(资料图)

本报告导读：

本文构造了涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，并基于此提出了一个通用性的宏观因子资产配置框架。该框架建立了一个宏观研究与资产配置研究的桥梁，投资者可以将对于宏观环境的预测观点通过定量的手段落实到投资实践中，使资产组合适配特定的宏观环境。此外还可以对组合的宏观风险来源进行因子层面的监测和分析。

摘要：

大类资产配置 模型经历了资产配置、风险配置、因子配置的三个阶段。在资产配置阶段， MVO 模型和BL 模型以资产组合的收益、风险特征为优化目标；在风险配置阶段，风险平价模型放弃了对收益的预测，从而实现对各资产风险的均衡配置。由于宏观因子能够解释资产价格变动的本质，并且能更好地规避尾部风险，近年来基于因子的配置模型已逐渐成为主流，在海外投资机构中得到广泛使用。

基于宏观因子的资产配置框架包括四个步骤： （1）选取合适的因子：

首先通过主成分分析方法确定增长、通胀、利率、信用、汇率和流动性是影响国内资产价格最主要的六大宏观因子，接下来从宏观经济指标出发，通过构建资产组合的方式构造了对应的高频宏观因子。（2）计算资产的因子暴露：为了刻画宏观因子与大类资产之间的映射关系，我们使用基于先验信息的LASSO 模型进行回归，以回归系数作为资产对因子的暴露值，得到因子与资产的关系。（3）确定因子目标暴露：我们采用基准+偏离的模式，在基准组合因子暴露的基础之上，根据投资者的观点对因子暴露进行主动偏离，从而确定因子目标暴露。（4）匹配因子目标暴露：当给定了资产组合的因子目标暴露后，通过构造最优化框架可以求解得到资产配置权重。我们使用的最优化框架参考了两种经典的海外文献做法，既保持了开放性，可以与MVO等其他配置模型进行融合，也可以根据实际管理需求设置资产仓位、换手率等约束条件。

配置框架的实证效果分析。在基准的因子暴露基础上，分别做多六个宏观因子，得到的资产组合相对于基准的超额收益能够较好地吻合宏观因子走势。这意味着当主观判断准确时，配置框架通过调整对特定宏观因子的暴露，能够在承担额外宏观风险的同时获取相应的超额收益。除此之外宏观因子还可以用于资产组合的风险分解，对组合的宏观风险来源进行监测和分析。

风险提示：黑天鹅事件等可能导致大类资产相关性增加，资产配置组合表现不佳；量化模型基于历史数据构建，而历史规律存在失效风险。