资产配置理论框架 - 资产配置的核心是通过跨资产类别的组合设计，对风险与收益进行系统化权衡，其本质是“用分散化对抗不确定性” [2][8] - 框架设计首先需锚定核心目的，可拆解为收益增值、风险分散、流动性管理、长期稳健四个维度，各维度权重根据投资者需求动态调整 [3] - 配置思路的落地路径包括：确定大类资产基准权重与风险中枢；明确投资约束；结合外部环境、内部估值与趋势信号对权重进行动态微调 [3] - 在此过程中，可运用三种不同时间维度与目标的策略：战略资产配置、战术资产配置与动态资产配置 [3] 主流资产配置模型分类 - 收益驱动模型：以收益-风险权衡为核心，通过优化资产权重实现预期收益目标，例如均值方差模型、Black-Litterman模型 [10] - 风险驱动模型：以风险控制为首要目标，通过风险分配、约束或目标设定构建稳健组合，例如风险平价模型、CVaR优化模型 [10] - 宏观驱动模型：基于宏观经济周期、因子或指标变化调整资产配置，例如美林时钟模型 [10] - 宏观驱动模型因涉及指标较多、跨经济体适用性较弱，本篇未从量化视角进行回测 [15] 回测框架与设置 - 测试区间为2015年1月1日至2025年12月31日，采用月度换仓 [4][16] - 测试了两种投资场景：1）国内投资者关注的可投资产：A股、港股、中国债券、黄金、大宗商品；2）更广泛的全球资产：美国权益、欧洲权益、中国权益、日本权益、中国债券、美国债券、黄金、大宗商品 [4][15] - 测试了无资产权重上限和50%资产权重上限两种版本 [17] - 基准组合包括经典的60/40策略、20/60/20策略以及备选资产的等权组合 [18] 中国资产配置回测效果 - 在无资产权重上限场景下，Black-Litterman模型年化收益为13.64%，年化波动率为13.13%，夏普比率为1.04，相对等权基准的年化超额收益为6.28% [5][22] - 均值-方差模型年化收益率为13.55%，年化波动率13.51%，夏普比率为1.01，风险收益特征与BLM模型接近 [5][22] - 风险驱动模型中，波动率目标模型年化收益5.15%，夏普比率高达2.04；风险平价模型年化收益4.88%，夏普比率2.35；CVaR优化模型年化收益4.22%，夏普比率3.47 [22] - 整体而言，合理假设下的收益驱动模型年化收益显著，基本跑赢基准；风险驱动模型绝对收益风险控制能力强、换手低，但在不加杠杆的情况下收益难跑赢基准 [6][21] - 限制50%资产权重上限后，收益和风险模型的特征趋于均衡，平滑了模型本身特性 [6][21] 全球资产配置回测效果 - 在无资产权重上限的全球配置场景中，模型表现排序与中国场景基本相同 [7] - 收益驱动的BLM模型年化收益为12.82%，相对等权基准超额收益4.52%，夏普比率1.12；LSTM-BLM模型年化收益9.59%，夏普比率1.20 [28] - 风险驱动模型中，除风险预算模型略微跑赢基准外，其余模型均跑输基准，但绝对收益的风险控制能力好，夏普比率均高于1 [7][28] - 限制50%的资产权重上限后，BLM模型仍维持较好表现，年化收益升至13.01%，夏普比率1.17 [31] 中国细分资产配置场景回测 - 测试将中国资产池进一步细分，例如权益按市值分为大、中、小、微盘，债券按品种细分等 [33] - 在此场景下，BLM模型收益维度突出，年化收益达17.75%，年化超额收益达9.15% [33][36] - 风险平价和波动率目标模型在风险控制角度较为出色，延续了低波动、低换手的特征 [33] 滚动窗口敏感性测试 - 将默认的1年滚动窗口改为3年进行测试，各模型表现排序发生一定变化 [37] - 在3年滚动窗口下，约束优化模型年化收益9.23%，动量-波动率协同模型年化收益9.00%，LSTM-BLM模型年化收益8.91%，风险预算模型年化收益8.83%，BLM模型年化收益降至8.55% [37]