风险平价+因子策略构建与效果分析 [page::4][page::6][page::7]

• 动量因子和估值因子被用于调整资产权重，因子策略显著提升组合收益空间。

- 不同参数K调节权重调整幅度，K值越大，收益越高，但风险也相应增加，K值超过5后风险增长趋缓。
| 参数K | 年化收益 | 年化波动 | 夏普比率 | 最大回撤 |
|-------|----------|----------|----------|----------|
| 1 | 5.65% | 3.20% | 1.76 | 5.39% |
| 2 | 11.20% | 5.46% | 2.05 | 7.48% |
| 5 | 17.07% | 10.23% | 1.67 | 17.68% |

风险资产限仓比例对组合影响 [page::7]

• A股限仓比例从10%到70%不等，限仓比例越高，组合表现和风险水平越接近无仓限制，风险收益提升明显。

RSRS择时策略原理及大类资产实证 [page::8][page::9][page::10]

• 以最高价与最低价时间序列构建线性模型，结合参数N、M、S计算RSRS指标进行择时。

- 在股票指数、黄金等多资产上均表现出超额收益，夏普比率和胜率较为理想。

• 参数S敏感性不一，中证500较敏感，标普500和黄金较稳定。

RSRS 叠加风险平价+因子策略的改进组合构建及实证 [page::11][page::12]

• 基于风险平价策略构建初始权重，调整因子权重后，再结合RSRS择时信号对资产权重进行二次调整。

• 不同参数K下组合表现优于单独因子策略，年化收益、夏普比率均有明显提升。

组合风险收益统计及限仓影响 [page::12]

| 参数K | 年化收益 | 年化波动 | 夏普比率 | 最大回撤 |
|-------|----------|----------|----------|----------|
| 2 | 11.35% | 4.37% | 2.60 | 6.58% |
| 5 | 18.52% | 8.01% | 2.31 | 10.54% |
| 10 | 22.05% | 10.12% | 2.18 | 16.43% |

• 不同A股限仓比例对应风险收益点均显示RSRS改进策略稳定优于原策略。

策略整体比较：收益提升与风险降低 [page::13][page::14]

• RSRS策略组合在相同风险水平下，年化收益提升，波动率及最大回撤均大幅下降，夏普比率显著提升。

不同风险水平组合构建与表现 [page::15][page::16]

• 构建稳健型（K=2,限仓20%）、平衡型（K=4,限仓30%）、进取型（K=6,限仓40%）资产组合。

| 策略类型 | 年化收益 | 年化波动 | 夏普比率 | 最大回撤 |
|---------|----------|----------|----------|----------|
| 稳健型 | 8.40% | 3.22% | 2.61 | 3.77% |
| 平衡型 | 10.42% | 4.40% | 2.37 | 6.53% |
| 进取型 | 12.13% | 5.68% | 2.13 | 10.57% |

不同风险组合历史权重分布 [page::16][page::17]

• 高风险组合配置更高比例风险资产，如股票和标普500，低风险组合偏重债券和现金。

风险提示与免责声明 [page::0][page::18]

• 测试结果基于历史数据与模型，存在失效风险。

- 报告不构成投资建议，投资需谨慎自负风险。

基于RSRS策略改进的资产配置研究 —— 光大证券金融工程深度报告详尽解析

---

1. 元数据与概览

• 报告标题： 基于RSRS策略改进的资产配置研究 — FOF专题系列报告之五

- 发布机构： 光大证券股份有限公司研究所

• 发布日期： 2018年3月5日

- 主题： 本文聚焦于利用阻力支撑相对强度（RSRS）技术指标，在大类资产配置中整合风险平价与因子策略，打造收益与稳定性俱佳的资产组合。

• 主要作者及联系方式： 蒋俊阳；附带联系人胡骥聪。

- 研究主旨： 拓展RSRS择时策略应用，结合风险平价和因子策略提升资产组合的风险收益特征；构建满足不同风险偏好投资者的资产配置组合。

• 报告核心结论： 1）风险平价+因子策略在提升收益的同时波动上升明显；2）加入RSRS择时后，组合收益进一步增加且波动和最大回撤显著下降，夏普比率明显提升；3）通过参数调整和限仓，配置满足多样风险偏好需求。该报告旨在展示方法整合下资产组合风险收益特征的优化路径。[page::0,4,6,8]

---

2. 逐节深度解读

2.1 初始策略：风险平价 + 因子策略

• 关键论点：

以风险平价作为基线，在此之上通过动量和估值因子调整资产权重，显著提升组合收益但带来较高波动。

• 因子筛选与效果：

动量因子表现优于估值因子，针对不同资产采用不同动量计算周期（如沪深300偏6个月动量，中证500偏3个月动量，债券类短期动量等），动量因子测试结果表明多个因子相关系数和信息比率（IR）表现稳健，特别是沪深300的Momentum_6M IR达3.95，说明动量信号具有显著预测能力（详见表2）。估值因子整体较弱，债券估值因子有效性稍高（表3）。

• 权重调整机制：

以风险平价组合权重为基准，依据因子信号正负乘以参数K或其倒数调整权重，再做归一化处理。参数K控制调节幅度，K越大组合波动与收益均上升。

• 实证数据与分析：

- 表4显示，基础风险平价组合年化收益5.65%，波动3.20%，夏普1.76，最大回撤5.39%；K=5时，收益提升至17.07%，波动10.23%，但夏普比率降至1.67，回撤增至17.68%，说明收益提升的代价是更大波动和回撤。
- 图1模拟净值展示参数K变化对组合净值的影响，曲线形状和离散度表明收益与风险的平衡点。
- 限仓比例调整（图2、图3）显示，权益资产限仓越严格，组合风险收益水平越低，为实际大类资产配置约束提供现实考量。

• 总结： 动量因子对资产配置提升显著，但风险随之上升，需引入新的择时逻辑控制。 [page::4,5,6,7]

2.2 改进基础：RSRS在大类资产择时中表现出色

• RSRS指标原理：

利用最高价与最低价序列的线性回归斜率及其标准分（Z-score），与拟合方程决定系数加权，衡量阻力与支撑位的相对强弱，从而形成择时信号。

• 参数设置与差异：

按资产特性选取N、M、阈值S参数（表5），如标普500的阈值S高达1.0，黄金1.3，深圳沪深300为0.7左右，体现不同资产历史价差特征。

• 实证效果：

- 图4至图9展示RSRS多头策略累计净值显著优于对应指数，特别是沪深300和标普500表现突出。
- 参数敏感性（图10）表明净值对参数N、M较稳健，对阈值S敏感度不同，像中证500对S较敏感需精细调校。

• 统计指标比较（表6）：

标普500夏普最高达到1.005，最大回撤最低（13.15%），胜率也最高（66.67%），显示RSRS择时在海外股票市场效果较好。国内指数夏普在0.58-0.79区间，胜率中等，交易频次变化较大，反映市场特性差异。

• 总结： RSRS择时策略基于高低价序列表现出较好预测能力，成为改进资产配置风险收益的有效工具。 [page::8,9,10]

2.3 改进策略：风险平价 + 因子策略 + RSRS择时

• 策略构建逻辑（图11）：

权重1由风险平价生成；权重2在权重1基础上应用因子调整；权重3整合RSRS择时信号，将RSRS空仓资产权重降至0，转为现金权重。

• 策略实证：

- 图12展示不同K值下，RSRS改进组合净值显著优于风险平价+因子策略，尤其高风险偏好（K值大）区间优势明显。
- 表7对比结果显示，RSRS加持使年化收益在各K参数情况下均有提升，年化波动和最大回撤均明显减少，夏普比率提升显著（如K=5时夏普达2.31，高于1.67）。
- 限仓调整影响如图13、图14所示，限仓较严组合风险收益较低，但策略优势依旧明显。

• 策略比较总结（图15-18，表8）：

- RSRS改进策略使年化收益最高可达22.05%（K=10），而波动降低至约10%以下，最大回撤降至16.43%；同时夏普比率提升达2.18，较无RSRS策略明显改善组合风险调整后回报。
- 当波动控制在10%时，年化收益水平从约17%提升至22%；或当收益设定在17%时，年化波动降至7%、最大回撤减半，夏普从1.7升至2.4，风险收益平衡更优。
- 有效前沿曲线（图19）显示RSRS策略提升组合的风险收益空间，尤其在较高风险档位。

• 资产组合净值走势（图20，21）：

明显可视化高K值时RSRS策略优越性，表现出持续的超额收益和风险控制能力。

• 总结： RSRS择时有效降低风险同时提升组合收益，令资产配置策略更具实用价值和灵活性。 [page::11,12,13,14,15]

2.4 资产组合构建与权重分布

• 风险适配策略： 设计了稳健型（K=2，A股限仓20%）、平衡型（K=4，A股限仓30%）、进取型（K=6，A股限仓40%）三种组合，满足不同风险偏好投资者需求。

- 收益与风险指标（表9）：
- 在0.2%交易成本假设下，三策略对应年化收益8.40%、10.42%、12.13%；年化波动3.22%、4.40%、5.68%；最大回撤3.77%、6.53%、10.57%。
- 交易成本提高将带来收益和夏普微降，但整体稳健。

• 历史权重分布分析（图23-25）：

- 各组合均重仓债券（国债、企业债），随着风险偏好升高，风险资产比例（沪深300、中证500、上证50、标普500、恒生指数、黄金）逐步提升。
- 现金权重保持在一定水平以应对空仓信号，增强流动性和风险控制。

• 总结： 资产组合设计科学合理，结构稳健且灵活，对不同风险承受力投资者均有适配方案。 [page::15,16,17]

2.5 风险提示

• 所有测试基于历史数据和模型，不能保证未来表现。

- 模型可能因市场环境变化失效，需谨慎使用。

• 报告所含策略和结论不构成投资建议。

- 投资者应结合自身情况自行判断风险。 [page::0,17]

---

3. 图表深度解读

图1（不同参数K下策略净值）

• 多条曲线描绘2006-2017年不同K参数（从2至10）下组合净值走势，对比风险平价基线，呈现更高K值带来更陡增长，但波动幅度加大。

- 显示因子权重调整幅度K为组合收益和风险的关键控制变量。

图2（限仓比例影响）

• A股限仓10%-70%及“不限仓”情境下组合净值走势。

- 限仓限制使组合收益受限，净值曲线更平缓，风险降低。

图3 & 图14（参数选择风险收益散点图）

• 横轴为年化波动，纵轴为年化收益，色点区分不同限仓比例。

- 趋势明显：限仓越放宽，收益-风险点越偏向右上角。

图4-9（RSRS对各大类资产择时效果）

• 每图比较RSRS策略净值与标的指数净值，RSRS策略明显领先。

- 说明RSRS在各大类资产均有较强择时能力，尤其标普500和沪深300。

图10（参数S敏感度）

• 不同资产对阈值S的敏感度曲线，表现指标为策略净值。

- 体现各资产对阈值选择需不同调优策略，中证500最敏感。

图11（策略流程图）

• 表明权重的逐层调整过程，逻辑清晰，体现风险平价、因子策略与RSRS择时的整合关系。

图12-13（不同参数和限仓比例下资产净值）

• RSRS策略版本结合参数及限仓测试，净值表现优于无RSRS版本。

图15-18（收益、波动、夏普、最大回撤对比）

• 几组曲线对比风险平价+因子 vs 风险平价+因子+RSRS。

- RSRS版本收益增加，波动及最大回撤下降，夏普率大幅提升。

图19（有效前沿）

• 投资效率明显提升，RSRS版本有效前沿整体位于无RSRS版本之上方。

图20-21（不同K值组合净值对比）

• K=2净值波动小，两策略差异小；K=10收益波动放大，RSRS策略明显优越。

图22-25（不同风险组合净值及权重分布）

• 三种风险组合净值走势稳步提升，风险偏好递增。

- 权重分布显示债券为主干，股票和黄金比例随风险偏好提升。

---

4. 估值分析

• 本文未直接讨论单一资产的估值水平，而是聚焦于组合构建的量化策略绩效和风险措施。

- 策略中重要量化参数K、RSRS参数等相当于策略的估值输入，通过回测确定参考区间。

• 估值方法局限性在于对未来市场结构和资产波动的假设，模型采用历史数据和统计方法，未引入DCF等传统企业估值方法。

- 组合收益主要由策略对资产未来表现的择时和权重调整驱动。

---

5. 风险因素评估

• 模型风险：基于历史数据拟合和回测，未来市场环境变化可能导致模型失效。

- 参数敏感度：RSRS、动量因子、权重调整参数需细致调优，不当参数设定可能降低防御能力。

• 交易成本与执行风险：报告虽考虑至低交易成本影响，但更高成本实际可能压缩收益空间。

- 限仓约束风险：限仓可能减少组合灵活性，可能错失收益机会。

• 过度拟合风险：策略构造依赖于历史表现，可能未全面覆盖未来突发风险。

- 策略操作难度增加：RSRS择时引入更频繁调仓，增加实际执行难度及滑点风险。

缓解策略包括：参数的动态调整、风险平价基线保证稳定性、投资者教育及分散配置。整体风险提示强调模型存在不确定性。 [page::0,17]

---

6. 批判性视角与细微差别

• 报告充分展示了RSRS策略的历史有效性，但未深入探讨极端市场（如金融危机）中的表现，可能存在历史样本局限。

- 风险调整参数K与限仓比例调整虽灵活，但实际基金运作中投资限制及流动性问题可能更复杂。

• 组合增强虽然带来了收益提升，但波动及最大回撤下降的原因在模型层面需要更多剖析，特别是RSRS信号是否可能在某些阶段过度减少风险资产暴露，导致不同市场环境下表现差异较大。

- 策略叠加多重信号，增加理解和实施难度，报告未深入讨论系统复杂性和参数交互影响。

• 对因子有效性分析充分且数据详实，但估值因子效果逊色表现需警惕单因子驱动策略的局限。

- 报告正面展示多个风险收益指标提升，略显强调策略优势，未对模型失效风险做更多定量分析。

---

7. 结论性综合

本报告系统地构建并测试了基于风险平价的多因子资产配置策略，进一步创新性地引入了基于阻力支撑相对强度（RSRS）的择时策略，从而实现资产配置收益和风险的双重优化。在充分考虑大类资产跨市场特性及投资限制的基础上，报告通过详尽量化测试展示：

• 在单独因子调整方案中，随着动量因子权重参数K增加，组合年化收益大幅上涨，但伴随风险同步攀升。

- RSRS择时策略在多大类资产上均显示有效的择时信号，提升多头策略净值表现，特别是在标普500和沪深300上优势明显。

• 融合RSRS择时的改进策略明显改善了资产组合的有效前沿，年化收益提升同时降低波动和最大回撤，风险调整后收益显著上升（夏普比率从约1.7升至超过2.3）。

- 参数K和限仓比例为调节组合风险收益特征的关键，报告构建了稳健、平衡和进取三种风险偏好组合，覆盖不同投资者需求。

• 稳健组合收益8.4%，波动3.22%，最大回撤3.77%；进取组合收益12.13%，波动5.68%，最大回撤10.57%，体现组合设计科学平衡。

- 操作上RSRS策略增加了调仓频率和执行难度，模型风险及参数选取敏感等也被说明，提醒投资者审慎使用。

整体而言，报告为FOF及大类资产配置提供了一套技术择时与因子权重动态调整的综合解决方案，通过RSRS择时优化有效降低了组合风险同时提升收益，提升了资产配置的实用价值和应用空间，对量化投资者和资产管理机构均具有较强参考价值。[page::0-17]

---

图表汇总示意

• 

图1： 不同K参数下风险平价+因子策略组合净值，展示风险收益权衡。

• 

图2： 权重限仓比例对组合净值的影响，限仓越严收益波动越低。

• 

图3： 不同限仓比例下的年化收益与波动散点图，显示风险与收益关系。

• 

图4： 上证50指数RSRS择时策略净值表现明显优于基准。

• 

图5： 沪深300指数RSRS择时策略净值显著超越基准。

• 

图12： 融合RSRS择时改进后的组合净值演变，优于无RSRS版本。

• 

图15： 融合RSRS策略年化收益明显高于对照组。

• 

图16： 年化波动因RSRS策略加入而明显下降。

• 

图17： 夏普比率提升，显示风险调整收益表现更优。

• 

图18： 最大回撤显著下降，反映更强风险控制能力。

• 

图19： RSRS策略有效前沿高于对照策略，有利于投资决策。

• 

图22： 三种风险档位投资组合净值趋势，反映风险收益差异。

• 

图23： 稳健组合资产权重历史分布，重债轻股保守配置。

• 

图24： 平衡组合资产权重，股票比重适中，债券依然为主。

• 

图25： 进取组合资产权重，股票比重最高，风险最大。

---

综上所述，光大证券团队通过理性的数据驱动，设计并验证了一套基于RSRS择时改善的风险平价+因子资产配置策略。该模型不仅提升了资产组合收益率和稳定性，而且通过参数调节满足了不同投资风险偏好的要求。尽管模型存在参数敏感性及历史数据适用性的限制，但整体为FOF量化资产配置提供了富有价值的实证支持与量化方法论，有助于提升资产管理行业的投资绩效。

[所有信息均来源于《基于RSRS策略改进的资产配置研究》光大证券研究所报告部分内容，页码标注于文中]

报告