文章核心观点 - 在全球宏观不确定性加剧的背景下，国内投资者对宏观策略的关注升温，寻找中国本土的“桥水”成为热门议题 [2] - 联海资产作为中国本土量化宏观策略的典型代表，在借鉴桥水“全天候策略”的基础上，结合对中国经济周期的理解进行了系统性本土化改造，形成了具有中国特色的宏观对冲方法论 [3][4] - 公司自主研发的宏观量化模型和策略体系，旨在通过量化手段捕捉不同宏观情景下的资产轮动机会，并利用多策略Alpha增厚收益、控制风险 [4][14][15] 联海资产公司概况与定位 - 公司成立于2016年4月，以“宏观+量化”为核心定位，构建了覆盖多资产、多策略的综合投资体系 [4] - 公司在借鉴桥水“全天候策略”理念的基础上，结合对中国经济周期的深刻理解，进行了系统性的本土化改造，逐步形成具有中国特色的宏观对冲方法论 [4] - 2019年起，公司自主研发宏观量化模型，开创性地构建了“联海宏观情景预测模型”与“联海宏观风险因子”，并开发了基于自研宏观情景概率模型的资产配置策略 [4] - 业绩层面，公司多次斩获金牛奖、英华奖等行业权威奖项，2021年至2023年连续三年摘得“三年期宏观对冲策略金牛奖”，2024年再度荣获“年度宏观对冲策略金牛奖” [4] 宏观策略的本土化改造与核心逻辑 - 针对中国市场特殊性进行深度本土化改造：中国市场的宏观驱动力不同，信用周期对经济的影响往往先于并强于增长与通胀；资产相关性在极端环境下易出现“股债双杀”的剧烈波动 [11] - 从桥水的“四象限”升级为“八情景”：在“增长-通胀”基础上引入“货币-信贷”内生逻辑维度，将宏观环境细分为8个情景（如复苏、类复苏、过热、类衰退等），以更精准捕捉中国式流动性溢价 [11] - 识别“非典型情景”：加入对“流动性陷阱”或“生产强、消费弱”等结构失衡状态的识别，弥补传统模型在产业转型期或政策剧烈转向期的钝化 [12] - 防御工具的“主动化”：在底层嵌入期权尾部保护，以“定量为主、定性为辅”的机制，有效对冲中国市场高波动、政策驱动性强的尾部风险 [13] - 子系统Alpha增厚：将内部优秀的指增、CTA等子系统嵌入母系统，利用中国市场丰富的Alpha收益来对冲Beta磨损，提升整体夏普比 [14] - 宏观情景模型核心逻辑：资产定价的本质是宏观因子的映射，模型通过量化手段将复杂的市场噪音提纯为可测算的概率分布，力争实现风险资产的最优配置 [15] - 选择经济周期与流动性周期作为核心维度的原因：经济周期决定长期赔率，但在中国数据具有滞后性；中国是典型的“信用驱动型”市场，流动性周期（货币政策的松紧与实体信贷的传导）是资产价格波动的先导信号，决定短期胜率 [16][17] 八大宏观情景特征与资产表现 - 通过“增长-通胀”与“货币-信贷”双维度交叉，将市场切分为八个细分情景 [19] - 复苏/类复苏：核心特征是流动性改善或基本面回升，股票表现优异（尤其是顺周期板块），债券相对平稳 [19] - 过热/类过热：需求旺盛，通胀上行，商品（如能化、有色）进入强势期，股票仍有结构性机会，但债券面临压力 [20] - 滞胀/类滞胀：增长停滞但成本高企，贵金属和抗通胀资产是避风港，权益类资产波动加大，需配置防御型策略 [21] - 衰退/类衰退：经济下行，政策开始宽松，债券表现最为突出，呈现牛市特征，避险情绪占据主导 [22] - 核心规律：在典型周期中资产逻辑清晰，主要获取Beta收益；在非典型周期中，存在结构矛盾，宏观叙事反复拉锯，公司通过概率测算降低单一资产暴露，利用期权保护和多策略Alpha来平滑波动，力求组合在复杂情景下具备较高鲁棒性 [22] 量化宏观策略的优势与产品特点 - 核心优势一：“典型+非典型”情景覆盖，通过量化手段定义“流动性陷阱”等非典型情景，提升模型在复杂环境下的鲁棒性 [25] - 核心优势二：“Beta+Alpha”双引擎，区别于纯Beta配置，叠加了自研的指增、CTA等10个独立细分产品组的Alpha能力 [26] - 核心优势三：模型能够自我迭代，在历史经验失效时可快速进行特征重构并自动调整权重，保持策略的持续进化 [27] - 产品设计目标：以“联海宏观增强平衡1号”为例，总体设计目标是获取长期收益与平滑短期风险的矛盾统一，追求较高的收益性价比，回撤可控且回补迅速 [28] - 产品实现路径：自研的宏观情景概率模型和宏观风险因子负责长周期穿越牛熊与风险管控，各个阿尔法增强模块则负责弥补策略在短周期响应速度上的不足 [31] - 配置逻辑：宏观配置模型完全是数据驱动的量化模型，不依赖投资经理的主观经验干涉，通过多个经理“各行其是”来分散判断错误带来的风险 [31] - 策略韧性：该纯量化宏观策略可能在收益锐度上不如最优秀的主观类宏观多资产策略，但其抗风险的韧性使其适合作为长期投资者的重要底仓之一 [31] - 收益来源：从两年实盘看，在股、债、商品上的收益程度差异较大，但综合下来三者总贡献基本持平，表明策略并非依赖某一类资产的牛熊，而是系统性地获取各类资产在适应宏观环境下的收益 [32] 因子体系与风控机制 - 因子体系包含增长、通胀、利率、汇率四大因子，其稳定性源于“逻辑驱动的因子构建”与“多维度的动态调控” [32] - 有效性保障：进行统计学校验，每一类因子都经过过去20年不同宏观压力的回测；进行跨资产验证，利用跨资产的相关性校验剔除因短期情绪导致的“伪信号” [33][34] - 应对宏观信号与市场表现背离的三维风控体系： 1. 战术性防御：战术配置层监控量价等微观指标，若出现大幅背离，会通过降低仓位或调整久期进行防御 [35] 2. 非线性保护：利用看跌期权等衍生品对尾部风险独立建模，提供不依赖于宏观逻辑对错的非对称保护机制 [36] 3. 内生性逻辑纠偏：当背离显著时，模型自动调低宏观因子权重，通过算法逻辑自动切换，规避信号滞后风险 [37] 当前市场观点与配置建议 - 阿尔法层面：看好商品的波段交易机会和波动率套利机会，尤其集中在贵金属、有色、能化等品种上 [39] - 贝塔配置层面：认为在全球“再通胀”和国内复苏延续的环境下，广义流动扩散带来的资产价格估值提升是大概率情形，2026年很可能又是一个贝塔和阿尔法的双重大年 [39] - 市场环境判断：认为今年的国内外经济和政治环境变数很大，需要动态分散风险并及时规避阶段性事件冲击或把握短期交易机会 [40] - 策略适应性：认为公司的“贝塔加阿尔法”策略收益来源多元且风控更为细致，比较适应高速变化的市场行情 [40] 对中国量化宏观策略发展前景的展望 - 海外市场参照：截至2025年上半年，全球资产管理规模最高的10家对冲基金中，有将近40%是以类似多策略的形式开展业务，桥水基金以780亿美元管理规模居首，证明量化宏观策略能承载巨大体量并经得起时间考验 [42] - 中国起步晚的原因：2018年桥水正式进入中国前，国内几乎没有以系统化模型作为宏观投资主要依据的管理人，原因在于中国宏观经济历史较短、变化快且复杂，“旧范式”不够多，“新范式”还很多；历史上中国资产显现出更强的阿尔法，其投资机会性价比更高 [42][43] - 未来发展趋势：中国已经不再是个典型的发展中经济体，市场将更加成熟专业；阿尔法必然面临更激烈竞争从而边际递减，贝塔的配置价值越来越重要 [43] - 公司定位：量化宏观模型的短板在逐步补足，而其在风控上的韧性是主观宏观所缺乏的，因此势必成为市场上宏观产品线拼图中的重要一环，公司相信自身在这一细分领域走在市场前列 [43]