基于宏观状态的风险预算配置体系框架 [page::2][page::10]

• 配置体系包含宏观状态预测、资产风险预算调整和量化配置三部分。

- 采用一阶下偏矩（LPM）作为风险度量，适合中国市场大类资产风险比较。

• 宏观状态影响资产收益分布，以情景分析为基础非因子溢价形式介入资产配置。

Black-Litterman模型纳入主观信息的机制 [page::3][page::4]

• BL模型整合市场均衡观点和投资者主观观点，将预期收益率视为随机变量。

- 反向优化市场权重获取隐含风险溢价，难点在于中国市场均衡权重缺乏。

• 主观信息需要量化表达及不确定性，参数校准需结合市场数据。

- BL模型非机械化投资工具，适合作为管理主观观点的辅助决策框架。

一阶下偏矩（LPM）作为统一风险度量的优越性和性质分析 [page::7][page::8][page::9]

• LPM考虑收益率分布的非对称性，解决波动率无法统一度量各资产偏态问题。

- 一阶LPM满足半可加性和单调性，适于横向比较资产风险，虽不保证风险分解的正齐次性。

• Omega函数定义为一阶上偏矩与下偏矩比，金融含义对应盈亏比，Sharpe-Omega结合风险收益评价。

基于宏观维度状态划分资产样本与LPM风险估计 [page::10][page::11]

• 利用HP滤波和MACD方法划分宏观经济增长、通胀、信贷和利率等多维状态。

- 根据不同宏观状态，分段计算资产未来21个交易日年化收益的LPM，实现状态依赖风险估计。

• 不同宏观区间内资产风险表现明显差异，结合主观判断调整风险预算。

不同风险度量下的风险平价策略回测比较 [page::12][page::13][page::14]

| 策略类型 | 总收益 | 年化收益率 | 年化波动率 | Sharpe | 最大回撤 | 资产权重（股票） | 资产权重（黄金） |
|--------------------|--------|------------|------------|--------|----------|-----------------|-----------------|
| 波动率倒数加权 | 40.04% | 5.18% | 1.56% | 2.653 | -2.68% | 4.72% | 2.94% |
| 波动率风险平价 | 39.06% | 5.07% | 1.63% | 2.476 | -2.73% | 4.69% | 4.56% |
| LPM倒数 (8%) | 37.67% | 4.92% | 3.40% | 1.138 | -6.76% | 12.13% | 6.35% |
| LPM倒数 (8%) + 宏观判断 | 48.69% | 6.14% | 3.16% | 1.607 | -3.90% | 12.13% | 6.28% |
| LPM倒数 (12%) | 37.37% | 4.88% | 4.53% | 0.8476 | -9.63% | 16.53% | 8.50% |
| LPM倒数 (12%) + 宏观判断| 50.44% | 6.32% | 4.20% | 1.254 | -5.99% | 16.11% | 8.51% |

• 基于LPM风险度量的风险平价策略股票配置比例明显高于基于波动率的策略，提供更多战术调整空间。

- 宏观状态调整显著提升策略收益率并降低最大回撤，增强策略的风险收益表现。

• 结果表明LPM结合宏观判断适合构建中国市场稳健且具有弹性的资产配置方案。

量化配置体系的实用建议 [page::14][page::15]

• 定量主观观点可将基于一阶LPM的Risk Parity权重作为均衡权重，融入BL框架中，解决均衡权重缺乏问题。

- 定性主观观点则通过风险预算调整的迭代计算实现战术权重调整。

• 建议结合宏观状态预测与风险预算调整，实现定量与定性信息的有效融合。

- 后续研究方向包括宏观经济的实时跟踪预测及单资产收益率预测模型的建立。

《如何在风险配置模型中纳入主观信息？——基于宏观状态的风险预算配置体系》深度分析报告

---

1. 元数据与报告概览

• 报告标题：如何在风险配置模型中纳入主观信息？——量化配置专题之二

- 作者：李少君、余剑峰（国泰君安证券研究）

• 发布日期：2019年，具体日期见关联报告顺延

- 机构：国泰君安证券研究所

• 研究主题：大类资产配置，风险预算，宏观状态驱动，主观信息融合，国内市场资产配置方法

核心论点

本报告围绕“如何在风险配置模型中纳入主观信息”的问题展开，提出并系统化阐述了基于宏观状态的风险预算配置体系（以下简称“配置体系”）。核心思想是：

• 以资产风险为配置主线，在时间维度上风险较为稳定且可较有效预测。

- 将宏观状态作为影响资产整体收益分布的情景变量而非简单风险因子。

• 利用Sharpe-Omega度量框架中的一阶下偏矩（LPM）衡量资产风险，提高对国内资产风态分布特征的适应性。

- 引入Black-Litterman（BL）模型思想，提出在风险预算模型中融合主观观点的两种路径。

• 通过宏观状态划分、资产风险预算调整及量化配置三步骤实现主客观信息的融合，为中国市场量身定制了一套既可解释又操作性强的风险预算配置方法体系。

总体报告立足于解决传统均值方差优化对预期收益信息敏感且均衡权重难以评估的弊端，结合宏观判断和量化框架的有效融合，增强配置策略的稳健性和可操作性，具有重要的理论价值和实践指导意义。[page::0, page::2]

---

2. 逐节深度解读

2.1 引言（第1章）

• 关键论点：资产配置的核心是比较资产间风险收益表现。中国市场大类资产配置方法面临的瓶颈包括：宏观研究如何有效融入量化模型、如何统一风险收益度量、以及能否借鉴BL模型纳入主观观点。

- 方法逻辑：提出“宏观状态预测——风险预算调整——量化配置”三步体系，利用相对稳定的资产风险作为主线，将定性和定量策略纳入风险预算层面，增强可追溯性和解释力。

• 创新点：

- 宏观信息非用作风险因子溢价，而是情景划分工具。
- 引入BL思想，将主观信息融合到以风险预算为核心的配置模型中。

• 配套图示：图1展示了宏观状态预测、风险预算调整和量化配置三个环节的流程图，直观体现体系框架。[page::2]

2.2 Black-Litterman框架纳入主观信息（第2章2.1）

• 背景：BL模型是经典均值方差框架中融合主观观点的成功范例，以贝叶斯方法处理预期超额收益的不确定性，兼顾市场均衡和投资者观点的不确定度。

- 模型核心：
- 先验为市场均衡的隐含超额收益（反向优化得出）。
- 观察投资者主观观点及其不确定性。
- 合成后验收益分布，供组合优化使用。

• 关键技术难点：

- 如何准确反向求得市场均衡隐含超额收益，尤其是在中国市场，基准组合权重难以获取。
- 主观观点需量化且含不确定性描述，国内该量化难度大。
- 参数校准（风险厌恶系数、均衡观点不确定度）需经验和市场校准。

• 实践启示：

- BL是一辅助决策工具，非机械执行，具有迭代修正主观观点的功用。

• 图2解析：

- 展示了BL模型中如何合成市场均衡收益（左）和投资者观点收益（右），最终得到新的收益分布。
- 这里体现贝叶斯条件概率融合的数学逻辑。[page::3, page::4]

2.3 是否能在风险配置模型中加入主观观点？（第2章2.2）

• 论点：

- 在难以准确估计资产预期收益时，以风险为核心的配置模型（如风险平价）更稳健。
- 借鉴BL思路尝试将主观信息纳入风险配置模型。

• 已有尝试：

- Haesen等（2017）以风险平价权重作为均衡权重再融合BL，实质认定股债风险均一状况，难以适应中国股债波动率巨大差异，导致债权资产权重偏高影响有效择时。
- Medvedev（2015）基于稳健投资调整风险预算纳入主观观点，虽数学完备但实际较保守。

• 挑战与解决方向：

- 中国市场均衡权重难得，需合理先验权重解决方案。
- 寻找适合调整资产风险预算的合理方法，以跳出MVO框架灵活整合主观信息。

• 转折点：报告提出配置体系，能较好解决均衡权重难题和主观观点纳入问题，适用于中国市场的实际操作[page::5]

2.4 基于宏观状态的风险预算配置体系（第3章）

2.4.1 基于宏观状态的风险预算和资产配置（3.1）

• 发展历程：

- 起点为2018年设计的基于经济增长与通胀两维度划分宏观状态，赋予资产风险预算设计。
- 通过风险预算分配实现全天候策略类似的动态调整。

• 不足与改进：

- 早期以波动率为风险度量，受股债波动率差异影响，调整权重幅度有限。
- 国内资产收益分布表现出偏态、尖峰和厚尾，单纯波动率和Sharpe无法完整描述。

• 示例表格：

- 表1展示不同宏观增长和通胀状态下资产风险预算比例设计。
- 表2展示加权主观判断后的风险预算调整。

• 数据说明：

- 使用统计和ANOVA方法筛选宏观指标，作为状态划分参考。

• 图3和图4：

- 图3为五类主要资产（沪深300、创业板、中债不同债券、黄金）滚动收益率分布直方图，体现收益分布非对称复杂性。
- 图4展示Omega函数曲线，说明其基于收益分布全信息的优势。(Omega作为一阶偏矩比值是一种盈亏比风险度量方法)[page::6, page::7]

2.4.2 如何统一度量大类资产的风险收益表现？（3.2）

• 核心：

- 介绍Omega度量，及其和Partial Moment的一阶偏矩之间的数学联系。
- 解释偏矩的构成：目标阈值，超阈值收益，低于阈值亏损。
- Omega函数是超阈值收益（Upside Partial Moment, UPM）与低于阈值亏损（Lower Partial Moment, LPM）比值。
- Sharpe-Omega为超额收益与一阶LPM之比，天然可用于衡量风险调整收益。

• 优势：

- 能结合收益的分布偏态，统一度量风险表现。
- 能纳入策略目标收益率阈值，适配不同投资目标。

• 报告论证：

- 探讨使用一阶LPM作为风险度量是否合理。
- 进行风险度量一致性分析，揭示一阶LPM在半可加性、单调性上表现优异，但不满足正齐次性和平移不变性。
- 讨论一阶LPM不能像波动率那样线性分解组合风险风险，但可做“近似”设计。

• 结论：

- 虽牺牲数学完备性，但一阶LPM适合中国市场实际，能结合宏观情景缓解相关性忽略问题，作为风险预算设计合理且有效。

• 理论创新：

- 以宏观状态为核心，结合一阶LPM的风险度量，赋予风险预算更好实际表现和解释能力。[page::8, page::9]

2.4.3 配置体系具体步骤（3.3）

• 体系组成：

1. 宏观状态划分
2. 各资产一阶LPM计算
3. 风险预算调整及权重解算

• 宏观状态划分：

- 采用历史数据进行两次HP滤波划分长期趋势和周期波动，并对经济增长、通胀、信贷和利率四个维度进行筛选指标合成。
- HP滤波缺陷在于端点效应强，且缺乏滚动监测和及时调整能力。
- 引入X13-ARIMA-seats季节调整，结合MACD算法实现滚动和动态的宏观状态划分，示例为PMI和PPI的滚动分类。

• 一阶LPM计算：

- 以特定收益率阈值（如6%）分状态计算资产收益分布的一阶LPM。
- 实际上，依照宏观状态的上下行分样本，每月滚动更新一阶LPM，结合资产的历史21日累计收益分布。
- 表3列示了五类主要资产在不同宏观状态下计算出的一阶LPM数值，显示宏观状态对资产风险水平影响显著。

• 风险预算调整：

- 有定量主观观点时，可将基于一阶LPM的风险平价权重作为均衡权重，借助BL框架融合主观观点。
- 只有定性观点时，采用风险预算的迭代修改方法，指导配置权重生成。
- 若有基准组合，结合资产LPM推算隐含风险预算比例，作为调整起点。
- 若无基准组合，则用等风险贡献方法初始，再根据主观观点调整。[page::10, page::11, page::12]

2.5 不同风险度量的风险平价策略比较（第4章）

• 测试对象：七类细分资产覆盖股债黄金。回测数据2012年02月至2019年06月。

- 风险度量：
- 波动率倒数
- 波动率风险平价
- 基于一阶LPM(8%)倒数风险平价
- LPM(8%) + 宏观判断
- 基于一阶LPM(12%)倒数风险平价
- LPM(12%) + 宏观判断

• 主要回测指标：

- 年化收益率、年化波动率
- 夏普比率
- 最大回撤及持续时间
- Calmar比率（该指标综合考虑收益与最大回撤）
- 下行风险

• 结果总结：

- 波动率倒数与波动率风险平价表现相近，年化收益在5%左右，最大回撤较小，策略稳健，但股票allocation仅约4.7%，债券权重大约90%以上。
- 一阶LPM风险平价策略股票配置显著提升（12%-16%），显示预留了主动战术调整的空间，年化收益5%左右，最大回撤略大。
- 提高收益率阈值（12% vs 8%）使风险程度及股票黄金权重增加。
- 基于宏观判断调整后一阶LPM风险平价策略显著增强，年化收益提升至6%以上，最大回撤大幅降低，波动率保持稳定。

• 图10：累计收益率曲线显示宏观调整策略领先其他策略，体现宏观状态结合风险度量的实操价值。

- 结论：
- LPM度量特色使得风险预算更贴近真实风险感知。
- 宏观状态加持提升了策略的动态调整能力和风险控制效果。
- BL框架结合基于LPM的权重为中国市场提供具有实际指导意义的操作路径。[page::13, page::14]

2.6 总结与展望（第5章）

• 报告回顾了系列研究核心思想及体系构建。

- 三大前提假设明确方法逻辑：
1. 市场均衡时资产单位风险的超额收益相同（Risk Parity）。
2. 宏观状态影响整体收益分布，非单纯均值方差。
3. 风险预算可做主观收益预期调整。

• 应用步骤明确，兼顾定量与定性主观观点融合。

- 展望着重强调：
- 持续监控体系实操绩效。
- 科学完善宏观状态量化跟踪。
- 逐步建立单资产预测模型完善体系。[page::14, page::15]

---

3. 图表深度解读

图1 基于宏观状态的风险预算配置体系示意图（页2）

• 描述：流程图展示三阶段，左起“宏观状态预测”，“资产风险预算调整”，“量化配置”，每阶段展示对应圆环与百分比权重变化，显示风险预算逐渐从均等分配调整至最终权重。

- 解释趋势：权重从均等开始，风险预算受宏观判断调整，最终形成更合理配置，模式清晰直观支撑文本论述。

• 作用：图示终端形态辅助理解复杂调整逻辑，体现宏观、风险与配置三者有机结合。

---

图2 Black-Litterman框架示意图（页3）

• 描述：左侧为市场均衡预期收益及协方差矩阵（先验分布），右侧为投资者视图和观点不确定性，底部为后验收益分布。

- 解读关键：强调BL利用贝叶斯更新建立新预期，结合投资者具体看法与市场情况。

• 关联文本：图示助力读者理解BL处理超额收益不确定性的方法论核心。

- 限制：只适用于均值方差优化，且实现依赖准确均衡权重反向推导。

---

图3 大类资产累计连续收益率频率直方图（页6）

• 内容：沪深300、创业板、中债不同期限和黄金的收益分布直方图，显示明显偏态和厚尾。

- 含义：传统假设收益正态分布不成立，且波动率不足以充分衡量风险。

• 重要性：佐证后续引入LPM和Omega度量的必要性。

---

图4 Omega函数曲线（页7）

• 描述：各资产Omega函数随阈值变化的曲线，表现不同资产在不同收益阈值下的盈亏比差异。

- 解读：债券短期产品Omega值快速下降，股票板块较平缓，黄金中间偏高，体现各资产风险收益的异质性。

• 应用意义：强调风险度量要纳入分布全貌，实现统一度量。

---

图5 宏观状态风险预算体系示意（页10）

• 复制了图1流程，细节展现了风险预算调整由均等向主观调整的迭代过程，说明调整权重是动态且开放的。

---

图6、7 宏观指标HP滤波长期趋势和周期波动（页10）

• 说明宏观经济、通胀、信贷、货币的趋势变动及周期性波动，展示量化划分宏观状态的真实数据基础。

---

图8、9 PMI和PPI季调后滚动状态划分（页11）

• 显示两宏观指标利用季节调整及MACD技术分阶段的状态分类，体现动态监控的可行性。

---

表1、2 不同宏观状态下风险预算设计（页6）

• 表格细致呈现了不同宏观增长与通胀组合对于各资产的风险预算占比设计方案。

- 体现结合宏观预测的风控调节，结合了策略的主观判断。

---

表3 宏观维度不同状态下一阶LPM（页11）

• 量化资产风险在不同宏观状态下的变动幅度，清晰显示资产风险随经济环境切换而变化。

- 支撑了采用状态划分与一阶LPM来更准确捕捉风险。

---

表4 多风险度量风险平价回测结果（页12-13）

• 涵盖收益、波动率、Sharpe、最大回撤、Calmar等多维度评价指标，对比不同风险度量和宏观状态调整策略的表现。

- 量化数据直观证实基于一阶LPM融合宏观调整策略相较波动率策略在收益和风险控制上的优势。

---

图10 累计收益曲线（页14）

• 多策略实际回测收益的累计表现，宏观调整LPM策略曲线领先，稳定上升，直观体现其优势。

---

4. 估值与方法论解析

• 风险预算模型：核心方法是Risk Parity，即假设在均衡状态下每种资产单位风险承担的超额收益相同，基于这一假设分配风险预算。

- 风险度量：引入一阶下偏矩LPM作为风险指标，替代传统波动率。
- LPM计算衡量亏损部分对投资者的影响，更适应国内大类资产收益分布实际。
- 结合Omega函数展现风险收益结构。

• 宏观状态划分：

- 采用HP滤波和季调+MACD相结合的方式划定宏观状态，实现资产收益分布的状态依赖估计。

• BL框架融合：

- 以基于LPM的风险平价权重作为均衡锚点，
- 将主观观点（量化或定性）通过调整风险预算，迭代计算权重，构造主观融合配置方案。

• 数理基础：

- BL框架运用贝叶斯统计建模信息融合，避免单纯均值方差优化中的参数敏感。
- LPM度量资金亏损下风险，适应收益分布非正态特征。
- 利用组合风险度量的半可加性和单调性保障合理调整。

---

5. 风险因素评估

• 模型参数风险：BL模型关键参数（风险厌恶系数λ，均衡观点不确定参数τ）难以精准估计，影响福利权重合理性。

- 宏观信息滞后与不确定性：使用HP滤波和宏观指标季节调整方法存在端点失真和时间滞后的固有限制，滚动监控和实时预报仍需完善。

• 风险度量非齐次问题：一阶LPM不满足正齐次性，导致组合风险分解有数学上的非线性误差，可能限制风险预算准确度。

- 主观观点量化挑战：国内缺乏充分量化主观观点及其不确定性披露，定性调整依赖管理者经验，影响标准化操作和模型稳定性。

• 市场均衡权重识别难：部分资产市场规模覆盖不全，权重估计存在误差，影响初始锚定效果。

报告提出了缓解方案，如基于宏观状态进行情景分析和利用基准组合隐含风险预算校准，迭代调整主观风险预算等，但均难避免上述风险影响。

---

6. 批判性视角与细微差别

• 创新与局限的权衡：报告的LPM度量和宏观状态结合带来实际操作性的提升，突破了传统波动率限制，但数学属性不完全完备，风险分解的近似性带来理论和实务的权衡问题。

- 主观信息的模糊性：报告虽然强调BL模型的主观观点需要量化，但实际操作中国内主观观点多为定性，报告提倡迭代调整风险预算的方法，但未完全解决主观判断的客观标准化问题。

• 数据滞后与预报能力依赖：当前宏观状态划分依赖历史数据，缺乏实时预判能力，影响战术调整时效性，虽报告展望有所规划，实际应用风险未完全规避。

- 均衡权重的获取难度：报告强调基于LPM风险平价权重作为市场均衡权重是中国市场突破瓶颈的关键，但该权重本身基于历史经验分布，可能存在周期限制及未来不确定性。

• 期望收益率阈值选择的主观性：LPM计算依赖用户设定收益阈值，不同阈值导致组合风险及收益差异显著，阈值的选取存在一定主观任意性，进一步依赖投资者的风险偏好判断。

- 图表对比例观察不够完整：部分表格中的资金配置比列未与实际市场规模和交易成本结合讨论，缺乏成本约束考量，或许影响策略可行性。

总体来看，报告提出的体系具有较强实际价值及新颖思路，但对于部分数学完备性和市场现实复杂性仍需后续深入研究和完善。

---

7. 结论性综合

本报告系统阐述了如何将主观信息融入风险配置模型，突破传统MVO在预期收益估计上的瓶颈，构建起基于宏观状态划分且以一阶下偏矩为风险度量核心的风险预算配置体系。通过以下关键创新实现理论与实践的有机结合：

• 风险度量创新：采用Sharpe-Omega度量框架下的一阶LPM替代传统波动率，充分考虑收益分布的偏态、尖峰与厚尾，实现对不同大类资产风险收益的统一、合理比较。

- 宏观状态驱动：利用HP滤波及季节调整结合MACD等技术，实现宏观经济增长、通胀、信贷、利率等多维状态的动态划分，进而实现资产风险预算的状态依赖估计。

• BL框架融合：借鉴Black-Litterman模型思想，以基于LPM的风险平价集合权重作为均衡锚点，提供了两种主观信息整合路径：量化观点可直接融合，定性观点通过风险预算迭代调整实现主观表达。

- 实证支持：多策略回测显示，以LPM为基准的风险平价组合能显著提升股票与黄金配置比重，配合宏观状态调整，策略整体收益提升且风险得到有效控制，优于传统波动率风险度量策略。

• 应用架构清晰：报告详细展示体系构建的技术细节和流程，包括数据处理、指标计算、模型假设、策略实施及迭代调整，具备较强的实践指导价值。

- 风险与局限明确：系统分析了模型技术风险包括参数估计难、主观信息量化难、状态划分落后、风险度量不完备等挑战，且对未来研究方向进行了展望，体现了研究的严谨态度。

综上，本报告不仅在理论上推动了风险预算配置模型的发展，更在中国资产配置实务中提出了具有创新与实操意义的方案，对提升资产配置的科学性和多维度的主观整合能力具有重要参考价值。

---

参考文献

报告深入引用了BL模型经典文献（Litterman, Idzorek, He & Litterman等）、风险度量及组合优化相关研究（Medvedev, Haesen等），融汇境内外学术与实务前沿，理论基础稳健。[page::16]

---

报告整体评价

本报告内容丰富，结构严谨，理论结合实际，充分体现作者深厚的资产配置研究功底及对中国市场特点的深刻把握。通过系统的数学分析、实际指标设计与策略测试，报告为资产配置领域提供了在风险预算框架下合理纳入主观观点的清晰路径，指导意义突出，值得资产管理者和量化研究员重点关注和深入研究。

---

附录：图示示范（示例，非完整）

• 

-

• 

-

• 

-

---

【本分析报告全文信息均基于国泰君安证券发布的《如何在风险配置模型中纳入主观信息？》研究报告，引用页码见标注，严格遵循授权规范和知识产权】[page::0, page::2, page::3, page::4, page::5, page::6, page::7, page::8, page::9, page::10, page::11, page::12, page::13, page::14, page::15, page::16]

报告