本次分享会聚焦全球大类资产配置,由私募经理分享其基于风险偏好与通胀状态的6宏观象限配置框架。采用模型驱动决策与月度动态再平衡,涵盖股票、债券、现金、商品、黄金五大类资产,通过经济增长、通胀预期等五大维度判断市场状态。ETF筛选遵循流动性优先原则,多因子模型筛选美国上市ETF。策略自2019年至今超额收益显著,年化超额约4.5%,最大回撤约15.7%
全球大类资产配置赛道呈现ETF规模超越主动管理型基金的态势,需求持续旺盛。贝莱德等机构提供相关ETF组合服务,市场细分日益明显。投资者偏好根据风险偏好调整配置,散户倾向高收益策略,机构青睐年化10%左右收益水平。未来配置需结合宏观周期判断,提升策略适应性
报告重点分析了基于风险偏好与通胀状态的6宏观象限配置框架,涵盖五大类资产动态配置策略,以及多因子ETF筛选模型。报告指出策略自2019年至今超额收益显著,年化超额约4.5%,ETF优选贡献年化超额约6.7%。同时分析了不同通胀环境下的资产配置方向,如通胀急涨时增配黄金、商品等
当前市场判断需结合经济增长、通胀预期、金融环境、情绪、收益率曲线等五大维度。报告指出策略通过这些维度动态判断市场状态,实现资产配置的月度再平衡。在2020年疫情、2022年及预期2025年战争时期,策略回撤控制较好,显示出较强的适应性
研报提示策略存在单一因子筛选或资产配置策略局限性,需结合宏观周期判断提升效果。国内A股与港股ETF板块相关性高,颗粒度细分需谨慎避免垃圾数据输入。AI在资产配置全流程应用效果未达预期,仍需人工干预优化。月度再平衡外,盘中大幅波动时的调整规则需谨慎设计,止损时机与回补节点难以把握