半岛体育,半岛体育官方网站,半岛体育APP下载

　　下，在战略投资组合的基础上捕捉资产短期内景气度变化，构建以绝对收益为目标的大类资产ETF配置策略。

　　的资产配置策略，并希望能够获得预期年化收益不小于6%，年化波动率不大于5%，最大回撤不大于5%，并且收益回撤比大于1的大类资产ETF配置组合。

　　五类，各标的在公募基金市场中均具有对应且规模在同类中相对较大的ETF产品作为可投资标的。我们基于选取的大类资产，构建

　　共两类资产配置模型，模型以每月末作为调仓时间，回测区间为2017年1月1日至2026年2月13日，并对单一资产和大类资产都设定了事前的权重上下限。

　　我们主要用风险平价模型和ES风险平价模型，来决定战略环节中各类大类资产每月的权重中枢。从战略基准组合的历史表现来看，我们选取的境内股债资产已初步具备构建绝对收益目标组合的基础，而纳入全球大类资产后，各风险指标和风险收益指标均已达成本次组合的构建目标，但伴随着国内利率下行，历史上债券能提供的收益在未来大概率无法实现，因此年化收益率上同样有改进空间。

　　我们从月频的角度出发构建了10个高频宏观因子，基于各个宏观因子，我们通过统计检验的方式寻找对各大类资产收益能产生显著影响的宏观因素，并对各大类资产开展月度频率的定量打分。结合有效宏观因子的打分情况，在每个月末我们计算不同资产的得分，以作为大类资产在短期内景气度变化的依据，并根据月度得分变化对资产进行月度的

　　在宏观打分模型的权重调整框架下，各ETF组合的核心收益风险指标均达到预设目标。其中，两个高风险权重调整规则下的全球大类资产ETF策略年化收益表现最佳，分别达到10.85%与10.77%；以ES风险平价模型为战略配置基础的ETF组合则展现出更优的风险管控能力，对应的风险收益性价比更为突出，两个低风险权重调整规则下的ETF组合更是实现了年化波动率的最优控制；与此同时，低风险与中风险权重调整规则下，以ES风险平价模型为战略配置基础的全球大类资产ETF组合，在最大回撤控制方面表现最佳，收益回撤比指标优势显著。

　　1）本文根据客观数据和评价指标计算，涉及的观点不构成投资建议，注意宏观因子打分模型根据历史规律构建，在市场环境变动时存在的失效风险；2）基金过往业绩并不能代表未来表现，本文根据客观数据和评价指标计算，不作为对未来走势的判断和投资建议。

　　本文是“ETF配置系列专题”的第2篇报告。本篇报告的目的，是希望帮助绝对收益目标的机构进行资产配置，我们的核心目标是设计出能够持续创造稳定回报预期、具备优异风险调整后收益的策略组合，并希望能够获得预期年化收益不小于6%，年化波动率不大于5%，最大回撤不大于5%，并且收益回撤比大于1的大类资产ETF配置组合。

　　以下为本文所构建的部分大类资产ETF配置组合的历史净值与收益表现，组合的详细构建方法将在后续章节中展开阐述。

　　在本章节中，我们将对本篇报告选取的基础资产进行介绍，并且合理设定每类资产的权重上下限，继而通过基础的资产配置模型，研究选取的资产是否具备构建绝对收益目标组合的基础。

　　本篇报告选取的各类资产如下表所示，其中A股权益资产我们选取了沪深300指数、中证1000指数和中证转债及可交换债，分别作为大盘权益资产、小盘权益资产和转债的代表；港股权益资产我们选取了恒生指数作为资产代表；债券资产我们选取了中债-国债总财富(7-10年)指数和中债-中高等级公司债利差因子财富(总值)指数，分别作为利率债和信用债的代表；境外权益资产我们选取了纳斯达克100指数、德国DAX指数和日经225指数，分别作为美股、德股和日股的代表；SGE黄金9999、大商所豆粕期货价格指数和上期有色金属指数，分别作为黄金、豆粕和大类金属的代表。

　　需要说明的是，本篇报告所选取的大类资产，均在公募基金市场中具备对应的、规模位居同类前列的ETF产品，确保了策略的可投资性。后文将基于这些指数对应的ETF产品构建大类资产ETF配置组合，旨在通过实盘可操作的工具，进一步验证策略在实际应用中的有效性与实际适用性。

　　此外，本文选取的境外权益和商品资产所对应的ETF，在历史上均未出现过大额申赎额度限制，部分品种仅在对应市场非交易日限制过申赎，因此本文选取的ETF产品具备历史实盘操作的可行性。

　　如下图所示，我们计算了12个大类资产间的相关系数，可以看到，A股权益资产的日收益存在明显的强相关性，说明大、小盘A股资产以及转债资产的整体收益趋势较为接近，而港股和A股权益资产的收益相关性同样较高，利率债和信用债之间同样存在一定收益相关性，其余各类资产间的相关性则并未超过40%。

　　后文中我们将基于上述大类资产构建资产配置模型，模型将以每月末作为调仓时点，回测区间为2017年1月1日至2026年2月13日。

　　由于部分机构无法配置境外资产以及商品基金，因此本篇报告将分别构建以下两类资产组合的资产配置模型：

　　我们仅选取沪深300、中证1000、港股、可转债、利率债和信用债这6类资产，构建更加聚焦境内股债资产的资产配置模型；

　　由于每一类资产对应的产品类型、资产规模、风险水平和相关性均有一定差异，为了达到分散风险、构建绝对收益组合的目的，各类资产的权重需要在一定限制内进行配置，在本篇报告中我们将在战略层对资产权重进行严格限制，等价于对资产权重中枢的设定，以初步达到控制组合风险水平的效果。

　　其中，考虑到波动率以及绝对收益目标，本篇报告对债券类资产赋予相对更高的权重，使得后续各类资产配置模型均以债券资产为核心配置标的，也因此从设计之初就将本篇报告所构建的资产配置模型定调为绝对收益导向。此外，结合当前市场生态特征，境内投资者（尤其是机构客户）对境内权益资产的配置需求更高，故本篇报告为A股权益资产设置了更高的权重上下限，对境外权益资产及商品资产则设置了相对更低的权重上下限。后续构建的两类资产组合，均严格遵循下表列示的权重上下限要求进行配置。

　　战略基准组合的设置能够有效控制资产配置策略的风险水平，在战略基准组合之上通过资产权重的动态调整所构建的资产配置策略，整体波动水平与战略基准组合的差异将落在一定区间内。

　　在本篇报告中，我们主要用风险平价模型或ES风险平价模型来决定战略环节中各类大类资产的权重中枢。

　　风险平价模型，是通过使每种资产对组合整体的风险贡献权重相等，来达到分散风险的目的，本质上，风险平价模型放弃了对回报率的预测而将重点放在了对风险编制预算的环节。

　　在每个月末，我们用资产滚动1年的日收益表现来构建风险平价模型，之所以没有选用超过1年的时间区间来决定资产风险水平，是由于我们的资产配置策略本身为月度配置行为，偏短期，而1年期的收益波动更能够对资产中短期风险水平进行刻画。

　　下方两张图分别给出了风险平价模型在两类资产组合下的权重分布情况，可以看到，尽管风险平价模型克服了传统资产配置模型的一些弊端，但由于权益资产与商品的波动率远高于债券资产，因此风险平价模型往往会大量配置收益相对较低的债券资产，从而削弱了投资组合的整体收益能力。

　　下图展示了两类资产组合下风险平价模型的历史净值走势。可以看到，仅由境内股债资产构建的风险平价模型，即可实现接近绝对收益特征的资产配置效果，而在组合中纳入境外权益资产与商品资产后，策略的收益表现得到进一步增厚。

　　从收益风险指标来看，仅配置境内股债资产的风险平价模型各年度均实现正收益，且年化波动率与最大回撤均控制在5%以内，符合风控设定要求，该模型全区间收益回撤比达1.59，但区间年化收益仅为4.21%，尚未达成预设的年化收益目标。将境外权益资产与商品资产纳入组合后，模型的年化波动率与最大回撤虽有小幅抬升，但仍满足风控要求，年化收益率则进一步提升至5.94%，但同样尚未达成预设的年化收益目标。同时需要注意的是，伴随着国内利率下行，历史上债券能提供的收益在未来大概率无法实现，即采用这一配置，未来的预期收益相比历史会进一步下降。

　　风险平价中的风险是由组合收益率的方差来衡量的，该指标仅关注了收益率的二阶矩特征，而未能突显收益率分布的其它特征。我们同样可以采用在险价值（VaR）和期望损失（ES）等其他常用指标代替收益率的方差来作为风险的度量，使风险平价模型能够更好地控制下行风险，进而取得更好的收益回撤表现。

　　下方两张图分别给出了ES风险平价模型在两类资产组合下的权重分布情况，可以看到，由于以期望损失作为资产风险的衡量方式，相比于传统风险平价模型，ES风险平价模型对于债券资产的配置偏好更高，或增加投资组合的业绩稳定性，但也进一步削弱了投资组合的整体收益能力。而在债券资产内部，ES风险平价模型在利率债和信用债上的权重变化幅度则相对更大，配置方式更为灵活。

　　下图展示了两类资产组合下ES风险平价模型的历史净值走势。可以看到，相比于传统风险平价模型，由于模型对于债券资产的配置权重相对更高，因此ES风险平价模型的净值走势更加平滑，在整体收益上仅是小幅下滑的前提下，有效降低了业绩回调和波动的风险。同时在组合中纳入境外权益资产与商品资产后，策略的收益表现同样得到进一步增厚。

　　从收益风险指标来看，相比于传统风险平价模型，ES风险平价模型的区间年化收益会相对更低，但每年的业绩稳定性会更高，仅配置境内股债资产以及将境外权益资产与商品资产纳入的ES风险平价模型，年化收益率分别为4.50%和5.30%。但在年化波动率和最大回撤上，ES风险平价模型的表现都要明显更好，两个模型的年化波动率均不到2%，最大回撤得到了更好的控制。特别是在风险收益指标上，仅配置境内股债资产的模型夏普比率和收益回撤比分别为2.64和2.26，将境外权益资产与商品资产纳入的模型夏普比率和收益回撤比则分别为3.23和2.28，相较传统风险平价模型均有较大幅度提升。

　　整体而言，仅配置境内股债资产的两类战略配置模型，在风险控制与每年获得绝对收益的层面均已达成设定要求，但年化收益率均还存在提升空间，我们选取的境内股债资产已初步具备构建绝对收益目标组合的基础。而纳入全球大类资产的风险平价模型，各风险指标和风险收益指标均已达成本次组合的构建目标，但考虑到债券资产收益率的下滑，年化收益率上同样有改进空间。此外，相比于传统风险平价模型，ES

　　风险平价模型在小幅牺牲收益水平的基础上，进一步有效降低了组合的波动和回撤风险。

　　我们认为，宏观因素是影响资产收益表现的主要因素之一，因此在每个月底，我们将依据各类宏观指标的变动情况，对资产的权重进行战术性的调整，希望能够在中短期内抓住资产的战术性投资机会，在战略组合的基础上增厚收益水平，降低回撤。我们首先对模型中的各类宏观因子进行介绍。

　　首先，能够对宏观因素进行刻画的指标较多，例如能够对经济增长进行最直观解释的是GDP，但GDP通常为季频数据，同时公布时间较为滞后，因此在根据宏观环境变化进行资产配置时，这类指标并不适用。除了季频指标，PMI、CPI、PPI等宏观指标为月频数据，相比季频数据更为高频，其中PMI数据为当月月末公布，而CPI和PPI等宏观指标却一般为次月月中公布，因此需要进行滞后处理，根据对历史数据进行分析，我们认为月度的数据滞后相对来说在可接受范围内。此外，国债收益率、美元指数等数据为日频数据，每日实时发布，因此此类数据可以直接用于进行高频宏观因子的构建，且不需要进行滞后处理。

　　在本篇报告中，我们从月频的角度，对如下10个宏观指标进行了定义。对于每一个因子，在后文中我们都将从环比和同比的角度来对因子变化趋势进行刻画。此外，由于全球大类资产以美元定价的情况普遍存在，同时全球主要经济体的经济周期存在相关性，因此对于海外因子我们主要基于美国宏观经济数据进行构造：

　　经济增长因子：每月底，用工业增加值、制造业PMI、社会消费品零售总额和进出口金额的同比或环比数据，来共同构建，这些指标涵盖了不同层面的经济活动，社会消费品零售总额反映了最终消费者层面的经济活动；工业增加值主要关注制造业的增长情况；PMI则更加综合地考虑了制造业中的制造业采购经理指数、新订单指数、产出指数、就业指数等多个方面的数据；进出口金额则用进出口贸易情况来表现外贸经济活动。

　　对于各指标数据我们进行了如下处理：1）对于缺失值，我们采用历史最近12个月的一阶差分序列中位数，加上上期数据的方式进行填补；2）在计算环比数据时，我们对各类数据做了季节性调整，以减小季节效应对数据的影响；3）进行同比和环比计算时，PMI数据的同比和环比为差分形式计算得到的结果。

　　通胀因子：每月底，用CPI和PPI的同比或环比数据，分别作为消费端和生产端通货膨胀情况的代表，来共同构建。同样对数据进行缺失值填补和季节性调整的操作。

　　流动性因子：每月底，用社会融资存量规模(同比、环比)和M2(同比、环比)之差进行表示，当流动性因子走阔时，表示投资性价比增加，实体融资需求偏强，股市资金流入加快，市场风险偏好提升，但流动性因子缩小时，表示存款性价比更高，股市流动性缺乏，市场风险偏好降低。

　　利率因子：每月底，用10年期中债国债到期收益率的12阶差分和1阶差分，表示同比和环比。

　　信用因子：每月底，用3年期中债中短期票据到期收益率(AA)，和3年期中债国开债到期收益率之差的12阶差分和1阶差分，表示同比和环比，信用因子下行，说明短期内信用债的利率水平相比利率债的利率水平下降，即信用水平相对宽松，企业融资环境改善。

　　期限利差因子：每月底，用10年期中债国开债到期收益率，和1年期中债国开债到期收益率之差的12阶差分和1阶差分，表示同比和环比，期限利差收缩，说明长期国债的利率水平相对较低，权益资产更加具备投资价值，这与资产定价端分母减小有关，同时长期利率债相比短期利率债的性价比更高。

　　海外经济增长因子：每月底，用美国供应管理协会(ISM)制造业PMI数据进行构建。

　　海外利率因子：每月底，用10年期美国国债收益率的12阶差分和1阶差分，表示同比和环比。

　　此外，在对宏观因子进行构造后，我们将对各宏观因子初始值进行单向HP滤波处理。可以看到，去趋势后的宏观因子相比于原始因子减少了短期内的数值波动，能更好地帮助我们获取宏观指标同比和环比变化的趋势，减少宏观环境变化的错误判断，同时，相比于双向HP滤波，单项HP滤波并未涉及未来信息，因此策略的有效性得到保证。

　　在完成各类宏观因子月度指标的构建后，我们将基于各项宏观指标对各大类资产开展月度频率的定量打分，并将该打分结果作为资产权重战术动态调整的核心依据。在宏观视角的战术动态调整策略搭建环节，我们从宏观因子的趋势特征切入，寻找对各大类资产表现具有显著影响的宏观指标。

　　为研究宏观因子趋势特征对大类资产收益率的影响，我们针对各宏观因子选取1个月、3个月、6个月和12个月共4个测试时间区间，分别计算宏观因子变化趋势，并统计在宏观因子处于上行、下行不同趋势下，各大类资产未来一个月时间的平均收益率表现是否存在显著分化。需特别说明的是，由于本报告所构建的各类宏观因子均为同比或环比形式，因此其变化趋势将通过差分方法进行刻画。

　　具体来看，我们利用t检验来判断某个宏观指标处于不同的变化趋势，是否会对某个资产的收益造成显著影响，

　　。如果p值小于5%，则认为该宏观因子的变化趋势对于大类资产未来的收益水平存在显著影响。最后，针对每个大类资产的每类有效宏观因子，我们将在其中选取p值最小的宏观因子表现形式进行保留。

　　此外，为了保证有效宏观因子对大类资产收益的预测能力具备合理性，对于A股权益和债券资产，我们将仅对经济增长因子、通胀因子、流动性因子、利率因子、信用因子、汇率因子、期限利差因子这7个国内的宏观因子进行有效性判断；对于境外权益资产，我们将仅对海外经济增长因子、海外通胀因子、海外利率因子这3个海外的宏观因子进行有效性判断；而对于商品和港股资产，我们则对全部10个宏观因子进行有效性判断。

　　在得到各个大类资产对应的有效宏观因子后，对于单个宏观因子，我们在每个月末根据其趋势和收益提升方向，对与其对应的大类资产进行月度频率的打分，打分范围为1和-1。对于每个大类资产，通过所有有效宏观因子的综合打分，我们便得到了资产权重的战术调整方向。

　　我们根据宏观因子的月度打分结果，构建简单的打分策略，以验证宏观打分模型的有效性。具体方式为，若资产当月月末的得分为正，则在下个月配置资产权重为2；若得分为0，则下个月配置权重资产为1；若得分为负，则下个月配置权重资产为0；最后将各类资产的权重归一化。

　　从简单宏观打分策略的历史净值表现来看，无论是境内股债组合还是大类资产组合，宏观打分策略均能对等权策略（各资产等权配置）起到显著的收益增强的作用，样本外同样稳定积累超额收益。因此，宏观打分模型的确具备一定有效性，可作为后续构建战术层策略的基础。

　　结合有效宏观因子的打分情况，在每个月末我们计算不同资产的得分，以作为大类资产在短期内景气度变化的依据，并根据月度得分变化对资产进行月度的战术性权重调整，得到我们最终的宏观打分大类资产ETF配置策略：

　　资产权重潜在增长空间为资产基础权重与最高权重1的距离，潜在下行空间为资产基础权重与最低权重0的距离，基础权重为战略层模型（风险平价策略或ES风险平价策略）给到的每个资产的权重分布。

　　调整比例的大小将决定资产月度权重变化的幅度，幅度越大那么最后宏观打分模型与战略组合的权重差异越大，风险差异同样越大。我们共设定3种调整比例，分别为高风险（向上调整比例10%，向下调整比例70%）、中风险（向上调整比例5%，向下调整比例60%）和低风险（向上调整比例2%，向下调整比例50%），其中向下调整比例明显高于向上调整比例，这是由于相比于获取超额收益，我们更加看重对资产风险水平的有效把握，因此当资产景气度预期水平发生明显下行时，我们将会以更大的幅度进行向下仓位调整。

　　若资产得分在当月为正，那么资产权重为(战略层模型资产权重+向上调整比例×潜在增长空间)；若资产得分在当月为负，那么资产权重为(战略层模型资产权重-向下调整比例×潜在下行空间)；若资产得分在当月为0，那么资产权重便为战略层模型资产权重；最后对各资产的调整后权重进行归一化处理。此外，若某一大类资产权重超出预设上下限区间，则将其权重修正至限制水平，并对其他大类资产的权重做相应调整。

　　下方给出了在高、中、低风险定义下，以风险平价模型为战略配置基础的各宏观打分模型的历史净值表现，结论同样为，在宏观打分模型的有效性保证下，当我们增加资产权重变动幅度时，组合整体的收益会更高，但波动和回撤水平同样也会有所增加。

　　我们将更加聚焦高风险模型的历史权重分布和历史收益统计情况。从收益风险指标来看，当我们通过宏观打分模型定向调整资产权重后，两类风险平价策略的历史收益表现均已满足了我们对绝对收益目标策略的要求。高风险权重调整规则下，境内股债资产组合的年化收益为6.83%（低风险权重调整规则下为5.52%），每年均获得了正向收益，并且最大回撤得到了较好的控制，收益回撤比为1.54。全球大类资产组合的年化收益达到了10.04%（低风险权重调整规则下为8.57%）,在最大回撤仅为-4.20%的情况下，年化收益表现大幅超过我们设定的绝对收益目标，收益回撤比达到了2.39。

　　下方给出了在高、中、低风险定义下，以ES风险平价模型为战略配置基础的各宏观打分模型的历史净值表现，可以看到无论是境内股债资产组合还是全球大类资产组合，当我们增加资产权重变动幅度时，由于在高景气阶段更大幅度增持了权益类资产，因此组合整体的收益会更高，但波动和回撤水平同样也会有所增加。此外，低风险宏观打分策略已经可以给战略基准策略带来较为客观的收益增厚效果。

　　下方两张图分别给出了ES风险平价-高风险宏观打分策略（境内股债资产）和ES风险平价-高风险宏观打分策略（全球大类资产），每个月末各资产的权重分布情况，可以看到在考虑宏观打分模型后，相对战略层模型策略每个月末给各资产的权重分配变动更大，特别是全球大类资产组合中，阶段性给予了境外权益和商品资产更高的权重。

　　从收益风险指标来看，当我们通过宏观打分模型定向调整资产权重后，两类ES风险平价策略的历史收益表现都有了明显提升。高风险权重调整规则下，全区间的年化收益同样达到6%的需求，而全球大类资产组合的年化收益表现达到了10.01%（低风险权重调整规则下为7.94%），并且最大回撤依然控制在5%以内，收益回撤比同样稳定在2.35。

　　本文构建的多元资产配置策略在理论层面可实现绝对收益目标；其中以风险平价模型为战略配置基础的各宏观打分模型表现尤为突出，年化收益、最大回撤回撤、收益回撤比等核心指标均达成预设目标。

　　本节将以前文选定的ETF产品为投资标的，构建宏观打分大类资产配置ETF组合，进一步验证本报告所构建策略的实际有效性与落地适用性。

　　对于宏观打分大类资产配置ETF组合的历史回测，我们在前文资产配置模型构建的基础上，做出如下调整，以提升回测结果的线）回测标的数据处理：针对ETF日收益数据，结合基金成立日剔除1个月建仓期；若交易日无ETF收益数据，采用前文对应大类资产的代表指数日收益替代回测，若有ETF收益数据则直接采用；

　　2）权重计算规则调整：不再假设每日各持仓标的维持当月固定权重配置，改为月初以等权方式买入后，权重随标的实际涨跌动态变动，贴合实盘交易中的收益形成逻辑；

　　3）交易费率设定：对宏观打分大类资产配置ETF组合，按单边3bp的交易费率计算扣费后的组合业绩，尽量还原实际交易成本对收益的影响。

　　下方给出了在高、中、低风险定义下，以风险平价模型为战略配置基础的各ETF组合的历史净值表现，可以看到，结论同样为，在宏观打分模型有效发挥作用的前提下，随着资产权重变动幅度的扩大，组合整体收益水平随之提升，同时，各模型的波动与回撤控制效果均优于对应以风险平价模型为战略配置基础的ETF组合。

　　从收益风险指标来看，当我们通过ETF构建组合后，两类风险平价策略的历史收益表现同样实现进一步优化。在高风险权重调整规则下，境内股债资产ETF组合的各项核心指标同样均达成预设绝对收益目标策略的要求，全区间年化收益率达7.30%（低风险权重调整规则下为5.52%）。此外，高风险权重调整规则下的全球大类资产ETF组合年化收益率达10.85%（低风险权重调整规则下为9.15%），组合最大回撤仅为-3.40%，收益回撤比高达3.19。

　　从换手率上来看，风险平价ETF组合由于每个月设定的基础权重差异相对较小，年化换手率均较小。但通过宏观打分模型动态调整权重后，ETF组合的换手率则有明显提升，其中在高风险权重调整规则下，境内股债资产ETF组合的换手率为2.44倍/年，全球大类资产ETF组合的换手率同样为2.44倍/年。

　　下方给出了在高、中、低风险定义下，以ES风险平价模型为战略配置基础的各ETF组合的历史净值表现，可以看到，与前文构建的理论模型一样，无论是境内股债资产组合，还是全球大类资产组合，随着资产权重调整幅度的加大，ETF组合的整体收益水平同样随之提升，此外，借助宏观打分模型对资产权重进行动态优化后，各类组合相较于战略基准组合均实现了显著的超额收益。

　　从收益风险指标来看，当我们通过ETF构建组合后，两类ES风险平价策略的历史收益表现均实现进一步优化，申购成本并未对策略有效性产生负面影响。高风险权重调整规则下，境内股债资产ETF组合的各项核心指标均达到预设绝对收益目标策略的要求，全区间年化收益率达7.33%（低风险权重调整规则下为5.76%），且组合在各年度均实现正收益。同期，高风险权重调整规则下的全球大类资产ETF组合年化收益率达10.77%（低风险权重调整规则下为8.16%），组合最大回撤控制在4%以内，收益回撤比高达2.99。

　　对于各ETF组合，我们同样测算并统计了考察区间内的年化单边换手率。可以看到，各类基于宏观打分模型动态调整权重的ETF组合，换手率随权重变动范围的扩大同样呈现同步上升趋势，其中在高风险权重调整规则下，境内股债资产ETF组合年化单边换手率为2.47倍/年，全球大类资产ETF组合年化单边换手率为2.60倍/年。

　　在本章节中，我们首先对以风险平价模型和ES风险平价模型为战略配置的理论大类资产配置策略进行了历史回测，从结果来看，无论是境内股债资产组合还是全球大类资产组合，基于前文构建的宏观打分模型实施资产权重的战术动态调整后，各模型的历史收益表现均实现显著改善；而随着资产权重变动幅度的加大，源于高景气阶段对权益类资产的超配操作，组合整体收益水平随之提升，但相应的波动与回撤水平同样有所抬升。综合来看，本文构建的宏观打分大类资产配置策略在理论层面已具备实现绝对收益目标的可行性。

　　在此基础上，我们以前文选定的ETF产品为投资标的，搭建对应的ETF投资组合，进一步验证本报告策略的实际有效性与落地适用性。各ETF组合的回测结果与理论模型表现较为接近，且区间年化收益相较理论策略均实现一定幅度的提升，这一收益增厚主要源于ETF产品折溢价等市场因素的贡献，而申购费用并未对策略有效性构成实质性的负面影响。

　　组合的核心收益风险指标均达到预设目标。其中，两个高风险权重调整规则下的全球大类资产ETF策略年化收益表现最佳，分别达到10.85%与10.77%；以ES风险平价模型为战略配置基础的ETF组合则展现出更优的风险管控能力，对应的风险收益性价比更为突出，两个低风险权重调整规则下的ETF组合更是实现了年化波动率的最优控制；与此同时，低风险与中风险权重调整规则下，以ES风险平价模型为战略配置基础的大类资产ETF配置组合，在最大回撤控制方面表现最佳，夏普比率和收益回撤比指标优势显著。

　　下表给出了在宏观打分模型的权重调整框架下，各ETF组合在1月底的大类资产权重分配情况。

　　1）本文根据客观数据和评价指标计算，涉及的观点不构成投资建议，注意宏观因子打分模型根据历史规律构建，在市场环境变动时存在的失效风险；2）基金过往业绩并不能代表未来表现，本文根据客观数据和评价指标计算，不作为对未来走势的判断和投资建议。

　　报告名称：ETF配置系列（二）：宏观打分配置策略；报告日期：2026.02.26 报告作者：

　　本订阅号所载内容仅面向国泰海通证券研究服务签约客户。因本资料暂时无法设置访问限制，根据《证券期货投资者适当性管理办法》的要求，若您并非国泰海通证券研究服务签约客户，为保证服务质量、控制投资风险，还请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。我们对由此给您造成的不便表示诚挚歉意，非常感谢您的理解与配合！如有任何疑问，敬请按照文末联系方式与我们联系。