• 战略性与战术性资产配置框架设计，核心关注资产价格相对强弱，采用Black-Litterman模型融合两者结果，实现波动率与最大回撤控制 [page::0][page::1]

• 因子体系设计原则：因子组内部相互独立，构造以资产价格为自变量的隐含因子，权重稳定且覆盖所有资产，低相关性特征有助尾部风险控制 [page::0][page::1][page::7]

- 资产与宏观因子相关性分析：以黄金和原油为例，经济衰退期资产尾部相关性显著上升，宏观因子相关性低于单一资产，策略配置相关性更低，体现风险分散效应 [page::2][page::3]

• 基于数值模拟揭示因子背后核心驱动对资产相关性的影响，传统协方差估计易低估相关性动态，因子方法提升相关性预测能力 [page::4][page::5]

• 结合经济指标（美元指数、通胀等）分组实证，黄金与原油相关性显著受宏观经济状态影响，辅助动态调整协方差矩阵，提升风险辨识能力 [page::6][page::7]

• 提出资产价格驱动的因子投资新思路，构建包括权益、通胀、利率、商品、信用和新兴市场六大隐含因子体系，实现因子配置再映射至资产配置 [page::7][page::8]

• 六大因子表现趋势分析表明因子收益具有差异化，且相互之间相关性较低，有助于分散风险和资产重构 [page::9]

• Blackrock旗下iShares ETF产品体系以低费率、广覆盖著称，产品涵盖多资产类别和策略，核心策略基金管理资产规模超4500亿美元，支持因子投资理念在产业实践 [page::0][page::10][page::11]

• 量化因子与资产配置智能融合，将是未来大类资产配置优化的重要方向，后续报告将继续深入因子配置模型的构建与回测研究 [page::11]

因子投资 资产配置新思路——借鉴Blackrock产品体系的深度分析报告

---

一、元数据与报告概览

• 报告标题：《因子投资 资产配置新思路 借鉴Blackrock产品体系的思考》

- 作者：丁鲁明，赵然

• 发布机构：中信建投证券研究发展部（金融工程团队）

- 发布日期：2018年6月5日

• 主题：结合因子投资理论与Blackrock ETF产品体系，探讨资产配置新范式，重点放在如何利用低相关性因子构建资产配置框架以优化组合风险收益特征。

报告核心论点强调资产配置应从传统基于单一资产类别的视角转向基于多因子架构，因子投资能够更有效地分散风险，提高组合的稳健性。报告结合宏观经济因子、策略因子及资产价格隐含因子理论，深入分析协方差矩阵估计的改进，并对Blackrock成熟的ETF产品体系进行介绍，展望未来因子投资在资产配置和ETF产品创新中的应用价值。[page::0,1,8,11]

---

二、逐节深度解读

1. 战略+战术资产配置框架的思考（第1-2页）

• 关键论点：报告开篇提出资产配置的核心目标转向资产价格间的相对强弱，把握不同经济周期下资产的相对表现，以3-6个月为中期目标，重点控制组合波动率和最大回撤。

- 逻辑与方法：
- 结合投资时钟、美元时钟、库存周期等多维模型，为战略配置提供经济逻辑基础。
- 战术择时模型灵活调整资产权重，实现超低配和超配。
- 采用Black-Litterman模型融合战略配置与战术择时成果，平衡收益与风险。

• 分析亮点：

- 反思传统资产配置方法（最小方差、风险平价等）在2017年全球利率上升环境中的局限，提出基于低相关性的基础标的剥离因子体系作为优化方向。
- 强调“平衡”理念，包括收益与风险、进攻与防守、主动与被动投资策略之间的权衡。[page::1]

2. 低相关性因子体系的构造原则（第2-4页）

• 关键论点：

- 高质量因子体系由多独立因子组成（如增长、通胀、利率、商品、信用和新兴市场六大因子），这些因子在极端市场条件下保持较低尾部相关性。
- 因子自变量构成应基于资产价格而非滞后的宏观经济数据，且资产价格权重随时间相对稳定。
- 通过宏观因子配置，解决传统资产类别间相关性在极端环境下升高的问题，实现风险更好分散。

• 数据支撑：

- 图2展示不同资产（黄金、原油、标普300等）价格净值序列；分析显示资产长周期相关性不高，但在经济衰退期如金融危机时，尾部相关显著上升（表1数据详列全样本与经济衰退期的相关性差异）。
- 图3反映了多策略（CTA、股票多因子、宏观对冲等）指数的表现及其相关性，策略间相关性低于单一资产投资，进一步强调需求从资产向因子、策略多层面分散风险的必要性。[page::2,3]

3. 因子体系助力协方差矩阵的有效估计（第4-7页）

• 关键论点：

- 相关性本质源自资产或因子共享的共同驱动变量。
- 通过数值模拟展示两类情形：带两因子和带三因子的资产价格关系，模拟表明传统使用历史相关性作为协方差输入存在显著缺陷，尤其在相关性波动大时效果不佳。

• 数据与图示分析：

- 图5-7散点图和滚动窗口相关性显示不同因子驱动下资产价格相关性的动态变动。
- 图8进一步显示在不同自变量（X1和X2）波动率分组下的相关性变化，表明分因子估计能更准确预测相关性。
- 图9-10以黄金与原油为例，结合美元指数和通胀不同状态，展示宏观因子状态对资产间相关性的显著影响，说明经济环境变量应被纳入相关性调整。
- 图11-12通过条件概率和频率分布揭示，不同经济指标在黄金与原油表现状态下的分布特征，反映资产表现与宏观基本面相互作用的复杂性。

• 结论：

- 采用贝叶斯方法结合经济指标先验概率调节协方差矩阵，可提升风险识别能力，有助于优化资产配置决策。[page::4,5,6,7]

4. 因子投资——更有效地分散风险（第7-9页）

• 关键论点：

- 因子投资跳出传统经济变量框架，将焦点回归于资产价格，提取低相关性且经济解释性强的隐含因子。
- 分析如何通过资产价格正交化实现因子体系构造，从而实现尾部风险控制。
- 该因子体系中的资产均可被线性分解为因子组合，推动从资产类别配置向因子配置的转变。

• 图表解析：

- 图13阐明传统基于宏观经济指标的资产配置思路与新思路——资产价格→因子→资产配置之间的转变。
- 图14列出推荐的六大宏观因子，包括权益、通胀、利率、商品、信用、新兴市场，详细说明各因子风险含义和代表性资产。
- 图15展示2006年至2016年间六个因子的累计收益率趋势，表现出各因子的独特波动和收益特征。

• 分析深意：

- 清楚指出因子之间需剔除交叉影响，如信用因子要剥离利率影响，确保因子纯粹性。
- 因子投资为资产配置提供了灵活性、解释力和风险分散能力，报告后续会基于该因子体系展开回测研究。[page::7,8,9]

5. Blackrock ETF产品体系介绍（第9-11页）

• 关键论点：

- Blackrock的iShares ETF作为Smart Beta产品的典范，通过低费率、高流动性提供多策略资产覆盖，助力资产配置。
- 介绍2018年3月贝莱德ishares资产规模（17071亿美元）、基金数量及费率等关键指标，突出低综合费率优势（核心策略平均0.15%）。
- 分析前十大产品规模，涵盖标普500、MSCI EAFE、新兴市场等，体现资产全球配置广度。
- 详细披露按地区、资产类别、策略类型分布（图16-18），反映产品多样性。

• 产品亮点：

- iShares Core系列主打低成本、税效优势，成为构建核心组合的基础。
- 产品涵盖美股、债券、国际股权及资产配置型ETF，满足核心及多样化配置需求。
- 以持续流动性和规模优势支撑长期资产配置，预示Smart Beta产品未来机遇广阔。[page::9,10]

6. 未来展望与系列研究（第11-13页）

• 未来工作方向：

- 报告团队后续将开展基于资产类别与因子体系的战略+战术组合配置模型对比，完善量化资产配置体系。
- 强调因子配置框架与Blackrock产品体系结合的潜力，特别是在ETF产品创新和大资产稳健配置领域。

• 系列参考文献：

- 列出相关量化基本面和金融工程专题研究报告链接，为读者提供基础和进阶研究资源。[page::11,12,13]

---

三、图表深度解读

图1（第2页）：中信建投金融工程资产配置框架

• 描述：展示了从投资标的（资产配置、因子体系、FOF）到大类资产配置框架（战略性和战术性），最终通过Black-Litterman模型进行组合优化的流程。

- 解读：
- 战略层聚焦控制风险、降低尾部相关性；战术层调整资产和因子价值权重以追求收益。
- 结合多个经济时钟（投资、美元、库存周期）与风险因子，体现了因子体系在资产配置中的核心地位。

• 联系文本：对应战略+战术配置框架基础论述，体现模型由经济逻辑与数量逻辑组合的理论基础。[page::2]

图2（第2页）：各类资产的净值序列

• 描述：1986年至2017年期间黄金、原油、商品、标普300、美国国债和LME铜价净值走势，红色阴影区域标注经济衰退期。

- 解读：
- 各资产表现分化明显，国债价格整体上升趋势明显。
- 生命周期中部分资产在经济衰退区间波动加剧，尾部风险溢出效应显著。
- 资产相关性随经济周期变化，衰退期尾部相关性上升。

• 联系文本：用于论证资产相关性非稳定特征以及尾部相关性风险，是从资产层面转向因子层面的基础。[page::2]

表1（第3页）：全样本与经济衰退期资产相关性比较

• 描述：列举不同资产之间的相关性，分为全样本和NBER经济衰退期间。

- 解读：
- 经济衰退期间黄金与原油、商品和股市的相关性明显上升，解释经济极端情况下资产间同步风险暴露。
- 国债与其他资产相关性较低甚至负相关，显示其避险属性。

• 联系文本：表明传统资产配置风险分散能力存在周期性限制，推动因子投资框架构建必要。[page::3]

图3（第3页）：各类策略指数表现

• 描述：BarclayHedge旗下多种策略指数从1996年开始的净值增长轨迹，涵盖CTA、股权多头空头、全球宏观等。

- 解读：
- 不同策略表现差异明显，部分策略呈现明显增长趋势，表明策略多样性有助于降低组合相关性和分散风险。
- CTA及多策略模式相关性较低，强调从资产转向策略层面的风险分散优势。

• 联系文本：支持因子投资涵盖宏观因子及策略维度，风险分散效果优于单一资产配置。[page::3]

图5-8（第5-6页）：模拟资产相关性与自变量波动率分组相关性

• 描述：

- 情形一、二各模拟资产Y1、Y2其全样本与滚动相关性波动图。
- 自变量高波动与低波动区域的相关性走势。

• 解读：

- 情形一表现出不稳定甚至接近零的长期相关性，不适合作为稳定风险估计。
- 情形二加入第三影响因子后相关性更稳定，反映现实多因子驱动力增强稳定性。
- 波动率不同阶段相关性分布差异，强调动态调整因子间风险依赖的重要性。

• 联系文本：证明传统静态全样本协方差估计存在缺陷，因子层面的动态估计更合理。[page::5,6]

图9-12（第6-7页）：资产相关性及经济指标条件分布分析

• 描述：美元指数和通胀按波动状态分组后的黄金与原油相关性变化、及不同时期经济、通胀、美元、短期利率等经济指标的均值和频率分布图。

- 解读：
- 经济指标强弱变化会引导资产相关性呈现显著区分，经济周期背景深刻影响资产的联合表现。
- 条件概率频率分布图提供贝叶斯调整协方差矩阵的统计依据。

• 联系文本：为未来因子投资模型中引入经济先验调节相关性风险提供统计支撑。[page::6,7]

图13-15（第8-9页）：因子投资架构及因子表现

• 描述：

- 图13比较传统与新思路资产配置流程。
- 图14列出六大宏观因子及其风险属性。
- 图15展示2006-2016年六大因子累计收益表现。

• 解读：

- 新思路彰显因子投资以资产价格为核心数据，从而更贴合市场动态。
- 因子表现图揭示每个因子有别于其他因子的独特风险收益特征，支持多因子分散风险理念。

• 联系文本：论证因子投资是升级版的资产配置框架，支持从资产到因子再回到资产的优化配置方式。[page::8,9]

图16-18（第10页）：Blackrock产品规模分布

• 描述：

- 图16按地区划分ETF资产规模与基金数量。
- 图17按资产类型划分规模与产品数。
- 表18按策略类型划分资产规模及基金数。

• 解读：

- 美国占据主导，亚洲和欧洲市场也有较大份额，全球布局明显。
- 权益类产品规模最大，固定收益次之，大宗商品和房地产规模较小。
- 核心策略基金数量虽少但资产规模较大，表明资金集中度高和市场影响力大。

• 联系文本：反映Blackrock成熟且广泛的产品线体系，有利于全球资产配置及因子投资应用。[page::10]

---

四、估值与模型方法分析

报告未涉及传统企业估值方法，但深度解读了资产配置中的量化模型应用：

• Black-Litterman模型：用于融合战略资产配置与战术择时调整，能有效平衡投资者观点与市场均衡权重，降低极端权重集中风险。

- 协方差矩阵估计：通过因子模型分解资产共性风险，改善传统历史相关矩阵的时变性和不稳定性，采用贝叶斯方法调节非对角相关系数。

• 因子提取与降维：通过资产价格加权降维方法提取低相关且经济解释力强的隐含因子体系，避免经济数据滞后的影响，提高配置实时响应能力。

- 风险拆分与尾部相关控制：关注尾部相关性，防止极端情况下资产同步风险暴露，是因子体系设计核心原则之一。

以上模型和方法构筑了报告建议的“战略+战术”资产配置体系的量化基础。[page::1,4,5,7,8]

---

五、风险因素评估

报告隐含并明确列举因子投资及资产配置面临的关键风险：

• 经济周期风险：极端经济状况下，资产相关性急剧升高，传统基于资产类别的风险分散能力下降，需通过因子体系降低尾部相关。

- 模型稳定性风险：历史协方差矩阵估计不稳定，且相关性具有时变特征，单一历史数据可能误导配置决策。

• 因子构造风险：因子之间的交叉影响（例如利率包含通胀和经济预期）需剔除，不然会导致因子污染，影响解释能力和配置效果。

- 市场环境变化风险：如2017年全球利率上行环境对风险平价策略表现不佳，需要配置模型快速适应环境变化。

• 手续费与交易成本风险：因子投资涉及频繁调仓，需兼顾综合费率控制，尤其考虑ETF产品的低费率优势。

- 策略集中风险：过度依赖少数因子或策略可能导致众多投资者拥挤头寸风险累积。

报告提出将基于因子的配置模型与宏观经济观测紧密结合，并强调动态调整权重以控制上述风险。[page::1,4,8,9,10]

---

六、批判性视角与细微差别

• 报告充分展示了因子投资的理论优势和实际操作框架，但仍存在部分需注意之处：

- 因子稳定性假设：因子资产权重相对稳定的前提存在市场结构变化、政策干预等风险，可能导致因子效用出现衰减，报告未详细讨论应对措施。
- 历史数据依赖性：协方差矩阵及条件相关性的计算依赖历史数据，未来经济与政策非线性变化可能使模型失真，需持续监控因子表现和估计有效性。
- 宏观因子解读：报告强调经济指标与资产价格存在先后差异，但对如何有效融合两者预测收益和调整配置的具体方法描述稍显抽象，尚需实操验证。
- ETF产品依赖与局限：Blackrock ETF产品模型虽成熟，但报告未全面分析全球监管差异、流动性中断风险、ETF跟踪误差等潜在挑战。
- 绩效预测不足：报告重视风险控制和分散，较少涉及因子投资策略的预期超额收益和收益波动具体预测，投资者需结合自身需求选择权衡。

总体来看，该报告逻辑清晰、理论结合实务，分析系统全面，但应用中仍需谨慎验证和动态调整模型。[page::1,4,8,10]

---

七、结论性综合

本报告以中信建投证券金融工程团队之力，全面剖析和展现因子投资在现代资产配置框架中的关键作用。其亮点包括：

• 创新资产配置视角：从关注资产类别转向关注影响资产价格的隐含因子，实现了风险维度的细化与动态控制。

- 因子体系设计科学：通过经济意义明确的六大宏观因子（权益、通胀、利率、商品、信用、新兴市场）组成低相关性因子框架，特别关注极端环境下的尾部风险控制。

• 理论与实证结合：利用数值模拟分析展现协方差矩阵的非稳定性和因子动态影响，结合黄金及原油实证，彰显宏观因子影响资产相关性的作用。

- 先进量化模型应用：战略与战术模型融合，借助Black-Litterman模型优化配置，运用贝叶斯思想调整相关性矩阵，提升风险估计精准度。

• 产品实例支撑：详细介绍贝莱德iShares ETF全球最大规模的Smart Beta产品线，强调低费率核心策略在资产配置市场的引领作用，为因子投资理论提供实务验证。

- 未来研究方向明确：团队表示将在后续研究中回测基于因子策略的资产配置表现，不断完善量化配置体系，推动理论向实践转化。

结合所有图表和数据，报告充分说明因子投资不仅是风控工具，更是实现稳健多元化资产组合的价值引擎。其对投资者提升风险识别能力、改善收益质量、构建科学资产组合具有重要参考价值。[page::0,1,2,3,4,5,6,7,8,9,10,11]

---

附：关键图表汇总（Markdown形式）

• 图14：一组较好的因子体系

展示六大宏观因子定义及风险衡量指标，体现了因子独立性与经济逻辑的结合。

• 图1：中信建投金融工程资产配置框架

体现战略配置与战术择时模型融合架构。

• 图2：各类资产净值序列（1986-2017）

表现经济衰退影响资产波动及相关性的动态变化。

• 图5-8：协方差模拟与相关性分组图

说明动态相关性估计及分组估计的重要性。

• 图9-10：美元与通胀分组后黄金原油相关性

反映经济变量对资产相关性的调节作用。

• 图13-15：因子投资新思路及因子表现

揭示因子体系的设计理念及其市场表现。

• 图16-18：Blackrock ETF产品规模分布

全面展示全球产品分布及策略分类特征。

---

本报告丰富系统地阐释了因子投资理论与实务结合路径，尤其是其在资产配置领域的创新意义，为专业机构投资者提升风险管理和配置策略提供了理论指引和实操框架。

报告