大类资产配置基本概念与流程介绍 [page::2][page::4]

• 大类资产包括股票、债券、货币、商品及另类投资，相关性低且风险收益特征差异显著，实现组合风险分散。

- 配置流程包含设定目标、选择资产、战略资产配置、战术资产配置、再平衡及绩效监控。

• 战略资产配置（SAA）确定长期配置比例，战术资产配置（TAA）进行短期市场机会的动态调整。

大类资产配置模型的发展历程及典型模型解析 [page::7][page::8][page::12]

• 资产配置模型经历恒定混合策略、均值-方差模型（MVO）、Black-Litterman（BL）模型的发展。

- 风险配置模型重点为风险平价和风险预算，可以更均衡分散风险，避开传统模型对收益率预测的依赖。

• 因子配置模型关注驱动资产风险收益的宏观与风格因子，实现更深层次风险分散。

战略资产配置（SAA）与战术资产配置（TAA）对比 [page::5][page::6][page::7]

| 项目 | 战略资产配置（SAA） | 战术资产配置（TAA） |
|----------------|-----------------------------------------------------------------------------------|--------------------------------------------------------------------|
| 配置思路 | 长期资产配比，基于投资目标和约束，5-10年周期 | 短期微调，基于短期市场走势、风险变化，1年以内周期 |
| 投资目的 | 实现大类资产的长期Beta收益 | 获取Alpha收益，抓短期机会，控制风险和回撤 |
| 决策依据 | 长期经济、政策、国际环境等深层次因素 | 宏观经济短期态势、资金流向、市场情绪、事件冲击 |
| 典型模型 | 恒定混合、均值方差模型、Black-Litterman、风险平价、因子配置 | 短期市场择时和风控工具 |
| 投资风险 | 承担Beta风险 | 承担Beta和Alpha风险，增加交易成本 |

量化资产配置相关模型核心总结 [page::8][page::10][page::12][page::14]

• MVO模型通过均值-方差优化资产权重，受到参数估计敏感性影响较大。

- Black-Litterman模型将主观观点融入市场均衡预期，提升配置效果的稳定性，具有一定实用优势。

• 风险平价模型聚焦于风险贡献的均衡分配，避免风险集中，提升组合稳健性。

- 风险预算模型允许差异化风险贡献分配，更灵活满足投资者风险偏好。

• 因子配置模型以宏观和风格因子驱动资产收益，能够实现更深层次的风险分散和组合优化。

基于因子的资产配置框架和构建方法 [page::15][page::16][page::17]

• 因子配置包括：选取合适因子、计算资产因子暴露、确定因子目标暴露、匹配因子目标暴露四步。

- 宏观因子包括经济增长、通胀、利率等；风格因子包括动量、价值、规模等。

• 资产因子暴露通过回归等统计方法计算，目标暴露设定可结合机构偏好和市场视角。

- 最终通过优化求解满足目标因子组合的资产权重，兼顾收益和风险控制。

大类资产配置发展趋势与热点问题 [page::18][page::19]

• 基于因子的资产配置方法已成为主流，全球机构纷纷打造因子驱动体系。

- 另类投资作为传统资产的有益补充，能有效提升组合的多样化与收益稳定性。

• 宏观分析能力是提升配置组合表现的核心要素，准确把握宏观经济变化至关重要。

- ESG投资理念逐渐融入资产配置，兼顾社会责任与长期收益目标。

大类资产配置体系简析——报告详尽分析

---

1. 元数据与概览

本报告题为《大类资产配置体系简析——大类资产配置量化模型研究系列之一》，由国泰君安证券研究所撰写，主要分析师包括廖静池、张雪杰和刘凯至，发布时间不详但内容涵盖至2023年，聚焦大类资产配置的理论体系、模型发展及未来趋势。报告围绕大类资产的定义、配置重要性、基本流程展开，深入解析了大类资产配置模型理论的三大历史阶段：资产配置、风险配置及因子配置，重点介绍和对比各类模型理论及实践应用，最后提出了未来发展的趋势和热点，包括因子配置主流化、另类投资的兴起、宏观分析提升收益效能及ESG元素纳入的趋势。

报告意图旨在为投资者及资产管理机构提供对大类资产配置体系的系统认知及量化模型的理论及实践路径，揭示资产配置多阶段理论演进及解释其应用逻辑，辅助构建有效的资产组合和动态调整策略，推介基于因子的资产配置理念和方法论。其主要信息包括：战略资产配置（SAA）为长期配置蓝图，战术资产配置（TAA）通过短期权重调整实现alpha收益，中后期衍生的风险配置关注于风险贡献的均衡，最新因子配置追求基于资产背后驱动因子的系统风险分散。整体框架清晰，条理明确，为后续系列研究奠定理论基石。[page::0-1]

---

2. 章节深度解读

2.1 大类资产配置基本概念介绍

2.1.1 大类资产配置的含义

报告定义大类资产配置为基于投资者风险偏好、风险承受能力及投资期限，融合主观和量化模型，将资金在股票、债券、房地产、商品、现金等资产间配置，以实现最优风险收益平衡。引用Ibbotson和Kaplan (2000)指出资产配置贡献美国投资组合业绩达90%，国内研究亦显示资产配置可解释40%基金业绩差异，充分体现其投资管理中的核心地位。同时强调当前大资管及财富管理时代，机构及个人均高度重视大类资产配置作为风险防控和收益获取的关键手段。[page::2]

2.1.2 大类资产种类及特征

报告详述传统资产类别（股票、债券、现金）及新兴另类资产（商品、股权投资、房地产等）。从图1可以看到大类资产细分结构，拓展至国内外市场、不同类型股票；债券涵盖国债、企债、美元债等；商品进一步细分为金属、能源、农产品等。风险收益特征受资产类别影响显著，表1统计2009-2023年各资产年化收益率、波动率、夏普比率及最大回撤，显示股票和商品波动较大且波动率高，但伴随着较高年化收益；债券波动率低且夏普比率高（如中债企业债夏普高达1.99），现金和美元兑人民币波动及收益最低。相关系数矩阵（表2）反映国内A股与债券和货币负相关，唯与港股相关度较高，商品类与债券货币负相关，优秀的资产相关性结构为分散系统性风险提供良好基础。图2有效前沿示意资产间收益波动tradeoff，标普500在风险回报间相对优越，WTI原油高波动高收益。该部分呈现资产配置的多维维度特征和数据支撑。[page::2-3]

2.1.3 大类资产配置流程与核心环节

报告将资产配置划分为六大步骤：

1. 设定投资目标（收益、风险、投资期限等）

2. 选择配置资产（确定投资范围及子资产）

1. 战略资产配置（SAA，长期目标配置）

4. 战术资产配置（TAA，短期权重微调）

1. 组合实施及再平衡

6. 绩效监控及风险管理

图3明晰展示流程，其中SAA与TAA为核心环节，明确两者区别与联系。SAA为长期（5-10年）的资产配置蓝图，制定资产配置目标权重，是资产配置效率及风险管理基础。TAA基于市场短期表现调整SAA基准权重，是战术执行层面，能够把握短期alpha机会却需要预测能力支撑。详述两者定义、目的和模型支持，附以表格对比（表4），突出投资周期、依赖变量及风险性质等多维区别。再平衡和绩效监管是顺应市场动态、兼顾风险控制的重要操作环节。[page::4-7]

2.2 大类资产配置模型理论发展历程

报告阐述大类资产配置模型经历的三个阶段：

• 资产配置模型阶段：由早期恒定混合策略（如经典60/40股债等权重配置）到马科维茨均值-方差模型(MVO)、再到Black-Litterman模型，这一阶段模型基于预期收益和协方差矩阵，强调收益风险权衡的量化构建。
• 风险配置模型阶段：桥水全天候策略开启资产配置向风险贡献均衡的转变，钱恩平提出“风险平价”理念，根据资产对组合风险贡献平衡权重，以降低风险集中度。
• 因子配置模型阶段：发展至基于因子驱动的配置理念，因子作为资产价格变动背后的根本驱动力，逐渐替代单纯的资产视角做配置，提升风险分散的本质水平。

图5清晰图示此进程，并列举各阶模型关键理论和代表人物/机构。承接本节，报告依次详细剖析各模型理论基础、假设及计算框架。[page::7]

2.2.1 恒定混合与均值方差模型

恒定混合模型为最简单策略，如股债60/40。股债低相关性分散风险，实践简单但缺乏灵活性，风险偏重股市。

1952年Markowitz首创均值-方差模型(MVO)，在资产收益均值与风险（方差）之间权衡，以最优化投资组合效用。报告详细列举MVO基本假设：投资者理性、风险厌恶、市场有效、基于预期收益和风险标准差决策。推导投资组合预期收益$E(rp)=w^TE(r{asset})$和风险$\sigmap^2=w^T\Sigma w$，强调资产组合因相关性低于单一资产风险，从而实现风险分散。

披露MVO最优权重解析式及效用函数两种形式，揭示风险厌恶系数λ及收益风险约束的作用。报告指出MVO面临收益预期难估、输入参数敏感性强等实际难题，后续Black-Litterman模型即为改善方案。[page::8-9]

2.2.2 Black-Litterman模型

报告详尽介绍Black-Litterman(BL)模型，采用贝叶斯方法融合市场均衡收益作为先验与投资者的主观观点（矩阵P与Q表示内容与收益值），通过主观观点的不确定性矩阵Ω对观点权重加权，得资产后验预期收益$E(R)$和协方差矩阵$\Sigmar$。这一方法有效缓解了MVO模型对预期收益敏感的巨大缺陷，尤其适用于观点融合与降低输入波动性。

图6直观展现了先验与主观观点结合的收益分布过程。输入参数包括风险厌恶系数λ、协方差矩阵Σ、市场权重$w{mkt}$、主观观点矩阵P与收益向量Q及其误差Ω等，模型逻辑紧密，实操较复杂。

报告也指出模型的局限，如观点准确性极为关键、观点输入偏单、参数选取无统一标准，以及正态分布假设与现实分布差异。后续介绍了改进模型，如Meucci提出的熵池（Entropy Pooling）等。[page::10-11]

2.2.3 风险配置模型（风险平价与风险预算）

基于传统配置模型在金融危机期间表现不佳和风险高度集中问题，风险平价理念产生。桥水基金全天候策略体现分散宏观经济状态下的风险，等权配置资产风险贡献（如25%分配于不同宏观状态组合），以降低整体组合风险集中（图7展示该策略风险分散布局）。

钱恩平(May Qian)理论上证明风险平价通过均衡资产的风险贡献使得风险分散更好，避免传统60/40组合如约93%风险来自股票的集中问题。风险平价模型只需协方差矩阵作为输入，无需预期收益估计，因而更稳定。

数学构建包括组合风险度量$R(w)$和风险贡献定义$RCi$，通过二次优化求解资产权重使各资产风险贡献均衡。约束条件考虑权重和非负性。

缺点在于：高波动资产占比下降（如债券），较低收益，有时需债券杠杆提高收益；另，风险平价按资产类别，未必精确捕获风险来源，因子风险平价模型更优；指标仅用波动率衡量风险，忽略非对称风险，下行风险指标（VaR等）较优。[page::12-14]

风险预算模型为风险平价推广版，允许投资者设定个别资产风险贡献预算比例$r wi$，透过这一柔性调整更好契合投资偏好及预期，同时仍基于风险贡献框架优化资产权重。风险预算模型具更高灵活性，适应不同投资者需求，但误判风险收益导致风险暴露过度仍是风险。[page::14]

2.2.4 因子配置模型

核心理念是资产价格由多种共同风险因子驱动，实现因子层面分散而非仅资产分散。因子投资概念源于CAPM学说发展，之后由Ross、Fama等深化，金融危机后更加凸显，因极端市场下资产相关性上升，传统资产配置分散效果减弱。

因子配置模型代表将资产收益表示为$Rt=BtFt + et$，其中$Ft$为宏观与风格因子，$Bt$为资产对因子的暴露，$et$为残差。报告指出桥水全天候策略本质是宏观因子配置雏形。贝莱德等机构广泛采用因子分析提升风险分散和投资效率。

报告提出四步因子配置框架：（选取因子、计算因子暴露、确定因子目标暴露、匹配因子目标暴露），同时详细论述因子选取方法：

• 宏观因子（经济增长、利率、通胀、信用等）和风格因子（动量、价值、规模、波动率等）
• 因子生成方式包括宏观指标直接合成、因子模拟组合、PCA等统计方法
• 资产对因子的暴露通过时间序列回归计算，采用多种统计方法提高稳定性

接着报告阐述确定因子目标暴露（主观设置或基于优化）、利用组合优化器实现因子暴露的资产权重匹配，约束条件多样，框架开放灵活。报告还提及基于宏观因子事件或周期划分逻辑调整资产配置的实际应用。

图9从收益角度展示不同资产类别受到多因子驱动的贡献结构，强化风险收益来源的本质理解。[page::14-17]

---

3. 图表深度解读

图1 主要大类资产结构（第2页）

图1是一棵资产树形图，系统划分大类资产为股票、债券、货币、商品、其他另类投资，各资产进一步细分为更多子类别，如股票分国内外成熟/新兴市场、债券分国债、企业债等，商品包括金属、能源、农产品。图示清晰体现资产种类层级，展示资产配置面向的多维空间。

表1 主要大类资产收益、风险指标（第3页）

数据涵盖2009-2023年，体现主要资产年化收益、波动率、夏普比率和最大回撤。沪深300年化收益5.81%，高波动率（23.39%），夏普仅0.13，最大回撤-46.70%。相比之下，中债企业债收益5.35%，波动率仅1.3%，夏普高达1.99，最大回撤小于5%。美元兑人民币收益极低，负夏普，说明避险性质。商品如WTI原油波动高达43.1%，夏普极低0.01，反映风险很高。

此表突出风险收益权衡差异，支持资产配置中需多元化资产以平衡风险。

表2 资产相关系数矩阵（第3页）

矩阵展示资产间相关性，有股票间相关高达0.83（沪深300和中证500），股票与债券负相关（沪深300与中债国债-0.14），商品与债券也为负相关（-0.15至-0.16），美元兑人民币与股票呈较强负相关（-0.20）。

低相关资产的积极配置可以有效降低投资组合风险。

图2 大类资产有效前沿（第3页）

有效前沿描绘各资产收益波动关系，投资组合和资产收益波动权衡的启示图。标普500收益率高，波动率适中，且资产分布显示组合优化空间，WTI原油收益高但波动极大。此图示辅助理解配置权重与风险收益对应关系。

图3 战略资产配置和战术资产配置流程示意（第5页）

流程图将投资流程拆解六步，突出战略资产配置、战术资产配置为核心环节，强调目标设定、资产选择、组合调整及监控的系统管理思路。

图6 Black-Litterman模型流程示意图（第10页）

该贝叶斯模型流程图清晰标注输入参数（风险厌恶系数、市值权重、观点矩阵、观点收益和不确定性等），过程从先验估计结合观点分布推导后验收益分布，为资产配置提供数学治理框架。

图7 桥水全天候策略宏观状态风险分配表（第12页）

以经济增长和通胀两因素划分四种宏观经济形态，将风险均衡配置给不同资产子组合，演示了从宏观角度下工整均衡的资产风险布局，有利于降低经济环境变动带来的整体风险。

图8 基于因子的资产配置四步骤（第15页）

流程为合适因子选择->资产因子暴露计算->确定因子目标暴露->匹配资产配置，逐步解析了因子配置的操作过程，结构清晰易懂。

图9 预期收益与因子分布图（第16页）

多因子驱动不同资产预期收益的层级堆叠图，展现不同资产组合中无风险利率因子、利率因子、通胀、经济增长、信用及流动性等因子对收益贡献的差异，强化宏观因子构建对配置的根本意义。

---

4. 估值分析

本报告作为理论及方法论介绍报告，未涉及具体公司估值分析。其核心估值方法与资产配置模型涉及的效用最大化、均值方差优化、风险贡献平衡及贝叶斯更新等数学优化框架，均已有系统介绍和相关约束条件设置。

---

5. 风险因素评估

报告在风险提示中特别提醒如下风险：

• 黑天鹅事件导致资产间相关性提高，资产的低相关分散优势减弱，可能使资产配置组合表现不佳；
• 量化模型基于历史数据和统计规律构建，但历史规律可能失效，新市场环境可能使得模型效果大打折扣；

此外，也隐含提醒因子观点选择误判、主观观点输入偏差、风险估计不足等模型应用风险；

报告建议通过动态调整、精细模型设计及监控来缓解相关风险。[page::0,21]

---

6. 批判性视角与细微差别

本报告整体内容严谨、条理清晰，梳理资产配置量化模型发展脉络合理，理论与实践结合紧密。以下细节可供进一步审视：

• 均值-方差模型的预测参数不稳定性问题被提出，但报告未过多深入探讨如何在中国市场或新兴市场实际估计预期收益及协方差的现实操作难点；
• Black-Litterman模型的主观观点输入容易受到认知偏差影响，风险提示中虽有所提及，但模型实际应用中对观点定量化难题值得更深入探讨；
• 风险平价模型配置偏债的收益调节主要依赖加杠杆等手段，相关杠杆操作风险和流动性风险未展开深入讨论；
• 因子配置模型复杂度较高，实际数据需求与估计稳定度风险没有详尽分析，诸如因子选择稳定性、暴露估计误差及超参数调整方法值得重点关注；
• 报告于另类资产纳入强调积极管理及定价困难，然而未对其估值波动性以及流动性风险、估值滞后等给出具体风险防控措施。

这些方面可能是后续分析深化的重点。

---

7. 结论性综合

本报告全面系统地解读了大类资产配置体系的核心理论、模型演进以及应用流程。首先，明确了大类资产配置的定义、资产类别及其各自风险收益特征，通过表格和相关矩阵展示多种资产的历史表现，理论上说明多类资产低相关性可以实现有效风险分散。其次，报告系统介绍了资产配置的完整流程，强调战略资产配置（5-10年长线）和战术资产配置（短期调整）两大核心环节的地位。再深入梳理大类资产配置演进历程，分阶段介绍恒定混合模型、均值方差模型到Black-Litterman模型，再到风险平价及风险预算风险管理理念，最终过渡到因子配置的高级阶段，强调因子作为驱动风险收益的核心元件，其配置框架涵盖因子选取、暴露计算、目标设定及资产匹配优化。

基于大量历史统计及金融理论，报告指出因子配置正日渐成为大类资产配置的主流方法，并受到包括BlackRock和SSGA等国际机构的广泛采纳。另类投资作为低相关的资产类别，有效增强组合的分散效果，逐步成为主流配置成分。宏观分析能力和ESG标准的结合被视为提升资产配置收益及满足现代投资者多样性需求的关键热点。

图表辅助展现资产收益风险特征、相关性及优化边界，Black-Litterman模型贝叶斯视角下的预期收益调整流程，以及因子框架的构造和映射，都为理解资产配置背后的统计学和经济金融学提供直观支持。风险提示强调了模型依赖历史数据的局限性和极端事件下风险相关性升高的潜在威胁，提醒投资者保持警觉和动态调整。

综上，报告稳妥客观地展现了当前大类资产配置体系的主流理论脉络和实践特征，支持投资者构建科学、动态、高效的资产配置策略，评级或明确推荐未见，整体立场为指导性及启发式研究，适合希望深入量化资产配置领域的机构及专业投资者参考采纳。[page::0-21]

---

综述

本报告为国泰君安证券关于大类资产配置量化模型的系统研究系列第一篇，详细介绍了资产配置的基本定义、流程及核心环节，历史模型演变过程，并梳理了当前多资产因子配置方法的理论体系及技术路径，结合实际数据和案例图表，体现了资产配置在现代投资管理中不可替代的核心作用，及其向风险贡献均衡和因子解释的结构化进阶趋势。同时，通过阐述另类资产和宏观分析的前沿应用，以及ESG理念引入的行业新风向，体现了多维、多层次资产配置的全貌与未来研究方向。

报告结构清晰、内容丰富、论据充分，既有理论探讨也含实践指导，适合金融专业人士深入学习和借鉴，为构建我国资产管理行业符合国际先进标准的多资产配置体系、促进资本市场长期稳健发展奠定良好理论基础。

---

附：主要引用页码

报告元数据及导读：[page::0-1]
大类资产概念及特征数据详情：[page::2-3]
资产配置流程及核心环节详解：[page::4-7]
资产配置模型理论发展阶段：[page::7]
均值-方差模型推导及问题：[page::8-9]
Black-Litterman模型框架：[page::10-11]
风险平价及风险预算模型细节：[page::12-14]
因子配置模型核心思想及框架：[page::14-17]
资产配置趋势及热点问题：[page::18-21]
风险提示与免责声明：[page::0,21]

报告