2026年ETF配置系列（二）：宏观打分配置策略，以绝对收益为目标，多元配置为手段

资产选择与战略基准组合构建

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。

1.1. 资产选择

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。 需要说明的是，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。

1.2. 模型初始参数设置

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： 1) 境内股债资产配置模型：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； 2) 全球大类资产配置模型：我们将选取所有 12 类资产，构建具备全球多 元配置视野的资产配置模型。 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。

1.3. 战略层——通过风险平价模型设定资产权重中枢

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。

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。

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。

构建宏观打分框架

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。

2.1. 各类宏观因子的定义

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。

2.2. 寻找大类资产的宏观驱动因子

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，样本内时间区间为 2017 年 1 月 1 日至 2023 年 12 月 31 日。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。

（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。）