研报核心观点及亮点 [page::0]

• 设计6个战术资产配置模型：MAA、FAA、EAA、PAA、VAA和DAA，涵盖经典模型改进和动量保护机制。

- MAA利用单指数模型代替协方差矩阵，显著减少参数，提高稳健性。

• 动量崩溃保护机制有效降低最大回撤，增强模型抗风险能力。

- ETF实证验证，六模型最大回撤均不超过7.5%，Calmar比率大于2，全面优于传统方法。

MAA模型设计与表现 [page::1][page::3][page::4][page::5]

• 利用单市场模型估计资产β替代协方差矩阵，减少协方差参数从N(N+1)/2降至N，降低误差。

- 收缩估计方法减缓参数估计波动。

• 回测显示2013-2025年最大回撤16.2%，年化收益率10.0%，夏普0.86，优于MPT(8.0%)和风险平价。

• 资产配置中，债券约占37.9%，股票35.6%，商品26.5%。

FAA及EAA模型基于动量的简单规则 [page::6][page::7][page::8][page::9][page::10][page::11]

• FAA通过收益率动量、波动率动量、相关性动量构造线性损失函数，选出动量排名靠前的资产，且负收益资产仓位替换为现金。

- FAA年化收益11.0%，最大回撤16.7%，夏普1.18，表现优于传统模型。

• EAA改用动量得分几何加权分配，进一步压缩回撤及波动，收益略减至10.8%，夏普率提升至更优水平。

保护型及警惕型模型PAA和VAA [page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::19]

• PAA引入动量崩溃保护，使用短期债替代现金，且用动量指标替代累计收益率，最大回撤7.1%，年化收益6.7%，夏普比率1.26。

• VAA增加快速动量过滤器，采用13612W指标，更快配置现金或短债，最大回撤降至5.7%，年化收益7.1%。

防御型模型DAA优化现金比例，提升收益 [page::19][page::20][page::21]

• DAA在VAA基础上调整类现金资产配置，增加“金丝雀资产”动量判断，年化收益率7.9%，最大回撤7.4%，收益风险比优于风险平价。

各模型表现对比与市场适用性 [page::22][page::23][page::24]

• 2013-2025年间，VAA和DAA因其动量保护机制，表现出最高Calmar比率和最低回撤。

- 利率上行期模型表现略低于下行期，但VAA、DAA仍保持3%以上收益，优于风险平价。

ETF应用实证 [page::25][page::26]

• 2022年至今应用ETF替代，最大回撤均控制于7.5%以内，Calmar比率大于2，表现优异。

• 量化动量和传统指数ETF组合策略在过往市场环境中表现稳健，适合构建低成本的资产配置产品。

《从MAA到DAA：资产配置不止均值方差和风险平价》金融研究报告详尽分析

1. 元数据与概览

报告信息

• 标题：从MAA到DAA：资产配置不止均值方差和风险平价——指数化配置系列研究（3）

- 作者及发布机构：西部证券研究发展中心，西部量化团队

• 发布日期：2025年6月6日

- 主题：战术资产配置方法的研究，覆盖六种基于动量、多因子评分及保护机制的模型，及其在ETF上的实证回测

• 核心观点：

- 利用单指数模型和收缩估计减少参数估计和误差，提升模型的稳健性，适合短期战术资产配置（MAA模型）。
- 基于复合动量组合（收益率动量、波动率动量、相关性动量）构建简单有效的资产配置模型（FAA、EAA）。
- 引入动量崩溃保护机制，显著降低最大回撤，增强抗风险能力（PAA、VAA、DAA）。
- 利用ETF实盘替代证明模型效能，六模型均优于传统MPT、风险平价和等权组合[page::0][page::27].

2. 逐节深度解读

2.1 研究背景与模型框架（第0-2页）

• 问题陈述：经典现代投资组合理论（MPT）的均值-方差分析受参数估计敏感，尤其在战术配置（1个月至1年）时估计偏差显著，使其应用有限。

- 风险平价模型虽缓解参数敏感，但国内使用受限于杠杆困难和低利率环境，预期收益受限。

• 创新点：借鉴Keller等人的研究，采用仅以最近12个月数据构建的多模型战术资产配置策略，结合国内ETF市场丰富性。

- 单指数模型（SIM）+收缩估计：利用资产对市场指数回归替代协方差矩阵，大幅减少参数量（从 $N(N+1)/2$ 降为 $N$），简化计算、降低误差风险。收缩调整收益率、波动率、相关系数向市场均值靠拢，防止短期数据过度波动带来的异常权重变动[page::1][page::2].

2.2 MAA模型回测及参数敏感性分析（第3-6页）

• MAA模型表现：

- 时间区间：2013.12.31-2025.05.31
- 最大回撤16.2%，显著优于MPT和等权组合，但高于风险平价模型；
- 年化收益率10.0%，显著高于MPT（8.0%）、风险平价（6.3%）和等权组合（8.3%）；
- 夏普比率0.86，紧随风险平价之后[page::3].

• 资产配置结构：债券占较大比重（37.9%）、股票（35.6%，美股配置远超A股）、商品配置（26.5%）；说明模型倾向于风险分散，但投资于多区域股票市场及大宗商品风险对冲[page::4].
• 收缩系数调整：

- 关键参数wr、wv、wc、wm均设为0.5，平衡波动与收益；
- w m越小资产入选更多，波动率降低；
- 不考虑收益率时（$w_r=0$），模型退化成类似最小方差模型，但收益和Calmar比率仍优于MV和风险平价，表明收益因素对提升收益风险比有实质价值[page::4][page::5].

• 回看窗口影响：

- 10-12个月参数窗口效果最佳，收益率、波动率及最大回撤表现均衡，夏普比率被优化；
- 过短或过长导致收益下降或风险增加[page::5].

2.3 简单动量规则的FAA模型（第6-9页）

• 模型设计：

- 使用收益率动量、波动率动量、相关性动量线性加权得分选出排名前4的风险资产等权配置；
- 绝对动量负值时现金替代（现金规则），控制风险；
- 避免复杂的二次优化，提升模型可操作性。

• 回测结果：

- 年化收益率11.0%，优于MPT、风险平价和等权组合；
- 最大回撤16.7%，波动率8.0%，风险介于风险平价和MPT之间；
- 夏普比率1.18，Calmar比率0.66，紧随风险平价；
- 现金规则改善风险暴露，去除后回撤和波动率均上升[page::6][page::7][page::8].

• 资产配置特点：

- 债券比例较低（18.6%），股票配置35.8%中美比约1:2，商品比29.2%，类现金18.4%[page::7][page::8].

2.4 弹性权重的EAA模型（第9-11页）

• 模型优化：

- 相较FAA的算术加权，EAA引入几何加权，强调资产权重对动量信息的弹性调整；
- 采用相同的现金替代规则。

• 回测表现：

- 收益率略降至10.8%，该模型风险指标改善，最大回撤降低，夏普比率和Calmar比率提升；
- 每年均实现正收益，超过MPT和风险平价[page::9][page::10].

• 资产配置：

- 债券占比23.5%，介于MAA和FAA之间；
- 股票配置30.6%（美股仍占多数1:4），商品29.5%，类现金16.4%[page::10][page::11].

• 参数调节发现：

- 权重参数wm越大，组合权重差异增大，可增夏普比率、Calmar比率；
- 减小对收益率权重wr、增加对波动率wv和相关性wc的权重，可降低组合风险，提升总收益风险比[page::11].

2.5 保护型资产配置PAA模型（第11-15页）

• 模型机制：

- 用动量指标替代历史收益率，更关注资产近期表现；
- 动量崩溃保护机制：触发时现金替代由短期债券替代，降低风险；
- 综合“短债替代现金+动量崩溃保护+动量指标”提升风险控制能力。

• 回测表现：

- 年化收益率较EAA低（6.7%），但最大回撤和波动率显著降低（最大回撤7.1%，年化波动4.1%），夏普比率高达1.26；
- 除2016年轻微小幅亏损，整体年度稳定收益；
- 资产配置中债券占比超2/3，集中在中债短债及中期政策性债券；股票配置16.5%，美股配置占较大比例[page::12][page::13] [page::14].

• 机制验证：

- 将短债替代现金替换回现金对风险指标影响不大，但收益率下降；
- 用累积收益率替代动量指标虽收益小幅提升，但回撤显著增大；
- 移除动量崩溃保护，回撤、波动率和收益均上升，适合高风险偏好投资者；
- 动量保护系数a值调整体现权衡：a越大，保护越强，风险越低，收益也相应下降[page::14][page::15].

2.6 警惕型资产配置VAA模型（第16-18页）

• 主要改进：

- 采用13612W动量指标，综合不同时间段年化收益，提高对近期趋势的敏感度；
- 对短债/现金动量筛选，保证现金配置质量；
- 设置快速动量过滤器B，若不良资产数量超阈值，现金配置比例提升至100%，提供更严格的动量保护。

• 回测效果：

- 最大回撤5.7%，显著优于PAA，年化收益率7.1%，Calmar比率提升至1.24；
- 投资者可根据需求调节过滤器阈值B，控制安全边际；
- 资产配置中类现金及现金比例超过2/3，股票配置比例维持17%，资产多元化但风险暴露有限[page::16][page::17][page::18].

2.7 防御型资产配置DAA模型（第19-21页）

• 创新点：

- 在维持VAA类似下跌保护能力的基础上，将“金丝雀资产”加入指标体系，利用其动量表现降低类现金资产配置比例，试图平衡收益与风险。

• 资产分类：

- 高风险资产（主要股指及大宗期货）；
- 金丝雀资产（价格敏感资产，如黄金、政策债）；
- 类现金资产（短债和短融）。

• 模型表现：

- 年化收益7.9%，优于VAA；
- 最大回撤7.4%，虽高于VAA但低于MPT、等权及风险平价；
- 夏普1.09，年度收益分布更均匀；
- 类现金资产持有比例由VAA的2/3降至1/3，总债券占54.2%，股票21.3%（美股占比高），商品23.4%[page::19][page::20][page::21].

2.8 六模型总结及对比（第22-24页）

• 综合表现表23显示：

- 等权组合表现最差；
- 参数较少的MAA及风险平价获得较好稳定性和收益风险比；
- 动量模型FAA、EAA引入复合动量提升收益风险比；
- 具备动量崩溃保护的PAA、VAA、DAA收益风险平衡最佳，最大回撤低，Calmar比率高；
- DAA年化收益7.9%，最大回撤7.4%，Calmar比率1.07，排名前列。

• 稳定性：

- 除个别年份亏损，其他模型均年胜率100%；
- DAA分年度收益最为均匀，除了2018年外年收益均在3%以上；
- 胜率指标显示VAA最高，最大回撤最短，PAA和DAA亦表现优秀[page::22][page::23].

• 资产配置特征：

- 动量保护模型大幅提升债券（尤其哑铃型长短债结合）及类现金比例；
- 其余模型配置风格与MPT较为接近。

• 利率环境敏感性分析：

- PAA、DAA在利率下行表现优于上行（除2020年特殊牛市），但在利率上行阶段仍实现超3%的正收益，高于风险平价1.5%；
- 说明模型兼顾了收益性与下行风险保护，较为适应多变利率环境[page::24].

2.9 ETF应用验证（第25-26页）

• ETF替代实证：

- 选定国内外多类资产代表性ETF进行权重计算和模型验证；
- 样本期为2022.10.31以来，以避免新ETF历史不足的影响。

• 结果：

- 六个模型ETF下最大回撤均<7.5%，Calmar比率>2，大幅优于等权组合；
- 激进的MAA、FAA、EAA收益和夏普高于MPT；
- 找到收益风险较优的DAA收益14%，优于风险平价，最大回撤5%，Calmar比率2.78；
- 小幅波动中，DAA在2025年4月受中证1000和恒生ETF价格波动影响表现弱于风险平价，但从长期历史来看仍具优势[page::25][page::26].

3. 图表深度解读

图1（第3页）：MAA模型净值比较

• 描述：展示2013-2025年区间内，MAA与MPT、风险平价、等权组合的累计净值。

- 解读：MAA净值曲线居前，波动小于MPT和等权，但略高于风险平价，体现收益稳定优异；风险平价稳健但收益低于MAA；等权表现最差。

• 联系：支持MAA模型在参数简化下收益和风险控制的显著优势[page::3].

图2（第4页）：MAA资产配置比例

• 描述：关键资产类别（中债、股票、商品等）在MAA模型中的动态占比。

- 解读：债券占比约38%，股票约36%，商品约26%，说明MAA维持多元化配置保证风险分散。

• 联系：与回测结果中收益风险均衡一致[page::4].

图3（第7页）及图4（第8页）：FAA净值及资产配置

• 描述：FAA模型与传统方法净值对比及其资产配置动态。

- 解读: FAA收益领先，波动适中，配置中债较少，股票与商品比例较高，贴近进攻型策略。

• 联系: 现金规则有助于降低风险，实现收益稳定[page::7][page::8].

图6（第10页）及图7（第11页）：EAA净值及资产配置

• 描述：EAA净值与资产配置情况。

- 解读：EAA最大回撤较FAA降低，夏普比率提升，资产配置显示债券比例中等，平衡性较好。

• 联系：体现了权重弹性调整对风险管理的效果[page::10][page::11].

图8（第13页）及图9（第14页）：PAA净值及配置

• 描述：PAA模型净值曲线及资产配置比例。

- 解读：净值波动和最大回撤显著降低，债券和短债组合占比大幅提升，体现防御属性强化。

• 联系：动量保护机制和短债替代现金成功降低风险[page::13][page::14].

图12（第16页）：现金替代策略对比

• 描述：VAA、PAA和简单现金规则根据不良资产数量调整现金配置比例的曲线。

- 解读：VAA现金配置启动更早更快，更为严格；PAA次之，简单现金规则滞后。

• 联系：增强的现金过滤提高风险控制[page::16].

图13（第17页）及图14（第18页）：VAA净值及资产配置

• 描述：VAA模型净值表现及资产配置。

- 解读：最大回撤最低，且收益较高，配置现金和短债超过2/3，体现最高等级保护型策略。

• 联系：动量过滤器和综合动量指标成效显著[page::17][page::18].

图17（第20页）及图18（第21页）：DAA净值及资产配置

• 描述：DAA模型净值走势与资产布局。

- 解读：年化收益高于VAA，回撤略增但仍显著优于传统模型。股票占比相对增加，类现金降至1/3左右。

• 联系：防御与收益平衡的改进实现[page::20][page::21].

图19（第22页）：所有模型净值对比

• 描述：六模型及传统配置模型累计净值横向比较。

- 解读：动量保护模型（VAA、DAA）表现领先，风险平价和MAA居中，等权最弱。

• 联系：验证模型设计的有效性[page::22].

图21（第24页）：利率环境区分图

• 描述：2013-2025年分段标注利率上行和下行期。

- 解读：利率周期变化对债券配置影响重要，且模型表现与其密切相关。

• 联系：利率阶段对模型的表现分析基础[page::24].

图23（第25页）：ETF实盘表现

• 描述：ETF替代应用下各模型累计净值。

- 解读：实盘ETF历史表现验证理论模型，标出风险调整后的超额收益能力。

• 联系：模型实操性强，ETF策略可行性高[page::25].

4. 估值分析

本报告中主要聚焦资产配置策略模型设计与回测，没有直接涉及企业估值或传统资产估值模型的应用。策略通过动量指标、回撤限制、风险权重等数学和统计方法设计投资比例，而非针对单一证券的DCF分析等估值。

5. 风险因素评估

• 模型风险：

- 模型基于历史回测，存在未来市场变化导致模型失效风险。
- 参数设定（如收缩系数、动量长度）敏感，过拟合风险存在。

• 数据风险：

- 依赖第三方数据，可能出现遗漏、滞后或错误。

• 市场风险：

- 利率上行周期对高债券配置策略造成压力。
- 动量策略可能遭遇“动量崩溃”现象，导致短期亏损。

• 实操风险：

- ETF交易中存在折溢价风险。
- 国内市场加杠杆限制及流动性风险。

• 风险缓解：

- 设计动量崩溃保护机制和动量过滤器；
- 使用收缩估计减少参数敏感性；
- 设置现金和短债替代规则降低风险暴露；
- 及时动态调整资产权重[page::1][page::12][page::14][page::16][page::24].

6. 批判性视角与细微差别

• 稳健性与适用性：

- MAA模型尽管收益稳定，但最大回撤（16.2%）仍高于更保护型模型，使用者需权衡偏好。
- 动量动量模型FAA和EAA依赖于动量有效性，动量崩溃期风险或被放大，现金规则或许无法完全覆盖极端风险。
- PAA、VAA、DAA模型虽回撤较低，但年化收益低于较激进模型，对低风险偏好更适合。

• 模型复杂度差异：

- MAA为最优化模型，求解复杂；
- FAA、EAA更简便，易操作，适合实战；
- PAA、VAA、DAA在动量保护机制加入后，模型结构较复杂，但风险控制更佳。

• 利率环境敏感性：

- 高债券配置在利率上行期间仍能保持正收益，显示适度弹性，但长期收益仍取决于利率环境演变。

• ETF实操验证时限：

- ETF回测仅3年半时间，较短，未来表现存在不确定性。

• 风险提示：

- 报告明确表示历史表现不代表未来，投资需谨慎，应用环境需考虑本土市场限制和交易成本[page::24][page::25][page::27][page::29].

7. 结论性综合

本报告以Keller等人提出的多个战术资产配置模型为基础，构建并比较了6种不同的ETF战术资产配置方案，系统演绎了如何超越传统MPT和风险平价，利用单指数回归模型、动量复合打分及动量崩溃保护机制实现短期有效的资产配置。

• MAA模型通过单指数模型β值替代协方差矩阵，采用收缩估计缓解参数不稳定性，在10%以上年化收益和16%的最大回撤中取得较好均衡。

- FAA与EAA模型展现了动量因子结合规则性现金替代和弹性权重计算所带来的收益提升和风险控制改善，年化收益达近11%，波动率与回撤小幅控制。

• PAA模型通过动量崩溃保护机制引入短债替代现金，将最大回撤降低到7%以内，夏普比率提升至1.26，凸显保护优先的投资策略意义。

- VAA模型则更加严格，采用快速动量过滤器，最大回撤更低（5.7%），同时收益不降反升，显著提升组合的稳定性及抗风险性。

• DAA模型在维持VAA保护的基础上，通过金丝雀资产动量调节进一步降低类现金比例，收益率提升至7.9%，兼顾收益性与保护性，最大回撤7.4%。

- 利率敏感分析及ETF实盘验证表明，六模型均有效管理利率环境下的风险，实盘ETF回测显示模型具实际投资应用潜力，尤其DAA模型实现最大回撤仅5%，且收益优于传统风险平价。

结合图表和数据分析，动量保护机制和适度的参数收缩估计为战术资产配置带来稳健的收益风险优化路径。ETF替代验证增强模型实用性，六模型覆盖从激进至防御不同风险偏好，为投资者根据自身投资环境和目标提供多样选择。

综上，报告展现了以动量和保护机制为核心的新一代战术资产配置理论框架，提供了超越传统均值方差及风险平价的具有创新意义的可操作资产配置模型，值得投资机构和资产管理者重点关注和实践应用[page::0][page::25][page::27].

---

参考图片示例

• MAA模型净值走势（图1）:

• FAA模型净值走势（图3）:

• PAA模型净值走势（图8）:

• VAA模型净值走势（图13）:

• DAA模型净值走势（图17）:

• 全部模型净值对比（图19）:

• ETF实盘累计净值（图23）:

---

总体评价

本报告呈现的系列资产配置模型充分结合最新学术研究与中国市场特点，通过参数简化与动量保护机制解决传统模型参数敏感、风险控制不足等问题。系统回测与ETF实操验证为投资实务提供了极具参考价值的策略框架。报告内容深入、数据详实、逻辑严密，适合专业资产管理人员和研究机构参考使用。

---

【全文依据原报告内容分析，引用页码详见文中对应标注】

报告