根据研报内容，总结如下： 量化模型与构建方式 1. 模型名称：Black-Litterman模型（BL模型）[12] * 模型构建思路： BL模型是传统均值-方差模型（MVO）的改进，采用贝叶斯理论将投资者的主观观点与量化配置模型有机结合起来，通过投资者对市场的分析预测资产收益，进而优化资产配置权重[12] * 模型具体构建过程： 该模型有效地解决了均值-方差模型对于预期收益敏感的问题，同时相较纯主观投资具有更高的容错性[12] 报告中提及了两种应用：全球资产BL模型和国内资产BL模型，分别基于不同的资产池构建[13] 全球资产BL模型的资产池包括沪深300、恒生指数、标普500、中债-国债总财富指数、中债-企业债总财富指数与南华商品指数[13] 国内资产BL模型的资产池包括沪深300、中证1000、恒生指数、中债-国债总财富指数、中债-企业债总财富指数、中证转债、南华商品指数和SHFE黄金[13] * 模型评价： 为投资者持续提供高效的资产配置方案[12] 2. 模型名称：风险平价模型[18] * 模型构建思路： 风险平价模型是传统均值-方差模型的改进，其核心思想是把投资组合的整体风险分摊到每类资产（因子）中去、使得每类资产（因子）对投资组合整体风险的贡献相等[18] * 模型具体构建过程： 该模型从各资产（因子）的预期波动率及预期相关性出发，计算得到初始资产配置权重下各资产（因子）对投资组合的风险贡献，然后对各资产（因子）实际风险贡献与预期风险贡献间的偏离度进行优化，从而得到最终资产配置权重[18] 构建过程分为三步：第一步，选择合适的底层资产；第二步，计算资产对组合的风险贡献；第三步，求解优化问题计算持仓权重[19] 报告中构建了全球资产风险平价模型和国内资产风险平价模型[19] 3. 模型名称：基于宏观因子的资产配置模型[22] * 模型构建思路： 该框架建立了一个宏观研究与资产配置研究的桥梁，通过构造涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，将对于宏观的主观观点进行资产层面的落地[22] * 模型具体构建过程： 构建过程分为四步：第一步，每月末计算资产池中资产的因子暴露水平；第二步，以资产的风险平价组合作为基准，计算出基准因子暴露；第三步，根据对宏观未来一个月的判断，给定一个主观因子偏离值，结合基准因子暴露，得到资产组合的因子暴露目标；第四步，带入模型反解得到下个月的各个资产配置权重[23] 通过Factor Mimicking Portfolio方法构造了六大宏观风险的高频宏观因子[23] 资产池为国内的8类资产[23] 主观因子偏离值每月给出，反映了投资者对于下个月宏观状态的主观观点，例如，在2025年09月底，为增长、通胀、利率、信用、汇率和流动性设置的偏离值分别为0、0、0、0、1和0[25] 模型的回测效果 1. 国内资产BL模型1[14][16] * 上周收益：0.10% * 10月份收益：0.38% * 2025年收益：3.97% * 年化波动：2.23% * 最大回撤：1.31% 2. 国内资产BL模型2[14][16] * 上周收益：-0.01% * 10月份收益：0.48% * 2025年收益：3.68% * 年化波动：2.02% * 最大回撤：1.06% 3. 全球资产BL模型1[14][16] * 上周收益：0.54% * 10月份收益：0.03% * 2025年收益：1.02% * 年化波动：2.04% * 最大回撤：1.64% 4. 全球资产BL模型2[14][16] * 上周收益：0.37% * 10月份收益：0.35% * 2025年收益：2.43% * 年化波动：1.65% * 最大回撤：1.28% 5. 国内资产风险平价模型[21] * 上周收益：0.14% * 10月份收益：0.34% * 2025年收益：3.47% * 年化波动：1.34% * 最大回撤：0.76% 6. 全球资产风险平价模型[21] * 上周收益：0.22% * 10月份收益：0.39% * 2025年收益：2.99% * 年化波动：1.46% * 最大回撤：1.20% 7. 基于宏观因子的资产配置模型[27] * 上周收益：-0.25% * 10月份收益：0.73% * 2025年收益：4.29% * 年化波动：1.54% * 最大回撤：0.64% 量化因子与构建方式 1. 因子名称：宏观因子[22][23] * 因子构建思路： 构造涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，以将宏观主观观点量化并应用于资产配置[22][23] * 因子具体构建过程： 通过Factor Mimicking Portfolio方法构造了增长、通胀、利率、信用、汇率和流动性六大宏观风险的高频宏观因子[23]