量化投资策略报告：基于宏观因子风险预算的资产配臵策略

2022年11月2日 金融产品研究部 证券研究报告 大类资产配置月报量化投资策略报告 基于宏观因子风险预算的资产配臵策略 于子洋联系人 （8621）60753902 yuziyang＠gjzq.com.cn 张剑辉分析师SAC执业编号：S1130519100003(8610)66211648 zhangjh＠gjzq.com.cn 基本结论 月度行情回顾（2022年10月） 2022年10月大类资产中，权益市场出现大小盘分化，债市收益率下行，大宗商品涨跌互现，人民币走弱。权益市场大盘股调整幅度明显高于小盘股，沪深300下跌6.72%，中证500上涨1.63%；债券收益率有所下行，10年期国开债活跃券收益率下行9bps；大宗商品涨跌互现，原油价格全月上涨7.17%，南华综合指数整体下跌6.10%。 最新配臵建议 风险预算模型配臵结论基本保持稳定，股票整体仓位继续边际下降，债券仓位基本不变；自适应方法一增加沪深300的配臵，减少中证500的配臵，债券全部配臵信用债；自适应方法二股票仓位为0，债券大幅增配长久期利率债。 宏观因子配臵策略 本文从马科维茨的均值方差模型和风险平价模型出发，为减少大类资产动态时变相关性对于模型的尾部风险，报告将传统的大类资产层面配臵转为宏观因子的配臵。模型从战略资产配臵的角度出发，在绝对收益的目标下，对各大类资产间进行长期的、整体性的规划，寻找不同资产价格变化的共同驱动力，从而实现更加稳定的资产配臵。模型考虑国内银行保险等资产管理机构的中长期主要资产配臵需求，我们努力探求股票和债券两大类资产间的配臵关系，并适当探求细分资产或风格轮动，最终构建了追求绝对收益的3种宏观因子配臵策略。 我们通过主成分分析的方法，构建了基于国内股债的宏观因子体系。经历史数据检验，宏观因子具有较明确的经济学含义，构造出的5个宏观因子分别代表着利率因子、经济增长因子、信用因子、期限利差因子与规模风格因子。 配臵策略的构建上，报告首先从宏观风险的角度，构建了固定预算的风险预算模型策略。随后我们引入了宏观因子收益率的考量，构建了风险预算的自适应模型。我们尝试了两种不同的方法引入收益率，第一种方法我们直接以预期收益率作为宏观因子风险预算的权重，第二种方法，我们用单位风险上提供的预期收益率（夏普比）作为宏观因子风险预算的权重。 本文构建的3种模型，在配臵比例稳定性、预期收益率、收益风险比上各有所长，投资者可以根据自身特定的投资风格与投资约束，选择符合自身投资目标的模型进行参考。 风险预算模型：由宏观风险角度出发，对宏观因子风险进行约束，拥有较稳定的资产配臵比例，适合配臵需求的稳健投资者。 自适应模型方法一：加入宏观因子收益率考量，拥有最大的业绩弹性和较高的股票配臵比例，适合风格更积极的投资者； 自适应模型方法二：以单位风险提供的预期收益率衡量性价比，拥有最高的夏普比例，股票配臵比例最低，适合追求高收益风险比的投资者。 风险提示：历史数据不被重复验证风险、大类资产与宏观风险因子的相关关系失去稳定性的风险、国际政治摩擦升级等带来各大类资产同向大幅波动风险。 敬请参阅最后一页特别声明 -1- 量化投资策略报告 第一部分：大类资产行情回顾 1.1大类资产行情回顾 2022年10月大类资产中，权益市场出现大小盘分化，债市收益率下行，大宗商品涨跌互现，人民币走弱。权益市场大盘股继续调整，小盘股有小幅反弹，全月来看，上证综指2022年9月下跌4.33%，沪深300下跌6.72%，中证 500上涨1.63%；债券市场上，债券收益率有所下行，10年期国开债活跃券10月收益率下行9bps，10月31日收2.84%；大宗商品则涨跌互现，原油价格全月上涨7.17%，黄金上涨0.25%，南华综合指数整体下跌6.10%。 图表1：国内大类资产2022年10月表现 大类资产 2022年10月 2022年至今 000001.SH 上证综指 -4.33% -20.50% 000016.SH 上证50 -12.04% -29.88% 000300.SH 沪深300 -7.78% -28.98% 000905.SH 中证500 1.63% -21.09% 399006.SZ 创业板指 -1.04% -31.83% CBA00101.CS 中债新综合财富 0.57% 3.92% CBA02701.CS 中债信用债财富 0.26% 3.19% SCFI.WI 上期所原油 7.17% 34.83% AUFI.WI 上期所黄金 0.25% 4.31% NH0100.NHF 南华综合指数 -6.10% 7.35% CNYX-BIS 人民币汇率指数 -1.23% -1.32% USDCNY 美元兑人民币 2.64% 14.95% 来源：wind，国金证券研究所；截至2022年10月末 图表2：国内大类资产2022年10月表现 -12.04% -15% -7.78% -10% -6.10% -4.33% -5% -1.04%-1.23% 0% 0.57%0.26%0.25% 1.63% 2.64% 5% 7.17% 10% 来源：wind，国金证券研究所 第二部分：策略近期表现及最新配臵建议 最新配臵建议：风险预算模型配臵结论基本保持稳定，股票整体仓位继续边际下降，债券仓位基本不变；自适应方法一增加沪深300的配臵，减少中证 500的配臵，债券全部配臵信用债；自适应方法二股票仓位为0，债券大幅增配长久期利率债。 -2- 敬请参阅最后一页特别声明 量化投资策略报告 2.1风险预算模型 最新配臵建议：配臵结论基本保持稳定，股票整体仓位出现边际下降，债券仓位基本不变。 2022年10月，宏观风险配臵策略收益率为0.77%，全年已实现收益率 4.02%,年化收益率为5.03%,年化波动率为1.53%，年化夏普比率3.29。 图表3：风险预算模型2021年以来净值表现 来源：wind，国金证券研究所；截至2022年10月末 截至2022年10月末，宏观因子风险预算模型（完全量化）配臵建议如下：沪深300配臵比例0%，中证500比例0.80%，中债10年期国债比例57.36%，中债3-5年期国债比例43.81%，中债信用债比例38.02%。 沪深300 中证500 中债10年期国债总财富 中债3-5年国债总财 中债信用债 2022-08-31 0.00% 1.00% 57.18% 43.86% 37.96% 2022-09-30 0.00% 0.85% 57.33% 43.84% 37.99% 2022-10-31 0.00% 0.80% 57.36% 43.81% 38.02% 2013年以来平均 2.04% 4.18% 55.28% 42.20% 36.30% 图表4：风险预算模型配臵比例 来源：wind，国金证券研究所；截至2022年10月末 2.2自适应模型方法一 最新配臵建议：增加沪深300的配臵，减少中证500的配臵，债券全部配臵信用债。 2022年10月，宏观风险配臵策略收益率为0.71%，全年已实现收益率 4.77%,年化收益率为5.94%,年化波动率为0.96%，年化夏普比率6.21。 -3- 敬请参阅最后一页特别声明 量化投资策略报告 图表5：自适应模型方法一2021年以来净值表现 来源：wind，国金证券研究所；截至2022年10月末 截至2022年10月末，自适应模型方法一（完全量化）配臵建议如下：沪深300配臵比例1.57%，中证500比例0.29%，中债10年期国债比例0%，中债3-5年期国债比例0%，中债信用债比例138.14%。 沪深300 中证500 中债10年期国债总财富 中债3-5年国债总财 中债信用债 2022-08-31 0.00% 0.00% 0.00% 0.00% 140.00% 2022-09-30 0.00% 3.92% 45.16% 38.14% 52.77% 2022-10-31 1.57% 0.29% 0.00% 0.00% 138.14% 2013年以来平均 3.00% 2.87% 20.37% 36.08% 77.68% 图表6：自适应模型方法一配臵比例 来源：wind，国金证券研究所；截至2022年10月末 2.3自适应模型方法二 最新配臵建议：股票仓位为0，债券大幅增配长久期利率债。 2022年10月，宏观风险配臵策略收益率为0.43%，全年已实现收益率 3.69%,年化收益率为4.62%,年化波动率为1.11%，年化夏普比率4.14。 图表7：自适应模型方法二2021年以来净值表现 来源：wind，国金证券研究所；截至2022年10月末 -4- 敬请参阅最后一页特别声明 量化投资策略报告 截至2022年10月末，自适应模型方法二（完全量化）建议如下：沪深 300配臵比例0%，中证500比例0%，中债10年期国债比例54.22%，中债3-5年期国债比例42.95%，中债信用债比例42.83%。 沪深300 中证500 中债10年期国债总财富 中债3-5年国债总财 中债信用债 2022-08-31 0.00% 0.00% 54.21% 42.95% 42.84% 2022-09-30 0.00% 0.00% 0.00% 65.34% 74.66% 2022-10-31 0.00% 0.00% 54.22% 42.95% 42.83% 2013年以来平均 0.68% 0.48% 10.23% 34.21% 94.40% 图表8：自适应模型方法二配臵比例 来源：wind，国金证券研究所；截至2022年10月末 第三部分：策略原理简介 3.1以宏观因子为框架的大类资产配臵 近现代风险均衡策略和Barra风险模型均意识到资产预期收益来自于承担宏观或者风格的风险，因此配臵理念从资产配臵转变为风险配臵。风险配臵模型往往面临两方面比较大的挑战：第一是需要把握宏观经济的波动性特征，特别是周期性波动的内在规律；第二是需要建立从宏观经济到各类资产风险收益特征的内在逻辑关联，并验证其有效性。这两点是资产配臵科学决策的关键。 宏观因子大类资产配臵的一个重要部分就是研究在不同的经济增长水平、信贷政策以及通胀水平下各类资产的相对强弱变化。以股票、债券、商品、外汇、现金为标的的宏观因子风险体系主要包括：经济增长、通胀、利率、汇率等宏观因子。宏观风险资产配臵中的超额收益主要来源于以宏观因子体系之间的低相关性取代大类资产中时变动态相关性，以及对于未来宏观风险的预判把握准确性。 图表9：宏观因子体系 来源：国金证券研究所 以宏观因子为框架的大类资产配臵最早出现在海外对冲基金道富基金的因子体系，道富基金因子体系分为宏观因子和风格因子两个维度，其中宏观因子包括经济增长风险、利率风险、流动性风险和通胀风险四大类，风格因子包括规模、波动率、期限、质量、流动性、动量、价值、信用等。 3.2宏观因子构造方法 刻画宏观因子走势一般有两种途径：一是使用真实宏观经济数据构建的宏观因子，但是由于宏观数据的公布频率较低，时效性较差，且各种经济变量之 -5- 敬请参阅最后一页特别声明 量化投资策略报告 间存在并不稳定的领先滞后期，所以这一方法下的宏观因子刻画对于投资时间窗口的影响也难以精确把握。二是通过主成分分析将大类资产的收益拆解为不同宏观风险的暴露，提取资产价格背后对应的宏观因子。本报告使用了方法二 （海外投资机构道富、高盛等主要采取此种方法），由于宏观因子本身由资产价格构造，因此属于同步同频的高频因子，对于短期的情绪也能有较好的把握。 主成分分析也就是采用量化方法将大类资产走势中“共性”的驱动因子提取出来，且有效地去除自身的噪音。使用主成分分析的方式构建宏观因子有其特有的优势：每一个宏观因子都是大类资产的组合，避免了由于真实宏观因子低频、滞后性带来的麻烦。主成分分析后得到的宏观风险因子的正交性天然满足了底层配臵模型对于输入变量