四种资产配置范式与基础逻辑梳理 [page::0][page::1]

• 赔率关注资产估值中枢，胜率聚焦宏观基本面边际驱动，趋势依赖市场确认，拥挤代表投资非理性放大。

- 多范式结合构建资产价格=宏观风险×定价误差框架，驱动系统性资产配置策略设计。

基于赔率构建的大类资产配置策略及表现 [page::1][page::2][page::3][page::4]

• 对权益、可转债、利率债和信用债分别设计赔率指标，如股息率-国债收益率、隐含波动率比率、预期收益率及信用利差。

- 多资产赔率择时策略2014年以来年化收益8.8%，波动率2.6%，最大回撤3.2%，夏普比率3.23，有效平滑左侧风险。

宏观隐含因子驱动的胜率交易体系及美林时钟改进 [page::5][page::6][page::7]

• 通过Factor Mimicking方法构造高频宏观隐含因子，建立多资产与宏观风险暴露映射。

- 构建领先经济指标与改进版美林时钟，提升资产配置的景气循环适配性。

• 胜率策略回测表现优良，年化收益7.8%，波动率2.5%，最大回撤3.1%，夏普比率2.96。

趋势交易策略：时序动量优于截面动量，动量分解提升表现 [page::7][page::8][page::9]

• 时序动量适合低相关资产池，年化收益8.7%，波动率5%，最大回撤5.4%。

- 通过高频宏观因子回归，将时序动量分解为宏观beta动量和特质alpha动量。

• 宏观beta动量收益稳定（年化7.0%，最大回撤3.1%），特质alpha动量收益更高但回撤大（年化8.4%，最大回撤4.0%）。

拥挤度信号识别风险与趋势-拥挤分析框架提升组合表现 [page::10][page::11]

• 拥挤度指标（成交金额、行业分歧度、国开-国债利差等）可预示未来回撤风险。

- 结合趋势与拥挤度构建配置策略，有效降低尾部风险，提高夏普比率。

• 股债结合趋势-拥挤配置策略年化收益7.6%，最大回撤4.4%，夏普比率2.27，显著优于传统风险平价。

行业轮动的趋势-拥挤度信号及量化回测结果 [page::12]

• 利用行业趋势与拥挤度指标，进行等权打分构建行业多头和空头组合，月频调仓。

- 行业轮动策略年化收益16.2%，超额收益9.1%，夏普比率0.68，明显优于市场基准。

资产配置系统化框架与多维度指标体系总结 [page::13]

| 资产类别 | 赔率指标 | 胜率指标 | 趋势指标 | 拥挤度指标 |
|---------|---------|---------|---------|-----------|
| A股 | 股息率-国债收益率 | 经济领先指标 | 时序动量 | 成交金额、行业分歧度 |
| 可转债 | 隐含波动率比率 | 经济领先指标 | 时序动量 | 负溢价比例 |
| 利率债 | 预期收益率 | 经济、通胀、政策、资金 | 时序动量 | 国开-国债利差 |
| 信用债 | 信用利差 | 经济、通胀、政策、资金 | 时序动量 | — |
| 黄金 | 黄金市值/负利率债规模 | 货币政策、美元指数、通胀 | 时序动量 | ETF/期货持仓 |
| 风格 | 因子离散度 | 宏观、政策、波动率 | 过去12个月ICIR | 换手率、波动率、beta |
| 行业 | ROE调整后PB | 行业景气度 | 过去12个月IR | 换手率、波动率、beta |

• 建议投资者根据机构禀赋和资产类别灵活应用四种范式指标，实现资产配置的科学化和主动化管理。[page::12][page::13]

【国盛量化】资产配置的四种范式：赔率、胜率、趋势与拥挤度 | 深度报告分析

---

一、元数据与概览

报告标题： 《资产配置的四种范式：赔率、胜率、趋势与拥挤度 | 量化专题报告》
作者： 林志朋、刘富兵
发布机构： 国盛证券研究所（国盛证券金融工程团队）
发布时间： 2020年9月14日
主题： 以量化视角解析资产配置的四大投资范式，构建系统化资产配置主动管理框架，覆盖大类资产配置、行业轮动及风格轮动。

核心论点和目标：
本报告从大类资产的收益来源出发，提出四种资产配置范式：赔率交易、胜率交易、趋势交易与拥挤交易。通过对各范式的理论基础、指标设计和策略回测系统梳理，建立起一个全方位覆盖多资产类别、多维度多层次的资产配置体系，实现有效的风险调整后的超额收益。报告不仅阐述相关金融逻辑，也辅以丰富实证回测数据，展示各范式策略的业绩表现和风险控制效果。最终打造一个可落地的系统化主动资产配置框架，针对不同投资者的需求推荐不同的应用策略选择。

---

二、逐节深度解读

2.1 理论基础与四种投资范式概述

报告以大类资产价格等同于宏观风险暴露乘以定价误差的框架，类比个股定价中的$\mathsf{P} = \mathsf{EPS}^\star \mathsf{PE}$，指出大类资产定价同样由两部分组成：

• 宏观风险：驱动资产边际走势（胜率理念），解释了约60%的资产波动，代表资产对宏观基本面的反应。典型体现在美林时钟模型中。

- 定价误差：资产估值围绕合理中枢波动（赔率理念），代表资产价格偏离内在价值的波动，估值均值回归为第二收益来源，Fed Model为经典代表。

• 趋势理念：市场价格对宏观预期反应的延续，即价格走势是市场对赔率和胜率信号的确认。

- 拥挤理念：价格变动诱发非理性资金加码，产生正反馈，短期推高价格，但过度拥挤后会导致资产价格回撤。

图表1（资产价格=宏观风险×定价误差）及相关盈亏逻辑构成四范式投资理念基础，设置了后续指标构建与策略设计的理论支持[page::1]。

---

2.2 赔率交易：围绕资产估值中枢开展择时与配置

核心观点：
赔率交易理念主张关注资产估值是否合理，以此捕捉价差回归的投资机会。报告分别针对不同资产设计赔率指标：

• 股权资产：以股息率减国债收益率作为赔率指标，优于市盈率倒数该指标，体现权益资产的相对收益吸引力。

- 可转债资产：抛弃直接用转股溢价率的思路，采用可转债隐含波动率与50ETF期权隐含波动率比率，使估值对比基于相同资产类别（期权）更准确。

• 利率债：用预期收益率作为拍卖赔率指标，分解债券收益为远期利率、久期和凸性的贡献，结合久期择时以获取稳定收益。

- 信用债：以信用利差衡量信用债的风险溢价，驱动信用债相较利率债的收益表现。

以上各资产赔率指标策略均提供明显正收益，同时风险控制较好，最大回撤均处于较低水平。

复合策略设计： 将多资产赔率指标联合构建资产配置策略，通过多资产配置、多样化带来的风险平滑以及止损和波动率控制，解决单一资产端左侧风险和时点追踪成本，实证显示2014年以来该策略年化收益$8.8\%$，波动率$2.6\%$，最大回撤$3.2\%$，夏普比率高达3.23，绩效优异且稳健[page::2][page::3][page::4]。

图表4、6、7、9、12分别展示了股债轮动、可转债轮动、利率债久期择时、信用债轮动以及多资产赔率结合的策略表现，均显著跑赢基准。

---

2.3 胜率交易：核心驱动力与宏观风险映射

核心观点：
胜率交易理念聚焦于资产在边际动力层面的走势，强调宏观基本面变化对资产价格走势的驱动力。报告采用高频宏观隐含因子（经济增长、利率、通胀、信用、汇率）映射大类及细分资产，构建了大型多资产宏观风险对冲工具箱。

• 利用高频数据解决传统宏观数据频率不匹配问题，采用Factor Mimicking及Block-Bootstrap回归，保证映射稳定性。

- 展示大类资产及股票细分行业对五大宏观风险因子的具体暴露，明确资产对经济增长最敏感（如沪深300 β>2），同时复盘了行业-宏观因子的匹配关系。

• 构建国内领先经济指标（类似NBER、OECD领先指标），稳定领先名义GDP同比约一季度。

- 通过领先指标与通胀指标结合，改进传统美林时钟划分，精细化宏观周期划分。

宏观对冲工具箱用于辅助宏观判断并构建基于宏观预期驱动的资产配置策略。实证显示基于改进美林时钟的策略，2014年以来年化收益$7.8\%$，波动率$2.5\%$，最大回撤$3.1\%$，夏普比率2.96，表现稳健且与宏观周期有较佳匹配[page::4][page::5][page::6][page::7]。

图表15、16和19分别展示资产对五大宏观因子及行业细分资产的Beta值和T值，图表26、27、29则揭示领先指标与实证美林时钟的表现及资产配置效果。

---

2.4 趋势交易：有效趋势的定义与识别

核心观点：

• 截面动量无效：由于大类资产间相关性较低，截面动量（资产间相对表现比较）缺乏意义，导致风险和交易成本上升，夏普比率下降。

- 时序动量有效：资产与自身历史的走势比较，能显著提升收益，年化$8.7\%$收益及良好风险指标。

• 动量分解：将时序动量分解为“宏观Beta动量”和“特质Alpha动量”：

- 宏观Beta动量：资产收益由五大宏观因子的部分拟合，代表跟随宏观趋势的动量，收益稳定回撤小，年化收益$7.0\%$，最大回撤3.1%。
- 特质Alpha动量：动量中未被宏观因子解释的剩余部分，代表资产自身特质驱动的超额收益，有更高的收益也伴随较大波动，年化收益8.4%，最大回撤4.0%。

这两部分动量策略分别对应报告中胜率交易与赔率交易的思想，两者结合有助于提升时序动量的风险调整后表现。

图表35、36、41、42分别展现截面动量、时序动量、宏观Beta动量与特质Alpha动量策略的业绩[page::7][page::8][page::9]。

---

2.5 拥挤交易：识别非理性资金涌入与风险管理

核心观点：

• 拥挤交易反映市场对趋势预期的非理性放大，引发正反馈和资产价格波动。

- 衡量拥挤度指标：

- 股票使用成交金额和行业分歧度指标，历史验证高拥挤度往往预示后续回撤风险（2008、2010、2015、2018年均印证）。
- 债券市场用国开债与国债利差作为拥挤度指标，利差压缩反映投机性买盘拥挤，拥挤度极端通常预警较大市场调整。

• 趋势-拥挤度分析框架： 将趋势指标与拥挤度结合，过滤高风险期趋势信号，降低尾部风险，提升组合夏普比率。

- 以股票趋势-拥挤策略和债券趋势-拥挤策略按照80/20权重组合成股债配置，年化收益7.6%，波动率3.3%，最大回撤4.4%，夏普2.27均明显优于传统风险平价配置。

• 在风格和行业轮动层面，同样应用趋势与拥挤度对行业打分，月频调仓，行业轮动策略表现年化16.2%，超额收益9.1%，夏普0.68，显著优于万得全A基准。

图表43、44分别展示股票和债券市场拥挤度与市场回撤的历史对应关系，图表45-47展现趋势-拥挤股债组合策略绩效，图表51、52为行业趋势-拥挤轮动的因子图谱及回测结果[page::9][page::10][page::11][page::12]。

---

2.6 资产配置系统化与科学化框架总结

报告汇总四种范式在大类资产、风格资产及行业资产上的应用，形成横纵两维的系统性分析框架：

• 可纵向选择所擅长及匹配的投资范式进行配置，专注赔率、胜率、趋势或拥挤度。

- 也可横向综合考虑单一资产在四维度的表现，提升预判准确性和投资决策质量。

表格54详细罗列了不同资产类别在四种范式下的核心指标和参考因子，充分体现了资产配置的科学化、系统化的设计思路。

另外报告中也对目前国内被动资产配置策略局限性提出批判，强调主动管理体系的必要性，展示四范式协同带来的性能优势，凸显报告的实践意义与前瞻价值[page::12][page::13]。

---

三、图表深度解读

• 图表1： 展示资产价格由宏观风险因子与定价误差乘积构成的定价逻辑，右侧指出胜率交易（宏观风险）解释了60%资产波动，赔率交易（估值回归）为波动第二来源，奠定后续信号设计基础。

- 图表4/6/7/9/12： 梳理基于各资产赔率指标的轮动策略表现，细节显示策略回测起点（2005-2011年起）、信号变量（股息率国债收益率差、隐含波动率比、预期收益率、信用利差）、以及对应净值曲线走势，呈现高收益稳健风险的交互表现。

• 图表15/16/19： 细致分解资产对五大宏观风险因子的Beta暴露与T值，反映不同资产及行业对经济增长、利率、通胀、信用、汇率的敏感度，数据样本和方法（Block-Bootstrap）保证了稳健性，图表19总结宏观对冲工具箱构建框架和具体资产权重建议。

- 图表26/27/29： 基于开发的领先经济指标及改进美林时钟，展示经济指标领先作用及对应宏观周期划分，有效协助资产配置切换；策略净值展现收益平稳且减低回撤。

• 图表35/36/41/42： 对比截面与时序动量策略表现及降解后形成的宏观beta动量和特质alpha动量策略，突出了时序动量的表现优势及策略稳定性和波动收益的解构。

- 图表43/44/45/46/47： 结合拥挤度指标的趋势策略明显降低尾部风险，提升夏普比率，股债配置策略表现优于传统风险平价策略，验证理论框架实际表现。

• 图表51/52： 行业因子趋势-拥挤度分布，反映不同行业的景气程度和市场拥挤风险，行业轮动策略实证展现吸引人的超额收益及风险收益比。

- 表格54： 综合四大范式在多资产类别、风格和行业层面的指标体系，为投资者提供系统化多维度的资产分析和配置工具。

---

四、估值分析

本报告没有采用传统的单一估值法，而是结合赔率、胜率、趋势与拥挤四大范式进行多维度、多方法交叉验证，从而形成系统的资产配置策略：

• 赔率范式核心是估值均值回归，采用不同资产已有经典估值指标。

- 胜率范式与宏观风险预测相关，涉及经济领先指标及宏观风险因子，类似“宏观驱动型估值”思路。

• 趋势范式通过动量信号捕捉资产表现延续性，属于技术或行为面估值补充。

- 拥挤范式量化市场情绪与资金涌入程度，识别估值的非理性扩张风险。

综合多指标、策略构建体现不同估值视角的互补，策略回测表现出高夏普比率与稳定的最大回撤，显示估值体系的稳健性及有效定价能力[page::12][page::13]。

---

五、风险因素评估

报告明晰风险点包括：

• 赔率指标策略可能存在左侧风险（价格先跌后回升中被卖出），但多资产配置及止损限制机制有效缓解。

- 宏观因子预测的胜率策略依赖于宏观数据质量和经济周期稳定性，不确定的宏观突变可能导致预测失效。

• 趋势策略时序动量虽表现优秀，但可能在趋势急转（如突发事件）中遭受损失，需关注趋势的有效性和回撤风险。

- 拥挤指标捕捉市场非理性放大风险，但拥挤度信号滞后，存在信号响应滞后和误识别风险。

此外，报告也指出宏观环境的变化及市场结构调整可能影响各指标的有效性，警示需要动态调整及模型完善。

风险提示部分强调指标设计基于历史金融逻辑和统计显著性，但未来宏观环境变化可能影响效果，投资者应谨慎对待[page::13]。

---

六、批判性视角与细微差别

• 研究框架完善且数据丰富，兼顾理论与实证，但报告对市场极端事件、黑天鹅冲击未做深入情景分析，或存一定假设隐含的局限。

- 胜率策略依赖宏观因子的稳定解释能力，未来面对不确定和非线性冲击，回归模型可能失效，存在结构性风险。

• 拥挤度指标虽有效，但实际操作中拥挤度变化可能快速被市场消化，策略时滞风险值得警惕。

- 报告提倡多策略融合，降低单策略过度自信风险，但无详细成本、交易摩擦与市场冲击等明细，投研落地需关注实际执行风险。

整体上，报告自洽、严谨，稳健客观，尤其数据样本多样，方法科学，具有较强的实用价值和理论贡献。

---

七、结论性综合

本报告系统梳理并实证分析了资产配置的四大范式：赔率、胜率、趋势与拥挤度。基于大类资产、行业细分及风格因子构建了一套指标体系和积极主动的系统化资产配置框架。各范式分别对应不同资产的收益来源及投资逻辑：

• 赔率范式通过估值均值回归捕捉价格合理性机会，构建多资产赔率配置策略取得超额且稳健收益（年化8.8%，夏普3.23）。

- 胜率范式基于宏观风险驱动资产边际走势，利用领先经济指标与美林时钟等模型指导资产配置，实证表现良好。

• 趋势范式验证时序动量的有效性，同时将动量分解为宏观beta动量与特质alpha动量，实现高效风险调整后的收益。

- 拥挤范式识别市场投机行为及行情顶部风险，将趋势与拥挤度结合，显著提升策略稳健性，特别是在行业轮动和股债配置中表现优异。

以图表和回测数据为支撑，报告充分展示四范式互补优势，强调由被动向主动、系统化资产配置的转变必然趋势，并构建了切实可行的投资执行方案，为投资者提供量化多维度选择。

综上，报告为理解和实践复杂多维资产配置提供了坚实框架及数据支撑，极大丰富了量化资产配置理论与策略体系，具有较高的学术价值与实操指导意义。[page::0][page::1][page::2]...[page::13]

---

重要附图（部分精选示例）

• 资产价格等式与胜率/赔率交易信息示意

- 股息率-国债收益率轮动策略表现

• 多资产赔率指标配置策略与资产权重

- 领先经济指标领先GDP验证

• 截面动量策略表现不佳

- 时序动量策略表现优异

• 股票拥挤度与市场回撤关系

- 股票趋势-拥挤策略与沪深300对比

• 基于趋势-拥挤度的行业轮动策略表现

- 国盛证券标识及免责声明

---

以上为报告的详细解读与分析，涵盖了理论框架、核心范式、策略设计、回测表现、风险评估及系统化资产配置方案之全貌，旨在为专业投资者提供精确、全面的量化资产配置研究视角。

报告