• 本文核心观点：资产配置应聚焦于宏观风险因子的分散化而非仅资产类别分散，纳入风格因子能够更好地捕捉宏观状态下的风格切换，提升宏观因子的解释和投资效果。[page::0][page::1]

- 采用2001年至2021年彭博和高盛月度数据，涵盖股票、固定收益、大宗商品及货币多资产和多风格因子，整体构建基于经济增长、防御和通胀三大宏观因子的组合。[page::2][page::3]

• 宏观因子正交化方法：采用Meucci等(2015)提出的“最小误差变换矩阵”，通过最小化正交后因子与原因子差距保证因子解释性和权重稳定性；利用穆尔-彭罗斯广义逆计算宏观因子模拟投资组合权重矩阵。[page::4]

- 风险平价构建：以投资组合中宏观因子风险贡献均等的原则最大化“有效投注数量”，通过逆平方根协方差矩阵确定正交因子权重，再映射到资产权重，形成多元而稳定的风险平价组合。[page::5]

• 宏观因子对资产、风格的暴露解读：[page::5][page::6]

- 经济增长因子正相关于全球股市和周期性行业，美国股票超额收益表现尤为突出。
- 防御因子主要对应美国长期国债、低波动率和质量风格，以及利率动量和部分大宗商品风格。
- 通胀因子主要反映大宗商品和能源类资产的暴露，货币新兴市场也较为敏感。

• 宏观因子模拟投资组合(MFMP)权重分布及其与资产相关性分析[page::6]

• 样本外动态权重更新显示，三大MFMP在宏观风险贡献中均表现纯粹，防御MFMP权重较为稳定，通胀MFMP杠杆化集中在大宗商品，增长MFMP权重随波动周期变化明显。[page::6][page::7]

• MFMP和风险平价组合表现总结[page::7]：

- 增长MFMP年化收益最高(约9.7%)，夏普比率1.08。
- 通胀MFMP在全样本期呈负收益。
- 风险平价组合(MFRP)波动率最低，换手率仅2.84%，有效投注数保持在3，夏普比率0.54。
- 在不同宏观环境下表现分化，增长MFMP在经济正增长环境表现优异，通胀和防御MFMP在其对应宏观风险时期有效对冲风险。

• 量化策略贡献：报告提出将现有基准资产组合(如60/40组合)向宏观因子风险平价组合调整，通过优化考虑交易成本和权重变动，显著提升收益表现和风险分散能力。[page::8]

- 调整后，年化收益由7.34%提升至11.79%，最大回撤由36.54%降至22.95%，夏普比率由0.73升至1.12，有效投注数量由1.27提升至2.47。

• 附录详细披露了各资产及宏观因子的统计特征、收益波动率、最大回撤等重要指标，支持核心实证结论。[page::9]

【国君金工 学界纵横系列】纳入风格的宏观因子组合构建——详尽分析报告

---

1. 元数据与报告概览

• 标题：《纳入风格的宏观因子组合构建》

- 作者：陈奥林、徐忠亚、Allin君行

• 发布机构：国泰君安证券研究

- 发布时间：2022年3月23日

• 研究主题：宏观因子投资策略，构建纳入市场风格的宏观因子组合，实现资产配置的真正风险分散

核心论点与信息传达

报告重点强调资产配置不仅应关注资产类别的多样化，更需识别宏观环境中的风险来源分散。传统资产类别分散在极端市场条件下可能失效，因资产间相关性会增高。报告创新地将风格因子与宏观经济因子结合，定义了经济增长、防御和通胀三个核心宏观因子，并构建了对应的宏观因子模拟投资组合（MFMP）。

另外，报告开发了“最小误差变换矩阵”方法实现宏观因子正交，保留经济可理解性和权重稳定性。以“有效投注数量”作为组合分散的定量指标，进一步设计了风险平价组合。实证验证表明，不同经济状态下宏观因子组合表现差异明显，且将现有投资组合调整至包含宏观因子暴露后，风险调整收益明显提升[page::0,1]。

---

2. 逐节深度解读

2.1 报告摘要

摘要中明确了研究动机：强调风险来源分散优于单纯资产类别分散；融入风格因子使宏观因子更好地捕捉经济状态下风格切换；以及用有效投注数最大化实现宏观因子组合分散优化。演示了各宏观因子组合在不同经济情景下的表现差异，并用实际调仓案例说明宏观因子策略提升投资组合表现[page::0]。

2.2 投资背景与基础理论（第1、2页）

• 传统分散问题：资产间相关性随宏观环境变化而变，单纯资产配置分散风险有限，极端市场如熊市相关性大幅提升导致分散失效。

- 宏观因子投资框架：通过宏观宏观风险因子解释不同资产及风格收益变化。

• 研究核心问题：

1. 如何定义、构建包含风格的宏观因子。
2. 如何设计投资策略实现宏观因子上的分散与风险平价。

• 因子模型理论：多因子模型将资产收益分解为因子暴露乘以因子收益及非系统风险，强调了因子风险分散的重要性。

- 宏观因子构建：结合宏观经济状态（如产出、就业）和统计学技术（主成分分析等），最终选用宏观状态与风格变量结合形成的宏观因子，克服传统宏观指标滞后性和统计因子经济解释性差的问题。

• 宏观因子模拟投资组合（MFMP）：实现因子可投资化，减少因因子暴露估计误差引起的高换手率和交易成本，追求稳定性和经济解释性[page::1].

2.3 资产、风格与数据介绍（第2、3页）

• 资产类别覆盖：

- 股票：全球股市（MSCI ACWI）及其分解（美国、EAFE、EM），加上周期 vs 防御性行业差异，4大风格因子（质量、动量、价值、低波动率）。
- 固定收益：美国10年国债、TIPS、投资级及高收益信用、新兴市场信贷。
- 大宗商品及风格：贵金属、工业金属、能源、农业及套利、质量、动量、价值风格。
- 货币：发达市场和新兴市场货币篮子，FX风格因子为利差、价值和动量。

• 相关性分析：全球股市指数与信贷资产表现高度正相关（0.69-0.76），与美国公债和低波动率风格呈负相关，体现了资产间结构性风险关系[page::2,3]。

2.4 宏观因子定义与聚类分析（第3、4页）

• 选取因子：经济增长、通胀和防御三大宏观因子。

- 经济意义：
- 经济增长因子代表未来现金流预期增加或减少。
- 通胀因子反映现金流现值的折扣变化。
- 防御因子补充增长与通胀资产表现不佳时的避险属性。

• 聚类验证：

- 资产、风格因子通过层次聚类分为三大类对应三大宏观因子。
- 经济增长类避免周期性企业与信用资产。
- 通胀类包括大宗商品及新兴市场等高通胀敏感资产。
- 防御类涵盖美国国债、TIPS、低波动率等避险品种。

• 因子代理变量选择：

- 经济增长：MSCI ACWI总回报指数。
- 防御：美国10年期国债。
- 通胀：TIPS减美国国债收益差。

• 通过图表（层次结构树）清晰展示资产分类及其宏观因子归属[page::3,4].

2.5 宏观因子模拟投资组合构建及正交化方法（第4页）

• 为确保宏观因子具有经济解释性且稳定，采用Meucci等（2015）提出的“最小误差变换矩阵”法进行因子正交化。

- 该方法确保正交因子与原因子距离最小，避免主成分法解释性不足及不稳定问题。

• MFMP定义为权重矩阵乘以资产收益，权重通过广义逆矩阵计算，确保可投资性和正交因子对资产的准确模拟。

- 数学表达式详细描述因子模型、协方差拆解、最小误差问题及权重计算方式，体现报告严谨技术性[page::4].

2.6 宏观因子投资组合配置与有效投注数量（第5页）

• 投资目标：实现风险来源（宏观因子）均匀贡献，即风险平价分散，而非传统资产层面风险均匀。

- 有效投注数量定义：
- 用信息熵衡量风险贡献的分布均衡程度。
- 有效投注数=1表示投资风险完全由单一因子驱动，最大值为因子个数，代表完全分散。

• 投资权重求解思路：

- 先选择正交因子权重反比例于其风险贡献的平方根，符合均匀分散风险的要求。
- 再反推出资产层面的权重，并进行归一化。

• 该方法促进通过调整资产权重以实现宏观风险均衡暴露[page::5].

2.7 宏观因子对资产类别、风格的暴露分析（第5-6页）

• 股票：

- 全球增长因子暴露为1（因其定义），美国股票对增长暴露正，EAFE及防御类暴露负，新兴市场对通胀敏感。
- 周期性行业正向增长，防御行业正防御因子暴露。
- 低波动率、质量风格为防御因子正暴露；动量风格增长因子负暴露、同时防御因子正；价值风格三因子均负，缺防御属性。

• 固定收益：

- 美国10年国债明显防御属性，TIPS针对通胀。
- 信贷资产对宏观因子解释力约60%，展现增长敏感性并负防御暴露。

• 大宗商品：

- 能源和工业金属对通胀因子有正暴露，工业金属也对增长正暴露。
- 贵金属对防御和通胀均正暴露。
- 商品的风格因素与宏观因子无显著联系。

• 货币：

- 发达和新兴市场货币篮子均对三因子正暴露，新兴市场对经济增长敏感更强。

该部分展示了宏观因子与资产及其风格之间的系统联系，表明宏观因子策略可覆盖多资产类别和风格[page::5,6].

2.8 宏观因子模拟组合的权重与表现分析（第6-7页）

• MFMP权重配置：

- 增长MFMP大量配置股票、信贷及大宗商品，能源权重为负。
- 防御MFMP重仓美国国债、TIPS及防御风格资产，信用和能源权重为负。
- 通胀MFMP权重主要集中在大宗商品，股票权重为负。

• 波动与杠杆变化：

- 增长MFMP在金融危机等高波动时期杠杆上升，经济稳定时期杠杆较低，显示其动态调整特征。
- 防御MFMP权重平稳，换手率低。
- 通胀MFMP对能源商品杠杆巨大，危机后趋于稳定。

• 时间序列表现：

- 风险平价组合（MFRP）平衡三个宏观因子风险，权重随时间平稳且无杠杆或卖空。
- 各宏观因子组合表现差异显著：
- 正增长时增长MFMP收益佳（年化超19%）。
- 通胀时期通胀MFMP表现突出。
- 经济衰退时防御MFMP为唯一正收益组合。
- MFRP组合平衡收益与风险，兼顾多环境表现，波动最低，换手率远低于MFMP[page::6,7].

2.9 现有组合调整到宏观因子配置（第8页）

• 基于目标宏观因子组合（MFMP或MFRP），设计组合权重调整策略以追求收益与交易成本的平衡。

- 采用Dichtl等（2021）方法，考虑交易成本参数与风险厌恶系数，优化组合调整幅度。

• 实操演示：以传统60/40组合为例，加入防御因子调整后，

- 年化收益由7.34%提升至11.79%
- 最大回撤从36.54%降至22.95%
- 夏普比率由0.73升至1.12
- 有效投注数量提升近一倍至2.47

• 图表显示调整后的权重动态和风险贡献更加合理，增强组合抵御宏观风险能力[page::8].

2.10 研究总结与后续思考（第8-9页）

• 核心启发在于将配置重心转向风险来源分散，以及引入风格捕捉宏观状态下的风格切换。

- 使用最小误差变换矩阵保留经济解释性与组合稳定性。

• 有效投注数量最大化定量体现分散化水平。

- 介绍了接近宏观因子组合的现有组合调整路径。

• 表明资产配置在宏观风险不断变化的背景下，需发展系统性、可操作的宏观因子视角，未来仍有大量深入研究空间[page::8,9].

---

3. 图表深度解读

3.1 图1：资产间相关系数矩阵（第3页）

• 内容描述：图为各类资产、风格因子的相关性热图及数据，颜色和椭圆形状区分相关强弱和方向。

- 数据和趋势：
- 全球股市（ACWI）与周期-防御指数、信贷资产正相关显著（0.61-0.76）。
- 美国国债与股市负相关，体现避险特征。
- 风格因子低波动率与动量负相关。

• 文本联系：支持资产单纯类别分散无法覆盖宏观风险传导的论点。

- 潜在局限：相关性基于历史数据，可能在未来宏观环境变迁中发生转变[page::3].

3.2 图2：资产与风格聚类树（第3页）

• 内容描述：层次聚类树，资产与风格分为三大簇，分别对应经济增长、通胀、防御三类宏观因子。

- 解读：
- 显示资产间回报的结构化归类，验证宏观因子选择合理。
- 不同资产群体具有不同宏观经济敏感性，便于投资组合设计。

• 联系文本：佐证选择三个宏观因子覆盖主流风险驱动因素[page::3].

3.3 图3、4：三个MFMP中资产权重及其相关性（第6页）

• 内容：

- 图3展示经济增长、防御、通胀MFMP的资产权重分布。
- 图4展示对应MFMP与各资产相关性。

• 解读：

- 增长MFMP偏重股票与周期性资产，能源资产空头，信用资产正多头。
- 防御MFMP重仓国债等避险资产，避险风格权重较大。
- 通胀MFMP大宗商品权重明显，股票权重负。

• 趋势说明：

- 不同MFMP展现出显著的策略差异，反映不同宏观经济阶段表现。

• 联系：体现宏观因子模拟组合对风险的实际捕捉能力[page::6].

3.4 图5：样本外动态权重及风险贡献堆积图（第7页）

• 内容：

- 左图为时间序列动态资产权重，右图为宏观风险贡献比例。
- 三个MFMP与风险平价组合（MFRP）均有展示。

• 解读：

- 增长MFMP杠杆水平与波动性同步变化，反映经济周期敏感性。
- 防御MFMP权重稳定，换手低，适合稳健配置。
- 通胀MFMP杠杆集中于能源及大宗商品。
- MFRP三因子风险贡献平衡，权重稳定。

• 趋势说明：动态权重调整便于适应不同宏观情景，降低交易摩擦。

- 联系：展现风险平价组合在稳定性和风险分散方面的优势[page::7].

3.5 图6：60/40传统组合调整后权重及风险贡献（第8页）

• 内容：

- 横向对比传统60/40组合与加入防御、通胀及整体风险平价组合后的权重和风险暴露。

• 解读：

- 加入宏观因子组合后，传统资产权重被重新分配，防御资产权重显著提升，风险贡献更均衡。
- 动态调整后，组合的风险收益指标改善，最大回撤明显下降。

• 意义：

- 验证宏观因子组合在实际中能有效改善传统资产配置。

• 联系：与理论部分方法和效果呼应，展示实际应用价值[page::8].

3.6 附录表2：资产、风格及宏观因子统计描述（第9页）

• 内容：

- 各资产年化收益、波动率、夏普比率、最大回撤等。

• 数据解读：

- 股票类产品波动较高，收益表现多样，价值因子负收益，质量等因子表现较优。
- 防御资产如美国10年国债波动较小且收益中等。
- 大宗商品波动大，能源特别显著，负收益对应最大回撤极高。
- 宏观因子整体表现温和，增长因子收益和波动均高。

• 意义：帮助理解宏观因子投资组合的风险收益特征及其构成资产的性质[page::9].

---

4. 估值分析

• 本报告并非针对单一标的企业估值，而属于资产配置及风险因子构建研究，故无DCF、市盈率等传统公司估值方法。

- 方法关注于基于因子暴露和风险贡献的定量配置方案。

• 通过数学优化构造宏观因子权重组合，实现风险平价，见第4-5页的公式。

- 关键参数与假设：
- 因子暴露矩阵B和因子协方差矩阵ΣF为输入。
- 采用最小误差变换矩阵torth实现因子正交。
- 最大化有效投注数N_Ent定义的熵指标实现分散，基于正交因子权重平方反比例分配。

• 估值含义体现在风险平价组合的配置权重与宏观风险敞口均衡化[page::4,5].

---

5. 风险因素评估

• 主要风险：

- 宏观环境变动风险：宏观因子暴露受经济周期影响，组合表现周期性波动显著。
- 模型估计误差风险：因子载荷及协方差估计的误差可能导致权重不稳定或组合失效。
- 样本外表现风险：历史数据及统计方法的局限可能无法完全捕捉未来变化。
- 交易成本与换手率风险：高频调仓可能侵蚀收益，模型要求权重稳定以降低此风险。
- 市场结构性变化风险：市场制度变迁可能影响因子表现及其投资价值。

• 缓解策略：

- 运用“最小误差变换矩阵”提高因子经济解释性与稳定性。
- 使用有效投注数控制组合风险分散度。
- 设计风险平价组合（MFRP）显著降低波动率和换手率。
- 对现有组合增量调整方法减少交易成本。

• 报告未显著涉及各风险发生概率的定量评估，风险提示以理论和历史回测为主[page::4,5,7,8].

---

6. 批判性视角与细微差别

• 创新突出但假设依赖较强：

- 宏观因子选择唯三可能太简化，忽略了其他经济变量（如实际利率）可能的驱动力。
- 组合的稳定性和可执行性强烈依赖因子波动矩阵估计准确。

• 数据限制与模型局限：

- 样本期主要覆盖2001-2021年，金融危机、疫情等极端事件在外，未来环境有可能与历史不同。
- 有效投注数最大化为分散化代理，但未纳入投资者主观预期和决策偏好考量。

• 对换手率和交易成本的控制虽有，但实际执行仍面临挑战，尤其是在流动性不足资产上。

- 部分风格因子对宏观因子关联度弱，可能降低组合解释和预测能力。

• 文中提及的模型多依赖学术文献方法，实际市场效率和复杂交易环境中效果仍需验证。

- 报告语言基调保守，体现较好客观性，但后续需关注宏观因子模型的动态调整与实证验证[page::1,4,5,7,8].

---

7. 结论性综合

本报告系统构建了纳入风格的宏观因子组合，重点识别经济增长、防御及通胀三大宏观风险因素，将风格因子加入宏观因子体系，有效捕捉不同宏观状态下资产表现与风格切换的驱动力。通过采用“最小误差变换矩阵”方法，完成宏观因子的正交化，从而确保因子组合的经济可解释性及权重稳定性。创新提出“有效投注数量”作为风险分散度指标，并利用其最大化原则设计宏观因子风险平价组合，实现风险来源多元平衡配置。

实证分析覆盖多资产类别（股票、债券、大宗商品、货币）与风格因子，展示其在不同宏观经济阶段（正增长、衰退、通胀等）的显著表现差异。风险平价组合在降低波动率和换手率的同时，兼顾收益稳健，缓和单一宏观因子组合的录得波动剧烈风险。进一步，报告展示了调整传统60/40资产配置组合将宏观因子加入后对投资收益、风险及分散度显著提升的量化效应，验证了宏观因子投资策略在实务中提升组合绩效的潜力。

完整多维统计指标（年化收益、波动、夏普率、最大回撤）以及丰富的图表（相关性热图、聚类树、动态权重堆积图）支撑理论框架和实证结果，为投资者提供了一套理论扎实、操作明确的宏观因子资产配置方案。整体而言，报告强调了由宏观经济风险驱动的风险分散视角超越传统资产类别分散的重要性，是资产配置理论和实践的重要补充。

---

参考标注

• 报告出处与时间、作者，摘要，研究设计[page::0,1]

- 投资组合构建包括多因子模型介绍与宏观因子定义[page::1,4]

• 数据与资产风格介绍，相关性分析及聚类[page::2,3]

- 因子正交化数学方法及宏观因子模拟组合的具体构造[page::4,5]

• 宏观因子暴露分析及3个MFMP的权重、表现动态[page::5,6,7]

- 组合调整方法与实证效果[page::8]

• 研究总结及附录数据统计[page::8,9]

---

附录：图表示例

• 图0 国君金工封面图

• 图1 资产相关系数矩阵

• 图2 宏观因子聚类树

• 图3 宏观因子模拟组合权重分布

• 图4 宏观因子组合与各资产相关系数

• 图5 样本外宏观因子权重及风险贡献动态

• 图6 60/40组合调整至宏观因子组合后的权重变动

---

总体评价

本报告在理论深度、模型创新与实证应用之间取得了良好平衡。其贡献在于：

• 将风格因素系统纳入宏观经济风险构建，提升因子灵敏度与解释力；

- 采用极具创新性的最小误差矩阵正交化法提高因子稳定性和经济含义；

• 引入有效投注数概念，为资产配置提供了更宏观和风险本源的分散度度量；

- 通过数据驱动方法和丰富的资产类别覆盖实现宏观因子投资组合的可操作性；

• 对现有资产组合的调整方法直观且兼顾成本，增强策略应用价值。

然而，在实际应用时需警惕历史数据和模型设定的局限，并关注宏观环境及市场结构的潜在变化带来的影响。

总体而言，此研究为资产管理行业提供了具备实际指导意义的宏观因子多元配置新思路，并为后续学术及实务研究奠定坚实基础[page::0-9]。

报告