金融工程专题：基于择时信号的BLM大类资产配置

引言：从动量观点到多维择时信号

在2026年6月发布的《大类资产配置模型的更新与扩充》报告中，渤海证券研究所系统对比了均值方差模型（MVO）、Black-Litterman模型（BLM）、风险平价模型（RP）和风险预算模型（RB）。此前构建BLM模型观点层时，主要依赖过去六个月的动量因子。然而，单纯动量因子形成的观点质量有限，对模型增益效果不明显。本篇专题报告旨在优化这一环节，通过构建美股、黄金、国债、A股四类资产的月频择时模型，将更高质量的多维择时信号嵌入BLM框架，并以风险平价为基底，比较不同观点来源下的配置效果。

美股纳指择时模型：危机规避与波动控制

纳斯达克100指数虽长期收益较高，但历史上曾出现接近80%的深度回撤。为此，我们构建了基于六票等权结构的纳指择时模型，涵盖通胀预期、宏观景气、市场情绪、汇率、利率与趋势动量六个维度。具体因子包括BEI环比、ISM制造业PMI单边HP周期项、VIX最大值环比、美元指数单边HP周期项、TIPS 10年实际利率区间约束以及MA200趋势。当看多信号≥4票时满仓，3票半仓，≤2票时空仓。

回测覆盖1999年2月至2026年8月，结果显示模型年化收益为11.36%，略高于基准的10.00%；但风险指标显著改善，最大回撤仅为21.66%，远低于基准的81.07%；夏普比率从0.43提升至1.05。模型在互联网泡沫、2008年金融危机、2022年紧缩及2025年关税冲击中均有效降低了回撤。尽管在流动性驱动的急涨阶段（如2013年和2020年）会系统性低配导致落后基准，但该模型核心价值在于降低权益仓位波动性，而非单纯追求收益放大。

黄金择时模型：识别中期配置价值

黄金择时模型以上海金价格为底层标的，采用美元、宏观景气、通胀不确定性、净多头持仓、ETF持仓和美债实际利率六个维度构建。其中，CPI数据采用同比的6月滚动标准差以反映通胀不确定性，TIPS因子采用相对2月均值的位置刻画实际利率水位。投票规则为≥3票满仓，<3票空仓。

2011年2月至2026年8月的回测表明，模型年化收益达11.20%，高于基准3.10个百分点；最大回撤控制在9.52%，显著优于基准的42.58%；夏普比率由0.51上升至1.03。超额收益主要集中在危机规避阶段，如在2013年和2026年的风险事件前后能提前降低仓位。该模型偏向识别黄金的中期配置价值，优势在于控制尾部损失。

国债与A股择时模型：稳定性与超额收益

国债择时模型底层标的为中证30年国债财富指数，围绕宏观（PMI环比）、资金（DR007/R007走势）、交易（中期动量与期限利差）三类信息构建。三个维度中至少两个看多则满仓。回测显示，模型年化收益7.47%，高于基准6.03%；夏普比率1.41，优于基准0.92；最大回撤仅5.17%，远小于基准的16.16%。

A股择时模型选用沪深300全收益指数，覆盖资金流动性、信用、汇率、市场情绪、海外利率和通胀六个维度，共八个因子。复合信号以八票均值为准，≥0.5满仓，<0.5空仓。回测结果显示，模型年化收益12.39%，大幅高于基准的4.98%；夏普比率0.78，优于基准0.23；最大回撤24.85%，低于基准的39.78%。A股模型在高波动市场中实现了较明显的年化超额收益。

BLM资产配置框架构建与观点映射

我们将上述择时信号嵌入BLM框架。首先，以252个交易日Ledoit-Wolf收缩协方差估计矩阵计算风险平价权重，导出隐含均衡收益。其次，将择时信号（满仓/半仓/空仓）映射为看多/中性/看空的相对观点，半仓对应中性不输出观点，看多与看空观点幅度固定为月度±1%。为避免暂时失效的信号干扰，引入观点有效性检验机制，基于过去48个月样本剔除历史平均收益异常的观点。

设定观点置信矩阵Ω后，通过贝叶斯融合得到后验预期收益，最大化后验夏普比率，并施加单资产月度权重变动不超过15pct.的限制。最后，对优化权重施加相对风险平价基底10%、15%、20%三档偏离限制，形成风险逐级放大的方案梯度。对照组包括动量BL模型和纯RP基准。

回测结果分析：观点质量决定配置效能

2012年1月至2026年8月的回测数据显示，三档择时BL模型在年化收益、夏普比率和回撤控制上均优于纯RP基准与动量BL模型。其中，20%档择时BL模型年化收益达到11.79%，较基准高出1.71个百分点；15%档夏普比率最高，达到1.87；10%档最大回撤最浅，仅为4.10%。三档之间形成了清晰的风险—收益梯度：偏离限越宽，收益略高，但回撤相应加深。

相比之下，动量BL模型的年化收益与纯RP基本持平，未形成稳定增量。这一结果证实，在相同的BLM配置框架下，观点的质量比模型的形式更为重要。基于多维宏观与微观因子的择时信号，相比单一动量因子，能提供更具方向性和稳定性的投资观点，从而显著提升组合的风险调整后收益。

结论与投资建议

基于择时信号的BLM大类资产配置策略能够有效改善传统风险平价模型的表现。四个子资产择时模型均在各自领域提升了风险调整后收益，作用方式各异：纳指侧重极端回撤控制，黄金侧重危机对冲，国债提供稳定收益曲线，A股实现高波动下的超额收益。

针对不同风险偏好的投资者，建议如下：保守型投资者可优先考虑10%偏离限制的择时BL模型，以获取最低的回撤保护；均衡型投资者可关注15%偏离限制的模型，平衡收益与风险；追求收益弹性的投资者可选择20%偏离限制的模型，以换取更高的潜在回报。需要注意的是，市场风格转换可能导致模型失效，历史表现不代表未来收益，本报告不构成直接投资建议。