报告行业投资评级 未提及 报告的核心观点 - 2018 年后资产相关性下降为多资产组合提供配置红利，股债负相关为股债配置提供更好基础 [2][8] - 大类资产相关性提升常伴随组合回撤，但组合回撤不一定因相关性提升，传统回撤识别方案有局限 [2][15] - 采用虚拟宏观因子构建框架，选取中国增长、美国增长、通胀为主要三因子构建中性组合 [2][45] - 采用 A+B 方案控制回撤，A 方案提升收益，B 方案监控回撤应对，可大幅减少回撤超 1%次数 [2][64] 根据相关目录分别进行总结 1. 多资产组合的回撤由何而来 - 多资产组合的分散化效果在 2018 年后更好：选择 7 类资产构建简单多资产组合，发现 2018 年后回撤整体降低且持续时间缩短，原因是资产相关性下降，股债从弱正相关变为负相关，A股内部成长和红利相关性也下降 [5][8][13] - 多资产组合的回撤从何而来：大类资产相关性提升常伴随组合回撤，但组合回撤不一定因相关性提升，大部分超 0.5%和 1%的回撤由多资产一起下跌导致，从已发生回撤识别原因可行 [15][20] - “两步走”的框架：先减少单一风险对组合的影响，打造因子中性化组合；再应对多资产共振带来的回撤，给出应对方案 [23] 2. 因子的“全天候”组合构建 - 从传统全天候框架到因子全天候：传统全天候框架关注增长和通胀不同环境，实现场景平价；本文对风险因子进行“中性化”，降低单一因子对组合的影响 [27][30] - 虚拟宏观因子的构建：采用抽象的虚拟因子模式，定义 6 个虚拟因子，用简单权重分配法构建因子，因子历史表现可复盘回撤，但单一因子解释不了所有回撤 [34][35][41] - 因子中性化组合：选取中国增长、美国增长、通胀作为主要三因子，构建三因子中性组合，年化收益 5.58%，波动率 2%，最大回撤 1.77%，完成剥离单一风险目标，后续以减少回撤超 1%次数为目标 [45][49][50] 3. 回撤控制方案 - 回撤的识别和预测难度较高：传统回撤识别方案有局限，命中率、召回率和遗漏率指标不理想且难以兼顾，选取基于已发生回撤的手段进行控制 [51] - A+B 回撤控制框架的构建：A 方案通过动量+RSI 提升收益，B 方案监控当前回撤应对，分 4 档不同强度应对，A+B 方案年化收益比原始三因子中性低，但波动率下降，回撤超 1%次数大幅下降 [54][60][64]