大类资产市场表现综述 [page::3]

• 2024年8月股票市场普遍下跌，上证综指下跌3.28%，创业板指下跌6.38%。

- 债券收益率涨幅有限，10年期国开债收益率微升2bps至2.24%。

• 黄金价格上涨1.46%并创历史新高，原油价格下跌4.25%。

三种宏观因子风险预算模型表现与配置建议 [page::4][page::5][page::6]

| 模型 | 2024年8月收益率 | 年化收益率 | 年化波动率 | 年化夏普比率 | 特征 |
|------------------|-----------------|------------|------------|--------------|----------------------------------------|
| 风险预算模型 | -0.19% | 7.70% | 1.56% | 4.92 | 稳定资产配置，提升利率债配置，股票及信用债微降。 |
| 自适应模型方法一 | -0.26% | 7.13% | 1.14% | 6.24 | 加入收益预期，边际提升长久期利率债和股票仓位，减少信用债。 |
| 自适应模型方法二 | -0.17% | 6.07% | 0.60% | 10.06 | 以单位风险收益率衡量性价比，保持高信用债仓位，股票微增。 |

• 各模型均采用主成分分析构建，着眼于宏观因子的动态风险贡献与收益预期，通过风险预算调整资产权重。

宏观因子体系构建与经济学含义 [page::7][page::8][page::9]

• 基于沪深300、中证500及几类债券指数，应用主成分分析提取5个宏观因子：

- 利率因子：利率下行利好债券，股票价格反向波动。
- 经济增长因子：正向影响股票和信用债，体现经济扩张预期。
- 信用因子：反映信用债风险溢价变动。
- 期限利差因子：体现不同债券期限间利差变化。
- 规模风格因子：体现股票市场规模及风格差异。

• 利率因子和经济增长因子解释了近90%以上的资产风险波动，信用、期限利差和规模风格因子解释度相对较小。

风险预算模型原理及自适应改进方法简介 [page::9][page::10]

• 风险预算模型通过设定各因子风险贡献比例，优化资产配置权重，满足投资者风险偏好。

- 自适应模型引入因子收益率信息：
- 方法一以预期收益率加权风险预算，提升收益弹性。
- 方法二使用单位风险上预期收益率（夏普比）作为权重，提高收益风险比。

• 不断根据宏观因子动态调整配置比例，实现相对稳健和弹性的资产配置。

策略风险提示 [page::0][page::10]

• 历史数据可能不被重复验证，模型存在失效风险。

- 宏观资产相关性可能失稳。

• 国际政治摩擦可能引发大类资产的同步剧烈波动。

金融研究报告详尽分析报告 — 《债券增利率减信用，股票提示超跌反转》 国金证券 2024年9月4日发布

---

一、元数据与报告概览

• 报告标题：《债券增利率减信用，股票提示超跌反转》

- 作者：于子洋（执业证号S1130523110002）、张剑辉（执业证号S1130519100003）

• 发布机构：国金证券研究所

- 发布日期：2024年9月4日

• 研究对象：中国宏观大类资产配置策略，覆盖股票、债券及大宗商品资产类别

- 核心主题：通过基于宏观因子体系构建的大类资产风险预算模型与自适应模型，对大类资产进行动态配置；分析当前2024年8月的市场表现，提供资产配置建议并提示不同策略的风险及适用投资者类型。

• 核心观点及评级：

- 权益市场继续调整，债市收益率维持窄幅震荡，黄金价格创新高。
- 基于5个宏观因子构建的风险预算模型整体趋于稳定，利率债配置有所提升，信用债和股票仓位略微下降。
- 自适应策略基于对宏观因子预期收益的动态调整，显示利率因子动量较强，建议增加长久期利率债和股票仓位，减少信用债和短久期利率债。
- 报告提示股票资产可能处于超跌且有反转信号的阶段。

• 投资建议：

- 三种模型分别适合不同风险偏好及收益风险比需求的投资者。
- 风险预算模型适合稳健投资者；
- 自适应方法一适合积极投资者，业绩弹性最大；
- 自适应方法二适合追求最高夏普比的投资者。

• 风险提示：

- 历史数据可能不能完全反映未来，模型有效性存在不确定；
- 宏观因子与资产相关关系可能失稳；
- 国际政治风险带来的资产价格大幅同向波动风险[page::0,4,10]。

---

二、章节深度解读

2.1 大类资产行情回顾

• 2024年8月中国大类资产表现继续弱势，权益市场四大指数均呈显著下跌：

- 上证综指跌3.28%，沪深300跌3.51%，中证1000跌5.31%，创业板指跌6.38%。

• 债券市场方面，债券收益率仅微幅上行2个基点，10年期国开债活跃券收益率达2.24%。

- 大宗商品市场中，原油价格回落4.25%，黄金续创新高，上涨1.46%，2024年累计上涨近20%。

• 人民币汇率小幅贬值，美元兑人民币亦有所回落。

- 股债分化明显，债券相对稳定，商品表现分化，黄金表现强劲。

• 图表1展示详细各资产类别月度及年度累计涨跌幅，图表2以柱状图形象化月度表现，进一步凸显权益的整体调整与黄金的异动表现。

- 总体反映市场风险偏好回撤，权益资产承压，同时资产避险情绪推升黄金行情[page::3]。

2.2 策略近期表现及配置建议

• 报告围绕三种基于宏观因子风险预算构建的资产配置模型展开：

1. 风险预算模型
2. 自适应模型方法一
3. 自适应模型方法二

• 风险预算模型：

- 2024年8月收益为-0.19%，年内累计5.06%，年化收益7.70%，年化波动1.56%，夏普比率高达4.92，表现稳健。
- 资产配置方面，边际增加利率债比例，减少股票和信用债仓位。
- 配置比例中，10年期国债占比最大（约57.44%），其次为3-5年国债和信用债（36.77%）。

• 自适应模型方法一：

- 将宏观因子过去表现纳入考量，给予表现更好因子更高的风险预算。
- 8月收益为-0.26%，全年收益4.69%，年化7.13%，波动1.14%，夏普比率6.24，波动相对低，收益弹性较大。
- 建议增加长久期利率债及股票仓位，减少信用债及短久期利率债。
- 股票配置较风险预算模型有所上升，中证500配置从3.90%升至4.82%，10年期国债配置从35.19%升至47.80%，信用债大幅降至50.53%。

• 自适应模型方法二：

- 以单位风险收益（夏普比）进行风险预算权重调整。
- 8月收益为-0.17%，全年收益3.98%，波动0.60%，夏普率10.06，为三者中波动最低、夏普最高的模型。
- 该模型8月配置延续7月，股票仓位微升，信用债高杠杆配置，10年期及3-5年期国债双零配置，体现了信用债的高风险补偿预期。
- 股票仓位总体较低，沪深300和中证500比例分别为0.38%和1.20%[page::4,5,6]。

2.3 策略原理简介

• 理论基础：

- 将大类资产配置转变为宏观因子风险配置，解决传统资产之间时变动态相关性带来的配置不稳定问题。
- 依托马科维茨均值方差模型与风险平价理论，结合主成分分析，提炼出五大宏观因子：利率因子、经济增长因子、信用因子、期限利差因子、规模风格因子。
- 这些因子分别代表资产对于宏观环境不同维度的风险暴露，实现资产配置的科学化与动态适应。

• 宏观因子构造：

- 采用主成分分析方法对沪深300、中证500和多类债券指数收益率进行降维，提取共性驱动。
- 主成分的线性组合不仅去除噪音，且因子之间的正交性满足配置模型低相关性需求。
- 数学框架详尽描述，包括资产收益标准化处理、相关系数矩阵计算、特征值特征向量提取等，清晰展示了宏观因子从资产收益中提取的原理。

• 宏观因子经济含义：

- 第一主成分（利率因子）：债券资产积极暴露，股票轻微负暴露，符合利率下行债券涨、股票跌的市场规律。
- 第二主成分（经济增长因子）：股票与信用债均有强正向暴露，体现经济增长带动股债普遍向好。
- 第三主成分（信用因子）：信用债明显正暴露，国债负暴露，反映信用利差变化。
- 第四主成分（期限利差因子）：短久期和长久期债券呈相反暴露，展示期限结构风险维度。
- 第五主成分（规模风格因子）：沪深300与中证500暴露相反，揭示股市规模风格因子。
- 解释度方面，利率因子和经济增长因子合计贡献超过80%，信用、期限利差和规模风格因子贡献较小，符合理论预期。

• 风险预算模型设计：

- 不采用严格风险平价，而是允许不同宏观因子风险预算差异，根据投资者偏好调整配置。
- 风险贡献计算基于因子协方差矩阵与资产权重的敏感性，求解最小化配置组合风险偏离预定风险贡献权重的优化问题。
- 模型求解限制权重为非负且总和为100%。
- 自适应模型在风险预算中引入因子预期收益率的权重，二种方法分别基于历史收益率和单位风险收益率调整风险预算权重，提升模型灵活性和反应性。

• 数学公式部分详细表达风险贡献、风险预算优化目标函数及求解流程，说明模型在科学严谨地度量和控制组合风险[page::6,7,8,9,10]。

---

三、图表深度解读

3.1 大类资产行情表与图（图表1和2，页3）

• 表格展示多类指数资产8月及全年表现：

- 股指普遍下跌，创业板跌幅最大6.38%，中证1000跌5.31%。
- 债券指数表现平稳，中债新综合财富微升0.05%，信用债微跌0.10%。
- 黄金上涨1.46%，累计涨幅大幅领先（近20%），原油下跌4.25%。

• 图形将各资产按月表现由高到低排列，一目了然体现黄金的强势与创业板的疲软。

- 该图表支持权益资产调整与黄金避险属性增强的论点[page::3]。

3.2 风险预算模型表现与配置（图表3和4，页4）

• 净值曲线图显示策略持续稳健增长，虽有波动，整体向上趋势明显。

- 配置比例数据显示，国债配置稳定且集中在中长久期，
- 10年期国债占比超过57%，维持核心稳定部分。
- 股票配置严重偏低（沪深300持仓为0），信用债占约37%。

• 边际配置微调基于因子协方差的风险贡献变化，体现模型动态响应市场波动性能。

- 建议信号稳健，适合保守投资者[page::4]。

3.3 自适应模型方法一表现与配置（图表5和6，页5）

• 净值曲线整体向上，与风险预算模型相似，但年化夏普率更优，说明风险调整后收益较好。

- 配置相较风险预算模型明显：
- 股票配置提高至沪深300 0%、中证500近5%。
- 长久期国债配置从35%大幅提升至48%。
- 信用债大幅降至50%，体现了对信用风险的谨慎态度。

• 模型响应动量因子，利用表现好的因子承担更多风险。

- 明显体现投资者风险偏好趋于积极的一面[page::5]。

3.4 自适应模型方法二表现与配置（图表7和8，页6）

• 净值曲线稳定增长，波动显著小于方法一，夏普比率最高，适合追求高风险调整收益者。

- 配置极为激进地集中信用债仓位（138%杠杆配置），无国债配置，股票配置极低。

• 此配置反映了该模型基于单位风险收益比选出最优资产，所冒风险集中在信用债，表现出较高杠杆与集中度风险。

- 模型对市场波动极其敏感，适合风险承受能力强的策略[page::6]。

3.5 宏观因子体系与经济学含义图（图表9至15，页7-9）

• 图表9呈现宏观因子与现实风险因素关系示意。

- 图表10-14展示五大主成分因子在不同资产上的暴露度：
- 利率因子对长短久期国债有强正贡献，股票微负贡献，符合利率债价格与利率变动的负相关关系。
- 经济增长因子股票暴露极强，债券中信用债暴露正，体现增速环境下股债双赢。
- 信用因子独石地表现为信用债主导正暴露，国债负暴露。
- 期限利差因子表现出长短久期债券分歧，反映期限结构变化影响。
- 规模风格因子主要区分大中小盘股票风格表现。

• 图表15主成分解释度显示利率和经济增长两大因子合计超过80%解释率，反映核心宏观驱动力。

- 以上图表说明宏观因子体系的经济合理性与统计有效性，支撑后续风险预算配置逻辑[page::7,8,9]。

---

四、风险因素评估

• 主要风险包括：

- 历史数据和模型假设可能不能持续准确反映未来市场结构及相关性，导致配置失效风险。
- 大类资产与宏观因子之间的相关性可能出现断裂，削弱模型预测效力。
- 国际政治摩擦和地缘冲突可能引发市场恐慌性抛售或同向暴跌，带来极端风险。

• 报告未具体提出对风险的对冲或缓解措施，投资者应关注组合中资产相关性变化和流动性风险。

- 风险概率未具体量化，提醒投资者对模型构建基础的脆弱性保持谨慎[page::0,10]。

---

五、批判性视角与细微差别

• 报告整体结构严谨，方法论和数据应用科学，推论环节较为严密。

- 宏观因子构建依赖历史资产收益，可能低估低频宏观变量信息，模型对突发的政策变化或宏观环境转折敏感性不足。

• 第二主成分剥离利率影响定义为“经济增长因子”，可能存在模型识别偏差，尤其在高通胀或滞涨环境下。

- 自适应模型方法二集中使用信用债杠杆，潜在系统性风险较高，适用范围有限。

• 不同模型之间存在较大配置差异，说明模型对风险预算权重选择极其敏感，投资者需结合自身风险承受能力审慎决策。

- 报告均未明确披露预期收益率的具体计算窗口长度及更新频率，可能影响实际操作的动态调整精度。

• 虽然风险提示到位，但具体的风险管理策略和临界指标尚缺，限制了模型的直接应用指引价值[page::0,7,9,10]。

---

六、结论性综合

本报告基于国金证券研究所深度分析，运用主成分分析提炼五大宏观风险因子并构建了三种风险预算模型，旨在通过科学的风险贡献衡量，实现对中国市场大类资产的动态配置与绝对收益追求。2024年8月市场环境下，权益市场承压，债券稳健，黄金上涨，恰恰反映了宏观因子配置策略中利率债增配、减持信用债和股票的理性反应。

图表显示：

• 权益资产大幅下行，特别是以创业板指为代表的小市值成长股明显超跌（跌幅超6%），对应自适应模型方法一和风险预算模型均提示股票仓位处于低位并存在边际增配的信号，指向市场超跌反转机会。

- 利率因子解释度高达近50%，凸显债券配置的核心地位。模型实际配置中，10年期国债权重稳定且具有核心配置地位，相关风险预算模型针对利率波动做出了及时响应。

• 经济增长因子与信用因子为股票及信用债配置权重制定关键导向，而自适应模型动态赋予因子不同权重，提升收益弹性。

- 三种模型之间展现不同的风险容忍和收益追求态度，分别适应不同类型投资者需求，且表现出的夏普比率差异显著，说明风险调整后的收益优劣清晰。

• 报告逻辑科学全面，尤其对风险预算模型的数学基础清晰阐述，配合详实的因子暴露与资产配置数据，为投资者理解和应用提供了坚实的理论及实证基础。

综合来看，报告成功构建了基于宏观因子的风险预算资产配置框架，通过动态自适应调整显著提升收益风险比，具备一定的实际操作参考价值。尽管未来风险依然存在，尤其来源于模型有效性和宏观相关性可能波动，但报告提供了清晰的市场状态分析和资产配置建议信号，为投资者在当前调整行情中调整投资组合提供了科学依据。

---

附：核心图表链接

• 图表2：大类资产2024年8月表现图

• 图表3：风险预算模型2023年以来净值曲线

• 图表5：自适应模型方法一净值曲线

• 图表7：自适应模型方法二净值曲线

• 图表9：宏观因子体系

• 图表10-14：五大主成分因子暴露

• 图表15：主成分解释度

---

总结

该报告通过严谨的宏观因子风险预算模型阐释当前中国大类资产市场的动态表现，深入剖析资产类别间风险收益特征，结合三种配置策略适配不同投资需求，展现出对复杂市场环境下资产配置的高水平理解与实践指导，具备极强的策略性和专业参考价值。[page::0-10]

报告