`

资产配置的四种范式:赔率、胜率、趋势与拥挤度

创建于 更新于

摘要

报告提出资产配置的四种投资范式:赔率、胜率、趋势和拥挤度,分别代表估值中枢定位、宏观基本面驱动、市场趋势跟随及非理性资金行为。通过构建多市场多资产的量化指标和策略,分别实现了赔率策略年化收益8.8%,胜率策略7.8%,趋势结合拥挤度的股债配置策略年化收益7.6%,行业轮动年化收益16.2%,显著优于传统风险平价,提供了系统化的资产配置主动管理框架 [page::0][page::3][page::11][page::29].

速读内容


四种资产配置范式概述 [page::0][page::3]

  • 赔率交易:基于资产估值中枢,适合负债久期稳定的机构,强调长期配置。

- 胜率交易:基于宏观基本面对资产边际走势的驱动,适合投研资源丰富的机构。
  • 趋势交易:跟随市场趋势,适合强调交易纪律和灵活调仓的私募机构。

- 拥挤交易:高频市场非理性放大,风险大,用作退场信号。

赔率交易核心指标及策略绩效 [page::5][page::6][page::7][page::8][page::9][page::10][page::11]

  • 股票赔率指标采用股息率减去国债收益率 (DY-BY) 替代市盈率,具有估值逻辑清晰且周期稳定特性。

- 多类资产赔率指标覆盖权益、可转债、利率债、信用债等。
  • 典型策略如基于股息率与国债收益率差的股债轮动策略,A股年化收益19.5%,夏普1.27;美股年化9.5%,夏普1.44。

- 可转债隐含波动率比率策略年化11%,优于沪深300。
  • 利率债采用预期收益率的久期择时策略年化5.5%,最大回撤2.8%,夏普2.31。

- 信用债基于信用利差轮动策略年化5.4%,最大回撤5.6%,夏普2.69。
  • 多资产赔率指标组合策略年化收益8.8%,波动率2.6%,最大回撤3.2%,夏普3.23。


胜率交易中的宏观风险映射与大类资产配置 [page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18]

  • 构建五大宏观隐含因子(增长、利率、通胀、信用、汇率)对股票、债券、商品等多细分资产的风险暴露映射。

- 领先经济指标能稳定领先名义GDP约一个季度,信噪比高。
  • 改进版美林时钟结合领先指数与通胀指标,月频调仓,风险约束严格。

- 胜率策略表现良好,2014年以来年化收益7.8%,波动率2.5%,最大回撤3.1%,夏普2.96。

趋势交易的动量指标分析与策略构建 [page::19][page::20][page::21][page::22][page::23]

  • 科学界与市场均验证时序动量存在显著效应,截面动量对多资产策略效果有限。

- 三大成熟多资产趋势策略指数均采用多资产、时序动量筛选和风险平价管理。
  • 自建趋势策略以风险平价优化,时间区间2014-2020年。

- 时序动量策略年化收益8.7%,夏普1.7,最大回撤5.4%;
  • 基于宏观beta动量和特质alpha动量的分解策略,降低波动和回撤,提高夏普比率分别达2.12和2.06。


拥挤指标及趋势-拥挤度框架提升策略表现 [page::24][page::25][page::26][page::27][page::28]

  • 股票拥挤度指标由成交金额和行业分歧度构成,高拥挤度预示回撤风险上涨。

- 债券拥挤度以国开债与同期限国债之间利差衡量。
  • 趋势-拥挤策略通过对动量交易加拥挤度过滤调整仓位,有效降低尾部风险。

- 股债趋势-拥挤组合策略年化7.6%,夏普2.27,均优于传统风险平价配置。
  • 行业层面基于趋势和拥挤度的月度轮动策略超额收益9.1%,年化16.2%,显著跑赢万得全A指数。


资产配置系统化框架总结 [page::29][page::30]

  • 阐述赔率、胜率、趋势、拥挤四指标与资产、策略及风险维度的对应关系。

- 在细分资产维度新增风格与行业资产,风险维度增加宏观风险高频因子。
  • 结合Antti Ilmanen《ExpectedReturns》资产配置立方思想,构筑系统化主动管理框架。

深度阅读

量化专题报告《资产配置的四种范式:赔率、胜率、趋势与拥挤度》详尽分析



---

一、元数据与报告概览


  • 报告标题:“资产配置的四种范式:赔率、胜率、趋势与拥挤度”

- 作者:分析师林志朋(执业证书编号:S0680518100004)、刘富兵(执业证书编号:S0680518030007)
  • 发布机构:国盛证券研究所

- 日期:2020年(具体日期未标注)
  • 主题:大类资产配置研究,聚焦资产配置策略体系的框架构建,围绕赔率交易、胜率交易、趋势交易与拥挤交易四大投资范式,实现资产系统化配置。


报告核心论点:基于资产收益来源,提出并系统梳理了四大资产配置投资范式——赔率(估值中枢)、胜率(边际驱动力)、趋势(市场确认)与拥挤(非理性放大)交易,整合构建了覆盖多资产类别的主动管理框架。通过不同范式的策略设计和回测,证实四种范式均具备稳定的市场超额收益能力[page::0,1]。

---

二、逐节深度解读



1. 理解大类资产的收益来源(第3页)


  • 关键点:资产收益主要来自资产配置的成功,收益来源分为宏观风险与定价误差两个维度,资产价格可拆解为“宏观风险乘定价误差”。

- 四种交易理念定义及其关联投资者
- 赔率交易(左侧进场,估值波动,需容忍短期回撤)——适合银行、保险这类负债稳定机构。
- 胜率交易(同步进场,基于宏观基本面变化)——适合资源丰富的公募机构。
- 趋势交易(右侧进场,市场价格趋势跟踪)——适合私募等交易技术强、实施广度大的机构。
- 拥挤交易(危险信号,右侧进场,收益与风险俱增)——建议多为回避,作为退场信号。
  • 投资期限差异:赔率和胜率交易适合战略配置,趋势与拥挤适合战术配置。

- 图表1与图表2展示了收益的公式拆解与投资者进场及机构禀赋的对应关系,强调了不同范式侧重点和适用场景[page::3,4]。

2. 赔率交易:寻找估值中枢(第5-11页)



2.1 权益资产赔率指标


  • 核心指标“股息率-国债收益率”(DY-BY)优于传统PE估值,因股息率稳定、周期波动小且与利率收益逻辑匹配。

- 借此构建股债轮动策略,策略基于DY-BY的阈值设定不同股票债券仓位。
  • 在A股(沪深300)与美股(标普500)市场均获显著超额收益,A股年化收益19.5%,夏普1.27;美股年化收益9.5%,夏普1.44,均优于指数表现,显示策略有效性(图表3-5)[page::5,6]。


2.2 可转债赔率指标


  • 以隐含波动率比率(50ETF期权隐含波动率与可转债平均隐含波动率的比例)作为相对估值指标。

- 转股溢价率存在估值逻辑不直观、估值中枢不稳定问题,隐含波动率比率更合理。
  • 以此构建可转债-股票轮动策略,年化收益11%,夏普率0.59,优于沪深300(年化6.8%,夏普0.39)(图表6)[page::7]。


2.3 利率债赔率指标


  • 利率债收益分解为远期利率(无预测)、久期影响(利率变化预测)和凸性偏差(波动性贡献)。

- 利用预期收益率(结合MM模型预测未来一年利率变动)构建久期择时策略。
  • 通过调整不同期限债券权重实现久期管理,策略年化收益5.5%,夏普2.31,最大回撤仅2.8%(图表7-8)[page::8]。


2.4 信用债赔率指标


  • 以信用利差(信用债与国债收益率差)衡量信用债相对利率债的估值优势。

- 构建信用债-利率债轮动策略,年化收益5.4%,夏普2.69,显著优于中债国债指数(年化4.2%,夏普1.94),收益与风险控制都获得提升(图表9-10)[page::9]。

2.5 多资产赔率指标配置策略


  • 设计包含沪深300ETF、H股ETF、可转债ETF、标普500ETF、黄金ETF及多类债券ETF的组合。

- 动态基于各资产赔率指标调整风险预算,设置权重、波动率限制、止损规则(最大回撤超2%时仓位砍半,恢复条件明确)。
  • 2014-2020年回测,年化收益8.8%,年化波动2.6%,最大回撤3.2%,夏普比率高达3.23,明显优于指数(图表12-13)。

- 策略有效分散单一资产左侧风险,将低赔率资产及时减少配置,动态平滑收益曲线[page::10,11]。

3. 胜率交易:宏观驱动力决定边际走势(第11-18页)



3.1 宏观对冲工具箱构建


  • 利用Factor Mimicking高频化传统宏观变量,构筑涵盖经济增长、利率、通胀、信用、汇率五大隐含宏观风险因子体系。

- 通过多元回归(Block-Bootstrap抽样确保稳健),分析大类资产及细分行业、债券、商品的宏观风险因子暴露。
  • 解析行业资产配置可基于不同宏观周期买入(如经济增长多买有色煤炭空医疗公用),债券行业和商品亦有明确多空方向(图表14-19)。

- 工具箱覆盖广泛,既可基于宏观观点选配资产,也可利用工具箱组合观察市场预期[page::11-14]。

3.2 细分资产隐含宏观因子分析


  • 构建细分资产的隐含经济和通胀因子,显示具有一定领先真实经济的能力,起到宏观预期的补充验证作用。

- 但较大类资产隐含因子信噪比偏低,需结合大类资产隐含因子综合使用,提高判断准确度(图表20-26)[page::15-16]。

3.3 基于胜率指标的大类资产配置策略


  • 借鉴和改进“美林时钟”,基于高频领先经济指标和通胀指标划分经济复苏、过热、滞涨、衰退四阶段。

- 策略动态调仓,月调频率,标的涵盖沪深300、可转债、有色金属、黄金等。
  • 2014-2020年,年化收益7.8%,最大回撤3.1%,夏普2.96,调仓增强了风险预算分配的灵活性,增强收益稳定性(图表27-30)[page::16-18]。


4. 趋势交易:有效趋势的定义(第18-23页)



4.1 理论支撑及业界实践


  • 学界(Moskowitz et al. 2012)证实大类资产的时序动量效应明显,且风格因子层面也同样存在。

- 三大业界趋势配置产品(瑞银GAMA、摩根MOZAIC、中信趋势策略)多资产投资,基于风险平价与动量筛选,业绩表现稳健(图表31-33)[page::19]。

4.2 截面动量无效,时序动量有效


  • 在低相关性资产池,截面动量策略效果较差,时序动量策略因聚焦资产自身历史表现优异。

- 设计月度趋势策略,基于60日和120日均线做时序动量筛选,应用风险平价组合优化。
  • 时序动量策略年化收益8.7%,最大回撤5.4%,夏普率1.7,明显优于截面动量和风险平价基准(图表34-36)[page::20-21]。


4.3 宏观β动量与特质α动量分解


  • 将资产收益用五大宏观风险因子回归分解为宏观β动量和残差特质α动量。

- 两策略独立筛选优化,宏观β动量逻辑稳健、收益稳定,年化7.0%,最大回撤3.1%;特质α动量策略灵活,收益较高,8.4%,最大回撤4.0%。
  • 两者共同作用显著降低组合波动和最大回撤,提升夏普和卡玛比率(图表37-42)[page::22-23]。


5. 拥挤交易:风险与收益的双刃剑(第24-29页)



5.1 大类资产趋势-拥挤度分析


  • 股票拥挤度定义结合成交金额与行业分歧度指标,显示拥挤度高时通常预示后续回撤风险高(示例2008、2010、2015年)(图表43)。

- 债券市场拥挤度以国开债与国债利差体现,利差缩小时表示市场拥挤交易加剧(图表44)。
  • 设计趋势-拥挤配臵策略,趋势正且拥挤低时加大仓位,高拥挤则减仓,显著降低组合尾部风险,提升夏普(图表45-47)。

- 股债趋势-拥挤配置策略年化收益7.6%,夏普2.27,远超传统风险平价配置,且最大回撤降低近一半(图表47-48)[page::24-26]。

5.2 风格与行业趋势-拥挤度框架


  • 风格/行业因子趋势定义为过去12个月的ICIR/信息比率;拥挤度包括换手率、波动率及beta比率等指标(图表49)。

- 风格和行业的趋势-拥挤度四象限(强趋势高拥挤、弱趋势高拥挤等)用于判断行业周期位置。
  • 设计趋势-拥挤行业轮动策略(多头选5行业,空头选5行业),2011年以来年化收益16.2%,超额收益9.1%,夏普0.68,显著跑赢万得全A指数(图表50-53)[page::26-28]。


6. 资产配置系统化与科学化总结(第28-30页)


  • 报告针对当前主流被动资产配置的局限,构建结合赔率、胜率、趋势、拥挤四维度的系统化主动配置框架。

- 资产投资经历赔率(估值定位)、胜率(基本面驱动)、趋势(市场认可)与拥挤(非理性放大)四个阶段,横向策略配合、纵向时序推进。
  • 赔率和胜率适合战略配置,趋势和拥挤用于战术调整。

- 图表54详列主要资产类别(权益、债券、商品、细分资产)在四维度指标上的对应选择。
  • 国盛金工提出多资产配臵立方(图表56),在Antti Ilmanen《Expected Returns》的理论基础上拓展细分资产,剔除套息因子,引入拥挤度因子,丰富了量化主动配置框架[page::28-30]。


---

三、图表深度解读


  • 图表1(收益来源公式图解):清晰展示资产价格由宏观风险与定价误差共同驱动。四大交易理念对应这些构成,阐明信息来源和投资策略定位[page::3]。
  • 图表2(四种范式及机构禀赋):描述四种范式的进场顺序与适合机构群体,视觉化表明策略特性及其策略执行的机构约束和匹配度。具有较强实操指导意义[page::4]。
  • 图表3-5(股债轮动绩效及策略曲线):基于DY-BY指标的策略在A股和美股均表现优于各自股票指数,回撤显著降低,夏普提升明显,表明股息率-国债收益率指标的良好有效性[page::6]。
  • 图表6(可转债隐含波动率轮动):曲线显示隐含波动率比率上下波动与策略净值波动高度吻合,说明该指标能准确捕捉可转债相对于股票的价值区间,提升收益同时控制掉部分下行风险[page::7]。
  • 图表7-8(利率债久期策略):预期收益的久期择时策略收益曲线稳健上升,回撤低于单一长久期债券,表明结合动态久期调整有效提升收益稳定性[page::8]。
  • 图表9-10(信用债利差策略):信用利差Zscore的涨跌直接对应策略净值的涨跌,yield差价成为信用债择时核心定价信号,策略改进回测表现和风险平衡[page::9]。
  • 图表12-13(多资产赔率配置策略):净值持续稳步上升,年化风险波动低,止损与波动控制有效。各资产占比动态调整,体现策略的多元化和风险平衡,极大降低了单一标的择时的左侧风险[page::11]。
  • 图表14-19(宏观隐含因子及风险映射):清晰地定义宏观风险因子及对应真实因子和隐含因子,展示大类资产及细分板块对于不同宏观风险的Beta值排序和显著度,构建系统化宏观对冲工具箱[page::12-14]。
  • 图表20-25(隐含经济与通胀因子对比):显示大类资产隐含因子领先真实经济指标的时间优势及信噪比,细分资产隐含因子补充信息作用明显,辅助宏观经济判断[page::15-16]。
  • 图表26-30(领先经济指标与基于美林时钟配置):领先经济指标领先GDP约一季度,提升宏观时钟的预测能力。美林时钟策略实际表现稳健,增配复苏期债券,避开过热期风险,收益风险比均优于基准[page::16-18]。
  • 图表31-33(时序动量的学术与业界实证):实证证明大类资产和风格因子存在明显时序动量效应。业界三大全球趋势配置均采用基于风险平价的多资产动量策略,验证理论应用[page::19]。
  • 图表34-36(时序与截面动量策略比较):截面动量策略增加波动与回撤降低收益,而时序动量提升策略风险调整后收益,印证报告英语对两动量适用性的理论解释[page::20-21]。
  • 图表37-42(时序动量分解与策略表现):将时序动量分为宏观β带动和特质α带动两部分,独立构建策略降低波动和回撤,提升夏普值,显示出多因子动量组合的优效性[page::22-23]。
  • 图表43-48(趋势-拥挤态势组合与绩效):拥挤度指标明显预示市场潜在回撤,拥挤过滤结合趋势指标有效降低尾部风险。趋势-拥挤股债组合策略相较风险平价组合绩效大幅提升[page::24-26]。
  • 图表49-53(风格与行业趋势-拥挤图谱及策略):以多维拥挤度指标与趋势指标构建风格及行业四象限模型,行业轮动策略实现显著超额收益,证明趋势与拥挤度多维配合在细分资产中的有效性[page::26-28]。
  • 图表54-56(系统化多资产配置框架):综合赔率、胜率、趋势和拥挤四维度指标,构成资产配置决策立方体,辅助投资者纵观资产类别和策略维度,实现多因子多层次资产配置策略落地[page::28-30]。


---

四、估值分析


  • 报告侧重于资产配置的策略设计与信号构造,估值部分主要体现在赔率交易范式中,定义为利用资产估值(如股息率、隐含波动率、利差、预期收益率等)确定多资产合理配置中枢。

- 各资产赔率指标经过严格逻辑筛选,依托经典理论(如Fed模型、期权定价、利率期限结构的MM模型)及实证回测确定。
  • 多资产赔率配置策略通过调整风险预算与权重限制、止损规则等风险控制手段,实现估值信号的动态应用,缓冲估值指标固有的时滞与左侧风险。

- 报告未采用DCF或传统市盈率估值,而是以相对收益率、利差、隐含波动率等更兼具市场机制的指标构建动态估值体系,符合策略动态调整需求[page::5-11]。

---

五、风险因素评估


  • 资产配置成败受多方面复杂因素影响,报告特别强调指标体系无法完全捕获未来宏观环境变化及市场制度变迁风险。

- 赔率交易存在左侧风险,即估值较低未必短期上涨,可能陷入“价值陷阱”;该范式要求投资者承受一定时间成本和波动。
  • 胜率交易依赖宏观指标准确性与领先性,宏观经济误判可能导致配置失效。

- 趋势策略受市场噪声和突发事件干扰,可能出现大幅回撤。
  • 拥挤度指标之信号若误读可能导致超配高风险资产,策略反转时损失更大。报告建议将拥挤度作为退场信号,防止“火中取栗”。

- 策略整体风险管理依赖止损规则、波动控制及多资产分散,提升组合下行保护能力,但未能完全消除极端风险。
  • 未来市场结构变化与制度创新也可能导致历史规律失效,风险提示明确指出投资者需注意模型和指标的动态有效性[page::0,29,31]。


---

六、批判性视角与细微差别


  • 本报告系统梳理四大交易范式,逻辑清晰且兼顾理论与实证,但某些假设仍存不确定:

- 赔率指标的中枢界定依赖历史数据稳定性,面对结构性宏观转折(如人口、利率趋势变化)准确性受限。
- 胜率隐含因子模型主要依赖经济领先指标和宏观风险因子,遭遇突发黑天鹅事件时预判失效风险仍隐。
- 趋势策略虽有效,但时序动量策略回撤较大,止损方法虽有助风险控制,其实际执行中的滑点和成本影响需要更多验证。
- 拥挤度的定义与测量较为多样,报告主要用成交量、行业分歧度等代理,可能导致不同资产或市场拥挤信号有所偏差。
  • 报告较少讨论策略实施的交易成本、流动性风险以及市场冲击等现实因素,这可能对策略效果造成负面影响。

- 四范式周期长度及切换时点不易精准定义,报告提出周期叠加与不同时间尺度对应,但实际操作中策略调度复杂度较高。
  • 尽管报告强调多策略共用可互补风险,但实际依赖组合优化和风险限制模型,模型风险依然存在,组合稳健性依赖于参数调优和数据质量。

- 综上,报告展示了扎实严谨的理论与模型构建,但策略落地与持续有效性仍需依托持续研究和市场实践反馈。

---

七、结论性综合



本篇《资产配置的四种范式:赔率、胜率、趋势与拥挤度》报告全面系统化阐述了大类资产配置的四大核心交易范式及其相互关系:
  • 赔率交易通过构建便捷可靠的估值指标(如股息率减国债收益率、隐含波动率比率、信用利差等)捕捉资产合理估值中枢,形成低估时买入高估时卖出的左侧配置方案,适合长期战略配置,并通过基金多样化组合显著降低了左侧风险,提升了收益稳定性——年化收益8.8%,波动率2.6%,夏普3.23[page::0,5-11,10-11]。
  • 胜率交易基于宏观风险隐含因子(经济增长、利率、通胀、信用、汇率)量化映射资产表现,结合改进的美林时钟构建领先指标,指导宏观驱动的同步配置,年化收益7.8%,夏普2.96,展现宏观基本面对资产配置的稳健指引能力[page::11-18]。
  • 趋势交易强调时序动量相较截面动量在大类资产中有效,细分为宏观β动量与特质α动量,两者协作不仅提升策略收益(分别年化7.0%与8.4%),还大幅降低波动和最大回撤,进一步优化风险收益比,使趋势交易策略更具层次性和稳定性[page::18-23]。
  • 拥挤交易提供对非理性资金流入的量化识别,通过成交量、行业分歧度和债券利差构造拥挤度指标,结合趋势信号过滤过热区间,实现尾部风险显著下降,组合夏普提升,策略年化收益7.6%,最大回撤4.4%,夏普2.27,具有效的风控辅助功能,同时在行业轮动中也展现出较强的超额收益能力(年化16.2%,超额9.1%)[page::24-28]。


报告在理论层面结合金融经典模型和定价理论实践量化建模,在各资产类别和细分资产上均有详实的实证回测支持,通过充实的图表辅助说明全方位展示实证成果,保证了研究的完整性和可信度。

最后,国盛证券提出以这四大范式和经济、利率、通胀、信用及汇率五大宏观风险因子为核心维度的资产配置立方模型,实现多资产、多策略、多风险的系统化主动管理框架,为投资者提供了更科学、更灵活、更稳健的资产配置路径[page::28-30]。

整体来看,报告不仅架构层次分明、逻辑严密,也注重实证效果和风控机制,兼具理论高度与实操价值,为机构投资者在当前复杂多变市场环境中构建全面配置策略提供了重要参考。

---

注:以上分析所引用页码均标注为[page::页码],方便追溯和后续验证。

报告