• 经典资产配置模型框架与问题概述 [page::0][page::3][page::4]

- 资产配置模型分为均值方差类和风险配置类，前者依赖资产收益率和协方差信息，后者仅依赖协方差矩阵。
- 均值方差模型准确利用资产收益和协方差信息，但收益率预测难且敏感性高，导致权重过度集中，实际效果有限。

• 传统模型存在的关键问题 [page::4][page::5][page::6]

- 资产预期收益率波动大且难以预测，均值方差模型对收益率估计误差极为敏感，引起配置权重剧烈变动。
- 传统B-L模型利用市值权重为先验，加之观点形成后验收益，解决了部分预测难题，但市值权重在国内市场适用性有限。

• 风险配置类模型分析及局限 [page::7][page::8]

- 风险平价、最小波动率等风险配置策略侧重协方差矩阵，波动率低，策略稳定但收益偏低，高配债券资产的特征明显。

• 创新策略：风险平价权重结合B-L模型先验，融入短期动量观点，加入跟踪误差约束控制风险 [page::9][page::10]

- 以风险平价策略权重为先验权重，结合资产短期动量观点，构建后验收益率，输入均值方差模型求解资产配置。
- 引入跟踪误差约束（如1%），在控制风险的同时追求收益提升，实现低波动高收益的平衡。

• 股债组合策略表现 [page::10][page::11][page::12]

- RPBL(1%)策略波动率略升，年化收益率提升14%，风险调整收益小幅优于风险平价。
- 无约束RPBL策略实现更高收益（10.13%），回撤仍低于等权策略；跟踪误差调节带来收益风险的权衡。
- 股票平均配置8%-15%，债券配置85%-92%，债券收益贡献主要稳定回报。

• 四资产组合策略表现 [page::12][page::13][page::14]

- 四资产RPBL(1%)策略比风险平价平均波动率稍高，年化收益率提升22%，风险调整收益显著提升。
- 无限约束RPBL策略年化收益14.67%，最大回撤仅-6.82%，高风险高收益特征明显。
- 配置中债券占比约50%-72%，股票、商品及海外股票灵活调整，收益贡献整体均衡。

• 跟踪误差约束对策略影响 [page::11][page::14]

- 提高跟踪误差约束会同时提升策略年化收益和波动率，波动率增幅相对较大，导致夏普比率逐渐下降。
- 合理跟踪误差控制（如1%）能平衡收益和波动，实现稳定收益，避免过度风险暴露。

资产配置研究报告详尽分析——兼论风险平价与Black-Litterman模型的融合创新

---

1. 元数据与报告概览

• 报告标题：资产配置研究系列之一：通过风险平价与Black-Litterman打造稳定收益组合

- 发布机构：方正证券研究所资产配置与金融工程研究团队

• 发布日期：2019年12月2日

- 撰写分析师：宋家骥、严佳炜（持有正规证券从业资格）

• 研究主题：资产配置模型的扩展与融合，具体探讨通过融合风险平价（Risk Parity）和Black-Litterman（B-L）方法，提升多资产组合的稳定收益表现。

核心论点总结：

报告指出传统资产配置中，均值方差模型因收益率难以准确预测及对参数敏感性大，使得实际效果不尽人意；风险平价模型虽然波动率低，收益却偏低；Black-Litterman模型因融合了先验权重和观点权重，能够缓解均值方差模型的预测难题。报告提出在B-L模型框架下，以风险平价策略权重作为先验，加入短期动量观点，再用均值方差优化并加跟踪误差约束，设计低波动及高波动版组合，实证显示此融合策略在多资产不同约束下均取得良好风险调整收益，显著优于传统单一模型表现[page::0,3-6,8-9].

---

2. 逐节深度解析

2.1 资产配置模型分类与经典理论回顾（第1章）

报告引用Hallerbach（2015）“资产配置决策倒金字塔”思想，将资产配置模型粗分为两类：

• 均值方差类模型（需预测资产收益率与协方差）：包括传统均值方差、最大夏普比率、Black-Litterman等。

- 风险配置类模型（仅需协方差）：包括风险平价、最大分散化、最小波动率等。

倒金字塔从底至顶逐渐增加所需预测信息，等权策略无需预测信息，风险平价及最小波动率依赖协方差，均值方差类顶层策略需同时预测收益率和协方差[page::3]。

2.2 均值方差模型及其局限（第2章）

基于最大化组合效用和夏普比率的均值方差模型核心表达式：

$$
\max{w} w^\prime \mu - \frac{1}{2} \delta w^\prime \Sigma w,
\quad\quad
\max{w} \frac{w^\prime \mu}{\sqrt{w^\prime \Sigma w}}
$$

其中，参数包括资产期望收益率向量 \( \mu \)、协方差矩阵 \( \Sigma \)、风险厌恶系数 \( \delta \) 以及资产权重 \( w \)。

报告通过图表2和3展示多类资产过去6-10年年化收益率的高波动性（尤其是股票和黄金），而债券收益较为稳定，说明收益率难以稳定预测。同时引述研究显示均值方差模型对收益预测误差极为敏感，收益预测小的变动导致资产权重大幅波动（图表4和5所示），投资组合风险分散效果及稳健性不足。此外，该模型在无卖空限制条件下容易导致极端权重分布，实际操作中不易分散风险，可能引发较大回撤（由图表6显示的资产权重和净值波动体现）[page::4-6]。

2.3 Black-Litterman 模型的改进（第2.4节）

B-L模型采用贝叶斯方法，先根据市场市值权重反推出市场均衡预期收益率做为先验，再结合投资者的观点形成后验收益率，减少收益率预测的敏感性。

报告详细介绍计算步骤和公式：

• 先验收益率 \( \Pi = \lambda \Sigma w_{mkt} \)

- 观点收益率模型 \( P \mu = Q + \varepsilon \)

• 后验收益率通过贝叶斯合成公式计算 \( \mu^{BL}, \Sigma^{BL} \)

图表7明示B-L模型的数学流程框架。

此外，报告指出传统B-L模型市值先验权重在中国市场意义不足，建议采用风险平价权重替代以更好反映资产历史表现[page::5-7].

2.4 风险配置类模型分析（第3章）

风险配置模型完全依赖资产协方差矩阵，避开收益率预测误差，常见策略：

• 最小波动率策略（最小化组合波动率）

- 最大分散化策略（最大化资产收益率分散比率）

• 风险平价策略（使各资产对组合风险贡献相等）

给出风险贡献公式及等风险贡献的优化目标函数。

通过图表8和9展示资产波动率与相关性历史较为稳定，表明协方差矩阵较为稳定，有利于此类模型的稳定构建。

但风险配置策略通常过度配置债券资产（图表10），收益提升有限（图表11），收益率明显落后于等权策略，表现出波动低但收益较低的特征[page::7-9].

2.5 三类模型融合创新思路（第3.3节、第4章开篇）

为克服单一模型缺陷，报告提出以B-L模型为桥梁融合风险平价与均值方差模型优势：

• 用风险平价策略权重作为B-L模型先验权重，实现有效的风险分散基础。

- 以短期动量作为观点，调整先验收益率，提升策略收益。

• 加入跟踪误差约束控制策略相对于风险平价配置的波动，合理承担额外风险以求更优收益。

- 最终将B-L产生的后验收益率输入均值方差模型计算资产权重。

拟构建包括“无跟踪误差约束（RPBL）”和“约束跟踪误差1%（RPBL(1%)）”两种策略，适用于股债配置及四资产品配置。

实际指数选用中证800（股票）、中债综合财富（债券）、SGE黄金9999（黄金）、标普500（海外股票），数据回测从2006年7月至2019年11月[page::9].

---

3. 图表深度解读及模型策略表现分析

3.1 股债配置策略分析（第4.1节）

• 收益与波动：

- RPBL(1%) 策略年化波动率3.12%，较风险平价2.80%小幅提升11%，年化收益率5.74%，较风险平价5.03%提升14%，夏普比提升至1.84。
- RPBL策略无约束（高波动）年化收益率达10.14%，波动率7.80%，最大回撤仅-6.86%，显示高收益兼顾有限风险。
- 等权策略、传统风险平价策略相比，融合策略更优（图表13、14）。

• 单年度收益稳定性：

- RPBL及RPBL(1%)策略14年间13年正收益，显示稳定性良好，且回撤远低于等权（图表15）。

• 资产权重动态与归因：

- RPBL(1%)策略中债券权重高达92%，股票约8%，收益中债券贡献66%，股票贡献34%（图表16、18）。
- RPBL策略股票权重提升至15%，贡献收益62%，债券85%贡献38%（图表17、19）。

• 跟踪误差约束效果：

- 随跟踪误差容许度提升，策略收益和波动均增加，但夏普比略降，表明承接更多风险并不一定带来单位风险收益率提升（图表20、21）。

• 最新配置权重（2019/11）：

- RPBL(1%)：股票11.27%，债券88.73%
- RPBL（无约束）：股票14.62%，债券85.38%[page::10-12].

3.2 四资产配置策略分析（第4.2节）

• 收益与波动：

- 四资产RPBL(1%)波动率提升10%至3.53%，收益提升22%至6.60%，夏普比升至1.87。
- RPBL无约束策略年化收益14.67%，波动率10.42%，最大回撤-6.82%，显示高风险高收益水平优于等权和风险平价（图表22、23、24）。

• 单年度表现：

- RPBL及RPBL(1%)策略14年来均实现正收益，波动幅度明显优于等权（图表25）。

• 资产权重与收益贡献：

- RPBL(1%)：债券72%、股票5%、商品9%、海外股票14%，债券贡献45%收益，股票18%，商品18%，海外19%（图表26、28）。
- RPBL：股票14%、债券48%、商品13%、海外股票25%，股票贡献49%最高（图表27、29）。

• 跟踪误差约束调整效果：

- 跟踪误差限制放宽，年化收益和波动均提升，但夏普比下降趋势明显，反映风险承受与收益边际效益关系（图表30、31）。

• 最新配置权重（2019/11）：

- RPBL(1%)：债券74.41%、商品11.34%、海外股票14.24%、股票权重为0。
- RPBL：债券50.32%、商品20.20%、海外股票29.49%、股票权重为0[page::12-14].

---

4. 估值与风险评估

4.1 估值方法

报告核心聚焦资产配置策略的构建及绩效提升，未涉及具体证券估值计算。利用的金融工程方法包括：

• 均值方差优化：经典的基于期望收益和风险最小化的最优化框架。

- Black-Litterman模型：通过贝叶斯方法结合市场均衡先验和投资观点，缓解传统均值方差模型对收益率高度敏感的缺陷。

• 风险平价策略：以等风险贡献为目标，无需收益率预估，基于协方差矩阵进行风险分配。

- 加入跟踪误差约束：用来控制新模型权重距离风险平价权重的偏离幅度及由此引风的波动率变化，权衡波动性和预期收益。

上述模型结合体现了对风险收益权衡的动态管理，是资产配置领域前沿实践[page::7,9-10].

4.2 风险提示

报告指出模型历史表现不代表未来，其中关键风险包括：

• 模型误设与失效风险：历史数据的过度拟合可能导致未来表现差异，尤其在金融市场出现结构性变化时。

- 极端市场事件风险：如流动性危机导致“股债双杀”情形，或海外风险事件爆发，均可能触发模型产生重大亏损。

• 缺少具体缓解措施，投资者需自行判断风险接受度[page::0,14].

---

5. 批判性视角与细微差别

• 模型敏感性：尽管B-L模型融合观点与先验缓解了均值方差模型对收益率预测的敏感性，但报告中依然需明确短期动量观点的构建和稳定性，短期动量本身可能面临时效性问题及过度拟合风险。

- 市值权重替代为风险权重的合理性：虽指出A股市值权重意义不足，改用风险平价权重先验切合实际，但风险平价权重本身基于协方差历史估计，仍旧面临估计误差与历史失效问题。

• 资产权重波动及轮动明显：股债及四资产策略中的股权权重波动较大，实际操作中可能涉及较高交易成本和流动性风险，报告未详细讨论交易成本影响。

- 收益归因局限：对不同资产贡献的分析帮助理解组合驱动力，但未充分分析宏观经济或市场因子对资产表现的影响。

• 风险提示相对简约，缺少对策略在极端场景或滑点、估值偏差影响的敏感性分析。

整体上，报告给出中肯分析框架，但实际应用中仍需谨慎对待模型假设及市场环境变化[page::0,9,14].

---

6. 结论性综合

本报告基于详实的数据分析和严谨的模型逻辑，提出了在资产配置中融合风险平价和Black-Litterman模型的构建思路，在理论上弥补了均值方差模型因收益率难以精确预测及敏感性问题所带来的局限，同时克服了风险平价模型收益偏低的不足。利用风险平价策略权重作为先验，叠加短期动量观点形成后验收益率，进而通过均值方差优化求得资产配置比例，在加入跟踪误差约束的前提下，实现了稳定收益与风险控制的平衡。

实证部分显示：

• 股债组合中RPBL(1%)策略风险调整后收益（夏普比1.84）优于风险平价（1.80）和等权（0.48），且最大回撤大幅降低，单年度表现稳健。

- 四资产组合RPBL(1%)策略年化收益6.60%，波动3.53%，夏普比1.87，均明显超越风险平价与等权策略，且无约束高波动策略RPBL表现优异，最大回撤均保持在-7%以内，风险可控。

• 资产权重动态调节体现不同资产风险和收益贡献，债券作为基石，股票与其他资产增益组合多元化效应。

- 跟踪误差约束的引入有效调节风险和收益的平衡，增加了组合的灵活性。

综上，报告通过融合三大类资产配置模型优势，搭建了稳健的多资产组合策略框架，兼顾风险分散和收益提升，具备较强的现实操作价值。但实践中需关注模型输入数据的质量以及极端市场情况下的潜在风险[page::0,3-14].

---

重要图表汇总[部分示例，报告中图表众多，均已详细分析]

1. 图表1：资产配置决策倒金字塔

展示资产配置模型所需预测信息层次，强调风险平价与均值方差类模型在信息需求上的区分。

1. 图表2-3：过去6-10年各资产滚动及区间年化收益率

突显股票和黄金等非债券资产收益率波动剧烈，收益率预测难度大。

1. 图表4-5：收益率预测变动与资产权重敏感度

说明均值方差模型对收益率预测极度敏感，验证了模型局限。

1. 图表6：均值方差模型资产权重波动极大

权重集中且波动剧烈，实际操作风险高。

1. 图表7：Black-Litterman模型流程图

清晰展示贝叶斯合成先验和观点的数学关系。

1. 图表10-11：风险配置模型资产权重与表现

反映风险平价模型配置偏债，收益虽稳定但较低。

1. 图表13-15：股债 RPBL 系列组合净值与风险收益

验证RPBL策略所带来的风险收益改善及稳定性提升。

1. 图表16-19：股债RPBL权重与收益贡献分布

解析策略收益驱动，定量展示股票和债券各自贡献。

1. 图表22-25：四资产配置策略表现与收益

展示增加商品和海外资产后的策略效果和风险调整表现的进一步提升。

1. 图表26-29：四资产RPBL权重与收益贡献

细化多元资产权重动态及对应收益分摊。

1. 图表30-31：不同跟踪误差约束对组合表现影响

说明风险约束灵活调整对收益波动及夏普比的影响轨迹。

示例图片请参考文中指引的相对路径，例如：





---

总结

方正证券本次资产配置研究报告系统剖析了均值方差、风险平价及Black-Litterman三大类模型的优劣，通过创新融合风险平价策略权重作为先验、引入短期动量观点及跟踪误差约束，形成了一个更为稳健靠谱且收益改进明显的资产配置框架。实证回测横跨股票、债券、黄金及海外股市多个品种，组合表现稳健且风险可控，具有较好推广应用价值。但同时需审慎警惕历史数据拟合误差、极端市场风险及模型参数敏感性。

本研究为机构及高端投资者提供了一条系统性资产配置思路，对现实投资实践及后续研究有重要指导意义[page::0-15].

---

（全文结束）

报告