量化模型与构建方式 1. 模型名称：宏观因子风险平价模型 - 模型构建思路：通过分散宏观超预期风险，构建科学均衡的SAA（战略性资产配置）方案，控制宏观真实数据超预期或不及预期的风险[45] - 模型具体构建过程： 1. 使用真实的宏观指标构建宏观原始因子，避免交易因素干扰[43] 2. 将原始宏观数据经STL季节性处理得到的预测值作为市场预期，真实值与预测值的差值作为宏观风险因子[43] 3. 因子选择包括国内经济因子（增长、通胀、利率、信用、汇率、流动性）和海外资产溢价因子（美、欧、日、印）[44] 4. 采用类似Barra模型的显性因子模型，基于主观先验指定资产相关因子，通过多元线性回归计算因子暴露（滚动5年窗口，权重半衰期1年）[44] 5. 最终输出大类资产基准比例（权益45%、债券45%、商品10%）[48] 2. 模型名称：全球大类资产配置BL策略（TAA） - 模型构建思路：基于投资时钟和周期嵌套模型，将宏观周期评分转化为BL模型观点矩阵，主被动结合增强收益[50][51] - 模型具体构建过程： 1. 量化经济周期环境压力（如美国库存周期滞销指标），逆序分位数处理得到宏观周期评分[50] 2. 综合多周期评分指标，按经济学逻辑合成资产专属宏观综合评分[50] 3. 将评分转化为资产预期收益率，融入BL观点矩阵[51] 4. 在SAA基准比例基础上进行有限偏离的战术调仓[54] --- 模型的回测效果 1. 宏观因子风险平价模型（SAA） - 年化收益率：9.1%[45] - 夏普比率：1.57[45] - 最大回撤：9%[47] - 年化波动率：6%[47] 2. 全球大类资产配置BL策略（TAA） - 年化收益率：24%（全样本）、55%（2025年）[54][57] - 夏普比率：1.65[54] - 最大回撤：12%[57] - 年化波动率：15%[57] --- 量化因子与构建方式 1. 因子名称：宏观周期评分因子 - 因子构建思路：量化经济周期状态（如库存周期、美林周期），生成资产配置信号[50] - 因子具体构建过程： 1. 计算底层宏观指标（如美国库存周期滞销指标）[50] 2. 对指标逆序分位数处理，得到0-100的周期评分（例如CN金融周期友好度7月读数为59.2）[38][50] 3. 多周期评分加权合成宏观综合评分[50] 2. 因子名称：宏观风险因子（预期差因子） - 因子构建思路：捕捉宏观数据超预期部分对资产价格的冲击[43] - 因子具体构建过程： $\text{因子值} = \text{真实值} - \text{STL季节性预测值}$ 经标准化后用于风险暴露回归[43] --- 因子的回测效果 1. 宏观周期评分因子 - 在BL策略中驱动2025年55%的年化收益，成功捕捉黄金牛市和A股行情[54] 2. 宏观风险因子 - 支撑SAA模型年化收益超越风险平价模型3.1个百分点（9.1% vs 6%）[47] （注：原文未提供因子独立回测指标，以上结果基于模型整体表现推导[45][54]）