2026年资产配置的核心挑战 - 中长期挑战：我国进入低利率时期，过去在资产配置中发挥重要作用的股债对冲效果将不及过往 [1][4] - 短期挑战：过去几年我国处于新旧动能切换期，投资者风险偏好向两端分化，当前正从两端向中间回归 [1][4] 低利率环境下的配置策略 - 核心目标：关注增收和降波 [1][4] - 增收途径：借鉴耶鲁捐赠基金和桥水基金等成功案例，通过拓展海外资产和另类资产来实现 [1][4] - 降波工具：需要通过风险对冲、风险转嫁、风险规避等手段进行更精细化的风险管理，以应对资产类型拓展带来的不确定性上行 [1][4] 风险偏好回归背景下的策略关注点 - 低波策略加弹性：固收类资产关注境内交易机会和境外票息机会，权益资产从红利逐渐转向中盘蓝筹，其他资产关注黄金等商品机会 [1][5] - 高波策略控风险：海外资产配置从美股向其他国家适当分散，A股将部分科技转向中盘蓝筹，组合层面关注商品及衍生品的对冲效果 [1][5] “被动为盾、主动为矛”的配置框架 - 被动为盾（拓宽资产类型以实现风险分散）：关注黄金、有色等商品机会，关注境外资产的分散化效果，关注REITS等另类资产的机会，关注海外债券的高票息（但人民币负债产品需警惕汇率风险） [2][6] - 主动为矛（主动管理以实现策略目标）：权益关注风格切换，债券寻找主动交易型机会，多策略增强要兼顾趋势和均值回复，组合层面用好风险缓释等手段 [2][6]

核心观点 - 资产配置不仅仅是风险分散，收益预判同样重要，任何风险都不会脱离收益预判而单独存在，资产配置模型的意义在于通过系统化设计让投资者的预判能力得以充分发挥，使胜率60%的投资者能够战胜胜率40%的投资者[5] - 主动型资产配置的核心是收益预测和风险惩罚，风险度量旨在惩罚收益预测的不准确性，从而与预测能力挂钩，主要用于专业投资者[5][11][13] - 配置思路根据是否考虑收益预测可分为被动型和主动型，被动型策略强调风险分散，主动型策略兼顾风险分散和收益增强，战略资产配置两者均适用，战术资产配置通常需用主动型思维[5] - 基于MVO的主动型资产配置策略可应用于两类场景：直接针对有限熟知资产进行配置，或先通过被动型模型构建战略中枢再对部分资产进行战术增强，两种方式均显示显著效果提升[5][10][36][43] - 基于ETF的主动型资产配置方案同样有效，包括直接MVO配置和全天候打底+MVO增强两种方式，结果显示能实现显著的收益增厚[5][51][59] 一、MVO模型适用于主动型资产配置 - 均值方差模型(MVO)是主动型资产配置的首选工具，其优势在于资产类型相对有限，可通过约定持仓上限或下限规避仓位过度集中问题[9] - MVO模型对收益预测有较高要求，这既是其不足也是价值所在，该模型能围绕预测胜率大小进行相应惩罚，使胜率60%的投资者战胜胜率40%的投资者[10] - MVO适用于两类场景：在熟知有限资产间直接配置并施加仓位限制，或在资产类型较多时先通过风险预算等被动模型得到战略中枢，再基于MVO对部分资产进行战术增强[10] 二、主动型资产配置的核心是收益预测和风险惩罚 - 主动型资产配置首先要构建有效的收益预测，大类资产收益预测需构建时间序列模型，为每类资产寻找有效时序因子，如权益的ERP、PMI、MA20收益，债券的股票同期影响、资金利率等[14][20] - 收益预测结果显示，预期收益相比历史均值更接近实际收益，例如中证800预期收益与实际收益对比显示更好拟合度[20][21][23][24] - 主动型资产配置需要对收益预测进行风险惩罚，风险度量的目标是衡量收益预测的不准确性并施加惩罚，采用GARCH(1,1)模型衡量预期风险，结果与历史波动存在显著差异[25][27][28] - "收益预测-风险惩罚"模型效果显著优于"历史收益-历史波动"模型，在不同目标波动率下均显示更优绩效，例如3%目标波动下年化收益11.5% vs 10.8%，夏普比2.87 vs 2.58[30][32][33][34][35] 三、主动型资产配置可用于两类场景 - 直接配置方案针对有预测能力的有限资产，通过仓位限制避免过度集中，例如权益限20%、商品限15%，结果显示随着仓位限制放开组合弹性更高收益更高，如15%限制下年化收益11.6% vs 5%限制下8.6%[36][37][38] - 被动打底+主动增强方案针对资产类型较多情况，先通过动态全天候策略得到战略中枢，再通过MVO进行战术增强，控制跟踪误差，结果显示组合业绩显著提升，如跟踪误差3%下年化收益7.5% vs 动态全天候7.0%[43][46][47][48] - 战术增强过程中，随着跟踪误差约束放宽，组合收益进一步提升，在仓位调整有限情况下实现收益增厚，例如跟踪误差7%下年化收益9.5%较基准提升2.5个百分点[46][48] 四、基于ETF的主动型资产配置方案 - 直接MVO配置ETF组合，对另类资产设置仓位限制，统计区间2024年至2025年10月，结果显示放开限制后效果更优，如15%限制下年化收益10.4%，夏普比2.37，较5%限制提升3.2个百分点[52][53][54][55] - 全天候打底+MVO增强的ETF组合，在不同跟踪误差约束下均显示显著收益增强，如跟踪误差7%下年化收益11.6%较动态全天候9.0%提升2.6个百分点，夏普比2.35[59][60][62][63] - ETF方案中，权益部分用行业轮动策略，债券部分用债券ETF拟合偏债混合基金指数，商品和黄金用对应ETF，组合构建兼顾可投资性和策略有效性[49][51] 五、结论 - 资产配置策略的核心是基于对各类资产预判权衡不确定性得到组合方案，主动型与被动型的核心区别在于是否考虑收益预测以及风险度量的锚定差异[64][65] - 基于MVO的主动型资产配置在两类应用场景下均有较好业绩表现，通过系统化设计充分发挥投资者的预判能力，最后通过ETF落地方案增强了实践可行性[64][65][66] 附录：基于ETF的动态全天候方案 - 结合动态全天候策略和行业轮动策略，构建基于ETF的动态全天候方案，权益部分基于ETF行业轮动，债券部分以债券ETF复制偏债混合基金指数，商品和黄金用对应ETF[67] - 样本外表现显示，包含美股的动态全天候策略年化收益9.0%，标准差3.1%，夏普比2.94，最大回撤-2.0%，绩效指标均优于不含美股的版本[67][68][69][72]