2025年资产配置研究系列专题报告：全球资产配置实战模型V2.0

1. 报告研究的核心内容

“风险平价模型”是全球资产配置中的常用模型。其局限性之一是当备选资产的波动率差异很大时， 过于集中配置低风险资产，导致投资组合在市场上升期间表现不佳。本报告通过使用“组合固定比 例保本技术（CPPI）”构建各风险资产的 CPPI 组合，对各国权益资产和黄金进行风险指标的优化， 平抑风险资产波动。再将各风险资产 CPPI 组合看做新的资产，进行风险预算模型的构建，得到风 险预算基础模型。 在基础模型之上引入日度净值监控机制。基础模型通过引入 CPPI 保本技术能较好应对日常波动， 但受换仓频率影响，难以完美应对短期剧烈波动。因此在基础模型之上，本报告引入日度净值监控 机制，重点解决市场短期剧烈波动造成的净值大幅回撤问题。

2. 数据处理

备选资产介绍与说明

考虑到国内机构实际可投资标的限制，本策略资产池包括 7 个权益资产（涵盖 A 股、港股、美股、 日股）、1 个债券资产（中债）、1 个黄金资产和 1 个货币资产。资产池中各资产均有实际可投 ETF 相对应。

考虑到部分 ETF 成立时间较晚，本报告后续所有测算均基于各资产 ETF 的跟踪指数。其中权益类资 产使用全收益指数，固收类资产使用全价/财富指数。

使用“恒指全收益” 代替“港股通全收益” 进行后续测算

港股资产中“富国恒指港股通 ETF”跟踪指数为恒指港股通指数，但 wind 数据库中该指数对应全收 益指数至 2024年 3月才有相关数据，故本报告后续测算使用恒生全收益指数替代港股通全收益指数， 两者差距并不显著。

备选资产价格拼接方法与原则

报告所选取的备选资产中部分资产对应指数上市时间较晚。为更好衡量模型表现，需尽可能延长回 测区间，对资产价格进行拼接。拼接时主要遵循以下原则： 1) 优先使用 ETF 跟踪指数的“全收益指数”搭建模型； 2) 若 ETF 跟踪指数基期不够长或指数价格无法提取，再使用走势与跟踪指数类似的同类指数进行 拼接。

3. 基础模型构建

CPPI 技术介绍

CPPI（Constant Proportion Portfolio Insurance，固定比例保本策略）是一种基于风险管理的投资策略。 其核心思想是根据投资者设定的保本周期和保本比例，计算当前组合价值与保本目标的差距，实现 对风险资产和无风险资产投资比例的动态调整。

CPPI 参数设置

CPPI 换仓频率：月度换仓（以每月最后交易日收盘价计算 CPPI 风险资产与无风险资产配置比例， 以下月第一个交易日收盘价调仓）。

CPPI 使用范围：权益 + 黄金。CPPI 本质是为了降低资产波动率、控制回撤，债券的波动率已然较 低，若进行 CPPI 会进一步拉低收益，为后续构建组合带来困难。

CPPI 技术可显著降低原资产波动率与回撤

为展示 CPPI 的效果，我们以保本比例（ λ=70% ）,弹性系数（m=2），风险资产上限（b=70%） 为例，对权益资产、黄金进行 CPPI 的处理。下图及后页展示了 8 个风险资产 CPPI 后与原价格的收 益特征及走势对比。

通过对比可以看出 CPPI 后各资产价格与原价格相比有如下特征： 1. 波动率、最大回撤等风险指标出现显著改善; 2. 年化收益的提升或降低与原价格整体走势有关。因加入无风险资产，通常导致年化收益较原始 指数略有下降，但对于整个周期上行趋势不显著，且出现多次长周期下跌的资产（如中证1000）， CPPI 通过降低回撤，年化收益反而出现提升。

CPPI 组合的风险资产配置比例受风险资产价格影响呈周期性波动

以 A500 和纳斯达克 100CPPI 组合为例，绘制了风险资产配置比例和风险资产价格走势。可得 以下结论： 1. 风险资产的配置比例在 60%左右呈现周期性波动。 2. 波动周期主要受保本周期（1 自然年度）影响。因所用的无风险资产相同，A500 和纳斯达克 100CPPI 组合每个自然年度初始风险资产配置比例是相同的；后续若风险资产价格走高，则在 换仓日配置比例上升直至 70%上限；若后续风险资产出现下跌，则配置比例下降。至第二个自 然年度重新开始上述周期。

回测框架

回测区间：2012/1/4 – 2025/8/5。 换仓周期：月度换仓（每月最后一交易日收盘价计算资产配置比例，以下月第一个交易日收盘 价调仓）。 交易费率：买入、卖出均按交易金额的 0.025%收取佣金。 协方差矩阵计算方法：以各资产近 252 个交易日的日度收益率计算协方差矩阵。 资产仓位限制：考虑到现实投资情况，我们需要对各大类资产的仓位进行限制。具体如下： 1. 外股仓位限制：美股和日股配置总比例不超过 20%（针对 CPPI 组合）； 2. 黄金：仓位不得超过 20%（针对 CPPI 组合）； 3. 货基：仓位介于 5% -10%（在风险预算模型优化算法中不限制，在得到各风险资产 CPPI 组合 配置比例后，使用该比例乘以 CPPI 组合中的货基配置比例，再求和得到货基配置比例，若配 置比例低于 5%，降低债券仓位补齐至 5%；若超过 10%，将多余部分分配给债券）。

风险预算比例分配方式

波动率角度：以各风险资产 CPPI 组合日度收益率的“波动率排名”给定风险预算比例。波动率越高 的资产风险预算越高。 上行波动率角度：以各风险资产 CPPI 组合日度收益率的“上行波动率排名”给定风险预算比例。在 计算波动率时，先剔除日度收益率为负的数据，仅计算日度收益率为正的波动率。上行波动率越高 的资产风险预算越高。 动量角度：以各风险资产 CPPI 组合日度收益率的收益率排名给定风险预算比例。过去一段时间收益 率越高的资产风险预算越高。 注：在策略构建过程中我们也尝试使用了常用指标如“夏普率”、“在险价值 VaR”、“卡玛比例” 等。由于债券资产的上述指标显著优于其他风险资产 CPPI 组合，导致对债券的风险预算分配比例过 大，组合弹性较低，故后续测算没有采用。

“CPPI + 风险预算”基础模型概览

我们以之前展示的 CPPI 参数为基础（保本比例λ=70% ，弹性系数 m=2，风险资产上限 b=70%）， 分别使用介绍的三种风险预算分配方式，构建“CPPI + 风险预算”基础模型。 从结果看“波动率排名”和“上三种风险预算分配方式均只有 1 个参数，即计算波动率、上行波动 率和收益率的窗口长度 j，我们以 1 个月（21 个交易日）、1 个季度（63 个交易日）、半年（126 个 交易日）和 1 年（252 个交易日）进行参数遍历。基础模型的风险收益特征如下。

结论：“波动率排名”与“上行波动率排名”的风险收益特征较为类似，弹性较高回撤较大。原因 在于债券资产的波动率 和上行波动率通常较低，因此债券风险预算较低，配置比例也较低，组合弹 性和回撤更大。

4. 日度净值监控机制

组合日度净值监控机制介绍

为进一步提升组合的抗短期波动能力，提高组合表现，我们引入日度净值监控机制对组合每日净值 进行跟踪。当净值出现显著下跌时，触发预警调整仓位为 95%债券 + 5%货基。当净值稳定后再按 照风险预算模型给出的权重进行配置。 日度净值监控是以基础模型（CPPI + 风险预算模型）净值为基础构建。 触发预警条件： 基础模型净值滚动 N 日最大回撤超过阈值θ，且基础模型净值低于 M 日均线。 退出预警条件： 基础模型净值自下而上穿越 M 日均线（为避免后续踏空，M 通常对短期均线）。 调仓均滞后一日，T 日发出“进入预警”或“退出预警”信号，T+1 日调仓。 注：除此套进出预警条件外，我们还测算了例如单日\多日跌幅、单日\多日收益率在时间序列 z 值突 破阈值等多种方式，综合考虑防风险效果与参数数量，最终选择如上方案。

组合日度净值监控机制细节介绍

连续触发预警信号仅算首次。基于滚动最大回撤构建的日度监控系统，其预警信号通常会连续触发 （例如在极端情况下单日下跌超过阈值，会使信号持续至少与滚动最大回撤窗口相同的天数）。

未退出预警状态前，忽略其他进入预警信号。基于基础模型的净值构建日度净值监控系统，可能出 现在市场连续下跌的情况下，组合进入预警尚未退出时，再次触发预警的情况，我们对此类预警信 号做忽略处理。

5. 参数遍历与组合优选

根据前文介绍，本策略共 7 个参数，其中 CPPI 组合构建涉及 3 个参数，风险预算模型涉及 1 个参数， 日度监控机制涉及 3 个参数。 我们对 7 个参数进行了参数遍历，以“波动率排名” 、“上行波动率排名” 和“收益率排名”构 建的基础模型各有 14,400 种组合。

在不同最大回撤约束条件下进行组合优选

为满足投资者的不同风险偏好，同时结合常用风控指标，我们希望分别在“最大回撤不超过 3%”， “最大回撤不超过 5%”和“不设最大回撤要求”的约束条件下找到年化收益率最高的参数组合。 要求日度监控预警触发频率不超过 6 次/年。在约束条件下进行组合优选，除了考虑年化收益最大化， 还要考虑触发日度监控预警的频率。过于频繁的触发预警一方面会提升交易费用，另一方面在实际 投资中也难以实现。我们要求日度监控的触发频率不超过 6 次/年。

约束条件：最大回撤不超过 3%

对于最大回撤不超过 3%的要求，以“上行波动率排名”作为风险预算比例的组合表现最佳，年化收 益达 6.82%，最大回撤为-2.91%，卡玛比为 2.34。

在最大回撤不超过 3%的约束条件下，以“上行波动率排名”作为风险预算比例的组合表现最佳。

今年以来组合共触发 4 次预警： 1. 2025 年 1 月 2 日（预警持续 9 个交易日）：因 2024 年末降准降息预期落空，美股 2024 年末连 续下跌，机构在 2025 年初集中调仓换股，导致沪指跌 2.66%，深指跌 3.14%。 2. 2025 年 2 月 28 日（预警持续 4 个交易日）：科技股重挫，沪指跌 1.98%，深指跌 2.89%。 3. 2025 年 3 月 21 日（预警持续 5 个交易日）：大盘跌破 3400，沪指跌 1.29%，深指跌 1.76%。 4. 2025 年 4 月 3 日（预警持续 4 个交易日）：美国对所有国家加征 10%关税，引发全球股市下跌， 纳斯达克 100 跌 5.41%。

约束条件：最大回撤不超过 5%

对于最大回撤不超过 5%的要求，以“上行波动率排名”作为风险预算比例的组合表现最佳，年化收 益达 7.66%，最大回撤为-4.97%，卡玛比为 1.54。

在最大回撤不超过 5%的约束条件下，以“上行波动率排名”作为风险预算比例的组合表现最佳。

今年以来组合从 5 月开始显著加仓权益资产，经查验自 5 月开始风险预算比例无显著变化，但权益 资产波动率有较明显下降，导致权益资产单位风险贡献降低，仓位提升。今年以来仅 4 月 7 日触发 1 次预警，起因为美国对华加征 34%“对等关税”，造成全球市场联动下跌，预警仅持续 1 日。

无最大回撤约束条件

若不设最大回撤限制，以“波动率排名”作为风险预算比例的组合表现最佳，年化收益达 8.15%， 最大回撤为-6.36%，卡玛比为 1.28。

今年以来组合各资产配置比例较为稳定，各类资产平均配置权重为港股（10%）、海外（16%）、A 股（15%）、黄金（10%）、债券（43%）。今年以来仅 4 月 7 日触发 1 次预警，起因为美国对华加 征 34%“对等关税”，造成全球市场联动下跌，预警仅持续 1 日。

6. 补充测算

参数敏感性测试

为探究 7 个参数对组合最终表现的影响程度，我们对策略涉及到的 7 个参数进行了敏感性测试 敏感性测试方法：对每个参数逐个分别调高和调低 10%，统计组合最终的年化收益、最大回撤和年 化波动。

最大回撤不超过 3%优选组合

结果表明：参数调整对年化收益的影响不大，部分参数调整后可能导致回撤突破 3%的阈值，但所有 组合的卡玛均高于 1，夏普率均高于 1.5，表明过拟合的风险较低。

最大回撤不超过 5%优选组合

结果表明：参数调整对年化收益的影响不大，部分参数调整后可能导致回撤突破 5%的阈值，但所有 组合的卡玛均高于 0.8，夏普率均高于 1.5，表明过拟合的风险较低。

无最大回撤限制优选组合

结果表明：参数调整对年化收益的影响不大，但绝大多数组合的卡玛高于 1，夏普率均高于 1.4，表 明过拟合的风险较低。

“CPPI + 日度监控”方法论有效性验证

为进一步验证 CPPI 和日度监控机制的有效性，我们使用原始资产分别从“波动率排名”、“上行 波动率排名”和“收益率排名”维度构建了风险预算模型，并对窗口长度参数 j 进行了遍历。

“CPPI + 日度监控”在方法论层面有效。直接使用原始资产且不叠加日度监控机制的风险预算模 型无法满足“最大回撤不超过3%”的要求；对于“最大回撤不超过5%”的组合，年化收益仅为5.8%， 远低于“CPPI + 日度监控”组合；若“不控制回撤”年化收益和“CPPI + 日度监控”组合相当， 但卡玛仅为 0.65 – 0.89，远低于“CPPI + 日度监控组合”。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）