华泰 | 从资产配置走向因子配置：中国版全天候增强策略_老虎社区_美港股上老虎

华泰 | 从资产配置走向因子配置：中国版全天候增强策略

华泰睿思06-06

本文基于宏观因子风险平价框架，成功构建了中国版全天候增强策略，为低利率时代的资产配置提供了新思路。我们借鉴桥水全天候策略的思想，遵循“宏观象限划分与资产选择→象限风险度量→象限风险平价”的步骤构建策略。在此基础上，与桥水完全放弃宏观择时不同，我们引入宏观预期共振动量来对基础策略进行增强。从构建效果看，全天候策略相比传统资产风险平价策略有着更强的宏观适应性；引入宏观观点进行象限偏配可以全面提升全天候策略的表现。今年以来（截至4月30日），增强策略、基准策略和传统策略的扣费后累计收益分别为：6.21%，5.70%和2.32%。

点击小程序查看研报原文

核心观点

从资产配置走向因子配置：中国版全天候增强策略

本文基于宏观因子风险平价框架，成功构建了中国版全天候增强策略，为低利率时代的资产配置提供了新思路。我们借鉴桥水全天候策略的思想，遵循“宏观象限划分与资产选择à象限风险度量à象限风险平价”的步骤构建策略。在此基础上，与桥水完全放弃宏观择时不同，我们引入宏观预期共振动量来对基础策略进行增强。从构建效果看，全天候策略相比传统资产风险平价策略有着更强的宏观适应性；引入宏观观点进行象限偏配可以全面提升全天候策略的表现。今年以来（截至4月30日），增强策略、基准策略和传统策略的扣费后累计收益分别为：6.21%，5.70%和2.32%。

范式重构：从资产风险平价到因子风险平价

传统资产风险平价过度依赖低波动资产，且在杠杆限制的情况下难以构建中高波动特征的投资组合。相比之下，因子风险平价强调挖掘资产的真实风险驱动因素。通过捕捉并分散配置多元化风险溢价，策略能够突破资产分类局限，避免单一资产表现对整体收益的制约，从而获取更稳健的收益。因子风险平价策略的一般步骤为：(1) 因子选择：识别并选取具有独立经济逻辑和长期风险溢价的底层因子，构建回报流；(2) 风险度量：将资产风险分解至因子层面；(3) 权重分配：各因子风险平价；(4) 动态再平衡。

经典案例：桥水基金的全天候策略

桥水全天候策略是宏观因子风险平价的标杆实践。该策略放弃对宏观经济的主动择时，通过构建宏观不敏感组合获取长期稳健收益。我们认为策略的精髓在于使用“分域建模”的思想重构配置逻辑。通过引入增长超预期/不及预期、通胀超预期/不及预期四象限，策略将笼统的“资产选择难题”转化为“特定宏观象限内的资产择优问题”。此外，全天候策略不进行宏观预测不意味着完全放弃宏观观点，相反，我们认为其对宏观的理解内化在资产选择和风险度量维度，是策略的核心优势所在。

国内实践：中国全天候增强ETF组合构建

借鉴因子风险平价的框架和桥水全天候策略的实践，中国版全天候策略构建的步骤如下：(1) 宏观象限划分与资产选择：划分为增长超预期/不及预期、通胀超预期/不及预期四象限；各象限依据宏观逻辑选择资产。(2) 象限风险度量：以象限内资产等权组合作为“象限因子组合”，用EWMA半协方差刻画组合下行风险。(3) 象限风险平价：对于全天候基准策略，对各象限进行风险平价；对于全天候增强策略，结合买方预期动量和卖方预期动量刻画增长和通胀预期共振动量，根据预期动量的方向，从增长和通胀象限中各选出一个象限，再进行风险平价。

中国全天候增强ETF组合具有中波高收益特征，宏观适应性更强

从构建结果看，有以下几点结论：(1) “象限因子组合”的平均夏普比高于原始资产组合，且风险分布更均匀。(2) 全天候策略的持仓相比资产风险平价策略更为分散，不依靠超配债券依然能获得长期稳定的收益，2020年以来优势更为显著。(3) 全天候增强策略具有中波高收益特征，回测区间内策略扣费后年化收益为13.12%，接近资产风险平价策略的两倍。但波动率稍高，为7.76%，夏普比（1.69）略低于资产风险平价（1.78）。(4) 对全天候策略加杠杆的效果好于资产风险平价策略。

正文

01 范式重构：从资产风险平价到因子风险平价

风险平价模型（Risk Parity）是风险配置领域的主流模型，核心在于均衡配置风险。在风险平价的框架下，资产配置可以分为以下四步：(1) 回报流选择；(2) 风险度量；(3) 根据风险均衡要求分配权重；(4) 动态再平衡。其中，“回报流”的选择很大程度上决定了策略表现的上限。因为风险平价模型仅注重风险管理，不进行收益端的优化。组合中回报流的风险调整后收益以及它们之间的相关性结构根本地决定了策略的表现。下面我们通过一个数学实验来论证这一点。

我们采用蒙特卡洛模拟进行定量分析。具体而言，我们用波动率衡量回报流风险，并以夏普比率评估回报流的风险调整后收益。我们设置了十档夏普比率（从0.2到2）和十档相关系数（从-0.1到0.35），共模拟了100种情景下的回报流序列。每种情景下，记录月度调仓策略的夏普比率。模拟结果显示，策略夏普比率与回报流的夏普比率成正比，与回报流间的相关性成反比。因此，实现风险均衡的同时提升整体收益的关键在于构建低相关且高风险调整后收益的回报流。

资产风险平价：过度依赖低波动资产

在投资实践中，资产风险平价是一类最常见的做法，因为根据资产类别对大类资产进行相关性判断是最简单的方式之一。此时，策略以资产为配置单元，资产选择时着重考虑资产间的相关性，风险端重点刻画资产的风险特征。但资产风险平价存在诸多局限。首先，在风险均衡的约束下，策略会超配低波动资产，这意味着低波动资产将主导策略表现。为了直观说明这一点，我们以沪深300（股票）、10年期国债（债券）和沪金（商品）为底层资产构建国内风险平价策略，用波动率度量资产风险。同时将策略中的股票、债券和黄金替换为现金，以测算各资产类别对整体策略表现的贡献。

从回测结果看，低波动的10年期国债在组合中占据了约80%的仓位，同时贡献了近70%的收益。换言之，债券能够维持“高夏普特征”是国内资产风险平价策略取得良好表现的核心前提。自2021年以来，利率持续下行的大环境为债券维系这一有利特性创造了条件。但随着10年期国债收益率跌破2%并进入“1%+”的低利率时代，利率能否继续下行的不确定性加大。在利率下行空间有限且债券票息收益受到压缩的大背景下，基于资产的风险平价策略或将不再是一个稳健的基准策略。

策略过度依赖低波动资产的另一个问题是：组合预期收益率系统性偏低，难以有效构建中高波动特征的投资组合。加杠杆是提升组合收益最直接的做法，但经我们测算，将10年期国债调整至10%的预期收益目标所需的杠杆水平长期高于公募基金140%的监管上限。从有效前沿边界理论来看，这种杠杆限制打破了收益和波动等比例放大的理想状态。在无杠杆限制时，投资者可以通过增加杠杆，沿着资本市场线（Capital Market Line, CML）无限等比例放大收益和波动，从而达到任何预期的收益目标。但在杠杆约束下，资本市场线被截断。这意味着，组合的收益率和波动率均有上限。

我们认为资产风险平价的根本问题在于，它错误地将人为设定的资产类别与真实的风险驱动因素画上等号，假设资产类别的差异必然带来风险分散，资产自身的风险特征成为模型的优化目标，导致策略对低波动资产依赖过大，无法实现真正的风险分散。事实上，这种简化处理就像用国家边界来划分气候带——看似清晰，实则掩盖了底层机制的连续性。我们需要重新审视回报流的构建方式，穿透资产表象，从更底层的驱动因素进行分析。

因子风险平价：构建回报流的新范式

Ang（2014）在《Asset Management: A Systematic Approach to Factor Investing》一书中指出，资产配置真正重要的是资产类别所代表的重叠风险，而非标签本身，投资者应关注“因子风险”。因子风险平价不再将资产类别视为不可拆分的投资单位，而是将其视为不同“风险驱动因素”的组合。这种方法论类似于对资产收益率进行了一次矩阵变换，将复杂的收益结构分解为更底层的风险因子。这些因子间的相关性有逻辑支撑，在长期来看能够提供更稳定的风险溢价。因子风险平价有潜力在不同市场环境下提供更优的风险调整后收益，且大概率不会出现类似资产风险平价中被“长期低波”资产主导的情况。换言之，通过合理的因子选择，因子风险平价能够真正做到风险的均衡配置。

在因子风险平价的框架下，资产配置可以分为四步：(1)因子选择。识别并选择具有独立经济逻辑、长期存在风险溢价的底层风险因子，并从因子角度构建回报流；(2) 因子风险度量。将资产的风险和收益结构从表面层分解到因子层面；(3) 权重分配。通过优化算法调整资产权重，使得各个风险因子对投资组合总风险的贡献大致相等；(4) 动态再平衡。

资产配置领域应该关注哪些风险因子？Ang（2014）提出了一个经典框架，他认为资产配置领域的风险因子主要分为两大类——宏观类因子和投资风格类因子。宏观类因子反映经济系统底层运行状态的核心变量，通过改变资产现金流折现率或风险溢价，系统性影响所有资产类别。投资风格类因子是基于市场异象或策略逻辑构建的可交易风险敞口，包括静态因子——长期持有即可获取风险溢价和动态因子——需通过跨资产交易持续调整头寸。

如何刻画资产的因子暴露并实现因子风险均衡？主观方法主要依赖于对经济原理、市场机制和资产特性的深刻理解，通过定性分析来判断资产对因子的敏感性（暴露），并通过经验调整资产权重来实现因子风险均衡。量化方法通过模型精确计算各资产对各风险因子的敏感度，构建因子协方差矩阵，并计算每个因子对总风险的边际贡献，最后利用优化算法调整资产权重，以实现因子风险均衡、捕捉因子溢价。在实践中，两者往往结合使用，以兼顾模型的精确性和实际操作的灵活性。

实操层面，桥水基金（Bridgewater Associates）的“全天候”（All Weather）策略是宏观因子风险平价的标杆实践。该策略由雷·达里欧（Ray Dalio）于1996年推出，其核心理念是构建一个在不同经济环境下都能存活的投资组合。桥水中国自2018年获得中国私募基金管理人资格以来，其境内的全天候增强型产品持续超越市场基准的表现，印证了全天候策略在中国的可行性。本文接下来将先分析桥水全天候策略的底层逻辑；再结合中国市场的特殊性，探讨全天候策略本土化的实现方式。

02 经典案例：桥水基金的全天候策略

达里欧将策略的收益拆解为三个核心部分：现金回报、β回报和α回报。他指出，尽管β的种类相对有限且风险溢价较低，但长期来看β回报可以跑赢现金。“全天候策略”是一类β策略，注重长期收益。它弱化了对宏观经济的预测，选择通过宏观因子平价的方式构建一个宏观敏感性较低的投资组合来获得长期稳健收益。全天候策略的哲学是，任何单一资产、单一因子都无法长期领先，因此分散配置才是获取长期收益的最优解。本部分将从因子风险平价的框架出发，详细分析全天候策略在因子选择、风险度量与权重分配方面的做法，并以道富-桥水全天候ETF为例进行产品层面的介绍。

宏观因子选择：增长与通胀的四象限划分

全天候策略为什么选择分散组合的宏观风险？Shahidi（2014）在《Balanced asset allocation: how to profit in any economic climate》一书中给出了他的理解，他认为资产回报可分为现金回报（无风险利率）与超额回报，后者由三类风险因子驱动：(1) 利率预期外变化；(2) 风险偏好预期外变化；(3) 宏观经济预期外变化。其中，利率预期与风险偏好变化属于系统性风险，对所有风险资产类别产生同向冲击。而宏观经济变化对不同资产的影响不完全相同，是唯一可通过多资产选择进行分散的风险维度。桥水全天候策略通过持有在不同经济状态下表现优于平均的资产来降低资产组合对宏观环境的敏感性，在时序维度实现风险分散（而非风险对冲），寄希望于资产组合在前两个因素的暴露带来高于现金的超额回报。

全天候策略认为资产价格的核心驱动因素为经济增长与通货膨胀，并且强调宏观因素预期外的变化才会对资产产生实质性影响。基于此，策略将经济状态划分为四个象限：增长超预期、增长不及预期、通胀超预期和通胀不及预期。桥水全天候策略的目标是在这四个象限中，分别挑选出受益于该象限的资产，构建出四个长期来看风险溢价为正的回报流。这实质上是一种分域建模的策略思想。相较于直接预测资产收益，通过选择合适的宏观因子并给出明确的经济假设，资产选择的逻辑将更清晰和聚焦。

确定宏观象限后，全天候策略在各象限内依据资产与经济环境的相关性来筛选资产，认为每一种资产都有其“经济偏好（Economic Bias）”。根据道富官网披露的资料，“桥水公司将使用其专有的按资产类别估算的增长和通胀敏感性方法来创建一个在增长或通胀条件下没有偏见的投资组合”，我们认为全天候策略可能采取“定量+定性”相结合的方式进行相关性分析。此外，策略在划分象限时并没有采取“增长-通胀”双维度的方式，我们认为这是因为在多重宏观因素同时变化的复杂情境下，资产的经济偏好可能相互抵消，使资产选择变得困难。下图展示了桥水基金给出的全天候策略的资产配置组合。

风险度量与权重分配：杠杆调整后各象限风险平价

为各象限选定资产后，全天候策略将各资产风险上聚到象限层面，然后进行风险平价。这个过程中有两个关键点：(1) 风险度量：量化各资产及各象限的风险。(2)杠杆调整：通过杠杆机制调整不同资产的风险收益特征至尽可能接近。

风险度量的具体方式并无官方公开资料可参考。但根据达里欧在多次公开演讲中强调其看重下行风险这一信息，我们可以推断，在实际操作中，全天候策略更注重对下行风险和尾部极端风险的刻画，这也和策略“在任何环境下存活”的目标相契合。前期报告《风险预算模型如何度量风险更有效——改进风险度量方式稳定提升风险模型表现的方法》（2019-11-08）从量化角度详细介绍了多种风险的刻画方式，感兴趣的读者可参阅。

杠杆调整的目的在于使组合达到投资者预期的收益率，这也是全天候策略在不引入主观观点的前提下提高回报流表现的关键步骤。达里欧认为各类资产在风险调整后的收益率大致相同且普遍高于现金收益率，因此通过适度杠杆化这些资产，便能有效提升组合的绝对回报，同时维持其风险分散的特性，从而在不依赖宏观预测的情况下，实现收益目标。以下图为例，在不进行杠杆调整的情况下，为了实现10%的预期收益目标，组合不得不超配右上角的高风险资产，难以充分分散风险。引入杠杆将各资产收益率调整至目标水平后，无论如何加权，组合收益均可达到10%。此时再进行风险优化，即可获得一个比不加杠杆时夏普比率更优且分散的组合。

使用杠杆调整资产的风险收益特征后，全天候策略会依据各资产对增长和通胀四象限的敏感性，将资产的风险分解为因子的风险，然后进行因子层面的风险平价，完全不引入资产自身维度的战术性观点。桥水基金未曾公开风险平价的具体实现方式，但根据道富官网上披露的细节“全天候策略会对市场进行定期评估并结合对如何最好地实现增长和通胀平衡的理解的演变，在资产类别之间和内部调整分配”，我们认为虽然全天候策略并不对宏观状态进行预测，但这并不意味着策略不参考任何宏观观点，宏观观点体现在资产宏观敏感性分析和风险度量层面。

产品分析：道富-桥水全天候ETF

道富-桥水全天候ETF（SPDR Bridgewater All Weather ETF，ALLW）由道富环球投资管理（SSGA）与桥水基金于2025年3月5日合作推出，是全天候策略首次以ETF形式向公众开放，为投资者拆解策略黑箱提供了新的渠道。根据道富官网披露，ALLW是一款中等波动率产品，目标年化波动率为10%-12%，投资范围为全球资产，允许做空及运用杠杆。

截至2025年5月27日，全天候策略的整体杠杆率为1.8倍，债券仓位约72%，商品约37%，股票约44%，通胀挂钩债券约32%。从持仓明细来看，ALLW以纯多头为主，致力于在全球范围内实现风险分散而非风险对冲。股票和债券内部均分散持有多个国家的资产，并且少量持有多国外汇头寸，主要用于风险对冲。此外，类现金资产——货币基金和短期国库券合计占资金权重的43.88%，体现了当下策略较强的防御属性。这与桥水近期发布的《美国桥水CIO观点：当前环境下，投资者应该如何构建投资组合？》（2025-05-14）中的建议相呼应：(1) 当务之急是强化地域分散化配置；(2) 构建一个针对不同经济环境平衡的投资组合；(3) 重新审视货币对冲决策；(4) 保持投资组合的流动性。

从持仓份额的变动看，ALLW并不以某一固定频率进行调仓，各资产间的调仓也不完全同步。考察2025年4月16日至2025年5月27日份额（归一化）的变动情况，有几点结论：(1) 黄金：阶段式加仓。(2) 股票：对日本、欧洲、澳大利亚、英国和美国的股票进行了阶段性加仓，而中国股票的加仓仅限于4月份，5月份的仓位基本保持不变。(3) 债券：平仓加拿大10年期国债；减持英国长期国债。(4) 现金：持续提升货币基金和美国国库券的份额。现金类资产对于全天候策略来说，是在“资产长期能够跑赢现金”假设不成立时起到防御作用的资产。持续加仓现金隐含桥水对当前宏观不确定性加剧的判断，认为保持组合高流动性至关重要，以便在市场动荡中把握其他投资者被迫平仓所带来的潜在机会。

03国内实践：中国全天候增强ETF组合构建

全天候策略：宏观象限风险平价

借鉴因子风险平价的框架和桥水全天候策略的实践，中国版全天候策略的构建遵循以下三个核心步骤：(1) 宏观象限划分与资产选择；(2)象限（因子）风险度量；(3) 象限风险平价。

宏观象限划分与资产选择

我们在划分宏观象限时并未作本土化调整，和桥水全天候策略一样将宏观环境划分为增长超预期、增长不及预期、通胀超预期和通胀不及预期四象限。原因主要有两点：一是桥水选择宏观象限的逻辑根植于资产定价理论，理论具有普适性。二是前期报告《国内宏观净预期差与大类资产配置》（2024-08-15）中构建的国内增长和通胀净预期差指标对主要的大类资产都具备显著的择时效果，这表明增长和通胀的确是国内大类资产的核心驱动因素。

在各象限内，我们主要从宏观逻辑出发进行定性筛选，辅以前期定量研究的积累，最终选择的资产及理由如下：

1）增长超预期：股票、商品。经济超预期将提高企业的盈利和现金流，推升股票价值；经济活动活跃增加需求，驱动商品价格上涨。

2） 增长不及预期：债券、黄金。经济下行引发避险情绪，资金流向相对稳定的债券；黄金作为传统避险资产，在不确定性增加时受青睐。

3） 通胀超预期：商品、黄金。通胀超预期将削弱货币购买力，商品（实物资产）是有效抗通胀工具；黄金亦是抵御通胀和货币贬值的良好对冲。

4） 通胀不及预期：债券、黄金、高股息股票。通胀不及预期可能促使宽松货币政策，利好债券；黄金在通缩担忧下具避险属性；高股息股票因其稳定现金流和实际购买力提升而在低通胀环境中更具吸引力。

具体到细分类别时，我们以国内ETF作为备选资产池进行筛选，从类内资产分散性、ETF代表性、流动性和数据可得性角度出发，最终确定了以下股

票、债券、商品和黄金的ETF配置方案：

1）股票：沪深300ETF（510300.SH）、中证1000ETF（512100.SH）

2）高股息股票：红利低波ETF（512890.SH）

3）债券：十年国债ETF（511260.SH）、三十年国债ETF（511090.SH）

4）商品：有色ETF（159980.SZ）、能化ETF（159981.SZ）、豆粕ETF（159985.SZ）

5）黄金：黄金ETF（518880.SH）

象限风险度量

我们不使用量化模型精确刻画各资产对宏观象限的因子暴露，而是直接以各象限内资产的等权重组合作为该象限的“象限（因子）组合”，并用“象限组合”的EWMA（指数加权移动平均）半协方差刻画组合的下行风险。因为宏观因子是弱因子，与资产间的关系并非简单线性。过度追求量化精度可能引入“精确的错误”。此外，我们在风险度量阶段不进行任何杠杆调整。因为根据“预期收益率”调整杠杆涉及复杂的收益估计，易引入不确定性。杠杆调整可以在风险平价步骤之后进行，以确保风险度量阶段的独立稳健。

从各“象限组合”的表现看，四个象限的长期风险溢价均为正。“通胀不及预期”象限的风险-收益特征最优，“增长不及预期”次之，而“增长超预期”表现最弱。与原始资产相比，因子平价带来了两大优势：(1) 平均夏普比率显著提升。“象限组合”的平均夏普比率为0.89，高于原始资产的0.68。(2) 波动率分布更均匀。“象限组合”的波动率的极差为10.03%，低于原始资产的24.69%。

各象限风险平价

中国版全天候策略回测的具体设置如下：

1) 回测期：2013-12-31至2025-04-30

2) 资产池：3种股票资产，2种债券资产，4种商品资产

3) 调仓频率：月频

4) 费率：单边万分之五

5) 全天候策略：(1) 使用四象限等权构建的“象限组合”的EWMA半协

方差矩阵作为风险输入；(2) 各象限风险平价得到象限权重；(3) 象限内资产等权。

6) 资产风险平价策略：所有资产风险平价得到资产权重。

从象限权重分布看，“增长不及预期”象限权重整体偏高，平均为45.99%；其余象限的权重在20%附近。从回测结果看，全天候策略的持仓相比资产风险平价策略更为分散，不依靠超配债券依然能获得长期稳定的收益。全天候策略的年化收益优于传统资产风险平价策略，且自2020年以来，在宏观环境动荡加剧的背景下，全天候策略优势更为明显。2025年至今，全天候策略实现了5.70%的收益，显著超越传统策略的2.32%。这进一步说明在债券市场波动加剧的环境下，采取更分散化配置的必要性。然而，由于债券资产配置比例相对较低，全天候策略的波动略高，导致其夏普比率略低于传统策略。

全天候增强策略：引入宏观观点进行象限增强

虽然桥水的全天候策略以放弃宏观经济预测为宗旨，但桥水中国旗下多只私募产品的名称包含“全天候增强”字样。这说明在国内市场全天候增强是一件可以做且应该做的事情。一方面，前期研究中我们已多次成功验证，通过定量的方法将宏观观点融入资产配置策略能够显著提升策略表现。这表明，在国内市场对宏观经济进行适度的判断和利用，能够为策略带来额外的阿尔法收益。另一方面，桥水全天候策略的核心目标是追求长期稳定的风险调整后收益，这与其面向长期机构资金的定位相符。而在国内市场偏短的业绩考核周期下，策略的短期表现同样重要。

本部分，我们尝试引入宏观观点——预期共振动量对全天候策略进行增强。具体而言，我们利用预期共振动量在“增长超预期/不及预期”和“通胀超预期/不及预期”两对情景中，各选取一个未来更可能发生的情景进行风险平价配置，使策略从四象限配置转变为二象限配置，同时仍确保增长和通胀因子的风险平价。

预期共振动量

桥水全天候策略在划分象限时强调宏观预期变化才是影响资产价格的本质因素，这与我们前期报告《国内宏观净预期差与大类资产配置》（2024-08-15）中的结论不谋而合。我们认为市场的宏观预期分为买方和卖方两类:

1） 买方宏观预期：用一揽子资产价格来拟合宏观指标走势，得到的资产组合走势相对锚定的宏观指标具有较高的相关性和一定的领先性。由于资产价格是市场交易出来的，因此Factor Mimicking及时反映了买方的宏观预期。

2） 卖方净预期差：从Bloomberg和Wind可以获取分析师对常见宏观经济指标的预测

明细数据，据此可以获悉卖方的宏观预期。在卖方宏观指标超预期/不及预期的基础上，剔除市场提前博弈和消化的部分，得到卖方净预期差。

本研究延用前期报告构建的增长和通胀买方预期指数，通胀维度主要关注生产端通胀。对于卖方预期，我们需要对前期报告的卖方净预期差作一定调整。因为前期报告注重对单个宏观指标的净预期差值的分析，而本研究更重视刻画卖方预期的“合力”，所以需要对不同指标的净预期差值进行合成，且频率和买方预期指数（日频）保持一致。

合成卖方预期时需考虑两点：(1) 宏观指标的陆续公布会对市场产生叠加冲击。需要对多指标进行加权。(2) “预期差”冲击会随时间衰减。以中采制造业PMI为例，我们发现其对股市的影响在数据公布后趋于放缓。因此，我们假设单指标的“净预期差”自数据公布日以来，以10^(-k/20)的速率衰减，以实现对单指标的升频。

多指标合成时，我们将增长和通胀细分为子类，并采取类内等权的方式结合，不作其他的参数优化。各维度所选指标和合成时所使用的权重如下表所示。

最后，我们使用位移路径比动量来刻画买方预期和卖方预期的强度和方向。此方法也可以达到统一量纲的效果，具体公式如下：

由上述公式可知，在考察区间内，若预期指标持续上涨，则预期动量将达到最大值1；若预期指标持续下跌，则达到最小值-1。此外，在预期值涨跌幅度相同的情况下，路径越平滑连续，动量绝对值越大，即买方预期趋势性越强、宏观预期差一致性越高，预期动量发出的信号越强烈，这符合宏观逻辑。将买方预期动量和卖方预期动量进行加权并降频至月频便得到预期共振动量。预期共振动量大于0时配置超预期象限，预期动量小于0时配置不及预期象限。使用预期动量对原始“象限组合”作择时增强，能够得到风险-收益特征趋于一致的“象限增强组合”，更符合风险平价的理论最优解要求。值得一提的是，经过预期动量增强后，“增长超预期”的夏普比率大幅提升，这表明该象限存在可观的alpha收益空间。

策略表现分析

中国版全天候增强策略回测的具体设置如下：

1) 回测期：2013-12-31至2025-04-30

2) 资产池：3种股票资产，2种债券资产，4种商品资产

3) 调仓频率：月频

4) 费率：单边万分之五

5) 全天候增强策略：(1) 使用四象限等权构建的“象限组合”的EWMA半协方差矩阵作为风险输入；(2) 使用预期共振动量给出增长和通胀象限的宏观观点，在增长和通胀维度各选择一个象限进行配置，进行风险平价；(3) 象限内资产等权。

回测结果表明，引入宏观观点进行象限增强可以大幅提升全天候策略的收益表现，增强策略的年化收益为13.12%，相比基准策略提高了4.47%，且接近传统资产风险平价策略的两倍。尽管收益提升伴随波动与回撤放大，但是全天候增强策略的夏普比率优于基准策略，卡玛比率同时优于基准策略和传统策略。

最后，我们对传统资产风险平价策略、全天候基准策略和全天候增强策略进行杠杆调整，并对比策略效果。我们将杠杆上限设置为140%，分110%、120%、130%和140%四档进行测试，借贷成本设置为年化5%。从回测结果看，加杠杆对全天候增强策略的效果最好。在140%的杠杆水平下，传统资产风险平价策略、全天候基准策略和全天候增强策略的年化收益相对于无杠杆水平时分别上升了21%，23%和30%，年化夏普比率分别下降了14%，12%和7%；且全天候增强策略的夏普比率和年化收益同时超过了传统资产风险平价策略。

总结与展望

本文基于宏观因子风险平价框架，成功构建了中国版全天候增强策略，为当前宏观环境动荡加剧、利率变化不确定性加大背景下的资产配置提供了新思路。传统资产风险平价过度依赖低波动资产，使组合对利率变化高度敏感，且收益率普遍偏低，在杠杆限制的情况下难以通过简单加杠杆的方式构建中高波动特征的投资组合。相比之下，因子风险平价强调资产的真实风险驱动因素。通过捕捉并分散配置多元化风险溢价，策略能够突破资产分类局限，避免单一资产表现对整体收益的制约，从而在不同市场环境下获取更稳定的收益。

通过对桥水全天候策略的深入分析，我们认为其巧妙之处在于采用“分域建模”的思想，将笼统的“资产选择难题”转化为“特定宏观象限内的资产择优问题”。前者方向模糊，而后者的逻辑更清晰和聚焦。中国版全天候增强策略的成功实践表明因子风险平价在中国具有可行性。未来的研究可从宏观象限的精细建模与象限增强策略的优化两方面继续深化。

风险提示

模型根据历史规律总结，历史规律可能失效。从数据中量化出的宏观观点可能无法完全代表所有市场参与者的宏观观点。报告涉及的具体资产不代表任何投资意见，请投资者谨慎、理性地看待。

华泰 | 从资产配置走向因子配置：中国版全天候增强策略

精彩评论