• 截至2018年上半年，中信建投金工团队研报阅读量列行业第二，具备较强市场影响力 [page::0]

• 中信建投金融工程策略框架涉及多源数据集成，包含Wind、Bloomberg、高频与爬虫数据，策略涵盖量化基本面、多因子选股、基金研究及大数据等多个维度 [page::1]

• 因子投资框架重视战略性配置模型和战术性择时模型的融合，核心目标控制波动率和最大回撤，通过Black-Litterman模型实现动态资产配置优化，追求收益和风险的平衡[page::4]

• 不同经济周期中资产相关性显著波动，尤其在经济衰退期，权益类资产尾部相关性明显提升，凸显宏观因子配置和风险拆分的重要性 [page::5]

• 各类策略之间相关性较资产层面更低，宏观因子和隐含因子的构建可提升风险分散效果，因子体系需要满足低尾部相关和时间稳定性 [page::6][page::7]

• 数值模拟展示不同因子影响下资产相关性的动态变化，强调理解资产背后因子驱动对协方差矩阵估计的意义，从而提升相关性风险判断能力 [page::7][page::8]

• 以黄金和原油为例，美元指数和通胀等经济指标显著影响两者相关性，结合贝叶斯理论利用经济指标的条件概率调整协方差矩阵，优化资产配置风险控制 [page::9][page::10]

• 因子投资新思路从资产价格出发提取隐含因子，完成因子正交化获得低相关性因子，任何资产可线性分解于这些因子，通过基于因子而非单一资产类别配置，提升尾部风险的控制能力 [page::10]

• 推荐采用包括权益、通胀、利率、商品、信用和新兴市场六大类因子体系，剔除交互项后获得各因子纯粹风险，提升因子配置的解释性和实用性。因子表现显示其长期波动特征[page::11]

• Blackrock的iShares ETF系列产品规模庞大，管理资产超1.7万亿美元，费率低廉，覆盖全球各地区与资产类别，核心策略基金以低费率核心资产组合为主，代表了因子投资产品化的成熟实践 [page::12][page::13]

• 报告未来展望强调将继续完善基于因子模型的战略和战术资产配置框架，通过持续回测优化，推动因子投资理念在资产配置中的广泛应用 [page::12]

报告详细分析：《因子投资：资产配置新思路 借鉴Blackrock产品体系的思考》

---

一、元数据与报告概览

• 标题： 因子投资：资产配置新思路 借鉴Blackrock产品体系的思考

- 作者及团队： 丁鲁明团队（中信建投证券金融工程研究团队）

• 发布时间： 2018年6月5日

- 发布机构： 中信建投证券研究发展部金融工程团队

• 主题： 报告聚焦于资产配置领域，重点探讨基于因子的投资方法，介绍该方法对传统资产配置的补充及优化思路；借鉴了美国资产管理巨头Blackrock（贝莱德）的ETF产品体系，探讨其对我国资产配置策略的启发与运用。

核心论点简述

• 核心观点： 传统资产配置因依赖资产类别且高相关性，难以有效分散风险。因子投资强调绕过资产本身，直接基于资产价格提取“隐含因子”构建低相关性因子体系，有助于更精准地估计风险协方差及实现合理分散。

- 策略思路： 结合战略性和战术性资产配置，通过Black-Litterman模型融合不同配置权重，通过因子投资分解资产风险，实现组合波动率和回撤的有效控制。

• 应用示范： 报告通过美国Blackrock ETF产品体系介绍，验证并阐释因子投资在产品和资产配置中的实际应用潜力。

- 报告结构： 清晰分为战略战术框架、因子体系构建、协方差矩阵估计、风险分散、Blackrock产品介绍和未来展望六大部分。

---

二、逐节深度解读

1. 战略+战术资产配置框架（第4页）

• 关键论点：

- 资产配置不再关注单纯预测资产价格方向，而应把握经济环境下资产价格的相对强弱。
- 战略配置关注3-6个月中期，控制组合波动率和回撤；战术层面灵活调整资产权重以追求收益。
- 通过Black-Litterman模型融合战略和战术，提升资产配置的动态响应能力。
- 目前多种资产配置方法（最小方差、风险平价等）各有优势与局限，特别在利率上升等特殊市况表现有限，需从资产内部剥离出低相关部分即“因子”。

• 支撑逻辑与数据：

- 投资目标在平衡收益与风险，同时兼顾主动管理与被动管理。
- 对未来组合风险的精准控制依赖于低尾部相关性资产，因子投资能够提供此类可能。

• 图表说明：

- 图1（资产配置框架图）系统展示从资产选择到因子体系，再到组合优化全流程，重点标明通过因子进行风险预算和动态配置。

---

2. 低相关因子体系的构造原则（第5-7页）

• 关键论点：

- 资产配置输入的核心是预期收益和风险（波动率、相关性）。
- 个股相关性高，资产类别间相关性较低且负相关，但极端经济阶段（如衰退）资产相关性突然升高，加剧系统性风险。
- 因此转向宏观因子配置，因宏观因子相关性低，测度更加稳定有效；策略配置进一步分散，降低单资产策略相关性。
- 隐含因子应由资产价格直接构建，通过资产价格加权降维得到，具有高频同步特性，顺应短期情绪波动。
- 因子组内应保持较低相关性，且因子权重应随时间保持稳定。

• 数据与图表解读：

- 图2展示全球主要资产（黄金、原油、商品、债券等）价格走势及NBER标注的经济衰退区间，突显经济衰退时期资产价格波动及相关性变化。
- 相关性表1对比全样本与衰退期的资产相关性，揭示金融危机时资产相关性普遍升高，风险集中。
- 图3呈现多类策略指数表现及其相关性，展示策略多样性带来的进一步风险分散可能。

---

3. 因子体系助力协方差矩阵的有效估计（第7-10页）

• 关键论点：

- 协方差矩阵是资产配置核心输入，但传统基于历史相关的协方差计算忽视了资产背后驱动因子的动态变化。
- 通过数值模拟两情景解释因子对资产相关性的影响：
- 情景一（两个反向因子，资产相关性不稳定且对极端因子波动非常敏感）
- 情景二（添加第三个同向影响因子，资产相关性更稳定偏正）
- 这说明相关性测度需考虑底层因子的波动和结构。

• 数据与图表说明：

- 图5-8分别展示情景一和二资产相关性散点图及滚动相关时间序列，确认单纯看历史相关性可能误导配置。
- 实际案例中以黄金和原油为例，选取美元指数与CPI通胀作为因子，通过不同经济状态下资产相关性的变化展示因子驱动相关性调整的可行性。
- 图9、10展示美元指数和通胀分组后的黄金原油相关性，图11、12展示对应经济指标条件密度分布，用以支持贝叶斯方式调整协方差估计。

---

4. 因子投资——更有效分散风险（第10-12页）

• 关键论点：

- 将资产价格视为多个低相关因子的线性组合，资产价格降维分解后组成的因子体系提供更有效的风险分散。
- 新兴方法跳出传统经济变量依赖，直接用因子体系辅助资产配置。
- 资产到因子再映射回资产，实现因子级别资产配置，提升风险分散效率。

• 图表说明：

- 图13示意新老思路比较，强调新思路基于因子而非宏观变量。
- 结合第一章节框架，兼顾战略和战术因子权重调整。

---

5. Blackrock ETF产品体系介绍（第12-13页）

• 产品现状与市场地位：

- 贝莱德iShares ETF业务管理资产规模巨大（17071亿美元），费率低廉，核心策略基金25只，费率仅0.15%。
- 最大产品为规模1524亿美元的iShares Core S&P 500 ETF。
- 产品覆盖全球多地区（亚太、欧洲、全球、南美、中东非、美洲），涉及商品、权益、固定收益、多资产及房地产各类资产类别。

• 细分与策略：

- 产品策略分为核心（Core）与非核心（Others），核心策略在风险暴露有效的前提下，数量较少。
- 介绍了iShares Core系列的具体基金，包括美股、国际股债及各类债券，体现高流动性、低费率的ETF产品特征。

• 图表解读：

- 表3列出资产规模前十ETF基金，突出核心标的和低费率优势。
- 图16、17饼图显示产品地域与资产类别分布，突显覆盖面及多元化。
- 图18详述策略分类资产规模，反映核心与非核心策略产品的差异和构成。

---

6. 未来展望（第13-14页）

• 重点：

- 因子投资作为跳出传统资产类别限制的创新，分散风险效果更佳。
- 后续报告将对比基于资产和基于因子的配置模型，回测优劣，持续优化资产配置体系。
- 团队成员介绍与免责声明确保报告专业性与规范性。

---

三、图表深度解读

重要图表与解读

1. 图1（第4页，中信建投资产配置框架）

- 清晰展示从资产选择到因子体系、再到组合优化的流程。战略性配置通过风险预算控制尾部相关性，战术性模型调整超配低配，二者通过Black-Litterman模型融合。支撑文中核心配置框架。

1. 图2（第5页，各资产净值序列）

- 多资产（黄金、原油、标普300、美国国债等）长期走势，红色标注经济衰退期，显示衰退期间资产表现与相关性波动，验证尾部相关性在极端时期上升的风险。

1. 表1（第5页，资产相关性对比）

- 资产相关性在衰退期显著高于全样本，凸显极端经济情况下资产风险集中，迫切需要低相关因子的配置思路。

1. 图3（第6页，各策略指数表现）

- 显示包括CTA、股票多空、事件驱动等多策略指数的累计表现与相关性，多策略配置进一步降低相关，提高组合多样性。

1. 图5-8（第8页，数值模拟相关性图）

- 模拟情景反映资产相关性的动态不稳定特征，传统历史相关性估计的局限性显著。吸纳隐藏因子实现风险度量动态调整。

1. 图9、10（第9页，美元指数/通胀分组相关性）

- 黄金和原油在美元强弱不同阶段的相关性显著差异，展示因子对资产相关性的驱动效应。

1. 图11、12（第9-10页，经济指标表现均值及分布）

- 显示在不同资产表现环境下，宏观经济指标的均值和概率分布，支持利用贝叶斯方法调整协方差矩阵，提升因子资产配置模型精度。

1. 图13（第10页，资产价格与因子投资对比示意）

- 强调以资产价格本身提取因子，再回归资产，突破传统宏观指标滞后限制。

1. 图14（第11页，一组较好因子体系）

- 展示经典的六大因子：权益、通胀、利率、商品、信用、新兴市场，构成因子体系基础，经过去相关处理确保因子独立性，支持模型稳定性。

1. 图15（第11页，因子表现累计收益图）

- 各因子表现的历史收益路径，验证因子投资策略具有差异化表现，便于动态配置。

1. 图16-18（第12-13页，Blackrock产品规模和分类）

- 各产品按国家/资产类别/策略分类的规模及数量分布，体现产品多元化及核心策略的市场份额。

1. 表3（第12页，资产规模前十ETF介绍）

- 具体展示顶级ETF产品的规模与费率，突出低费率及广泛覆盖优势，印证因子投资及Smart Beta策略的广泛应用与认可。

---

四、估值分析

报告核心部分不涉及传统证券估值模型，但在资产配置角度，采用的估值本质是基于：

• 风险预算视角：

通过对因子风险贡献度的量化，将组合波动率和最大回撤纳入考量，实现对资产波动风险合理估算。

• Black-Litterman模型融入估值和权重配置：

结合市场均衡观点与投资者观点，实现战略性资产配置与战术调整的最优平衡，提升组合的收益-风险比。

• 贝叶斯方法对协方差矩阵的调整：

结合经济因子状态，动态调整资产间的风险协方差估计，提高资产配置的灵敏度和准确性。

综上，报告通过因子模型辅助，实现资产组合的科学“估值”与优化配置，而非单纯市盈率、现金流折现等传统估值法。

---

五、风险因素评估

报告中虽无专门章节明示风险分析，但隐含风险如下：

• 极端市场相关性上升风险：

崩溃期间资产相关性明显增强，可能导致低相关因子模型失效。团队通过低尾部相关因子的设计力求缓解此风险。

• 因子权重稳定性风险：

因子构成资产价格权重需保持时间稳定，否则因子解释力和模型有效性下降。

• 宏观经济指标滞后风险：

因经济统计数据更新滞后，若过度依赖宏观变量，策略反应可能延迟。隐含因子利用高频资产价格尝试解决此问题。

• 模型假设风险：

协方差矩阵估计依赖因子假设、分布假设，若市场因超预期波动破坏假设，风险控制效果受限制。

• 策略执行及产品风险：

ETF和因子投资产品受费率、流动性、市场环境变化影响，低费率虽具优势，但不保证绝对收益。

报告整体展示了风险控制的思路模型，强调分散和动态调整，未提供具体缓解风险的实操细节，但框架体现出针对尾部风险的关注。

---

六、批判性视角与细微差别

• 优势：

- 报告详尽剖析因子投资的逻辑，从资产价格背后的隐含因子出发，创新性地结合定量模型和经济逻辑。
- 结合国内外代表性产品体系（Blackrock iShares ETF），论据充分，具有较强启示作用。
- 数据丰富，覆盖多层次分析（宏观因子、策略、资产价格、相关性），结构严谨。

• 潜在不足或审慎点：

- 因子构建和映射过程中的稳定性和可持续性未作深入阐述。
- 极端市场情况下因子相关性实际表现的调整及模型鲁棒性探讨略显不足。
- 贝叶斯方法调节协方差的具体模型细节及实施难度未详述。
- 报告发布时间为2018年，金融工程及因子投资领域发展迅速，部分内容与现阶段最新实践可能存在差异，应结合最新数据验证。

• 细微处观察：

- 报告多次强调“因子体系既受资产价格又服从经济逻辑”，可能存在一定矛盾，因实际资产价格往往包含部分市场情绪因素，经济逻辑并非完全解释。
- 对Black-Litterman模型的应用说明较为笼统，未深入具体参数选择。
- ETF产品介绍基本基于美股市场，外部经验虽丰富，但跨境应用存在一定限制与调整需求。

---

七、结论性综合

本报告围绕“因子投资——资产配置新思路”展开，全面介绍了跳出传统以资产类别为核心的配置范式，转向基于资产价格隐含因子的投资方式，结合Blackrock成熟的ETF产品体系，提供具体的理论支撑与市场验证。

• 重要发现与逻辑点：

- 传统资产配置面临资产类别间相关性高、尾部恐慌集中风险大的固有限制。
- 以资产价格为基础提取低相关的隐含因子，构成新的投资标的，提升风险分散效果。
- 多因素体系（权益、通胀、利率、商品、信用、新兴市场）广泛被国际知名投资管理机构采用，具备实践证明。
- 通过动态调整协方差矩阵，结合贝叶斯方法与Black-Litterman模型，提升资产配置灵活性和精确性。
- 全球最大ETF管理机构Blackrock的成熟产品体系，成为因子投资产品化的典范，为因子资产配置提供现实基础和推广路径。

• 图表深度见解：

- 多张图表有效说明了宏观经济状态对资产相关性及因子表现的显著影响，演示了因子投资在风险管理和资产划分上的关键作用。
- 模拟案例和实际数据结合，验证资产相关性非静态，依赖于底层因子结构，深化了组合优化方法的理论基础。
- ETF产品规模、费率及地域、资产类别分布的深度展现，强调因子策略与工具型ETF的结合趋势和未来发展潜力。

• 总体立场：

中信建投金融工程团队看好基于因子的资产配置前景，认为结合战略+战术的因子投资框架，是新时期优化资产组合风险收益比的有效路径。团队倡导从资产价格直接提取因子，关注尾部风险有助于实现更稳健的资产配置，促进量化策略和被动管理的融合。未来将推动因子投资模型的完善和实证检验，通过继续跟踪国际先进经验和产品创新，提升国内资产配置水平的国际竞争力。[page::2,page::4,page::5,page::7,page::8,page::9,page::10,page::11,page::12,page::13]

---

总结

本报告对资产配置新思路“因子投资”进行了系统介绍和深刻剖析，详细阐述了因子体系构建原则、风险分散机制及协方差矩阵的动态调整方法，结合Blackrock产品线展示因子投资的实际应用前景。报告以丰富的数据、模型和市场案例支持观点，突显因子投资作为资产配置创新，提供了优化风险收益的切实路径。然而，因子选取和稳定性、极端市场风险等方面仍需进一步研究与实践验证。总体上，报告提供了中国资本市场实践因子投资的理论指导与技术借鉴价值，对深化金融工程研究和推进资产配置优化具有重要意义。[page::0,page::2,page::4,page::11,page::12,page::13]

报告