)到1.52。根據(jù)模型計算，當(dāng)前配置倉位集中在日本權(quán)益資產(chǎn)，反映了該資產(chǎn)階段性風(fēng)險收益比較高、與其他資產(chǎn)相關(guān)性較低、宏觀基本層面展望穩(wěn)定或向好等特征。.風(fēng)險因素：模型設(shè)計的主觀性，分析維度存在局限性，歷史與預(yù)期數(shù)據(jù)存在偏差，市場一致預(yù)期調(diào)整；黑天鵝事件等可能導(dǎo)致大類資產(chǎn)相關(guān)性增加，資產(chǎn)配置組合表現(xiàn)不佳；量化模型基于歷史數(shù)據(jù)構(gòu)建，而歷史規(guī)律存在失效風(fēng)險。證書編號證書編號王大霽(分析師)證書編號證書編號王子翌(分析師)證書編號證書編號張雪杰(分析師)證書編號證書編號朱惠東(研究助理)證書編號證書編號相關(guān)報告相關(guān)報告高處不勝寒：近期美股減持典型案例分析2024.03.112024.02.292024.02.212024.02.052024.01.29請務(wù)必閱讀正文之后的免責(zé)條款部分大類資產(chǎn)配置專題報告22of351.1.宏觀友好度評分指標(biāo)系將投資時鐘與宏觀因子進(jìn)行融合 31.2.底層宏觀因子是搭建各類資產(chǎn)友好度評分的原材料 42.BL配置模型回顧：通過主觀觀 82.1.均值-方差模型開啟了量化配置時代 82.2.BL模型改善了MVO模型實踐中 82.3.BL模型的主要實現(xiàn)步驟 9 92.3.2.第二步：投資者的主觀觀點 2.3.3.第三步：結(jié)合先驗分布和主觀觀點得到后驗分布 2.3.4.第四步：使用后驗分布求解投資權(quán)重 3.參考宏觀友好度評分指標(biāo)系設(shè)置BL模型觀點矩陣 3.1.大部分目標(biāo)資產(chǎn)直接根據(jù)宏觀友好度評分設(shè)定主觀觀點 3.2.根據(jù)美聯(lián)儲緊縮動力評分指標(biāo)對美債預(yù)期收益進(jìn)行評分 3.3.黃金相關(guān)觀點結(jié)合初級黃金公式框架進(jìn)行特殊處理 3.4.對于宏觀友好度評分指標(biāo)尚未完成的資產(chǎn)進(jìn)行留白處理 4.宏觀友好度評分觀點對大類配置方案提升明顯 4.3.引入?yún)R率的宏觀友好度觀點可再次提升BL模型效果 7.2.宏觀友好度評分對應(yīng)大類資產(chǎn)預(yù)期收益率 7.3.宏觀友好度BL模型策略資產(chǎn)配 7.4.引入?yún)R率的宏觀友好度觀點BL模型策略資產(chǎn)配置權(quán)重 大類資產(chǎn)配置專題報告33of35層面量化指標(biāo)1.1.宏觀友好度評分指標(biāo)系將投資時鐘與宏觀因子進(jìn)行融合主要采用自上而下的方法；針對第四層（行業(yè)輪動）研究則主要采用自基于對投資時鐘和周期嵌套模型的理解，我們將某個經(jīng)濟(jì)體的某類周期的環(huán)境壓力程度進(jìn)行量化，從而形成若干個具有鮮明周期特色的底層宏觀因子進(jìn)行逆序分位數(shù)處理，得到某類周期的宏觀友好度評分指標(biāo)（例評分指標(biāo)，依據(jù)相關(guān)關(guān)系和經(jīng)濟(jì)學(xué)邏輯合成為針對某類資產(chǎn)或風(fēng)格宏觀形成主觀觀點矩陣的重要依據(jù)。大類資產(chǎn)配置專題報告44of351.2.底層宏觀因子是搭建各類資產(chǎn)友好度評分的原材料底層宏觀因子是我們構(gòu)建各類風(fēng)格專屬宏觀友好度因子的原材料，也是下文的分析基礎(chǔ)。因子的構(gòu)建方式并不復(fù)雜，我們已在《如何以宏觀友的底層宏觀因子及對應(yīng)的周期友好度評分指標(biāo)未來一年的運行趨勢大（1）貨幣缺口指標(biāo)震蕩上行，對應(yīng)CN金融周期友好度震蕩下行；（7）KR滯銷指標(biāo)震蕩走平，對應(yīng)KR庫存周期友40200US金融周期友好度評分US庫存周期友好 大類資產(chǎn)配置專題報告底層宏觀因子的預(yù)測數(shù)據(jù)基于市場宏觀一致預(yù)期數(shù)據(jù)計算得到，具體計表1：底層宏觀因子預(yù)測方法說明宏觀周期宏觀因子底層指標(biāo)宏觀因子計算方式預(yù)測方式PMI生產(chǎn)、PMI庫存(PMI庫存－50)－(PMI生產(chǎn)－50)使用彭博提供的GDP與工業(yè)增加值宏觀一致預(yù)期數(shù)據(jù)并進(jìn)行擬PMI生產(chǎn)、PMI庫存(PMI庫存－50)－(PMI生產(chǎn)－50)使用彭博提供的GDP與工業(yè)增加值宏觀一致預(yù)期數(shù)據(jù)并進(jìn)行擬印度制造業(yè)展望生產(chǎn)增加、印度制造業(yè)展望生產(chǎn)降低、印度制造業(yè)展望庫存增加、印度制造業(yè)展望庫存減少度制造業(yè)展望生產(chǎn)降低）－（印度制造業(yè)展望庫存增加－印度制使用彭博提供的工業(yè)增加值宏觀一致預(yù)期數(shù)據(jù)進(jìn)行擬合預(yù)測。韓國庫存周期BSI生產(chǎn)、BSI庫存BSI庫存－BSI生產(chǎn)采用庫存滯銷指標(biāo)對韓國工業(yè)生產(chǎn)指數(shù)、韓國出口同比、OECD綜合領(lǐng)先指標(biāo)G7主成分的滯后項、庫存滯銷指標(biāo)滯后項直接使用彭博與萬得提供的社融與M2宏觀一致預(yù)期數(shù)據(jù)。10年期TIPS收益率10年期TIPS收益率以美聯(lián)儲緊縮動力評分指標(biāo)的領(lǐng)先性對未來6個月的數(shù)據(jù)進(jìn)行擬合預(yù)測，而對于未來7-12個月則使用彭博提供的美債名義利率與通脹宏觀一致預(yù)期數(shù)據(jù)進(jìn)行擬合預(yù)測。10年期印度國債收益率10年期印度國債收益率－印度主要使用實際利率指標(biāo)的領(lǐng)先性進(jìn)行預(yù)測，其余部分使用彭博提供的名義利率與CPI通脹宏觀一致預(yù)期數(shù)據(jù)進(jìn)行預(yù)測。制造業(yè)PMI、CPI、PPI根據(jù)波動率調(diào)和加權(quán)的通脹－制使用彭博提供的GDP與工業(yè)增加值宏觀一致預(yù)期數(shù)據(jù)并進(jìn)行擬制造業(yè)PMI、CPI、PPI根據(jù)波動率調(diào)和加權(quán)的通脹－制使用彭博提供的GDP與工業(yè)增加值宏觀一致預(yù)期數(shù)據(jù)并進(jìn)行擬工作。參考報告宏觀友好度構(gòu)建方法《如何以宏觀友好度評分輔助權(quán)益?zhèn)}位管理》+50%×滯銷指標(biāo)+20%×滯脹指標(biāo)幣的相對力度，其逆序百分位數(shù)為CN金融周大類資產(chǎn)配置專題報告66of35為美林周期友好度評分。評分越高，中國經(jīng)濟(jì)的《擇木而棲：A股和港股輪2、HK宏觀友好度=67%×CN庫存周期友好度評分+33%×US金融周期友好度評分《宏觀友好度視角下的中滯銷指標(biāo)+25%×滯脹指標(biāo)3、10Y美國國債實際利率反映美聯(lián)儲貨幣政策的寬松程觀友好度評分指標(biāo)》（2024＝（）－（－（《印度權(quán)益資產(chǎn)配置展望：＝（業(yè)展望生產(chǎn)降低）－（印度制造業(yè)展望庫存增加－印度制3、IN宏觀友好度評分=0.50×IN庫存周期友好度評分《債市牛熊背后的周期線逆序百分位數(shù)。評分越高，中國債券資產(chǎn)獲得正回報的概大類資產(chǎn)配置專題報告77of35（TIPS）《美債實際利率中期向下1、美聯(lián)儲緊縮動力評分=f(-4×失業(yè)率指標(biāo)+5×居民通脹指個月，且解釋力度較強(qiáng)，在中長周期維度可以較好擬合和存周期友好度評分+0.2×中國庫存周期友好度評分（滯后《人民幣兌美元匯率即將該評分在中長周期維度可以較好擬合和預(yù)測離岸人民幣《印度盧比兌美元匯率的參數(shù)對2010年第一季度至2022年第四季度數(shù)據(jù)進(jìn)行HP濾波以平滑曲線并進(jìn)行標(biāo)準(zhǔn)化處理，最后對數(shù)據(jù)取逆0.5×US金融周期友好度評分上述宏觀友好度評分指標(biāo)僅描述了各類資產(chǎn)以當(dāng)?shù)刎泿庞媰r的表現(xiàn)預(yù)期，對于使用人民幣配置各類海外資產(chǎn)的投資者而言，如果對于海外資產(chǎn)進(jìn)行外匯風(fēng)險敞口的完全對沖，則直接使則需綜合匯率宏觀友好度評分，對海外資產(chǎn)未來表對以人民幣計價的印度股票預(yù)期收益率進(jìn)行判斷。大類資產(chǎn)配置專題報告2.BL配置模型回顧：通過主觀觀點改進(jìn)MVO模型散風(fēng)險，平抑波動，往往需要進(jìn)行多資產(chǎn)投資，而量化資產(chǎn)配置模型的使用可以幫助投資者進(jìn)行多資產(chǎn)比較和投資組合權(quán)重分配。國泰君安量馬科維茨（HarryMarkowitz）在19將大類資產(chǎn)投資帶入到量化配置時代。自此，分散化配置資產(chǎn)以降低整于中長期資金投資，幫助機(jī)構(gòu)投資者進(jìn)行多資產(chǎn)比較和投資組合權(quán)重分2.1.均值-方差模型開啟了量化配置時代組合和有效前沿等概念，以簡明的方式解釋了資產(chǎn)分散化的意義。在均在無風(fēng)險資產(chǎn)和均值-方差模型有效資產(chǎn)組合中選出最適合投資者風(fēng)險MVO模型是大類資產(chǎn)配置理論的重要基礎(chǔ)，其突出貢獻(xiàn)在于1）提出了“約束+最優(yōu)解”的標(biāo)準(zhǔn)范式來研究資產(chǎn)配置問題2）采用均值風(fēng)險與收益，指出最優(yōu)的投資組合并非單純追求最高收益或最小風(fēng)險，而是在兩者之間找到平衡。均值-方差模型Markowitz提出的均值-方差模型基于以下幾個假設(shè)：4)投資者是風(fēng)險厭惡的，并希望讓投資組合風(fēng)險最小，收益最大。5)投資者基于預(yù)期收益和收益的標(biāo)準(zhǔn)差或方差做出投資決策。2.2.BL模型改善了MVO模型實踐中的不足如作為模型輸入?yún)?shù)的資產(chǎn)期望收益率難以準(zhǔn)確估計，實際應(yīng)用效果大打折扣；模型計算結(jié)果對輸入?yún)?shù)，尤其是預(yù)期收益率非常敏感，使得大類資產(chǎn)配置專題報告99of35貝葉斯理論將主觀觀點與量化配置模型有機(jī)結(jié)合起來，通過投資者對市Black-Litterman模型的基本原理是基于先驗的收益率分布，結(jié)合投對收益的預(yù)期，兩者結(jié)合之后，得到新的結(jié)合后的分布，然后在此分布市場均衡權(quán)重為起點，通過投資者對市場的主觀觀點調(diào)整預(yù)期收益，再使用MVO的優(yōu)化框架得到投資組合。其基本邏輯是益等于市場均衡收益和投資者主觀期望收益的加權(quán)平均，如果投資者對自己的主觀觀點信心很大，則主觀的期望收益就會被賦予較大的權(quán)重，資產(chǎn)的期望收益就會向主觀期望收益靠攏；反之，如果投資者對自己主的理論推導(dǎo)與實現(xiàn)細(xì)節(jié)可以參考國泰君安量化配置團(tuán)隊研究報告《手把2.3.BL模型的主要實現(xiàn)步驟；（；（觀觀點分布結(jié)合，使用貝葉斯方法計算得到資產(chǎn)預(yù)期收益的后驗估計；未來實際收益率背后，我們只能通過對μ進(jìn)行估計，得到收益率估計π。大類資產(chǎn)配置專題報告Um=wmTΠ?wmTΣwm，2其大小設(shè)定影響了主觀觀點對模型的影響程度，τ越大，表明投資者的則2.3.2.第二步：投資者的主觀觀點（1992）假設(shè)，不同投資觀點之間是沒有影響，不相關(guān)的。故Ω是一個對角陣，其對角線上每一個元素是觀點誤差的方差，反映了投資者對該說明投資者對當(dāng)前市場狀態(tài)已經(jīng)有了一定認(rèn)識，所以主觀觀點的分布是已知資產(chǎn)的先驗分布下的形成的條件分布。此時的觀點分布服從條件正P(B|A)~N(Q,Ω)大類資產(chǎn)配置專題報告P(B|A)~N(P?1Q,[PTΩ?1P]?1)2.3.3.第三步：結(jié)合先驗分布和主觀觀點得到后驗分布P(A|B)~N(,)r~N(,)圖3：先驗分布和主觀觀點結(jié)合得到后驗分布的過程圖（第一至三步）樣本協(xié)方差矩陣樣本協(xié)方差矩陣風(fēng)險厭惡系數(shù)市值權(quán)重觀點收益矩陣觀點誤差矩陣逆向優(yōu)化得到市場均衡收益和主觀觀點結(jié)合得到后驗預(yù)期收益分布數(shù)據(jù)來源：ASTEP-BY-STEPGUIDETOTHEBLACK-LITTERMANMODE(Idzorek,T.2007)大類資產(chǎn)配置專題報告把經(jīng)過BL模型求出的后驗收益率估計和協(xié)方差矩陣帶入均值-方maxwTw?wTw考慮實際投資中面臨限制，在上式最優(yōu)化問題中常用的約束條件有賣空圖4：Black-Litterman模型與MVO模型步驟對比數(shù)據(jù)來源：國泰君安證券研究大類資產(chǎn)配置專題報告3.參考宏觀友好度評分指標(biāo)系設(shè)置BL模型觀點矩陣本文的目的是將國泰君安主動配置團(tuán)隊搭建與維護(hù)的宏觀友好度評分在本文第一章中，我們介紹了國泰君安主動配置團(tuán)隊如何利用底層宏觀因子構(gòu)建各類資產(chǎn)、風(fēng)格專屬宏觀友好度的研究框架。下面3.1.大部分目標(biāo)資產(chǎn)直接根據(jù)宏觀友好度評分設(shè)定主觀觀點關(guān)于可投資的大類資產(chǎn)范圍，我們假設(shè)國內(nèi)對于上述資產(chǎn)，我們直接依據(jù)宏觀友好度評分指標(biāo)定量設(shè)定觀點矩陣。致）預(yù)期數(shù)據(jù)，這比獲得歷史宏觀實際數(shù)據(jù)難度大很多。替代的回測方案有兩種，其一是基于歷史報告進(jìn)行“casebycase”的案例分析，缺點是可供案例分析的時間點過于離散，且主觀性過強(qiáng)。其二是在后視鏡中將某資產(chǎn)的宏觀友好度評分的歷史實際值視同為某種100%正確的預(yù)測進(jìn)行回測，缺點是即使回測效果非常好，也僅能說明正確的宏觀分析具有增益效果，而我們知道宏觀預(yù)測的難度是較大的。本次由于歷史數(shù)據(jù)所限，我們暫時先采用第二種方案進(jìn)行回測，主要考慮是數(shù)據(jù)的客觀性、連貫性，以及實踐中宏觀預(yù)測的勝率可以通過修正一致預(yù)期和提高修正大類資產(chǎn)配置專題報告預(yù)期收益率(宏觀友好度評分)這一設(shè)置可以較好體現(xiàn)主觀觀點的邏輯性，在后文的策略回測中也表現(xiàn)定形式，簡化BL模型所需的輸入變量。對于宏觀友好度評分用者和BL模型的初學(xué)者非常便利，同時也便于投資者在宏觀做法1）與資產(chǎn)先驗協(xié)方差矩陣成正比2）使用置信區(qū)間3）使用因子模型殘差的方差4）使用Idzorek（2005）方法。本篇報告我3.2.根據(jù)美聯(lián)儲緊縮動力評分指標(biāo)對美債預(yù)期收益進(jìn)行評分日發(fā)布的《美債實際利率中期向下拐點將于春季確認(rèn)》研究報告中提出美聯(lián)儲緊縮動力評分=f(-0.5×失業(yè)率指標(biāo)+0.6×居民通脹指標(biāo)+0.3×景氣利率往往低于美債名義利率，若需要預(yù)測美債名義利率還需加上通脹預(yù)我們使用美聯(lián)儲緊縮動力評分指標(biāo)的逆序百分位數(shù)作為近似美債預(yù)期3.3.黃金相關(guān)觀點結(jié)合初級黃金公式框架進(jìn)行特殊處理黃金作為一種特殊的資產(chǎn)，其價格由避險需求和保值需求共同決定，其大類資產(chǎn)配置專題報告可以用實際金價與初級黃金公式計算出的理論基礎(chǔ)金價之差推測，某些金價格中包含的避險需求占比處于歷史高位。圖5：黃金實際價格隱含風(fēng)險溢價處于歷史高位400.0200.00.0這為黃金收益率預(yù)測帶來更大的難度，也使得宏觀友好度評分指標(biāo)不能險需求(風(fēng)險溢價)在預(yù)測期內(nèi)維持當(dāng)前水平，根據(jù)黃金保值需求（基本金6個月移動平均月漲跌幅對CRB商品宏觀友好度評分R指標(biāo)和美聯(lián)儲緊縮動力評分指標(biāo)進(jìn)行回歸，得到：COMEX黃金6M?MA收益率我們使用該線性模型對黃金收益率進(jìn)行估計，為了與其他資產(chǎn)觀點保持統(tǒng)一，我們使用線性回歸模型預(yù)測收益率的順序百分位數(shù)作為簡化版黃3.4.對于宏觀友好度評分指標(biāo)尚未完成的資產(chǎn)進(jìn)行留白處理大類資產(chǎn)配置專題報告宏觀友好度評分及宏觀友好度評分所對應(yīng)的預(yù)期收益率詳細(xì)數(shù)據(jù)參見4.宏觀友好度評分觀點對大類配置方案提升明顯4.1.資產(chǎn)選擇和模型主要參數(shù)設(shè)定主觀觀點構(gòu)建完成后，我們開始使用BL模型構(gòu)建月度資產(chǎn)配置策略。無風(fēng)險利率設(shè)定為貨幣基金指數(shù)。我們每月末使用BL模型對各類資產(chǎn)說明：海外資產(chǎn)均經(jīng)過人民幣計價調(diào)整。代表指數(shù)構(gòu)建方式萬得全A由京滬深三地交易所全部A股組成，指數(shù)以萬得代表印度股市的表現(xiàn)，包含了孟買證券交易所上市的30家主要代表了在法蘭克福證券交易所上市的達(dá)到一定實力和盈利能力的該指數(shù)成份券由銀行間市場、柜臺以及交易所市場流通的記賬式也是中債指數(shù)應(yīng)用最廣泛指數(shù)之一追蹤以美元計價的債券的總回報表現(xiàn)，包括利息收入和值變動。它涵蓋了多種類型的債券，包括政府債、企業(yè)債、高收益?zhèn)龋峭顿Y者評估美元計價債券市場整體表現(xiàn)的一個重要工一個衡量全球商品市場表現(xiàn)的指數(shù)，包括了能源、金屬、農(nóng)產(chǎn)品指中國人民銀行公布的美元對人民幣的交易中間價，反映了人民紐約商品交易所(隸屬于芝加哥商業(yè)交易所集團(tuán))中的一個交易品種，經(jīng)常被稱為紐約金，屬于美式黃金交易。大多以買賣期貨及大類資產(chǎn)配置專題報告在這里我們沿用了國泰君安量化配置團(tuán)隊研究報告《手把手教你實現(xiàn)表4：Black-Litterman模型參數(shù)設(shè)定方法2019/01/2-2024/02/29每月月末最后一個交易日投資范圍主觀觀點構(gòu)建方法無無4.2.引入主觀觀點后BL模型策略效果得到提升益率，歷史動量的使用可能對策略表現(xiàn)起到較大影響，在該策略中通過策略回測對比可以發(fā)現(xiàn)，引入宏觀友好度主觀觀點的BL模大類資產(chǎn)配置專題報告22此外，為了保障模型策略的適用性和可對比好度觀點BL模型策略年化收益可以達(dá)到29.3%，但放開做空限制后策略波動增加，夏普比率下降至0.50。圖6：宏觀友好度觀點BL模型策略表現(xiàn)優(yōu)于對比策略，年化收02018-12-282019-12-282020-12-282021-12-282022-12-282023-12-28表5：宏觀友好度觀點BL模型策略的分年表現(xiàn)整體優(yōu)于兩類對比策略策略策略名稱等權(quán)參照組合BL模型-1M平均收益觀點BL模型-宏觀友好度觀點年份年份年化最大年化夏普年化最大年化夏普年化最大年化夏普201920202021202220232024合計4.3.引入?yún)R率的宏觀友好度觀點可再次提升BL模型效果上述測試結(jié)果可以說明宏觀友好度評分指標(biāo)大類資產(chǎn)配置專題報告對于美元以外的各類外幣資產(chǎn)而言，匯率波動因素是影響最終本幣計價回報率進(jìn)行反映。在本節(jié)中，我們對觀點矩陣進(jìn)行再次調(diào)整加工，將外幣資產(chǎn)宏觀友好度與其對應(yīng)的外幣匯率宏觀友好度進(jìn)行加權(quán)組合，再次表‘：引入?yún)R率的宏觀友好度觀點構(gòu)建：將各類資產(chǎn)宏觀友好度結(jié)合對應(yīng)外幣匯率友好度代表指數(shù)構(gòu)建方式分所對應(yīng)的預(yù)期收益率×0.5分所對應(yīng)的預(yù)期收益率×0.5分所對應(yīng)的預(yù)期收益率×0.5引入?yún)R率的宏觀友好度觀點BL模型策略配置比例數(shù)據(jù)參見附錄7.4表大類資產(chǎn)配置專題報告2020of3521210策略策略名稱等權(quán)參照組合BL模型-1M觀點BL模型-宏觀友好度觀點BL模型-引入?yún)R率的宏觀友好度觀點年份年份年化收益最大回撤年化波動夏普比率年化收益最大回撤年化波動夏普比率年化收益最大回撤年化波動夏普比率年化收益最大回撤年化波動夏普比率20192.482.622.1720200.340.602.0920210.4720220.5720230.7920245.065.06合計0.570.63點是即使回測效果非常好，也僅能說明正確的宏觀分析對資產(chǎn)配置具有增益效果。好在，宏觀經(jīng)濟(jì)數(shù)據(jù)預(yù)測并不是配置研究團(tuán)隊的核心工作，投資者在實踐中首先可以通過選擇采信長期勝率更高的以通過持續(xù)修正觀點貝葉斯式地逼近事實。作為配置研究團(tuán)隊，我們的大類資產(chǎn)配置專題報告2121of35主要工作是為投資者提供一個邏輯簡單清晰又可不斷優(yōu)化的主客觀結(jié)5.結(jié)論與配置建議本篇報告是我們將主動配置觀點融合配置量化模型研究系列的第一篇報告。報告簡單介紹了主動配置宏觀友好度評分指標(biāo)系的構(gòu)建方法和底后將主動配置宏觀友好度觀點融入BL模型，通過策略回測的方法驗證了宏觀基本維度量化思想對于提升大類資產(chǎn)配置模型效果的一定作用。大類資產(chǎn)配置專題報告2222of356.參考文獻(xiàn)Incorporatinguser-specifiedconfidencelevels.InForecastingexpectedreturnsinthefinancialmarkeportfolios.GoldmanSachsInvestmen2323of357.附錄7.1.大類資產(chǎn)宏觀友好度評分A股美股H股印股中債美債商品黃金RMB升值動力INR升值動力2012/1/312012/2/292012/3/302012/4/272012/5/312012/6/292012/7/312012/8/312012/9/282012/10/312012/11/302012/12/312013/1/312013/2/282013/3/292013/4/262013/5/312013/6/282013/7/312013/8/302013/9/302013/10/312013/11/292013/12/312014/1/302014/2/282014/3/312014/4/302014/5/302014/6/302014/7/312014/8/292014/9/302014/10/312014/11/282014/12/312015/1/302424of352015/2/272015/3/312015/4/302015/5/292015/6/302015/7/312015/8/312015/9/302015/10/302015/11/302015/12/312016/1/292016/2/292016/3/312016/4/292016/5/312016/6/302016/7/292016/8/312016/9/302016/10/312016/11/302016/12/302017/1/262017/2/282017/3/312017/4/282017/5/312017/6/302017/7/312017/8/312017/9/292017/10/312017/11/302017/12/292018/1/312018/2/282018/3/302018/4/272018/5/312018/6/292018/7/312018/8/312018/9/282018/10/312525of352018/11/302018/12/282019/1/312019/2/282019/3/292019/4/302019/5/312019/6/282019/7/312019/8/302019/9/302019/10/312019/11/292019/12/312020/1/232020/2/282020/3/312020/4/302020/5/292020/6/302020/7/312020/8/312020/9/302020/10/302020/11/302020/12/312021/1/292021/2/262021/3/312021/4/302021/5/312021/6/302021/7/302021/8/312021/9/302021/10/292021/11/302021/12/312022/1/282022/2/282022/3/312022/4/292022/5/312022/6/302022/7/29大類資產(chǎn)配置專題報告2626of352022/8/312022/9/302022/10/312022/11/302022/12/302023/1/312023/2/282023/3/312023/4/282023/5/312023/6/302023/7/312023/8/312023/9/282023/10/312023/11/302023/12/292024/1/312024/2/292024/3/312024/4/302024/5/312024/6/302024/7/317.2.宏觀友好度評分對應(yīng)大類資產(chǎn)預(yù)期收益率美股美債商品黃金美元2727of352828of35大類資產(chǎn)配置專題報告2929of35大類資產(chǎn)配置專題報告3030of357.3.宏觀友好度BL模型策略資產(chǎn)配置權(quán)重表10：宏觀友好度BL策略各期資產(chǎn)配時間A股881001.WI美股SPX.GI港股HSI.HIN225.GI印股SENSEX.BO德股GDAXI.GI中債CBA00601.CS美債IOVROV.GI商品CRB.RB美元USDCNY.EX黃金GC.CMX2018/12/280%0%0%0%0%0%0%0%0%100%0%2019/1/310%0%0%0%0%0%0%0%0%100%0%2019/2/280%0%0%0%0%0%0%100%0%0%0%2019/3/290%0%0%0%0%0%0%100%0%0%0%2019/4/300%0%0%0%0%0%0%100%0%0%0%2019/5/310%0%0%0%0%0%0%100%0%0%0%2019/6/280%0%0%0%0%0%0%100%0%0%0%2019/7/310%0%0%0%0%0%0%100%0%0%0%2019/8/300%0%0%0%0%0%0%100%0%0%0%2019/9/300%0%0%0%0%0%100%0%0%0%0%2019/10/310%0%0%0%0%0%85%15%0%0%0%2019/11/290%0%0%0%0%0%100%0%0%0%0%2019/12/310%0%0%0%0%0%100%0%0%0%0%2020/1/230%0%0%0%0%0%100%0%0%0%0%2020/2/2870%0%0%0%0%0%0%30%0%0%0%2020/3/3183%0%0%0%0%0%0%17%0%0%0%2020/4/3072%28%0%0%0%0%0%0%0%0%0%2020/5/290%100%0%0%0%0%0%0%0%0%0%2020/6/3039%61%0%0%0%0%0%0%0%0%0%2020/7/310%100%0%0%0%0%0%0%0%0%0%2020/8/310%100%0%0%0%0%0%0%0%0%0%2020/9/300%100%0%0%0%0%0%0%0%0%0%2020/10/300%100%0%0%0%0%0%0%0%0%0%2020/11/300%100%0%0%0%0%0%0%0%0%0%2020/12/310%100%0%0%0%0%0%0%0%0%0%2021/1/290%100%0%0%0%0%0%0%0%0%0%2021/2/260%100%0%0%0%0%0%0%0%0%0%2021/3/310%100%0%0%0%0%0%0%0%0%0%2021/4/300%100%0%0%0%0%0%0%0%0%0%2021/5/310%100%0%0%0%0%0%0%0%0%0%2021/6/300%100%0%0%0%0%0%0%0%0%0%2021/7/300%100%0%0%0%0%0%0%0%0%0%2021/8/310%100%0%0%0%0%0%0%0%0%0%2021/9/300%100%0%0%0%0%0%0%0%0%0%2021/10/290%100%0%0%0%0%0%0%0%0%0%2021/11/300%100%0%0%0%0%0%0%0%0%0%2021/12/310%100%0%0%0%0%0%0%0%0%0%2022/1/280%0%0%0%0%0%20%0%80%0%0%2022/2/280%0%0%0%0%0%0%0%100%0%0%3131of352022/3/310%0%0%0%0%0%100%0%0%0%0%2022/4/290%0%0%0%0%0%100%0%0%0%0%2022/5/310%0%0%0%0%0%100%0%0%0%0%2022/6/300%0%0%0%0%0%100%0%0%0%0%2022/7/290%0%0%0%0%0%100%0%0%0%0%2022/8/310%0%0%0%0%0%100%0%0%0%0%2022/9/300%0%0%0%0%0%100%0%0%0%0%2022/10/310%0%0%0%0%0%100%0%0%0%0%2022/11/300%0%0%0%0%0%100%0%0%0%0%2022/12/3021%0%0%0%0%0%79%0%0%0%0%2023/1/31100%0%0%0%0%0%0%0%0%0%0%2023/2/280%0%0%0%0%0%100%0%0%0%0%2023/3/3131%0%0%0%0%0%69%0%0%0%0%2023/4/2844%0%0%0%0%0%56%0%0%0%0%2023/5/3167%0%0%0%0%0%33%0%0%0%0%2023/6/309%0%0%0%0%0%91%0%0%0%0%2023/7/310%0%0%0%0%0%100%0%0%0%0%2023/8/310%0%0%56%0%0%44%0%0%0%0%2023/9/280%0%0%53%0%0%47%0%0%0%0%2023/10/310%0%0%56%0%0%44%0%0%0%0%2023/11/300%0%0%100%0%0%0%0%0%0%0%2023/12/290%0%0%100%0%0%0%0%0%0%0%2024/1/310%0%0%100%0%0%0%0%0%0%0%2024/2/290%0%0%100%0%0%0%0%0%0%0%7.4.引入?yún)R率的宏觀友好度觀點BL模型策略資產(chǎn)配置權(quán)重時間A股881001.WI美股SPX.GI港股HSI.HIN225.GI印股SENSEX.BO德股GDAXI.GI中債CBA00601.CS美債IOVROV.GI商品CRB.RB美元USDCNY.EX黃金GC.CMX2018/12/280%0%0%0%0%0%0%100%0%0%0%2019/1/310%0%0%0%0%0%0%100%0%0%0%2019/2/280%0%0%0%0%0%0%100%0%0%0%2019/3/290%0%0%0%0%0%0%100%0%0%0%2019/4/300%0%0%0%0%0%0%100%0%0%0%2019/5/310%0%0%0%0%0%0%100%0%0%0%2019/6/280%0%0%0%0%0%0%100%0%0%0%2019/7/310%0%0%0%0%0%0%100%0%0%0%2019/8/300%0%0%0%0%0%0%100%0%0%0%2019/9/300%0%0%0%0%0%2%98%0%0%0%2019/10/310%0%0%0%0%0%0%100%0%0%0%2019/11/290%0%0%0%0%0%52%48%0%0%0%2019/12/310%0%0%0%0%0%100%0%0%0%0%3232of352020/1/230%0%0%0%0%0%100%0%0%0%0%2020/2/2852%0%0%0%0%0%0%48%0%0%0%2020/3/3134%0%0%0%0%0%66%0%0%0%0%2020/4/30100%0%0%0%0%0%0%0%0%0%0%2020/5/29100%0%0%0%0%0%0%0%0%0%0%2020/6/30100%0%0%0%0%0%0%0%0%0%0%2020/7/31100%0%0%0%0%0%0%0%0%0%0%2020/8/3183%17%0%0%0%0%0%0%0%0%0%2020/9/300%43%0%47%0%0%0%0%0%0%10%2020/10/300%0%0%100%0%0%0%0%0%0%0%2020/11/300%0%0%100%0%0%0%0%0%0%0%2020/12/310%40%0%60%0%0%0%0%0%0%0%2021/1/290%83%0%0%0%0%0%0%0%15%2021/2/260%56%0%44%0%0%0%0%0%0%0%2021/3/310%69%0%0%7%0%0%0%0%0%25%2021/4/300%59%0%0%0%0%0%0%0%0%41%2021/5/310%56%0%0%28%0%0%0%0%0%16%2021/6/300%100%0%0%0%0%0%0%0%0%0%2021/7/300%100%0%0%0%0%0%0%0%0%0%2021/8/310%100%0%0%0%0%0%0%0%0%0%2021/9/300%100%0%0%0%0%0%0%0%0%0%2021/10/290%100%0%0%0%0%0%0%0%0%0%2021/11/300%100%0%0%0%0%0%0%0%0%0%2021/12/310%100%0%0%0%0%0%0%0%0%0%2022/1/280%0%0%0%0%0%0%0%76%0%24%2022/2/280%0%0%0%0%0%0%0%8