月度行情回顾（2023年10月）

月度行情回顾（2023年10月） 2023年10月大类资产中，权益市场延续下跌态势，债市收益率震荡，大宗商品中黄金明显上涨。权益市场维持下跌 态势，上证综指2023年10月下跌2.95%，沪深300下跌3.17%，中证500下跌2.86%，创业板指下跌1.78%；债券市场上，债券收益率震荡，10年期国开债活跃券10月收益率下行2bps，10月31日收2.76%；大宗商品中黄金价格大幅上升4.34%，今年累计上涨16.62%，原油价格大幅下跌7.50%，南华综合指数整体下跌1.95%。 最新配置建议 风险预算模型配置结论基本保持稳定，由于经济增长因子的方差继续下降，股票仓位略有增加，利率债仓位有所下降， 而信用债仓位有所提升；自适应方法一的超跌反转效应导致模型增加了股票的仓位，债券全部配置于信用债；自适应方法二经济增长因子性价比大幅下降，模型降低股票的仓位至0%，债券资产上绝大部分配置于信用债。 宏观因子配置策略 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置转为宏观因子的配置。模型从战略资产配置的角度出发，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置。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置需求，我们努力探求股票和债券两大类资产间的配置关系，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种宏观因子配置策略。 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。 配置策略的构建上，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，在配置比例稳定性、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。 （1）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置比例，适合配置需求 的稳健投资者。 （2）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置比例，适合风格更积极的投资者； （3）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，股票配置比例最低，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。 内容目录 一、大类资产行情回顾4 二、策略近期表现及最新配置建议4 （一）风险预算模型4 （二）自适应模型方法一5 （三）自适应模型方法二6 三、策略原理简介7 （一）以宏观因子为框架的大类资产配置7 （二）宏观因子构造方法8 （三）宏观因子经济学含义9 （四）风险预算模型10 风险提示11 图表目录 图表1：国内大类资产2023年10月表现4 图表2：国内大类资产2023年10月表现图4 图表3：风险预算模型2022年以来净值表现5 图表4：风险预算模型配置比例5 图表5：自适应模型方法一2022年以来净值表现6 图表6：自适应模型方法一配置比例6 图表7：自适应模型方法二2022年以来净值表现7 图表8：自适应模型方法二配置比例7 图表9：宏观因子体系8 图表10：第一主成分：利率因子9 图表11：第二主成分：经济增长因子9 图表12：第三主成分：信用因子9 图表13：第四主成分：期限利差因子9 图表14：第五主成分：规模风格因子10 图表15：主成分解释度10 一、大类资产行情回顾 2023年10月大类资产中，权益市场延续下跌态势，债市收益率震荡，大宗商品中黄金明显上涨。权益市场维持下跌 态势，上证综指2023年10月下跌2.95%，沪深300下跌3.17%，中证500下跌2.86%，创业板指下跌1.78%；债券市场上，债券收益率震荡，10年期国开债活跃券10月收益率下行2bps，10月31日收2.76%；大宗商品中黄金价格大幅上升4.34%，今年累计上涨16.62%，原油价格大幅下跌7.50%，南华综合指数整体下跌1.95%。 图表1：国内大类资产2023年10月表现 资产代码 大类资产 2023年10月 2023年 000001.SH 上证综指 -2.95% -2.28% 000016.SH 上证50 -3.81% -8.49% 000300.SH 沪深300 -3.17% -7.73% 000905.SH 中证500 -2.86% -5.73% 399006.SZ 创业板指 -1.78% -16.13% CBA00101.CS 中债新综合财富 -0.02% 3.31% CBA02701.CS 中债信用债财富 0.20% 3.69% SCFI.WI 上期所原油 -7.50% 15.72% AUFI.WI 上期所黄金 4.34% 16.62% NH0100.NHF 南华综合指数 -1.95% 6.43% CNYX-BIS 人民币汇率指数 -0.08% 0.38% USDCNY 美元兑人民币 0.25% 6.09% 来源：wind，国金证券研究所 图表2：国内大类资产2023年10月表现图 来源：wind，国金证券研究所 二、策略近期表现及最新配置建议 风险预算模型配置结论基本保持稳定，由于经济增长因子的方差继续下降，股票仓位略有增加，利率债仓位有所下降，而信用债仓位有所提升；自适应方法一的超跌反转效应导致模型增加了股票的仓位，债券全部配置于信用债；自适应方法二经济增长因子性价比大幅下降，模型降低股票的仓位至0%，债券资产上绝大部分配置于信用债。 （一）风险预算模型 最新配置建议：配置结论基本保持稳定，股票仓位略有增加，利率债上仓位有所下降，而信用债仓位有所提升。 2023年10月，宏观风险配置策略收益率为0.09%，全年已实现收益率3.80%，年化收益率4.73%,年化波动率为1.07%，年化夏普比率4.43。 图表3：风险预算模型2022年以来净值表现 来源：wind，国金证券研究所；截至2023年10月末 风险预算模型从风险角度出发，对宏观因子风险进行约束，通过将宏观因子的风险贡献控制在设定的固定比例，以达到控制风险均衡配置的目的。由于风险贡献固定，模型得出的配置结果主要由宏观因子的协方差矩阵的变化决定。截至2023年10月末，经济增长因子的方差边际继续下降，因此模型倾向于增加经济增长因子的配置。模型在股票的配置上有所增加，在利率债上仓位有所下降，而信用债仓位有所提升。 截至2023年10月末，宏观因子风险预算模型（完全量化）配置建议如下：沪深300配置比例2.00%，中证500比例1.90%，中债10年期国债比例52.83%，中债3-5年期国债比例41.64%，中债信用债比例41.64%。 图表4：风险预算模型配置比例 沪深300 中证500 中债10年期国债总财富 中债3-5年国债总财富 中债信用债 2023/8/31 0.39% 2.80% 57.78% 43.37% 35.65% 2023/9/28 0.49% 3.26% 57.69% 43.13% 35.43% 2023/10/31 2.00% 1.90% 52.83% 41.64% 41.64% 2013年以来平均 1.89% 3.99% 55.48% 42.30% 36.34% 来源：wind，国金证券研究所；截至2023年10月末 （二）自适应模型方法一 最新配置建议：超跌反转导致模型增加了股票的仓位，债券全部配置于信用债。 2023年10月，宏观风险配置策略收益率为0.16%，全年已实现收益率4.96%，年化收益率6.14%,年化波动率为0.92%，年化夏普比率6.70。 图表5：自适应模型方法一2022年以来净值表现 来源：wind，国金证券研究所；截至2023年10月末 自适应模型方法一加入宏观因子收益率考量，它的核心逻辑是在过去表现好的宏观因子上承担更多的风险，即给予高动量的宏观因子更高的风险预算，通过调整风险预算达到优化资产配置的目的。同时由于宏观因子的暴露和风险预算均可能为负，模型存在着超跌反转的考量。截至2023年10月末，模型再次提示经济增长因子的超跌反转，因此模型的配置建议提升了股票的仓位，债券则全部配置于信用债。 截至2023年10月末，宏观因子风险预算模型（完全量化）配置建议如下：沪深300配置比例2.96%，中证500比例1.40%，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135.64%。 图表6：自适应模型方法一配置比例 沪深300 中证500 中债10年期国债总财富 中债3-5年国债总财富 中债信用债 2023/8/31 5.47% 0.00% 5.45% 37.72% 91.36% 2023/9/28 0.00% 1.11% 53.89% 42.62% 42.37% 2023/10/31 2.96% 1.40% 0.00% 0.00% 135.64% 2013年以来平均 2.86% 2.69% 20.88% 34.97% 78.59% 来源：wind，国金证券研究所；截至2023年10月末 （三）自适应模型方法二 最新配置建议：降低股票的仓位至0%，债券资产上绝大部分配置于信用债。 2023年10月，宏观风险配置策略收益率为0.13%，全年已实现收益率3.83%，年化收益率4.76%,年化波动率为0.82%，年化夏普比率5.80。 图表7：自适应模型方法二2022年以来净值表现 来源：wind，国金证券研究所；截至2023年10月末 自适应模型方法二同样加入宏观因子收益率考量，以单位风险提供的预期收益率衡量性价比，给予高性价比的宏观因子更高的风险预算，通过调整风险预算达到优化资产配置的目的。截至2023年10月末，经济增长因子性价比大幅下降，而利率因子与信用因子的性价比大幅提示，因此模型降低股票的仓位至0%，在债券资产上，绝大部分配置于信用债。 截至2023年10月末，宏观因子风险预算模型（完全量化）配置建议如下：沪深300配置比例0%，中证500比例0%，中债10年期国债比例0%，中债3-5年期国债比例9.42%，中债信用债比例130.58%。 图表8：自适应模型方法二配置比例 沪深300 中证500 中债10年期国债总财富 中债3-5年国债总财富 中债信用债 2023/8/31 0.23% 0.00% 0.00% 53.71% 86.07% 2023/9/28 2.02% 0.00% 52.91% 42.81% 42.26% 2023/10/31 0.00% 0.00% 0.00% 9.42% 130.58% 2013年以来平均 0.66% 0.46% 12.17% 34.61% 92.11% 来源：wind，国金证券研究所；截至2023年10月末 三、策略原理简介 （一）以宏观因子为框架的大类资产配置 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，因此配置理念从资产配置转变为风险配置。风险配置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。这两点是资产配置科学决策的关键。 宏观因子大类资产配置的一个重要部分就是研究在不同的经济增长水平、信