专栏名称: 宏观大类资产配置研究

发布国信宏观研究团队原创报告，专注宏观经济研究及大类资产配置研究，内容涵盖中国经济、海外经济、外汇、股票、债券、大宗商品等方面。

【国信策略·专题】迎接指数基金和被动投资新浪潮(资配实践)

宏观大类资产配置研究 · 公众号 · · 2025-01-31 00:00

正文

请到「今天看啥」查看全文

核心观点

近日，中国证监会印发《促进资本市场指数化投资高质量发展行动方案》。 主要目标是，推动资本市场指数化投资规模和比例明显提升，加快构建公募基金行业主动投资与被动投资协同发展、互促共进的新发展格局；强化指数基金资产配置功能，稳步提升投资者长期回报，为中长期资金入市提供更加便利的渠道，助力构建资本市场“长钱长投”生态，壮大理性成熟的中长期投资力量

全球成熟市场发展规律来看，被动投资长期收益更胜一筹。 结构上看，跟踪小盘股的主动基金相对跑输比例和数量更少，说明小市值公司存在一些深挖alpha的机会。主动思路跑输的原因在于股市中的财富是由少部分公司创造的，主动管理很难集中化重仓极少量的公司。2014年至今，主动管理基金共有六年跑赢沪深300指数，但近两年却遭遇连续滑铁卢。2024年国内股基跑输指数的根源在于主动型产品在高景气的思路下，一定程度忽视了全年的红利和科技双轮驱动的主线，低配银行等大盘红利资产。以往“景气投资”逐渐失效，催化市场接受“分红为王，估值为盾”的价值投资新理念。2024年全年国内公募债基跑输债基指数，原因在于拉久期、加杠杆、下沉信用、分散化投资等策略难抵长端利率单边下行。长周期视角，债券领域主动投资强于被动投资。海外部分固收基金跑输指数是因为投资范围的限制，不同的会计计量方法及差异化考核标准使得收益并非债券投资唯一的考量因素。

全球ETF规模呈现共振向上的格局。 1993年美国第一支ETF问世以来，ETF产品不断创新、份额持续提升、在市场中的重要性增强。日本ETF起源于泡沫破裂时的政府救市，全部ETF中以股票ETF为主，2000年后债券ETF份额不断压缩。中国指数基金在全部公募基金中的份额和资产净值占比长期处于较低状态，2003年至今，中国市场股票型基金占比持续下跌，股票型ETF逆势上涨。

ETF的长期配置价值来源于盈利和分红，此外，ETF还可以用作满足某些特定需求的载体。展望未来，SmartBeta或成为ETF新的增长点 。2025年1月10日，国内首批自由现金流ETF正式获批，填补SmartBeta的空白。 多元资产配置成为抵御风险、增厚收益的必然选择。 在中美两国进行资产的静态配置能够获得更佳的风险收益权衡，而动态资产配置能显著增厚收益。由浅入深，我们在实战系列构建三大动态宏观配置方案，首先是立足股市、基于各类宽基改进后ERP和等权指数框架的配置实践。加入商品后，构建综合评判体系和模型进一步提升收益率曲线。最后，引入QDII-ETF进行全球股票资产配置进一步分散风险，实现风险分摊和增厚收益。

风险提示： 历史复盘对于未来指导有限；不同市场环境下，国外经验对国内借鉴意义受限等；文中出现的个股/指数/产品等仅作为历史梳理，不构成投投资推荐的依据。

十、ETF宏观大类资产配置实践

ETF扩容降费极大丰富了资产配置的工具库。 在全球配置开篇报告中，我们借助QDII基金出海策略，帮助投资者进行跨国对冲；落地到国内主要的股、债、商，也可以通过多元化ETF配置的思路来对冲风险，获取更加稳定的回报表现。

10.1多元资产配置成为抵御风险、增厚收益的必然选择

过去20余年长期经验表明，资产分散化组合的表现往往优于押注于单一资产。 2009年至今，股票基金、ETF基金和混合基金在年化收益率、年化波动率、夏普比和最大回撤的表现均优于沪深300；债券基金在收益率上超过了中债综合指数，但夏普比和最大回撤略显逊色。如果将资产范围扩大，货币基金拥有更低的波动率和确定性的增长趋势，但年化收益率表现较低；QDII基金主要投资海外资产，也能在国内股债双杀和资产荒时，帮助投资者实现收益和风险的平衡。

从年度收益率看，几乎没有资产可以长期稳定跑赢其他资产，所以重仓单一资产意味着要放弃其他资产带来的更高收益。 2009年至今，沪深300跑输其他资产的次数最多，有5次跑赢的经验；债券走势较为稳定，其跑赢其他资产往往是在经济衰退时期；商品中黄金属于安全类资产，具备稳定性和一定胜率，很少大幅跑赢或跑输其他资产；而原油价格受供给端牵制明显，往往在国际局势动荡期间跑赢，在经济下行期跑输。

10.2 静态大类资产配置策略

10.2.1 美国市场静态大类资产配置实践

在美国市场，假如现金、债券和权益的投资比例为30%，20%和50%。在权益投资中，标准普尔500指数占比40%，REITs占比40%，小盘价值型股票占比20%。

单一决策投资组合及其组成部分的复合年度收益率为10.7%，位于股票指数和债券指数之间。

组合最大回撤情况为-11.2%，远低于REIT共同基金的-21.8%和标普500的-44.8%以及罗素2000价值型指数的-33.3%。组合在遇到市场尾部风险时体现出较好的“抗跌”属性。

从1980年到2006年，单一决策投资组合及其组成部分的风险调整收益高于股票指数、债券指数和REITs。

10.2.2 中国市场静态大类资产配置实践

投资组合中股票与债券的比例分配是影响其长期业绩的关键因素。因此，投资者在固定收益资产与股票资产之间做出恰当的分配决策，是他们必须做出的最关键选择。资产配置有效的本质是分散掉投资组合中的非系统性风险，只承担被市场定价的“系统风险”。假设股市的长期回报为8.2%，债市的长期回报为5.2%。

10.3 动态资产配置策略

10.3.1 定投策略

对于大多数投资者而言，由于缺乏时间和精力深入研究股票市场，尝试通过ETF进行市场择时显得颇为复杂。针对这一群体，采用定期定额投资策略（简称定投策略）是一种理想的长期投资手段。该策略通过在预定的时间周期内，以固定的金额持续购买股票，从而有效分散市场波动带来的风险，并实现投资成本的平均化。定投不仅简化了投资决策过程，而且有助于投资者在不必关注市场短期波动的情况下，逐步构建和优化自己的股票投资组合。

10.3.2 网格交易策略

当投资者认为市场处于横盘整体区间的时候，可以采用网格交易策略来实现“低买高卖”，即设置一种当ETF上涨X%时卖出1单位数量的ETF，当ETF下跌Y%时卖出1单位数量的ETF。区间设置过小会导致频繁的买入卖出，加大交易成本。区间设置过大则仓位调整较少，无法实现分批建仓压低成本的目的。

10.3.3 核心+卫星策略

简单的在股债之间进行静态配置无法满足投资者对于超额收益的要求。进阶型投资者可以采用核心+卫星型配置策略。方案一为将核心部分配置债券型基金，卫星部分配置股票型ETF来获取一个“彩票型”收益。方案二为将核心部分配置为宽基股票ETF，卫星部分根据对于投资者对于未来的研判在行业ETF、主题ETF和策略ETF中进行选择。

10.3.4 ETF日内趋势交易策略

基于技术分析的经验并结合统计获利的思路，可关注针对ETF的日内趋势交易策略。首先，买入策略建立在市场潜在的低点上升趋势上。当观察到市场形成了一个新的低点，而这个低点较前一个低点有所提高时，则认为市场可能正在筑底，此时若采取行动，建立90%的投资仓位，在这种市场背景下，如果ETF的价格进一步下跌并触及布林带的下轨，这通常被视为一个超卖信号，可趁机加仓操作，以期在市场反弹时获利。相对应地，卖出策略则关注市场的潜在高点下降趋势。如果市场形成了一个新的高点，但这个高点低于前一个高点，此时市场可能正在失去上升动力，逐步减仓，通过这一谨慎的仓位配置旨在减少潜在的市场下行风险。进一步，如果ETF的价格上升并触及布林带的上轨，这通常被视为一个超买信号，可以将仓位降至最低，以避免可能的回调风险。

10.3.5 行业轮动策略：锚定行业轮动，在价值与成长中做“高低切”

国信行业轮动指数是由31个申万一级行业指数的周度收益率表现排名变化量的绝对值加和编制而成， 衡量股票市场不同行业收益表现排名与前值相比是否有较大差距。行业轮动指数于每周最后一个交易日结束后获得。行业轮动指数较高说明市场缺乏交易主线，往往出现在牛市的补涨和熊市的补跌当中。 价值风格与成长风格切换的时点对于行业轮动指数的拐点具有稳定的领先趋势。

我们发现2010年至今，在行业轮动指数高点（超过100）时增配价值风格、低配成长风格胜率较高（达到75%）。 因为行业轮动指数达到极值点，说明在这个时间点，投资者认为各个行业的性价比相差不大，行业风格快速切换没有拧成一股beta合力，也缺乏深挖行业alpha的机会，导致风险偏好收缩，更加在乎当前可预期到的确定性收益，低估值和泛红利的风格占优。同理，在行业轮动指数的低点增配成长、低配价值同样可以获得显著的正收益。在行业轮动低点，市场交易主线明显，应该深挖行业alpha的机会，增配成长获利。即在主线缺位时防守，主线明显时进攻。

10.3.6 基差套利策略

基差套利策略的基本假设是基差到期收敛至0，否则理性投资者可以通过套利来实现到期日基差收敛至0。在套利策略中，高胜率、高赔率和高交易频率是一个不可能三角，每种策略至少要放弃三者之一。

在无风险套利的前提下，有两种基差套利策略构建思路：

（1）若基差期限结结构为Contango结构，当观测到某合约的剔除分红年化基差率显著超过超过资金成本，即可开始建立期现正向套利仓位，持有至合约临近到期平仓。这种策略实际上牺牲了交易频率。

（2）基于基差均值回归的思想，当合约升水时买入ETF和股指期货空头开仓，当基差回落至0时平仓。在这样的思路下，使用基差率作为信号更为合适，当基差率超过手续费率即可考虑建仓。由于该思路需要较高的交易频率，因此只在成交量最高的主力合约上进行交易。这种策略实际上是为了期货的流动性而牺牲了赔率。

对于ETF的选择，思路之一是选取赔率最大的品种，也就是选择折价率最高的ETF，但这种ETF往往欠缺流动性，策略的交易频率无法得到兼顾。思路之二在于选择一个流动性满足要求的给定ETF，结合ETF折溢价率计算调整后基差并根据此信号进行，无风险套利。这种选定的ETF往往具有较好的流动性，因此折价率不会很高，策略的赔率不高。

ETF折溢价率调整基差计算方法如下所示：

10.3.7 基于行业ETF的景气投资策略

本文构建行业景气比较“2+1”框架，2指的是行业高频数据和部分行业的草根数据，1指的是信用-盈利框架。第一步，将高频数据和草根数据变频成月度数据后，再用HP滤波方法对数据的周期项进行平滑，HP滤波就是使得下面的损失函数最小：

之后将各期数据与前一期数据相比得到一个信号，该信号与信用-盈利框架得到的信号求平均得到扩散指数。

回测结果表明，依据中观行业景气比较体系得到的行业ETF轮动配置策略表现较好。

10.3.8 资金再平衡策略

资金再平衡策略是一种基于税收、流动性与交易成本、市场结构发生变化时按照一定流程对资金进行再配置的策略。市场上根据资金再平衡策略开发出多种衍生策略，如华夏基金根据不同的客户开发出不同的策略方法以适应全口径客户的投资诉求。

10.4基于ERP框架的国内股债动态配置实践

在中期资产价格比较维度，本文提出在实践中程式化调整股债配置比例的方案。本文的配置思路基于ERP框架，用“市盈率倒数-10年国债收益率”估算股债性价比，得到一种能够能够动态调整的股债之间的配置方案。

10.4.1 ERP框架的理论基石

根据历史数据观测，以及股债之间相互替代的关系等，股债性价比一般呈正态分布，正负二倍标准差分别是支撑线和压力线，具有较强的支撑和压力作用。我们绘制了各指数的股债性价比分布直方图及概率密度曲线，可见股债性价比指标整体分布较为集中，符合正态分布的特征。那么在这种语境下，股债性价比较高或较低均为小概率事件，后续极大概率会向均值回归。

但这种基于历史统计规律存在一个问题，即没有办法监测到股债比价的长期趋势性变化。以沪深300股债性价比为例，我们绘制了各年度沪深300股债性价比的概率密度曲线，从结果可以发现各年度沪深300股债性价比的标准差和均值均发生了较大的变化。特别是2023年，沪深300股债性价比均值明显上修，这也使得自下半年以来，沪深300股债性价比持续位于一倍标准差以上，并接近两倍标准差，根据历史经验，股票资产的价格已处于历史低位，将迎来上涨行情，但是事实却是股市持续横盘震荡，股债性价比指标失效。

为应对上述问题，一般会采用3年滚动的均值和标准差判断依据，三年的滚动均值相对而言更能反映出估值性价比中枢的真实情况，是一种相对占优的估计方法。我们绘制了三年滚动的股债性价比指标概率分布曲线，从结果可见，各期分布曲线相对1年期的分布曲线更为接近。

但是滚动三年的历史均值无法及时反映当期的均值变化情况。在某些情况下，长周期的力量对短周期的扰动也不容忽视，特别是长周期进入拐点的阶段，有可能会超越短周期的力量，对宏观经济的波动产生决定性的影响。

另一个不容忽视的问题是ERP隐含假设是股市和债市是相互替代的关系，表现为股债跷跷板现象。 现实情况中股债跷跷板成立的频率并不算高，股债双杀和股债双牛也是常态。 国内市场如果按照每个月底债券利率较上个月底上行、股票指数点位低于上月末的同时出现来定义“股债双杀”，过去15年间股债此消彼长的“跷跷板”效应自然占了近6成时段，而“股债双杀”也占据22%左右，频率并不算低。从宏观基本面因素出发，经济政策不确定性走强、经济数据偏离预期程度较高时更加容易发生“股债双杀”。

本文分别回顾了沪深300指数、上证50指数、中证500指数、中证800指数、中证1000指数的股债性价比变动情况。2008年下半年后，沪深300指数ERP上行突破二倍标准差9次，下行突破二倍标准差3次。

第一次沪深300指数ERP上行突破二倍标准差，开始于2008年10月27日，结束于2008年11月7日，累计持续10个交易日，随后沪深300 ERP开始向均值回归，沪深300指数也在接下来一年的时间里持续走强，沪深300 ERP成功地预测了股市的未来发展动向。2008年美国次贷危机引发了全球性金融危机，美股指数深度调整，国内经济基本面走弱的同时，投资者信心也受到严重打击，对未来预期偏悲观，在弱预期、弱现实的双重压力下，A股市场经历了近一年的持续下跌，估值已跌至历史低位水平。在此背景下，2008年9月，三大救市政策的出台（单边征收印花税、汇金入市、央企增持或回购）有力地提振了市场的风险偏好，A股市场筑底回升，但是这轮行情并未持续太久，市场很快再度回落。沪深300ERP则第二次触及上方二倍标准差，并持续了6个交易日。2008年11月份，“四万亿投资计划”的发布，与同期的宽松货币政策和积极的财政政策形成强力共振，极大地提振了市场信心，一系列重磅政策的落地带领A股市场完成V型反转，开启了新一轮的牛市行情。在这一过程中，沪深300 ERP展现了其预测市场动向的准确性和前瞻性。

2011年，通胀高企，经济增速回落，经济发展陷入滞胀，年初两会也将全年经济增速目标设定为7.5%，八年来首次低于8%，政策端为解决通胀问题，货币政策全面收紧，A股市场步入熊市行情，各大指数持续回调，沪深300指数ERP也于2011年11月23日达到上方二倍标准差位置，并持续了39个交易日。但是通过复盘我们可以发现，受经济基本面走弱的拖累，股市风险溢价走高，沪深300ERP的均值在此期间持续上行，这一次沪深300ERP所发出的加仓信号的效果并不是很好，沪深300在短期内有所回升，在3个月后实现了2.48%的涨幅，但是这一行情未能延续，沪深300指数此后进入了持续的横盘震荡区间，并且受均值上修的影响，沪深300ERP持续位于一倍标准差以上的历史高位，对股票配置择时的指导有限。

2013年6月26日，沪深300ERP再度达到历史高点，发出加仓信号。2013年上半年PPI连续负增长、房地产市场冷淡、外汇占款急速增长，中国经济发展面临下行压力。与此同时，央行连续出台文件规范商业银行的表外业务、重启央票逆回购、实行预期管理，开启深化金融改革的序幕，进一步使得流动性收紧。6月份，受市场传闻扰动、企业税收集中清缴、端午节假期现金需求、外汇市场变化以及商业银行半年末指标考核等多种因素叠加影响，银行间市场出现“钱荒”，并于6月20日集中爆发，银行间隔夜拆放利率和回购利率均超过13%。受流动性资金短缺的影响，金融机构只能通过抛售资产来缓解流动性危机，这导致了6月24日股市暴跌，沪深300ERP短时间内迅速上扬，发出加仓的信号。随后央行及时出手，向市场注入流动性，有效平复了“钱荒”问题，避免了短期问题演化为长期、系统性风险。随着流动性的恢复，沪深300指数经历短暂回调后迅速企稳回升。由此可见，沪深300ERP所发出的加仓信号对于短期事件影响带来的大盘异动具有较强的敏感性以及较好的指示作用。

2014年5月和6月，沪深300ERP再度发出两次加仓股票的信号。2014年上半年，我国经济发展进入新常态，经济增速放缓，新动能尚未显现，并且政策端延续了2013年的风格，对地产加强调控，同时采用紧货币的方式推动金融机构去杠杆，市场风险偏好始终处于被压制的状态，沪深300指数一直在低位徘徊，沪深300ERP在5月7日和6月3日发出两次加仓信号，很好地预示了接下来一年的牛市行情。年底沪深股通的开放，以及货币政策的超预期宽松，为A股市场带来了更多的增量资金，也点燃了市场的热情，沪深300指数屡破新高，沪深300ERP也同时拐头向下，回归到了均值水平。

2014年12月，沪深300 ERP触及下方二倍标准差，发出减持股票的信号。2014年上半年，我国经济发展进入经济增速换挡期，结构调整阵痛期及前期刺激政策消化期的“三期”叠加新常态，A股处于历史低位持续磨底。在经济下行压力下，下半年开始，货币政策、财政政策开始转向，特别是11月份央行全面降息，为市场提供的充足的流动性，与此同时资本市场改革也提振了市场的风险偏好，A股市场迎来牛市行情，沪深300 ERP也拐头向下，并在2014年12月8日触及下方二倍标准差，持续40个交易日。但是在杠杆资金入场的催化下，本轮牛市行情持续了较长时间，导致本次减仓信号是失效的；沪深300的估值达到了历史高位，随后在2015年2月17日，沪深300ERP再次触及下方二倍标准差，发出减仓信号，在2015年6月证监会要求清理场外配资，杠杆资金支撑的牛市行情就此结束，沪深300ERP开始向均值回归。

2018年，中美贸易摩擦加剧，投资者风险偏好降低，同时国内金融去杠杆，流动性明显收缩，并且供给侧结构性改革对经济增长的边际贡献也持续降低，经济发展新动能尚未显现，在内外部压力的共同作用下，A股出现长时间回调，并在2018年12月26日，沪深300ERP触及上方二倍标准差，发出加仓信号。年底的民营企业家座谈会为市场注入了信心，加之中美双方达成停止互加关税的协议，有效地遏制了市场情绪的进一步恶化。进入2019年后，经济基本面企稳，政策底、经济底及市场底得到确认，A股由此开启新一轮牛市行情，沪深300ERP也开始向均值回归，准确地预示了本轮市场的上涨趋势。

2020年，受新冠疫情的影响，A股市场迅速回调，沪深300ERP也在2020年3月23日触及上方标准差，发出加仓信号。此后，随着国内疫情得到有效控制，A股市场也在经历短期回调后迅速反弹，与此同时国外疫情却大范围蔓延，国内复产复工则有序进行，国内外形成鲜明对比，A股牛市行情得以延续。这也再次印证了，沪深300ERP所发出的加仓信号对于短期事件影响带来的大盘异动具有较强的敏感性以及较好的指示作用。

2021年3月23日，在经历一轮牛市后，沪深300估值已达到历史高位，沪深300ERP发出减仓信号，随后沪深300指数冲高回落。2020年四季度，我国经济增速已恢复至疫情前水平，而且公募基金发行量突破历史新高，为市场提供了充足的流动性，在经济基本面及流动性利好的背景下，2021年开年A股市场迅速冲高，以“茅指数”为代表的核心资产多年来持续跑赢大盘，强化了投资者的共识，领涨本轮行情，各核心资产成分股的估值大部分达到历史最高水平。然而好景不长，进入到2月之后，美债利率上行，流动性收紧，分母端恶化，大盘整体回调，沪深300ERP也就此转头向下，向均值回归。

在2022年，A股市场历经了海外地缘政治冲突升级、美联储不断加息的压力、局部地区疫情的反复，以及房地产风险释放等多重考验，呈现出一轮深度调整与筑底的熊市格局。在这一背景下，沪深300指数于10月份触及低点，而沪深300ERP在10月24日更是达到了上方二倍标准的重要关口，发出了加仓的明确信号。随后，随着国内防疫政策的优化调整并在11月份得到实质性执行，市场对经济复苏的乐观预期逐渐增强，推动沪深300指数实现了V型反弹。

此外，通过对上证50、中证500、中证800及中证1000指数的股债性价比择时胜率进行复盘，我们发现沪深300指数及上证50指数股债性价比指标的择时胜率更高，这些指数中的成分股多为处于成熟期的大型公司，估值相对稳定，历史均值可以很好地反映股债性价比的中枢，而中证500等小盘股指数的成分股估值波动较大，使用历史均值对股债性价比中枢进行估计偏差较大，导致股债性价比指标的择时胜率较低。

通过对股债性价择时复盘，我们发现，一倍标准差在支撑和压力方面的作用相对有限。即使股债性价比突破了一倍标准差，相应的宽基指数走势也未出现明显变化。相比之下，二倍标准差在支撑和压力方面的作用则更为显著。在大多数情况下，股债性价比指标会在二倍标准差范围内呈现周期性波动，并且在触及这一边界后往往会迅速反弹向相反方向。因此，二倍标准差相对而言更具参考价值，能够为投资者在股债配比择时方面提供一定的指导和借鉴。

值得强调的是股债性价比作为股债相对价格的变动结果，并不能直接决定股债市场的相对走势， 更多的是作为一种技术分析的工具，帮助投资者了解市场，通过比较当前指标绝对值在历史阶段的位置，可以预测未来市场的动向。根据历史复盘的结果，我们观察到， 当满足以下三个条件时，股债性价比择时通常有效，但需要注意的是，历史并非绝对会重演，因此在实际应用中还需结合其他市场因素进行综合判断。

第一：均值波动幅度不大。 2010到2015年，所有指数的ERP均超过了1倍标准差，但是当时经济增速放缓，股市承压，风险溢价上调，导致ERP的均值短期上调，股市在此期间震荡横盘，未见增长。（这几年3年滚动均值斜率较大且为正，那么实时的均值应该更大，股债性价比所回归的均值持续增加，股债性价比失效）。

第二：股债性价比更适合用作中期择时指标。 复盘数据显示，指数的ERP指标领先指数表现三到六个月，当时指数的ERP指标触及二倍标准差时，进行股票的增持或减持操作，随后的三到六个月内胜率较高。因此，利用ERP指标进行中期策略调整，能够有效提升投资决策的准确性和收益率。

第三：成熟期的行业或者企业。 初创期或成长期的行业或者企业，PE一般失效，并且这些企业的估值普遍较高，PE倒数很小，并不能很好地指示股票的收益率，其股票收益率更多的是来自股价上涨带来的资本利得，对于指数而言就是，大盘指数的股债性价比一般会成立，小盘股指数股债性价比普遍失效通过对历史数据的复盘分析，我们可以进一步证实这一点，大盘宽基指数如沪深300指数和上证50指数，在股债性价比指标上表现出较高的胜率。当这些指数的股债性价比触及二倍标准差后，它们在未来3个月或6个月内上涨的概率相对较大；而中小盘宽基指数中证500和中证1000的股债性价比指标则相对失效，胜率较低。

通过上述复盘，股债性价比的择时更适合成熟期的行业或者企业。大盘宽基指数的股债性价比指标在择时上表现出较高的胜率。而中证500、中证800和中证1000的股债性价比指标则相对失效，胜率较低。并且由于计算股债性价比时，使用指数的市盈率倒数作为股票预期收益率的代理变量，大部分指数调仓频繁，且部分指数单次调仓比例较大，这会导致调仓前后市盈率出现不连续的情况，甚至可能发生较大的变动，调仓前后缺乏可比性，那么基于不连续的市盈率所计算得到的股债性价比指标就难以形成对股债择时的指导。

针对这一问题，我们发现可以使用市盈率指标进行二次验证，以提高择时的有效性。具体而言，如果指数ERP发出加(减)仓信号的同时，指数的PE估值也恰好处于历史的较低(高)分位，此时进行加减仓操作，可有效提高胜率。

此外，上文分析表明指数调仓对指数的估值影响很大，导致调仓前后指数估值指标的可比性较差。基于此，我们对分子、分母同时采用修正除数法进行平滑，可避免调仓前后连续的问题，增强可比性。

调整市盈率计算方法： 具体而言，我们基于以下的方法对指数的市盈率进行调整。已知指数成分股的总市值序列{Mt}t=1,...,T、总盈利序列{Et}t=1,...,T、指数收盘价序列{Pt}t=1,...,T和指数成分股调整时点{ti}i=1...n。

在每个指数成分股调整时点t，由于指数成分股的调整，会导致指数成分股总市值Mt和Et的异常变化。一般地，在指数调整时点，指数成分股不会有盈利数据的更新。因此这一时点指数估值Mt/Et的变化仅是总市值Mt的变化，这一变化与指数涨跌幅大致相同。之所以仅是大致相同，是因为总市值Mt的变化是总市值加权的指数成分股收益率，而指数涨跌幅是调整的自由流通市值加权的成分股收益率。样本股名单发生变化或样本股的股本结构发生变化或样本股的市值出现非交易因素的变动时，指数会出现非连续性变化。指数的估值也一样。为了保证指数估值的连续性，我们采用类似于保证指数连续性的“除数修正法”对指数估值进行修正。

指数的计算公式是“报告期指数=报告期成份股的调整市值/除数”其中“除数”为期初的成份股调整市值。“除数修正法”则是通过修正除数来计算以后的指数。新除数的计算公式参考公式“除数的修正前的调整市值/原除数=修正后的调整市值/新除数”，其中“修正后的调整市值=修正前的调整市值+新增（减）调整市值”。

按照上述公式，那么总市值的新除数=原除数*Mt/(Mt-1*Pt/Pt-1)，总盈利的新除数=原除数*Et/(Et-1)。当指数成分股调整时，先计算新除数，然后用新除数去修正当前调整时点至下一次调整时点之前的指数成分股的总市值与总盈利，如此循环，最终得到总市值和总盈利的调整序列来计算调整估值。

各指数的调整市盈率结算结果下图所示。结果显示中证500及中证1000市盈率所受影响相对更大，这是因为中证500及中证1000指数调仓后，新进入的个股普遍是发展相对成熟的企业，市盈率较低，调仓后指数市盈率会降低，导致调仓前后，市盈率不连续且不具有可比性。而沪深300指数及上证50指数成分股，新进入的个股及被剔除的个股大部分均为处于成熟期的大型企业，估值稳定，且差异较小，因此大盘股指数市盈率受调仓的影响较小。中证800指数中，由于沪深300成分股企业权重较大，中证500成分股权重较小，因此其市盈率所受调仓的影响较小。

考虑外资的影响——叠加美债收益率因素。 值得注意的是，近年来外资累计净流入和持股比例的逐年增长现象不容忽视，外资对A股走势的边际影响正逐步加大。考虑到外资在投资决策中常以美债收益率为重要参照基准，有必要对现有的股债性价比指标进行相应调整。将原本以十年期国债到期收益率为单一比较基准的模式，转变为综合考量模式，即“十年期国债到期收益率占70%权重，加上十年期美债到期收益率占30%权重”的新指标。这样的调整能更全面地反映国内外市场因素对股债性价比的综合影响。

遵循上述思路，我们采用了修正的方法对各指数的修正ERP进行了详细复盘分析。 鉴于陆股通的启动时间是2014年11月，我们重点关注2015年后指数修正ERP的走势，具体结果如下图所示。从复盘的结果来看，对于大盘指数，在相对长期的时间范围内，特别是一年期，修正ERP展现出更高的择时胜率。对于小盘指数，修正ERP的择时胜率反而更低。这一现象的背后原因是外资更倾向于持有大盘股的核心资产，而对小盘股的持股比例则相对较低，因此，外资对大盘指数的影响更为显著。鉴于此，使用融入十年期美债收益率的修正ERP指标，更适合作为大盘指数ERP择时的双重验证指标，从而为我们提供更准确的市场走势判断。

综上，我们使用指数ERP及指数的调整市盈率对各宽基指数的中长期走势进行预期。从风险溢价指标的视角来看，2023年，大盘指数ERP持续走高，处于历史较高水平，沪深300指数、上证50指数及中证800指数ERP已接近3年峰值水平，配置性价比相对较高；再从调整市盈率的角度来看，大盘指数估值相对小盘指数估值更低。这些数据均表明，大盘股目前处于估值低位，配置性价比较高。

进一步地，我们按照如下方式对各指数进行打分排序：总分=ERP历史分位+(1-市盈率历史分位)，按照最新的择时信号，站在2024年底-2025年初视角下，宽基指数的适宜顺序依次为： 沪深300>中证800/上证50>中证1000>中证500。

10.4.2 ERP框架下采用整体法对市盈率权重进行修正应对PE计算偏差

指数的市盈率一般使用整体法计算得到，即使用指数成分股总市值除以指数成分股的总利润。这种计算方法存在如下两方面问题，一是个股在指数中的权重与计算市盈率的权重不同，导致指数市盈率计算出现偏误；指数的EP为成分股的EP按照成分股总市值占比加权计算得到，而沪深300指数、上证50指数的成分股权重均是采用自由流通市值加权分级靠档方法确定，个股在指数中的权重与计算市盈率的权重不同。二是采用整体法计算指数市盈率会导致成分股相同指数的市盈率相同（如沪深300指数与沪深300等权指数）。

具体而言，采用整体法计算指数市盈率方法如下：

由此可见，对于成分股相同的指数，如果均采用整体法计算指数的市盈率，则会导致成分股相同指数的市盈率相同，据此计算得到的股债性价比难以为实际指数投资提供有效的择时参考。

本文延用整体法的计算思路，对市盈率计算过程中的权重进行替修正，进而对指数市盈率的计算方法进行改进，具体计算方法如下：

其中分级靠档的权重计算如下：

自由流通比例=自由流通量/ A股总股本

调整股本数= A股总股本×加权比例

自由流通比例≤15时，加权比例向上取整。

采用上述方法计算得到的指数市盈率，可以确保个股在指数中的权重与计算市盈率的权重相同，同时避免了成分股相同指数市盈率相同的问题。

由于计算股债性价比时，使用指数的市盈率倒数作为股票预期收益率的代理变量，而大部分指数调仓频繁，且部分指数单次调仓比例较大，这会导致调仓前后市盈率出现不连续的情况，甚至发生较大的变动，致使调仓前后的市盈率缺乏可比性，本文借鉴指数计算的除数修正法，对指数市盈率进行平滑，具体方法如下：

具体而言，我们基于以下的方法对指数的市盈率进行调整。已知指数成分股的总市值序列{Mt}t=1,...,T、总盈利序列{Et}t=1,...,T、指数收盘价序列{Pt}t=1,...,T和指数成分股调整时点{ti}i=1...n。

当样本股名单发生变化或样本股的股本结构发生变化或样本股的市值出现非交易因素的变动时，指数会出现非连续性变化，指数的估值也会出现非连续性变化。为了保证指数估值的连续性，我们采用类似于保证指数连续性的“除数修正法”对指数估值进行修正。

按照上述公式，那么总市值的新除数=原除数*Mt/(Mt-1*Pt/Pt-1)，总盈利的新除数=原除数*Et/(Et-1)。

当指数成分股调整时，首先计算新除数，然后用新除数去修正当前调整时点至下一次调整时点之前的指数成分股的总市值与总盈利，如此循环，最终得到总市值和总盈利的调整序列来计算调整估值。

随后本文以沪深300指数、上证50指数、中证500指数、中证800指数、中证1000指数以及对应的等权指数为例，回测经修正后的股债性价比指标的择时胜率，具体而言，将股债性价比指标超过上方二倍标准差（低于下方二倍标准差）作为加仓（减仓）的信号，并据此回测加（减）仓后，指数的涨跌幅情况。

同时，进一步考察了调整市盈率的辅助择时作用，使用调整市盈率对调仓信号进行筛选，当股债性价比触及上方（下方）二倍标准差时，如果调整市盈率也恰好处于历史较低（高）分位，则进行调仓操作，否则将该调仓信号排除。

10.4.3自由流通市值分级靠档加权指数

沪深300指数、上证50、中证500、中证800及中证1000指数的股债性价比择时胜率复盘结果详见本文附录，由历史复盘的结果可见：

首先，股债性价比指标能够提供质量较高的买入择时信号。 在回测区间内，股债性价比指标发出了相对更多的买入信号，根据股债性价比指标执行加仓操作胜率相对较高；相比之下，股债性价比指标所提供的减仓信号数量较少，尤其是中证1000指数的股债性价比指标，甚至未发出任何减仓信号，同时，股债性价比指标所发出的减仓信号，在择时方面的胜率相对较低。

其次，股债性价比指标更适合作为大盘指数的中期择时指标。 根据复盘结果，沪深300指数、上证50指数一级中证800指数股债性价比指标的择时胜率相对较高，而中证500和中证1000指数的股债性价比择时胜率较低，这是因为中证500和中证1000成分股企业多处于成长期，盈利能力相对较差，市盈率的倒数并不能很好地指示股票的收益率，其股票收益率多为价格上涨带来的资本利得，并且中证500和中证1000成分股企业估值波动较大，历史均值难以反映股债性价比的中枢，因此，股债性价比指标的择时效果较差。此外，从复盘结果看，股债性价比指标相对领先指数三到六个月，对于三到六个月的中期择时具有较高的胜率，使用用股债性价比指标进行中期策略调整，能够有效提升投资决策的准确性和收益率。

最后，调整市盈率可以有效筛选掉部分错误择时信号。 对于沪深300指数、上证50指数及中证800指数而言，指数调仓时，新进入的个股及被剔除的个股大部分普遍为处于成熟期的大型企业，估值稳定，且差异较小，因此大盘股指数市盈率受调仓的影响较小，其调整市盈率与原始市盈率较为接近，调整市盈率难以提供相应的增量信息。而中证500指数和中证1000指数，新进入的个股及被剔除的个股差异较大，指数市盈率受调仓影响较大，调仓前后表现出较大的不连续性，基于调整市盈率进行双重验证，可以在一定程度上提高股债性价比的择时胜率。

10.4.4 等权重指数

沪深300、上证50、中证500、中证800及中证1000 对应等权重指数的股债性价比择时胜率复盘结果详见本文附录，由历史复盘的结果可见：

首先，股债性价比指标在沪深300、上证50等权指数的买入时机的选择上以及中证500、中证800和中证1000等权指数的卖出时机选择上展现出了较高的胜率 。在回测区间内，等权重指数的股债性价比指标同样发出了相对更多的买入信号，并且买入信号对于沪深300指数及上证50等权指数的择时胜率更高；相比之下，股债性价比指标所提供的卖出信号数量相对较少，卖出信号对中证500、中证800以及中证1000指数的择时胜率较高。

其次，将观测区间拉长至一年后，等权指数的股债性价比指标择时普遍表现出了更高的胜率。 采用等权法编制指数暗含价值投资理念，采用等权法编制指数，则会在股票价格低迷时买入，在价格高涨时卖出，从而实现高抛低吸的投资策略，与价值投资理念契合。同时，本文所编制的等权指数仓位调整时点与个股增补和剔除的时点相同，具体而言，在个股增补和剔除时，同时调整成分股仓位，使得各支股票的持股市值相同，并保持持股数量不变，直至下一次调仓，大部分指数普遍每半年调仓一次，导致其回报周期有所拉长，因此，等权指数的股债性价比指标择时在更长的时间维度上表现出了更高的胜率。

最后，调整市盈率提供的增量信息有限。 虽然使用调整市盈率来筛选股债性价比指标可以帮助我们剔除部分错误的买入时机信号，但同时也有可能过滤掉一些正确的买入机会。此外，调整市盈率在筛选卖出信号方面的作用并不显著。

10.5实战框架下的综合景气指数构建资配组合

在资产配置的语境下，单独依靠被动方法进行配置而忽视宏观因子进行主动择时，对投资实践来讲并无益处。采取主动+被动相结合的思路，通过主动框架进行择时并通过被动的思路平抑波动、分散风险，才有助于提高风险调整后收益。

作为经济周期的两大指标——综合景气指标和综合通胀指标，两者对股票价格的指引映射到两个不同的维度——盈利和估值。当基本面（综合景气指标）上行时，经济上行的背后往往是企业盈利的改善，对应股价上行；当价格（综合通胀指标）下行时，往往预示着货币政策的宽松，利率下行，这会改善股票的估值，对应股价上行。从价值投资的角度，我们往往更为关注盈利，其代表了企业的业绩、长期竞争力。

研究发现，综合景气指标对行业盈利增速有领先性，表现为领先正相关，这与经济周期的理论相一致；综合通胀指标对行业盈利的提示不及综合领先指标，分行业来看有如下结论：

综合景气指标对周期、成长、红利、大盘等风格板块和建筑、建材等行业板块具有较强的领先正相关；对稳定、小盘等风格板块和金融、银行、电子、通信等行业板块的领先正相关性较弱；对电力设备、公共事业等板块具有领先负相关性。

综合通胀指标对有色、消费等行业板块具有较强的领先正相关；对电力设备、机械等行业板块的领先正相关性较弱；对红利、低估值等风格板块和通信、电子、银行、医药等行业板块具有领先负相关性。

首先，衰退期、过热期各行业的超额回报具有更强的盈利驱动模式（盈利改善视角）：

·衰退期表现最好的三个行业，其盈利增速在全行业中排名：非银行金融(前6.7%)、银行(前33.3%)、食品饮料(前10.0%)。

·复苏期表现最好的三个行业，其盈利增速在全行业中排名：传媒(前86.7%)、家电(前40.0%)、食品饮料(前60.0%)。

·过热期表现最好的三个行业，其盈利增速在全行业中排名：通信(前3.3%)、轻工制造(前33.3%)、消费者服务(前76.7%)。

·滞涨期表现最好的三个行业，其盈利增速在全行业中排名：有色金属(前33.3%)、煤炭(前56.7%)、建筑(前73.3%)。

超额收益看股票风格表现：超额收益可以更好体现出风格板块/行业表现与基本面的偏离情况（避免大牛市/熊市的拖累），我们在绝对收益基础上结合相对收益（即各个风格较全A的超额回报来测算）；主要结论如下：

（1）经济上行（复苏、过热）时高估值板块表现较好，衰退时低估值板块表现较好：（2）从盈利增速看基本面：盈利增速的计算基于不变成分股的可比口径：在计算t1至t2的盈利增速时，锚定t2时刻的成分股，通过所有成分股在两个时间段归母净利润的总额变化，计算盈利增速。这样计算的盈利增速规避了指数调仓带来的成分股变动，在跨时间比较上更合理；（3）对于低估值和高估值指数，我们根据指数编制规则重选了成分股（因为万得对于长江高估值和低估值指数不提供成分股明细）；（4）布局投资策略角度：经济上行期间配置高估值品种进攻，下行周期特别是衰退阶段配置低估值品种防御；（5）经济衰退配大盘和红利：大盘股和红利指数、金融和稳定板块在衰退阶段表现最佳；（6）五大风格中，消费/成长在四阶段均与金融/稳定板块有效互克，可以用于考虑配对交易来平抑风险。

结合盈利增速，我们发现大小盘、红利和五大风格的涨跌幅表现出更强的估值驱动，风格的跨周期轮动也取决于估值驱动。随着经济周期由冷转暖，中小盘、周期的盈利修复结构特征更突出。

·衰退期表现最好的三个行业为：非银行金融(41.6%)、建筑(22.9%)、电力及公用事业(15.9%)。

·复苏期表现最好的三个行业为：消费者服务(44.4%)、食品饮料(17.9%)、电力设备及新能源(15.5%)。

·过热期表现最好的三个行业为：电子(24.3%)、传媒(22.0%)、家电(20.7%)。

·滞涨期表现最好的三个行业为：电力设备及新能源(22.3%)、国防军工(14.0%)、有色金属(12.3%)。

实际检验中发现对一级行业层面，估值驱动的力量先于盈利的驱动，因此综合景气对行业的轮动有借鉴意义，但实战中映射到股价则使用风格层面的轮动效果最佳。因此我们采用宏观因子主动择时+ETF被动配置的思路来进行净值模拟。

资配组合构建：因为不同股票风格间存在重叠，所以我们根据中信五大风格、大中小盘、估值等将不同股票风格分别和债券放在一起，根据历史周期指示的股票风格/债券胜率进行配置，具体方法为：

（1）根据历史数据计算当前周期下的股债胜率，用牛市概率-熊市概率代表资产打分；

（2）保留打分为正的股票风格/债券，每一类资产设置一定程度下限，根据分数大小计算配置比例。

在稳健的资配体系下，不同风格对组合的收益率存在一定影响。以2010.1以来长达近15年的实测情况来看，以周期、成长、消费、金融、稳定和债券搭配的组合收益率表现最好（博取弹性），而以中证红利指数和债券搭配的组合波动项较低，最大回撤表现较好（控制风险）。

在资产选择中加入商品（以南华综合指数为基准），发现组合表现得到进一步优化。

在每一期的时点上，根据历史数据计算每类资产在历史相同阶段（复苏、过热、滞涨、衰退）的平均收益率，并根据平均收益率排序，选取平均收益率为正且排序在前两位的资产，进行均衡配置（50%、50%）。

结果表明，锁定高胜率资产的等全配置能够更好的控制回撤，增厚收益。

10.6 海外ETF资产配置：QDII奔赴全球

仅考虑中国股债资产无法分散国别之间的系统性风险，QDII为全球大类资产配置提供了新的窗口。

10.6.1 2021年起，QDII基金步入发展快车道

2021年起，QDII公募基金迈入稳步发展快车道。 自2007年QDII制度体系正式建立以来，QDII公募基金稳步发展，数量和规模稳步提升。2020Q4-2021年QDII额度大幅扩容，公募QDII基金在2021年获得额度在各类金融机构中居首，占比45%，QDII规模迈入2000亿元，此后，QDII基金占全部基金比例再次进入上升通道，截至2024年8月9日，存量QDII初始基金共254只，规模4322亿元。

根据国家外汇管理局发布的《合格境内机构投资者（QDII）投资额度审批情况表》，截至2024年12月末，银行类累计批准投资额度275.8亿美元，证券类累计批准投资额度921.70亿美元，保险类累计批准投资额度390.23亿美元，信托类累计批准投资额度90.16亿美元，总计1677.89亿美元。

10.6.2 QDII基金经历了从主动型到被动型的切换

QDII基金在投资类型上，经历了主动型到被动型的切换。 QDII问世之初，主动权型占比绝大多数，随着基金管理人产品矩阵的不断丰富和完善，投资经验的丰富至今主动权益型、被动权益型、债券型、另类投资型数量各占35%、46%、11%、7%。权益类QDII产品经历了从主动到被动的变迁，被动指数型QDII尤其是ETF发行不断加速，占据全部公募QDII基金的半壁江山，QDII型ETF配置价值逐渐被重视。A股和海外市场跷跷板效应下，QDII型ETF成为资本市场关注焦点。

10.6.3 QDII-ETF中，投资美国的产品场内溢价最高，投资日本的产品场内溢价最低

由于投资额度的限制，场内QDII-ETF相比于场外往往有溢价。场内QDII-ETF的溢价率反映了汇率预期和短期内投资者的情绪。由于QDII额度限制，场外ETF的申赎并不能达到真正的市场均衡点，QDII ETF的场内收盘价是比IOPV更“公允”的以人民币资产的定价。港股ETF和港股之外的ETF溢价逻辑不同，近年来港股通和跨境理财通的推出并没有收窄AH溢价，但是却收窄了港股QDII的溢价。静态视角来看宽基指数的ETF，2025年1月13日，主要宽基ETF溢价率排序为：标普500ETF>纳斯达克100ETF>德国ETF>法国CAC40>恒生指数ETF>日经225指数ETF>东证指数ETF。

（1）投资日本的ETF溢价最低是源于日元兑美元的贬值预期

日经225指数和东证指数溢价率最低是受到日元贬值预期的影响。日元贬值预期可以用CME日元兑美元非商业净空头的数量来衡量，CME日元兑美元非商业净空头的数量是日元套息交易的资产端，其数量反映了日元的空仓数量。同时，我们用VIX指数来佐证市场存在日元贬值预期的观点。VIX是从衍生品中计算出的对于未来隐含风险的定价，是一个前向指标。历史数据显示VIX指数和日元兑美元汇率存在明显正相关性，即风险加大时日元升值，这是因为日元具有避险属性。08年次贷危机、20年新冠疫情暴发时，VIX指数急剧攀升，日元兑美元汇率急剧升值。原因在于全球市场风险加大时，日元对外投资回流日本国内市场，支撑日元汇率表现。2022年是唯一一次例外，2022年俄乌冲突时VIX走阔，日元兑美元却走弱是因为当时美日利差走阔。目前VIX指数处于低位，日元升值弹性不足。

（2）投资美国市场的QDII基金增量显著

按照QDII基金投资地区来划分，美国市场增量显著 。根据基金全称按照地区大类进行划分，中概股和港股占比始终最多，尽管旨在实现资产配置的全球化与风险分散，由于投研成本、信息不对成和渠道限制，多数QDII投资地区仍锚定大中华地区。美国成为QDII过去一年以来新发QDII基金增长亮点，截至2024年8月7日，投资于美国市场的QDII基金规模较2023年末提升448亿元，美股宽基ETF规模靠前。

被动权益类QDII 基金跟踪特定海外指数，投资目标为紧密跟踪标的指数，追求跟踪偏离度及跟踪误差的最小化，要求投资标的指数成份股,备选成份股的资产不低于基金资产净值的90%,且不低于非现金基金资产的80%。因此，被动股票型QDII基金的净值走势往往和标的指数存在较高的一致性。

（3）存量可申购主动权益型QDII布局梳理

当前可申购的被动权益型QDII基金中，有54只港股&中概股主题，35只美股主题，4只欧洲主题宽基，10只全球或跨多个市场的产品。从指数覆盖面来看，宽基指数多覆盖大盘，欧洲三大股指、美国三大股指均覆盖；行业指数方面，科技/互联网中概股系产品大多为2021年发行，中概股系产品还覆盖金融、医药等行业，美股覆盖消费、石油开采、生物技术、科技等。此外，暂停申购但仍可在二级市场交易的有5只跟踪日本市场的ETF（4只日经225、1只TOPIX）和跟踪东南亚科技、亚太低碳精选、标普500的ETF各一只。

费率和额度上，中概股系产品普遍费率较低，同一市场大盘宽基指数费率小于行业指数费率，可申购场内ETF大多未设置限额。规模上，截至2024年8月9日跟踪其产品总规模最大的三大指数为纳斯达克100（655.6亿元）、恒生科技指数（576.03亿元）、中国互联网50（341.5亿元）。

10.7基于主被动结合的全球资产配置体系搭建

前文提到的宏观择时策略中股票资产仅涉及到A股，未涉及全球其他主要市场股票，债券资产仅涉及A股债券，未涉及美债等固定收益资产。 宏观配置模型的有效性在于根据不同的宏观环境在股、债、商之间选择不同类型的因子暴露。这种自上而下的配置思路的底层逻辑在于宏观指标反映宏观环境，宏观环境影响资产表现。

10.7.1 不同国家股票市场相关性较弱，分散配置可以减少非系统性风险

相比于仅在A股进行宏观择时，在全球股票市场进行股票资产的配置更能分散“非系统性风险”。通过对全球主要市场股市的相关性统计证明了这一观点。美林时钟在股债之间进行“资金再平衡”，是因为股债跷跷板效应可以进行很好的宏观对冲。值得注意的是，美股对冲美债，A股对冲国内债券，跨市场的股债对冲从逻辑上是不成立的。如2022年持有A股和美债，两者都获得负收益，但这并非全球的“流动性危机”导致的股债双杀。

从相关性看，全球主要市场股市呈现明显的正相关特征，恒生指数与其他市场股市表现为负相关。无论是近10年还是近1年来看，欧美、日本、越南和印度股市的相关性较强，其与黄金走势相关性也较强。对于沪深300而言，虽然近1年表现与其他市场呈负相关，但近10年视角依然是较强的正相关性，对比来看，恒生指数负相关较强，无论是长短期视角。

10.7.2 自上而下的宏观指标决定择时，指数属性决定资产配置的权重

（1）根据核心指标、情绪面指标和技术面指标对于不同国家股票市场进行打分

我们对核心指标、情绪面指标和技术面指标采取加权形式确定配置分数，权重分别为80%、10%和10%。配置分数从两个方面影响最终持仓：首先，所有股市配置分数的加总决定了股票配置和现金配置的仓位，配置分数越高，股票配置的仓位越高；其次，不同股市配置分数的大小决定了该市场股市的配置比例。

（2）根据分数调整不同国家股市的配比，国内债券和黄金的权重保持不变

我们将组合中 海外股市、A股、国内债券和黄金的配比为8%-、72%+、10%和10%，对于海外市场， 利用前文提到的宏观择时指标进行不同市场的仓位配置，并将海外资产配置中剩余的比例配置给A股。结果发现，相比单一的国内股票、债券、商品的配置，新组合的波动率、夏普比和最大回撤得到了更好的优化。

在本文选取的国家指数中，国内都有挂钩的基金产品，选用相关产品回测的结论更能落地。 以2023年全年累计资金净流入为标准，我们筛选了近期最活跃的相关产品。对比发现，国内投资者对美股、港股、越南和印度的投资热情最高。本文进而将相关产品的净值表现作为指数收益率的替代，计算宏观择时下的资产组合表现。受基金成立日的影响，资产组合2022.11起的收益率低于SPX 500ETF，但波动率和夏普比表现略微占优。

10.8风险平价模型下的ETF配置

资产价格可以拆解为波动性不同的几个成分，即风险平价理论成型的基础。 大类资产价格间也具备这种共通性，比如信用债收益率可以拆分为无风险利率和信用利差，股票回报率可以拆分为盈利贡献、无风险利率贡献和风险溢价贡献，两类资产回报的共性成分是无风险利率，而且债成分中的信用利差和股成分中的风险溢价走势接近，反映的都是风险投资寻求的预期补偿，把这些成分、因子经过排列重组后可以形成全新的投资组合。下图刻画了不同的大类资产间价格的共通之处。首先，这点类似于主成分分析，优点是各种成分并非黑箱，可以通过衍生品等把握每个成分的特征。其次，这些因子是虚拟的，重组后不是难以穿透到底层资产的金融衍生品。次贷危机的原罪是复杂的结构性产品，将资产打包后分层为高风险、低风险的品类再去售卖，实际上这些品类并不算风险独立的，在购房者集中无力偿还贷款时就面临了系统风险。而商品、股票等资产会有不同的定价驱动因素，除非遭遇现金为王、各类资产被疯狂抛售的极端情景，否则不同属性资产都可以在相应的宏观环境下自行对冲风险。

对债券、商品、股票市场在不同“货币+信用”组合模式下牛市、熊市、震荡市三种状态出现的概率进行整理。 基于不同资产在不同货币信用周期的表现，在“宽信用+宽货币”阶段，上调债券配置权重，在“宽信用+紧货币”阶段，上调中证500、沪深300、商品三者配置权重，在“紧信用和紧货币”阶段，上调中证500、沪深300、商品三者配置权重，在“紧信用和宽货币”阶段，上调债券配置权重。具体的调整方法为，原风险平价组合下权重+x%（测试中设定x%为15%），再重新对股、债、商的权重标准化为合计100%。风险平价、货币信用-风险平价，及各类资产的表现如下图所示。