文章核心观点 - 传统资产风险平价模型在低利率环境下存在局限性，其资产协方差结构不稳定且持仓过度集中于债券，收益空间受限 [3] - 提出将风险平价对象从资产层上移至宏观因子预期外冲击层面，构建宏观冲击风险平价模型，以对宏观环境变化做出及时回应 [3] - 实证表明，在施加低波资产上限约束的场景下，宏观冲击风险平价能显著增强收益与夏普比率，而结合资产与宏观风险的复合模型能进一步提高稳定性 [1][5][6] 模型方法论构建 - 传统模型局限：资产风险平价在资产层实现名义分散，但可能在增长、通胀等少数宏观因子上高度集中，且资产协方差是宏观变量作用后的结果，在宏观状态切换下时序不稳定 [3] - 核心创新：风险平价对象上移至宏观因子预期外冲击，通过局部线性趋势模型提取冲击序列，该冲击剥离了已被市场预期的惯性趋势，仅保留边际修正信息 [3][4] - 宏观因子构建：指标按增长、通胀、流动性、利率、信用、外部冲击六维度分组，经预处理、滚动标准化后，采用PCA或正交化等权方法合成综合信号 [4][8][10] - 冲击提取：采用局部线性趋势模型结合Kalman滤波递推更新，将实际观测相对于条件预测路径的标准化偏离定义为宏观冲击，确保序列具有零均值、单位方差的近似性质 [11][12][13] - 风险平价优化：先通过滚动回归估计资产对宏观冲击的暴露，构建宏观隐含协方差矩阵，再在此矩阵上实施风险平价优化，并加入低波资产总权重上限约束 [17][19][20][21][22] 回测框架与资产池 - 回测设定：回测区间为2016年1月至2026年5月，按月调仓，使用总回报指数，双边费率设为万5 [26][27] - 备选资产池：覆盖跨区域权益、利率债、信用债、商品等细分资产，共14个子类，选用有成熟ETF跟踪的核心指数以确保策略可落地 [23][24] - 参数设置：滚动窗口统一为三年，低波资产根据截面波动率排序选取风险最小的5个子资产类型进行权重上限约束 [22][26] 宏观冲击风险平价策略表现 - 整体效果：在低波资产上限为0.2、0.4、0.6、0.8四档场景下，宏观冲击风险平价相比资产风险平价的夏普增量介于+0.10至+0.14，年化超额收益增量在0.5个百分点至1.5个百分点之间 [5] - Cap=0.8场景：夏普从0.97提升至1.07，年化收益从4.63%提升至5.21%，Calmar比率为1.43 [5][31] - Cap=0.6场景：夏普从0.65提升至0.79，年化收益从5.22%提升至6.18% [31] - Cap=0.4场景：夏普从0.53提升至0.67，年化收益从5.76%提升至7.07% [31] - 无约束场景：由于资产风险平价已有90%以上权重集中于低波债券，优化空间有限，宏观模型无法进一步提升夏普 [5][31] 复合冲击风险平价策略表现 - 模型构建：复合模型将资产样本协方差矩阵与宏观隐含协方差矩阵归一化后等权混合，形成复合协方差矩阵，并在此矩阵上进行风险平价优化，同时加入权重平滑以降低换手率 [42] - 整体效果：在所有设置低波资产上限的场景中，复合模型均实现了对资产风险平价的年化正超额收益、夏普与Calmar比率提升，夏普平均提高约0.2，且换手率在三策略中最低 [6][43][44] - Cap=0.8场景：夏普为1.16，年化收益5.34%，Calmar比率1.86 [6][44] - Cap=0.6场景：夏普为0.87，年化收益6.37%，Calmar比率1.13 [44][46] - 稳定性优势：相较于纯宏观模型，复合模型在各档位的回撤控制更为稳健，例如在Cap=0.2时最大回撤从-18.12%收窄至-12.18%，分年收益稳定性和持仓延续性更强 [6][44]