2023年量化投资策略 资产配置策略体系介绍

1.资产配置的重要性和发展机遇

长久以来，有效的资产配置被认为是降低投资风险、获得投资收益的一个主要手段。这一 点，海外和国内诸多学术研究中都可以找到佐证。例如，William Sharpe（1981）的研究 发现，资产配置是投资决策中最重要的一环。Ibbotson 和 Kaplan（1993）的研究发现，同 一基金回报随时间波动中 90%可以由资产配置解释，不同基金绩效差异中 40%可以由资产 配置解释。 近年来，随着银行理财产品的净值化转型以及高收益类非标产品资产收益率的下行，具备 较低波动回撤和较高风险收益性价比的投资策略和相关产品成为居民配置刚需。在这种背 景下，资产配置策略迎来发展机遇。

资产配置的意义和资产配置策略发展历程

20 世纪 30 年代以来，资产配置策略的研究在海外迅速发展。随着资产类别的丰富，大类 资产配置策略从 60/40 组合、等权重投资组合、全球市场投资组合等传统策略发展到以收 益、风险为基础的量化策略，以及以美林时钟模型为代表的主动策略；大类资产配置理论 经历了从静态到动态、从定性到定量、在定量模型中融入主观判断的过程。目前，大类资 产配置策略主要可以分为四种类型：基于收益与风险的投资模型，以均值方差模型、 Black-Litterman 模型等为代表；仅基于收益的投资模型，例如股债风险溢价模型；仅基于 风险的模型，例如风险平价模型；以及基于投资者效用的模型。

在此，我们构建一个简单 的股债商投资组合来证明资产配置策略的有效性：以中美股债和金属、贵金属、原油等大 宗商品作为底层资产，在 2001-2022 年的回测区间内，持有任意单一底层资产的夏普比率 都不超过 0.5，而简单的等风险策略组合夏普比率为 1.01，等权重策略组合的夏普比率为 0.77。

资产配置策略之所以能够取得超越单一资产的夏普比率，主要是来自于不同资产类别之间 的低相关性甚至是负相关性。实证研究中我们发现，同一大类资产内部的相关性通常较高， 而不同大类资产之间的相关性通常较低。用不同类别的资产构建投资组合，我们可以在大 类资产层面实现风险的对冲，从而显著提高模型的稳健性，录得更高的夏普比率。

资产配置策略迎来发展机遇

2019-2021 年，《资管新规》逐步落地，其中最引人关注的便是银行理财产品开始打破刚兑， 以往传统的保本型理财产品将不复存在，净值化改造势在必行，投资者的稳健理财需求亟 待满足。适逢 2019 年 A 股进入上行周期，叠加债券市场也有波段性机会，在“政策+市场” 的双重驱动下，兼顾收益与风险的“固收+”概念应运而生并迅速得到市场认可。

目前大部分“固收+”策略的管理模式是以固定收益类资产为底仓，以权益、可转债、衍生 品等工具作为“+”的主要成分。以往“固收+”策略中“固收”的成分和“+”的成分往往 具备较低的相关性和较高的对冲属性，然而，2022 年，金融市场超预期因素频发，既包括 美国通胀和加息等周期性内生因素，也包括地缘政治冲突等外部冲击，在这种超预期的市 场环境下，资产间出现较为罕见的股债正相关现象，“固收+”策略迎来挑战，亟须多样化 策略对冲风险，寻找低相关性的创新性产品和策略纳入多元化投资组合，成为了“固收+” 策略开发的关键。

“固收+”策略的本质上是一种“核心+卫星”的策略，“+”成份可以有很多种，既包括可 转债、权益等产品，也包括打新、定增、CTA 等策略，甚至可以包括中证 500、中证 1000 股指期货等衍生品，以及其他多元化的金融产品和策略。在这种背景下，资产配置策略迎 来发展机遇：资产配置策略的底层资产既可以包括权益、债券等传统主流资产，也可以包 括外汇、期货、衍生品等另类资产，丰富的底层资产池提供了多元化的投资选项；另外， 资产配置策略可以通过不同的构建逻辑，攫取不同市场、不同类型（Beta、Alpha、Gamma） 的投资收益，为传统的投资方法提供差异化的收益来源。

华泰大类资产配置策略投研体系

华泰证券金融工程组深耕资产配置领域，自2016年始我们在周期起源、周期规律、资产 配置模型等方面展开系列研究，通过系统动力学等数理研究方法探寻周期的起源，创新性 地验证了金融经济系统统一周期的存在，发现周期对资产价格和宏观指标普遍具有较高的 解释力度，是资产价格运动的主要推动力，并基于周期规律开发了一系列全球大类资产配 置策略。

近年来，我们将资产配置研究从周期因子拓展到其他收益因子上，包括但不限于宏观、动 量、期限结构等，在全球股票、债券、商品等大类资产上探索差异化收益来源，开发了一 系列大类资产配置策略，并持续发力构建多样化、低相关性的策略池。面对纷繁复杂的金 融世界，我们逐渐在资产配置策略开发过程中形成了一套较为完善的投研体系，将策略开 发分为数据层、指标层、策略层和实践层四个层次，以期在复杂多变的市场中及时抓住“数 据流”变化规律，提高“资金流”胜率。下文我们将对华泰资产配置策略体系进行展开介 绍。

2.华泰资产配置策略体系：Beta策略为主，Alpha、避险策略为辅

华泰大类资产配置策略体系以 Beta 策略为主，Alpha 策略、避险策略能够提供与 Beta 策略 有一定差异的收益来源。 Beta 策略主要是指承担金融市场系统性风险、获取金融市场长期回报的一类策略，并不是 仅仅指代跟踪某个特定的指数的被动策略。Beta 策略通常有全球股票、债券、商品等资产 的多头敞口，各资产在组合中的配置权重可以通过风险平价、周期轮动或宏观因子等模型 进行计算，该类型策略一般具有容量大、成本低、长期业绩表现好、回撤可控等优势。我 们开发的 Beta 策略主要包括金融周期、宏观因子、趋势配置三个系列，每个系列又包含若 干个子策略。

Alpha 策略主要是指与 Beta 策略相关性较低的一类策略，其中期限结构、商品曲线策略是 市场中性的，商品动量、利率动量策略则是根据商品或利率当前的动量因子信号决定对应 资产的多空头寸，不一定是市场中性的，但收益及风险来源与 Beta 策略有较大区别，因此 也归入了 Alpha 策略中。 避险策略顾名思义，当市场突发风险事件时能够提供避险收益，一般与 Beta 策略呈现低相 关或负相关性，能对传统策略池形成有利的补充。

Beta策略

华泰大类资产周期精选 S1 型策略（HYCLE-S1） HYCLE-S 系列策略是以周期理论为基础构建的全球资产配置策略，该系列策略力图在不同 的经济周期环境下配置最为适宜的大类资产、以获取大类资产轮动的收益。因此该类策略 会根据周期模型信号，在集中配置某一类大类资产的基础上，在地域或子类标的上进行适 当分散化。同时搭配风控机制来防范市场风险和模型风险。 周期模型以资产价格周期为着眼点，发现国内外主要资产均具有与宏观数据类似的周期性。 资产价格的周期性实际上也是宏观经济周期在资产上的映射，价格数据是交易所得，表现 出的周期性甚至比宏观数据更好。周期性的存在使得资产价格具有了可预测性，HYCLE-S 系列策略就采用周期模型对资产价格未来的表现进行预测，从而找到最具有性价比的大类 资产。

具体到 HYCLE-S1 策略上，该策略发布于 2020 年 4 月 30 日，策略可配置底层资产包括全 球流动性较好的股票指数、国债期货和大宗商品指数共 14 个。策略基于周期模型配置大类 资产，并借助波动率控制技术、资产价格截断技术、风险指标预警机制、中期择时辅助等 手段控制风险。该策略在宏观趋势主导资产价格的环境下往往都能有较好表现，2022 年全 球多数国家经济走弱同时叠加高通胀影响，导致资产价格主要受制于海外加息政策，因此 2022 年表现不佳，其余年份策略均获得正收益。全样本回测期间（2010.06.01-2023.04.14）， HYCLE-S1 策略年化收益率为 5.67%，夏普比率 1.25，最大回撤 13.77%。策略月度胜率 60.39%，单月最大涨幅 3.98%，单月最大跌幅 2.73%，平均月度收益 0.47%。

华泰大类资产周期精选 S2 型策略（HYCLE-S2） HYCLE-S2 策略是在 S1 策略基础上的升级版本，策略发布于 2022 年 2 月 14 日。S2 策略 一方面扩充了底层资产，将可投资子类资产扩充至 26 个；另一方面增加战术配置层面并优 化风险控制机制。S2 策略配置逻辑由战略配置、战术配置、风险控制三个维度组成。战略 配置层面采用周期模型在股债商中选择最具有配置性价比的大类资产，战术配置层面采用 动量模型优选上涨动力更强的子类资产，风险控制层面组合应用多种风控措施控制策略回 撤。

与 S1 相比，S2 策略风险控制机制更为严格，回撤控制相对更优。两个策略的收益来源比 较一致，都是力求获取资产轮动的收益，同样在宏观趋势主导资产价格的环境下表现较好， 在 2022 年表现不佳。全样本回测期间（2010.05.26-2023.04.14），HYCLE-S2 策略年化收 益率为 6.41%，夏普比率 1.45，最大回撤 6.42%。策略月度胜率 60.00%，单月最大涨幅 4.49%，单月最大跌幅 3.16%，平均月度收益 0.53%。

华泰大类资产周期动量 M1 型策略（HYCLE-M1） 华泰大类资产周期动量 M1 型策略（HYCLE-M1）是基于周期和动量理论研发的量化投资 策略，发布于 2021 年 8 月 20 日。该策略底层资产包括全球主要金融市场股票、国债和黄 金、原油等主流商品，依托华泰周期理论和因子投资方法，将“周期”和“动量”两个相 对独立的收益因子在风险预算框架下进行结合，均衡使用。在风控方面，辅以中期择时手 段动态调整杠杆水平，以增强观点灵敏性，引入止损模块进行日度监控，规避可能存在的 尾部风险。

策略的构建基于风险平价模型，在不同类别的资产之间尽可能实现风险的分散化；另一方 面，策略的收益来源被分散至三个不同的层面，分别是：1：使用周期模型确定长期观点， 即股票、债券、商品三种大类资产的相对排序；2：使用动量模型确定中期观点，即具体资 产在动量回看期内的强势和弱势表现；3：使用更短期限的技术指标确定短期观点，判断当 前的资产走势是否与中长期观点相背离。通过三个层面的观点分散，策略也同时实现了收 益来源的分散，提高了策略运行的稳健性。

全样本回测期间（2010.06.01-2023.04.14），HYCLE-M1 策略年化收益率为 5.86%，夏普 比率 1.44，最大回撤-5.60%。单月最大涨幅 3.86%，单月最大跌幅 2.11%，月度胜率 64.52%， 平均月度收益 0.48%。

华泰宏观因子资产配置 C1/C2 型策略（HACRO-C1/C2） 宏观经济环境的变化对投资活动有很大的影响，投资者在宏观经济上的成功分析和预测， 会带来较为明显的投资收益。宏观经济分析师通常使用不同的统计和测量方法，对经济环 境的重要外部影响因素进行评估，包括经济增长、通货膨胀、流动性、人口结构、就业、 自然资源、文化、政策和法律等。宏观因子主要关注对经济环境有显著影响的经济变量， 用定量的方法描述这些经济变量的波动。根据统计方法确定宏观因子和特定资产类别之间 的联系，利用对宏观因子运行趋势的判断，识别当前的经济状况，并指导资产配置。

华泰宏观因子资产配置 C1/C2 型策略（简称 HACRO-C1、HACRO-C2）以宏观因子研究 （包括增长、通胀、信用、货币四个维度）为核心，在不同的经济状态下适应性配置不同 的资产组合，以期获取长期稳健投资回报；同时辅以动量、估值两层风控手段作为双保险， 在资产处于趋势下行阶段或股票、债券资产过度高估时降低其配置权重，规避市场风险。 C1 策略底层资产包括境内股、债、商三个大类，C2 策略底层资产仅含境内股、债，这两 个策略均发布于 2022 年 11 月 7 日。

全样本回测期间（2014.01.03-2023.04.14），HACRO-C1 策略年化收益率为 9.05%，夏普 比率 1.81，最大回撤-5.39%。单月最大涨幅 4.04%，单月最大跌幅 3.67%，月度胜率 68.75%， 平均月度收益 0.72%。HACRO-C2 策略年化收益率为 8.76%，夏普比率 1.74，最大回撤 -5.62%。单月最大涨幅 4.12%，单月最大跌幅 4.43%，月度胜率 73.21%，平均月度收益 0.69%。

在华泰金工前期报告《行业配置策略：投资时钟视角》（2021-07-06）中，我们从股利贴现 模型（DDM）出发，以实体经济景气度和流动性环境两个角度对资产定价机制进行拆分， 以定量的方式刻画国内宏观经济环境中最重要的经济变量，构建增长、通胀、信用、货币 四个维度的宏观因子体系。宏观因子的变化体现了经济环境的波动，利用宏观因子在最近 一段时间的走势，对国内经济状况、国家财政和货币政策、资本市场资金环境进行前瞻判 断，作为大类资产配置的依据。 华泰金工的宏观因子体系综合考虑了多个维度的宏观经济指标，包括采购经理指数（PMI）、 居民消费价格指数（CPI）、生产者价格指数（PPI）、货币供应量（M1、M2）、社会融资总 额、货币市场利率等，通过增长、通胀、信用、货币四个宏观因子，对国内的重要宏观经 济风险进行刻画。

华泰全球趋势配置策略（HATSG1） 华泰全球趋势配置策略采用跨资产趋势交易模型和风险平价模型，在全球主要的股票、债 券、商品资产上进行动态、多元化配置。 策略以截面动量模型为核心，秉承“强者恒强”的理念，动态配置趋势更强的资产，被选 中资产采用风险平价配置，同时辅以日度波控模型平滑组合收益和波动，降低“黑天鹅” 冲击下的回撤风险。策略采用月度调仓设计，权重的计算和调整分散在多条相互不重叠的 路径上，以此降低交易拥挤风险和参数过拟合风险。

策略构建流程：1、跨资产趋势交易模型采用多维度、多期限的截面动量因子综合打分，动 态捕捉资产间的轮动效应，并选择趋势更强的资产进行配置；2、风险平价模型本质上是给 低波动资产分配更高的权重，给高波动资产分配更低的权重，以此实现风险来源的充分分 散、均衡；3、日度波控模型通过实时监控组合风险水平，并在风险超过阈值时自适应降低 组合仓位，提升业绩表现的稳健性。全样本回测期间（2010.01.06-2023.04.14），HATSG1 策略年化收益率为 5.65%，夏普比 率 1.52，最大回撤-5.62%。策略月度胜率 70.63%，单月最大涨幅 3.05%，单月最大跌幅 3.46%，平均月度收益 0.46%。

华泰中国趋势配置策略（HATSC1） 华泰中国趋势配置策略（HATSC1）采用时序动量和风险预算模型，在国内主要的股票、债 券、商品资产上进行动态、多元化配置。 策略秉承“分散投资”的理念，首先在商品资产内部动态优选与股债互补性更强的品种， 然后通过时序动量模型调整股票、商品资产的风险权重，最后辅以日度波控模型平滑组合 收益和波动，降低“黑天鹅”冲击下的回撤风险。策略采用月度调仓设计，权重的计算和 调整分散在多条相互不重叠的路径上，以此降低交易拥挤风险和参数过拟合风险。

策略构建流程：1、商品优选模块在商品内部动态优选与股债互补性更强的品种纳入投资组 合，以实现风险来源的充分分散；2、预算调整模块采用多维度、多期限的时序动量因子综 合打分，对股票和商品类风险资产进行多空判断，并相应地调整风险权重，提升收益弹性； 3、风险预算模块会根据各资产所分配的风险权重和历史波动率计算目标配置权重，使得组 合中各资产风险贡献与预设的风险权重相匹配；4、日度波控模块通过实时监控组合风险水 平，并在风险超过阈值时自适应降低组合仓位，提升业绩表现的稳健性。全样本回测期间（2014.01.06-2023.04.14），HATSC1 策略年化收益率为 6.71%，夏普比 率 1.74，最大回撤-4.33%。策略月度胜率 70.54%，单月最大涨幅 3.59%，单月最大跌幅 1.97%，平均月度收益 0.54%。

Alpha策略

华泰商品期限结构策略（HCOS1） 华泰商品期限结构策略（HCOS1）基于期限结构因子，在国内主要的商品资产上进行多空 配置。 商品期货一般具有多个不同到期日的合约，由于基本面供需、持有成本、季节性特征、套 保需求等因素的差异，这些合约往往具有不同的价格，通常把这种期货合约到期日与价格 的关系曲线定义为期限结构。如果近期合约价格高于远期合约价格，期货期限结构向下倾 斜，称为期货贴水（Backwardation）；如果远期合约价格高于近期合约价格，期货期限结 构向上倾斜，这种情况称为期货升水（Contango）。

商品期限结构反映了供需关系，对商品价格有一定的预测作用：短期内供过于求的商品， 现货价格低，更容易出现升水结构，期货价格有下跌收敛至现货价格的压力，因此适合持 有期货空头；短期内供不应求的商品，现货价格高，更容易出现贴水结构，期货价格有上 涨收敛至现货价格的动力，因此适合持有期货多头。 华泰商品期限结构策略通过构建展期收益率因子来定量刻画商品期限结构形态，动态做多 展期收益率高（贴水结构）的品种，做空展期收益率低（升水结构）的品种，获取长期稳 健向上的回报。策略采用月度调仓设计，权重的计算和调整分散在多条相互不重叠的路径 上，以此降低交易拥挤风险和参数过拟合风险。

策略构建流程：1、动态筛选过去一段时间成立期限、交易量、持仓量满足要求的品种，保 证底层品种的可交易性和策略的整体容量；2、针对满足流动性检测的品种，计算展期收益 率，并按照从高到低的顺序排序，做多展期收益率前 50%的品种，做空展期收益率后 50% 的品种；3、多、空组合内部等权分配，多头和空头组合市值相等，保持市值中性，并按照 目标波动率统一缩放至合意水平。全样本回测期间（2010.01.06-2023.04.14），HCOS1 策略年化收益率为 5.84%，夏普比率 1.66，最大回撤6.04%。策略月度胜率67.50%，单月最大涨幅2.58%，单月最大跌幅2.03%， 平均月度收益 0.48%。

华泰静态商品曲线策略（HCOCS1、HCOCS2）华泰静态商品曲线策略1、2（HCOCS1、HCOCS2）与华泰商品期限结构策略（HCOS1）原理较为相似，主要有两点区别：1、HCOS1策略主要在国内的商品资产上进行配置，而HCOCS1、HCOCS2策略主要在境外的商品资产上进行配置；2、HCOS1策略通过动态做多展期收益率高（贴水结构）的品种、做空展期收益率低（升水结构）的品种来获取长期稳健回报，而HCOCS1、HCOCS2策略则在每个品种上都保持多空中性，对于指定的品种通过做多远期合约、做空近期合约来获取回报。

在无套利假设下，期货价格等于现货价格加上持有成本，持有成本包括仓储费用、交割费 用、资金成本等，通常大于零，因此一般商品期限结构曲线会呈现升水结构（Contango）， 做多远期合约、做空近期合约是有利可图的。HCOCS1 策略通过做空近月合约、做多次月 合约获取回报，HCOCS2 策略通过做空近月合约、做多 3 个月远期合约获取回报，理论上 这两个策略的收益与商品自身的涨跌无关，但当商品期限结构曲线的形状发生大幅变化时 可能会承受风险。

全样本回测期间（2002.01.08-2023.04.14），HCOCS1 策略年化收益率为 8.24%，夏普比 率 2.07，最大回撤-6.05%。策略月度胜率 75.78%，单月最大涨幅 4.88%，单月最大跌幅 3.70%，平均月度收益 0.67%。HCOCS2 策略年化收益率为 8.54%，夏普比率 1.97，最大 回撤-9.77%。策略月度胜率 72.27%，单月最大涨幅 4.92%，单月最大跌幅 4.99%，平均 月度收益 0.69%。

华泰全球趋势平衡策略（HGAMB）华泰全球趋势平衡策略从商品资产短期趋势中获益。商品市场主要受供需影响，与股票、债券等其他金融市场相关性通常较低。部分大宗商品的大幅波动往往在较短时间内实现，体现为较强劲的短期趋势。华泰全球趋势平衡策略主要捕捉能源、工业金属、农产品的短期趋势，在商品资产波动幅度较大的场景中有较佳的收益表现。

华泰全球趋势平衡策略构建一篮子商品期货的资产组合，并模拟组合的跨式期权多空 delta 头寸，来跟踪组合的短期趋势。跨式期权可以分解为行权价、历史波动率等参数一致的看 涨期权与看跌期权，跨式期权的 delta 等于看涨期权 delta 与看跌期权 delta 之和。若底层 资产大幅上涨，则看涨期权 delta 大幅上涨，看跌期权 delta 为负值，极限为上升至 0；若 底层资产大幅下跌，则看跌期权 delta 大幅下降，看涨期权 delta 为正值，极限为下降至 0。 映射到策略持仓上，体现为资产上涨时持仓为多头且迅速加仓，而资产下跌时持仓为空头 同时迅速加仓。

华泰全球趋势平衡策略主要受益于商品的短期趋势，在商品资产短期呈现震荡的行情中可 能表现不佳。由于策略每日根据跨式期权delta值进行头寸调整，为保证持仓相对平滑，避 免过多交易费用的损耗，华泰全球趋势平衡策略模拟多个剩余期限不一的期权的delta值， 以平均值作为持仓。其中剩余期限较短的期权，delta变化更灵敏。每个期权在期初均模拟 为虚值期权，使得策略在趋势不明显的场景中仓位较低且波动相对较小，可有效降低成本。 华泰全球趋势平衡策略在全样本回测期间（2007.03.02-2023.04.14）年化收益率为4.55%， 夏普比率为0.65。策略在2008年、2014年、2020年收益表现较佳，年度收益均超过20%。

华泰短期利率动量策略（HSTIRM） 华泰短期利率动量策略通过构建利率期货的多空组合，捕捉海外利率市场的趋势，实现对 利率走势的跟踪和预测。经济的状态会影响央行的货币政策，从而影响短期利率的趋势性 变化。若货币政策宽松，利率会倾向于下行；若货币政策紧缩，利率则大概率上行。央行 的货币政策通常具备一定的持续性，因此利率的变化也会呈现一定趋势。华泰短期利率动 量策略的主要收益来源于海外利率相对稳定的长期趋势，主要的风险则在于货币政策的突 然转向导致利率走势的逆转。 华泰短期利率动量策略根据利率的动量信号确定持仓的方向及具体仓位。其中动量信号由 底层资产不同时间区间的动量特征综合打分确定，仓位则依据资产的波动率进行调整。

全样本回测期间（1999.12.13-2023.04.14），华泰短期利率动量策略年化收益率为 4.04%， 夏普比率 0.84。华泰短期利率动量策略在 2022 年全年收益达 26.02%，主要原因在于 2022 年美联储与欧央行快速加息且后续加息路径相对清晰，利率期货动量信号能明确捕捉货币 政策的连续性，策略获得较佳收益表现。需要指出，在货币政策可能发生转向、海外利率 趋势相对模糊的场景中，策略可能发生一定回撤，2023 年 3 月策略跌幅 5.23%。

避险策略：华泰全球多资产避险策略（HDGA） 华泰全球多资产避险策略构建防御型多资产头寸，策略目标是在危机爆发时提供避险收益。 风险事件突然爆发时，进攻资产通常下跌，防御资产则明显上涨。举例而言，工业金属、 能源等商品较为迅速反映需求端的悲观预期而下挫；资金从新兴市场撤出导致新兴市场货 币贬值、美元升值；避险资金流入发达国家市场推升发达市场债券资产。

华泰全球多资产避险策略通过做多避险资产、做空风险资产构建防御型资产组合，并模拟 组合的看涨期权多头 delta 头寸，来捕捉危机收益。策略的核心包括两个部分，其一是防御 型资产组合能在危机期间实现较好的收益表现，其二是看涨期权多头 delta 能在危机时迅速 上涨，从而映射到策略持仓的快速加仓。另一方面，在非危机时刻防御型资产组合通常呈 现下跌走势，看涨期权多头 delta 头寸也会下跌，且最小值为 0，反映为策略持仓的下降， 且最低持仓为 0。华泰全球多资产避险策略旨在危机期间获取可观收益，同时在非危机期间 有效控制回撤。

为避免持仓的剧烈波动导致交易费用的大幅损耗，华泰全球多资产避险策略模拟多个剩余 期限不一的期权的 delta 值，以平均值作为持仓。其中剩余期限较短的期权，delta 变化更 灵敏。每个期权在期初均模拟为虚值期权，使得策略在非危机期间仓位较低且波动相对较 小，可有效降低成本。 从策略构建逻辑与业绩表现来看，华泰全球多资产避险策略在突发事件驱动的危机中收益 表现较佳。全样本回测期间（2007.01.02-2023.04.14），华泰全球多资产避险策略年化收益 率为 2.61%。策略在不同自然年度收益表现分化，在 2008 年、2014-2015 年、2020 年均 获得较高收益，避险属性明显，与常见 Beta 策略的收益特征形成一定的互补效果。

多策略融合能够分散投资组合的收益与风险来源，提升业绩表现

我们将上述所有策略的业绩表现汇总，并对策略间相关性进行计算。可以发 现，Beta 策略间相关性较高，而 Beta 策略、Alpha 策略、避险策略这三大类策略间呈现低 相关或负相关属性。由此，我们可以将 Beta 策略、Alpha 策略、避险策略进行融合，分散 投资组合整体的收益与风险来源，提升组合业绩表现。

在操作层面上，我们需要预设一个合理的比例，将不同种类的策略按该比例进行融合：1、 Beta 策略具有容量大、成本低、长期业绩表现好、回撤可控等优势，适合作为融合策略的 核心资产，具体来说，融合策略 70%左右的权重可以由 Beta 策略构成；2、Alpha 策略与 Beta 策略相关性低，具有差异化的收益和风险来源，适合作为融合策略的卫星资产，具体 来说，融合策略 20%左右的权重可以由 Alpha 策略构成；3、避险策略在市场出现风险事件 时能够提供避险收益，但市场正常波动时可能收益较低或呈现负收益状态，在融合策略中 不宜占比过多，一般占 10%左右即可。

融合策略示例在全样本回测期间（2014.01.03-2023.04.14）的年化收益率为 8.06%，夏普 比率 2.18，最大回撤-4.02%。融合策略的夏普比率和最大回撤相对于五个子策略均有明显 改善。 在 2014-2023 年间（2023 年数据截至 2023.04.14），五个子策略的年度收益有比较明显的 差异，例如 2022 年 HSTIRM（利率动量）策略的年度收益为 26.02%，HCOS1（期限结构） 策略的年度收益为 5.70%，其余三个子策略均为负收益，HSTIRM 策略弥补了其它策略在 2022 年的弱势，反而该策略在其它策略较为强势的 2014 年并没有突出表现。也就是说， 这些逻辑互不相同的策略形成了有效的互补。融合策略最终在 2014-2023 年每个年份收益 均为正，表现相对稳健。

编辑：999感冒灵