报告行业投资评级 未提及 报告的核心观点 - 2月沪深市场主要指数涨跌互现，中证500和中小板指涨幅超3%，科创50跌幅1.42%；31个申万一级行业中23个上涨，涨幅前5为综合、钢铁等，跌幅前5为传媒、商业贸易等 [1][14] - 2026年1月市场新增个人投资者开户490.58万户，机构投资者1.06万户，个人投资者热情上升，机构投资者活跃度下降 [2][21] - 2月新发行基金28只，规模178.47亿元，受春节长假影响发行节奏放缓；除QDII和商品型基金外，其他类型基金均有不同幅度上涨，偏股型基金平均涨幅最大 [3][35] - 2月ETF资金净流出211.06亿元，多只宽基指数呈现资金流出态势；部分ETF涨幅居前，部分跌幅居前，资金流向有差异 [5][60] - 2月风险平价模型下跌0.23%，风险预算模型下跌0.48% [6][67] 根据相关目录分别进行总结 1. 上月市场回顾 1.1 国内市场情况 - 2月沪深市场主要指数涨跌互现，中证500和中小板指涨幅超3%，科创50跌幅1.42%；31个申万一级行业中23个上涨，涨幅前5为综合、钢铁等，跌幅前5为传媒、商业贸易等 [14] - 债券市场中，中债综合全价指数上涨0.01%，部分指数有不同幅度涨跌，中证转债指数上涨0.89%；商品市场中，南华商品指数下跌1.32% [14] - 2026年1月市场新增个人投资者开户490.58万户，机构投资者1.06万户，个人投资者热情上升，机构投资者活跃度下降 [21] - 私募证券投资基金12月新备案规模环比增长达541.74亿元，存续规模达22.15万亿元 [22] 1.2 欧美及亚太市场情况 - 2月欧美及亚太市场主要指数多数上涨，美股标普500下跌2.13%，道琼斯工业指数上涨0.13%，纳斯达克指数下跌3.38%；欧洲市场法国CAC40上涨5.59%，德国DAX上涨3.04%；亚太市场恒生指数下跌2.76%，日经225上涨10.37% [27] 1.3 市场估值情况 - 2月市场主要指数估值涨跌不一，市盈率历史分位数中证全指上涨5.4pct.，市净率历史分位数中证1000上涨5.2pct. [30] - 行业方面，上月申万一级指数市盈率估值历史分位数最高的五个行业为房地产、电子等，最低的五个行业为非银金融、农林牧渔等 [30] 2. 公募基金整体情况 2.1 基金发行情况 - 2月新发行基金28只，规模178.47亿元，受节假日影响发行节奏放缓；股票型、混合型、债券型、FOF基金分别发行10只、9只、3只、6只，规模分别为29.39亿元、33.44亿元、24.59亿元、91.06亿元 [35] - 2月主动权益型与被动权益型基金发行份额分别为33.54亿份和29.28亿份，主动权益型基金发行份额环比大幅下降 [35] 2.2 基金市场收益情况 - 2月除QDII和商品型基金外，其他类型基金均有不同幅度上涨，偏股型基金平均上涨1.15% [39] - 从基金风格指数来看，2月市场普遍上涨，价值风格跑赢成长风格，中小盘风格跑赢大盘风格，小盘价值型风格涨幅最大，为4.41%，大盘成长风格涨幅最小，约0.31% [41] - 不同规模偏股型公募基金中，5000万 - 1亿的迷你型基金平均涨幅最大，为1.31%，正收益占比64.75%；100亿以上的超大型基金下跌0.33%，正收益占比38.71% [49] 2.3 主动权益基金仓位情况 - 2月主动权益基金加仓幅度靠前的行业为传媒、建筑材料和综合；减仓幅度靠前的行业为电子、医药生物和有色金属 [52] - 2026/2/27主动权益基金整体仓位是77.23%，较上月上升3.13pct. [54] 3. ETF基金情况 - 2月ETF资金净流出211.06亿元，其中股票型ETF净流出905.86亿元，跨境型ETF净流入474.33亿元，债券型ETF净流入78.18亿元 [59] - 本期多只宽基指数呈现资金流出态势，部分ETF涨幅居前，部分跌幅居前；资金净流入靠前的有恒生科技ETF等，资金净流出靠前的有南方中证500ETF等 [60] 4. 模型运行情况 - 选择股票、债券、商品、QDII四类资产构建4种大类资产配置模型，2月风险平价模型下跌0.23%，风险预算模型下跌0.48% [66][67] - 2015年以来，风险平价模型年化收益6.32%，最大回撤1.29%；风险预算模型年化收益8.08%，最大回撤2.35% [70] - 下月模型资产配置权重不变，风险平价模型股票：债券：商品：QDII = 7%：69%：11%：13%；风险预算模型股票：债券：商品：QDII = 14%：49%：8%：28% [71]

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]

根据提供的研报内容，以下是关于量化模型和因子的总结。 量化模型与构建方式 1. **模型名称：Black-Litterman模型（BL模型）**[12] * **模型构建思路**：BL模型是对传统均值-方差模型的改进，采用贝叶斯理论将投资者对市场的主观观点与量化配置模型相结合，以优化资产配置权重，解决均值-方差模型对预期收益过于敏感的问题[12] * **模型具体构建过程**：该模型通过投资者对市场的分析预测资产收益，进而优化资产配置权重，具体构建过程可参考系列报告之二《手把手教你实现 Black-Litterman 模型》[13] 2. **模型名称：风险平价模型**[17][18] * **模型构建思路**：风险平价模型的核心思想是使投资组合中每类资产对整体风险的贡献相等，从而改进传统的均值-方差模型[17][18] * **模型具体构建过程**：构建过程分为三步：第一步，选择合适的底层资产；第二步，计算各资产对组合的风险贡献；第三步，通过求解优化问题，使各资产的实际风险贡献与预期风险贡献的偏离度最小，从而计算得到最终的持仓权重[19] 3. **模型名称：基于宏观因子的资产配置模型**[21] * **模型构建思路**：该模型构建了一个涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，旨在建立宏观研究与资产配置研究的桥梁，将宏观主观观点落地到资产配置层面[21] * **模型具体构建过程**：构建过程分为四步：第一步，每月末计算资产池中各类资产对宏观因子的暴露水平；第二步，以资产的风险平价组合作为基准，计算基准因子暴露；第三步，结合投资者对宏观未来一个月的主观判断（给定主观因子偏离值）和基准因子暴露，得到资产组合的因子暴露目标；第四步，通过模型反解得到下个月的各个资产配置权重[22] 模型的回测效果 1. **国内资产BL模型1**，上周收益-0.32%，11月份收益0.05%，2025年收益4.0%，年化波动2.18%，最大回撤1.31%[14] 2. **国内资产BL模型2**，上周收益-0.15%，11月份收益0.08%，2025年收益3.77%，年化波动1.95%，最大回撤1.06%[14] 3. **全球资产BL模型1**，上周收益-0.17%，11月份收益-0.26%，2025年收益0.78%，年化波动2.0%，最大回撤1.64%[14] 4. **全球资产BL模型2**，上周收益0.01%，11月份收益0.08%，2025年收益2.7%，年化波动1.59%，最大回撤1.28%[14] 5. **国内资产风险平价模型**，上周收益-0.27%，11月份收益-0.09%，2025年收益3.6%，年化波动1.32%，最大回撤0.76%[20] 6. **全球资产风险平价模型**，上周收益-0.2%，11月份收益-0.07%，2025年收益3.04%，年化波动1.42%，最大回撤1.2%[20] 7. **基于宏观因子的资产配置模型**，上周收益-0.31%，11月份收益-0.01%，2025年收益4.43%，年化波动1.55%，最大回撤0.64%[27] 量化因子与构建方式 1. **因子名称：宏观因子（增长、通胀、利率、信用、汇率、流动性）**[21] * **因子的构建思路**：构建一个涵盖六大宏观风险的因子体系，用于宏观因子资产配置框架[21] * **因子具体构建过程**：通过Factor Mimicking Portfolio方法构造了增长、通胀等六大宏观风险的高频宏观因子[22] 因子的回测效果 （报告中未提供宏观因子的独立测试结果指标）

根据研报内容，总结如下： 量化模型与构建方式 1. **模型名称：Black-Litterman模型（BL模型）**[12] * **模型构建思路：** BL模型是传统均值-方差模型（MVO）的改进，采用贝叶斯理论将投资者的主观观点与量化配置模型有机结合起来，通过投资者对市场的分析预测资产收益，进而优化资产配置权重[12] * **模型具体构建过程：** 该模型有效地解决了均值-方差模型对于预期收益敏感的问题，同时相较纯主观投资具有更高的容错性[12] 报告中提及了两种应用：全球资产BL模型和国内资产BL模型，分别基于不同的资产池构建[13] 全球资产BL模型的资产池包括沪深300、恒生指数、标普500、中债-国债总财富指数、中债-企业债总财富指数与南华商品指数[13] 国内资产BL模型的资产池包括沪深300、中证1000、恒生指数、中债-国债总财富指数、中债-企业债总财富指数、中证转债、南华商品指数和SHFE黄金[13] * **模型评价：** 为投资者持续提供高效的资产配置方案[12] 2. **模型名称：风险平价模型**[18] * **模型构建思路：** 风险平价模型是传统均值-方差模型的改进，其核心思想是把投资组合的整体风险分摊到每类资产（因子）中去、使得每类资产（因子）对投资组合整体风险的贡献相等[18] * **模型具体构建过程：** 该模型从各资产（因子）的预期波动率及预期相关性出发，计算得到初始资产配置权重下各资产（因子）对投资组合的风险贡献，然后对各资产（因子）实际风险贡献与预期风险贡献间的偏离度进行优化，从而得到最终资产配置权重[18] 构建过程分为三步：第一步，选择合适的底层资产；第二步，计算资产对组合的风险贡献；第三步，求解优化问题计算持仓权重[19] 报告中构建了全球资产风险平价模型和国内资产风险平价模型[19] 3. **模型名称：基于宏观因子的资产配置模型**[22] * **模型构建思路：** 该框架建立了一个宏观研究与资产配置研究的桥梁，通过构造涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，将对于宏观的主观观点进行资产层面的落地[22] * **模型具体构建过程：** 构建过程分为四步：第一步，每月末计算资产池中资产的因子暴露水平；第二步，以资产的风险平价组合作为基准，计算出基准因子暴露；第三步，根据对宏观未来一个月的判断，给定一个主观因子偏离值，结合基准因子暴露，得到资产组合的因子暴露目标；第四步，带入模型反解得到下个月的各个资产配置权重[23] 通过Factor Mimicking Portfolio方法构造了六大宏观风险的高频宏观因子[23] 资产池为国内的8类资产[23] 主观因子偏离值每月给出，反映了投资者对于下个月宏观状态的主观观点，例如，在2025年09月底，为增长、通胀、利率、信用、汇率和流动性设置的偏离值分别为0、0、0、0、1和0[25] 模型的回测效果 1. **国内资产BL模型1**[14][16] * 上周收益：0.10% * 10月份收益：0.38% * 2025年收益：3.97% * 年化波动：2.23% * 最大回撤：1.31% 2. **国内资产BL模型2**[14][16] * 上周收益：-0.01% * 10月份收益：0.48% * 2025年收益：3.68% * 年化波动：2.02% * 最大回撤：1.06% 3. **全球资产BL模型1**[14][16] * 上周收益：0.54% * 10月份收益：0.03% * 2025年收益：1.02% * 年化波动：2.04% * 最大回撤：1.64% 4. **全球资产BL模型2**[14][16] * 上周收益：0.37% * 10月份收益：0.35% * 2025年收益：2.43% * 年化波动：1.65% * 最大回撤：1.28% 5. **国内资产风险平价模型**[21] * 上周收益：0.14% * 10月份收益：0.34% * 2025年收益：3.47% * 年化波动：1.34% * 最大回撤：0.76% 6. **全球资产风险平价模型**[21] * 上周收益：0.22% * 10月份收益：0.39% * 2025年收益：2.99% * 年化波动：1.46% * 最大回撤：1.20% 7. **基于宏观因子的资产配置模型**[27] * 上周收益：-0.25% * 10月份收益：0.73% * 2025年收益：4.29% * 年化波动：1.54% * 最大回撤：0.64% 量化因子与构建方式 1. **因子名称：宏观因子**[22][23] * **因子构建思路：** 构造涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，以将宏观主观观点量化并应用于资产配置[22][23] * **因子具体构建过程：** 通过Factor Mimicking Portfolio方法构造了增长、通胀、利率、信用、汇率和流动性六大宏观风险的高频宏观因子[23]

根据研报内容，现总结如下： 量化模型与构建方式 1. **模型名称**：Black-Litterman模型（BL模型）[12] * **模型构建思路**：该模型是对传统均值-方差模型的改进，采用贝叶斯理论将投资者的主观观点与量化配置模型有机结合起来，通过投资者对市场的分析预测资产收益，进而优化资产配置权重[12] * **模型具体构建过程**：模型有效解决了均值-方差模型对于预期收益敏感的问题，同时相较纯主观投资具有更高的容错性[12] 报告中提及了两种应用：针对全球资产构建了两种BL配置模型，投资标的包括沪深300、恒生指数、标普500、中债-国债总财富指数、中债-企业债总财富指数与南华商品指数[13]；针对国内资产也构建了两种BL配置策略，投资标的包括沪深300、中证1000、恒生指数、中债-国债总财富指数、中债-企业债总财富指数、中证转债、南华商品指数和SHFE黄金[13] * **模型评价**：为投资者持续提供高效的资产配置方案[12] 2. **模型名称**：风险平价模型[17] * **模型构建思路**：该模型是传统均值-方差模型的改进，其核心思想是把投资组合的整体风险分摊到每类资产（因子）中去，使得每类资产（因子）对投资组合整体风险的贡献相等[17] * **模型具体构建过程**：模型构建分为三步：第一步，选择合适的底层资产；第二步，计算资产对组合的风险贡献；第三步，求解优化问题计算持仓权重[18] 具体应用上，基于沪深300指数、标普500指数、恒生指数、中债-企业债总财富指数、南华商品指数和COMEX黄金构建了全球资产风险平价模型[18]；针对国内资产，选取沪深300、中证1000、恒生指数、中债-国债总财富指数、中债-企业债总财富指数、中证转债、南华商品指数和SHFE黄金作为投资标的，构建了国内资产风险平价策略[18] 3. **模型名称**：基于宏观因子的资产配置模型[21] * **模型构建思路**：构造涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，并基于此建立一个通用性的宏观因子资产配置框架，将宏观研究的主观观点进行资产层面的落地[21] * **模型具体构建过程**：通过Factor Mimicking Portfolio方法构造六大宏观风险的高频宏观因子[22] 以前文提到的8类国内资产作为资产池，按以下四步构建策略：第一步，每月末计算资产的因子暴露水平；第二步，以资产的风险平价组合作为基准，计算出基准因子暴露；第三步，根据对宏观未来一个月的判断给定主观因子偏离值，结合基准因子暴露，得到资产组合的因子暴露目标；第四步，带入模型反解得到下个月的各个资产配置权重[22] 主观因子偏离值每月给出，例如在2025年08月底，为增长、通胀、利率、信用、汇率和流动性设置的偏离值分别为0, 0, -1, 0, 1, 0[24] 模型的回测效果 1. **国内资产BL模型1**：上周收益-0.11%，9月份收益-0.14%，2025年收益3.23%，年化波动2.19%，最大回撤1.31%[14] 2. **国内资产BL模型2**：上周收益-0.11%，9月份收益-0.13%，2025年收益2.84%，年化波动1.99%，最大回撤1.06%[14] 3. **全球资产BL模型1**：上周收益0.04%，9月份收益0.11%，2025年收益0.84%，年化波动1.99%，最大回撤1.64%[14] 4. **全球资产BL模型2**：上周收益0.0%，9月份收益0.03%，2025年收益1.84%，年化波动1.63%，最大回撤1.28%[14] 5. **国内资产风险平价模型**：上周收益-0.06%，9月份收益0.05%，2025年收益2.99%，年化波动1.35%，最大回撤0.76%[20] 6. **全球资产风险平价模型**：上周收益-0.07%，9月份收益0.13%，2025年收益2.50%，年化波动1.48%，最大回撤1.20%[20] 7. **基于宏观因子的资产配置模型**：上周收益0.04%，9月份收益0.26%，2025年收益3.29%，年化波动1.32%，最大回撤0.64%[26] 量化因子与构建方式 1. **因子名称**：宏观因子（增长、通胀、利率、信用、汇率、流动性）[21] * **因子的构建思路**：构建涵盖六大风险的宏观因子体系，作为宏观因子资产配置框架的基础[21] * **因子具体构建过程**：通过Factor Mimicking Portfolio方法构造了增长、通胀等六大宏观风险的高频宏观因子[22]

核心观点 - 2025年7月国内权益资产表现优异，中证1000、南华商品指数、沪深300等主要指数涨幅显著，而国债指数出现轻微回调 [8][9] - 风险平价策略在2025年表现最佳，年收益达2.65%，最大回撤0.76%，年化波动1.46% [2][21] - 基于宏观因子的资产配置策略表现稳健，2025年收益2.59%，最大回撤0.65%，年化波动1.35% [21][43] - 全球资产配置策略中，风险平价策略表现最优，2025年收益2.13%，最大回撤1.2% [52] 大类资产表现 - 7月涨幅：中证1000(4.8%)、南华商品指数(3.8%)、沪深300(3.54%)、中证转债(2.87%)、恒生指数(2.78%) [8] - 2025年累计涨幅：恒生指数(21.46%)、SHFE黄金(23.34%)、中证1000(11.81%)、中证转债(10.09%) [9] - 资产相关性：沪深300与国债指数近一年相关性-38.08%，国债指数与商品指数相关性44.36% [16] 资产配置策略表现 - BL策略1：2025年收益2.4%，7月收益0.55%，最大回撤1.31% [21][33] - BL策略2：2025年收益2.34%，7月收益0.41%，最大回撤1.06% [21][33] - 风险平价策略：夏普比率1.264，卡玛比率3.477，显著优于均衡配置策略 [21][42] - 宏观因子策略：采用增长、通胀等六大因子构建，8月调整因子暴露为增长(-1)、利率(-1)、汇率(1) [47] 全球资产配置 - 全球BL策略1：2025年收益0.87%，最大回撤1.64% [52][69] - 全球BL策略2：2025年收益1.51%，最大回撤1.28% [52][70] - 全球风险平价策略：历史年化收益5.97%，最大回撤3.91% [71] 宏观观点 - 增长因子：预期未来有向下偏离风险，7月PMI连续四个月低于荣枯线 [45] - 利率：7月末shibor隔夜利率1.39%，预计8月可能略微下降 [45] - 汇率：美联储降息预期或缓解人民币汇率压力 [45] - 流动性：DR007维持低位震荡，8月整体平稳 [45]