多资产配置：传统资产低利率、高波动下的必经路径

海外经验：以资产多元化，应对无风险收益的趋势下行

传统市场收益中枢走低，大型机构投资者转向多资产配置，寻求丰富收益来源，优化 风险分散效果。从海外机构投资者的经验来看，历史上无风险收益率趋势下降的进程中 （2007-2019 年），资产多元化是重要的对应策略。具体包括海外投资、另类投资两类主 要方式。 回顾来看，经历 2008 金融危机的波动后，海外养老金、主权基金等大型机构投资者 认识到单一资产或策略面对市场冲击的脆弱性，开始寻找具备不同底层资产、不同增长逻 辑的差异化机会，丰富投资组合的收益来源。具体来看，美国、日本、加拿大、澳洲等地 的代表性机构在投资本土股债的基础上拓展海外投资、探索另类投资，形成跨市场、跨地 域的多资产配置，实现投资风险的进一步分散。

配置路径一：拓展海外市场布局，寻找上升周期。机构投资者的资产配置面向中长期， 资金过度集中在本土市场时，组合面临的投资风险与本国经济和市场周期密切相关，在经 济下行、市场波动环境中较为脆弱。而海外市场由于经济环境、政策调节、产业结构等的 不同，同一时段的表现可能与国内市场有明显差异，形成收益、风险上的低相关性。近年 来，代表机构在本土投资的基础上，通过积极主动的海外布局，在拓宽的投资范围中寻找 经济增长周期、产业上升周期带来的机会，不过度牺牲投资收益的同时，显著降低组合的 长期风险暴露。

成立于 2001 年的日本政府养老投资基金（GPIF），建立初期将超过 60%的资金投向 财政计划（FILP）债权及其他政府债，形成面向日本政策利率的大幅敞口，导致收益水平 较低。2012 财年，日政府推进养老金体系市场化改革；基于对前期低收益的思考，在战 略资产组合（Policy Asset Mix）中，GPIF 将境外资产的占比从 2013 财年的 25%提升到 2015 财年的 40%，再到 2020 财年的 50%。在战略组合的指引下，GPIF 实际投资中全球 股债的占比，也从 2012 财年的 22.1%提升到 2022 财年的 48.7%，形成国内股、国内债、 海外股、海外债均衡配置的布局。

基于实践的数据看，海外投资帮助 GPIF 跨过了日本股债市场的衰落阶段。近 10 年， GPIF 投资组合的年均收益率为 6.1%，其中国内投资的年均收益率为 4.9%，海外投资的 年均收益率为 11.0%；尤其在 2018 财年、2020-2021 财年等区间，海外投资对投资组合 形成了显著的风险对冲、收益增厚。

配置路径二：拓展另类市场布局，挖掘差异化逻辑。在金融危机前，另类投资只是少 数先驱投资者的配置方向。但随着公开市场的收益走低，传统股债配置分散风险的效用减 弱；私募股权、实物资产、对冲基金等另类产品由于底层资产、收益逻辑的差异与传统资 产收益呈低相关特征，因而受到机构投资者的广泛关注。同时，另类投资的规模化、长期 化需求也与养老、保险等资金属性相一致。近年来，代表机构在保留一定比例股债投资的 基础上，持续探索另类市场的布局，捕捉公开市场难以触及的产业机会，形成立体化的多 资产配置体系。

例如，1997 年成立的加拿大养老金计划投资委员会（CPPIB），从 2001 财年便开始 探索私募市场的投资机会，以获得超越市场指数的收益。在 2002 财年、2003 财年和 2009 财年，CPPIB 分别形成了首笔私募股权、房地产和能源设施的投资。随着 CPPIB 的风险 承担能力不断提升，CPPIB 对私募资产的偏好也在增强。截至 2023 财年末，仅考虑旗下 Base CPP 组合，CPPIB 在公开市场股票、债券上的投资比例分别为 27%和 23%；私募 股权成为占比最高的资产类别，占比达到 32%；房地产、基础设施等实物资产占比 18%， CPPIB 超半数的资金配置于另类资产。

另类资产投资不仅是收益的“增强器”，同时也是风险的“缓冲垫”。扣除费用因素后， 参考组合（Reference Portfolio）近 10 年的年化收益率为 9.2%，年收益波动率为 9.8%； 实际投资近 10 年的年化收益率为 10%，年化波动率为 6.3%。在传统资产收益下降的环境 下，如 2016 财年、2020 财年和 2022 财年，CPPIB 组合均体现出较稳健的收益特征。根 据 CPPIB 内部的业绩归因，私募市场相关的配置和选择，近 5 年为组合带来了 3.0%的累 计收益贡献；同时对波动的降低起到了助力作用。

国内实践：资产多元化起步阶段，多重约束、道阻且长

保险资金配置：以固定收益为主，兼顾二级市场股票和一级市场股权。保险资金是国 内最重要的机构投资者之一。截至 2022 年末，中国保险资产管理业协会调研覆盖的 196 家保险公司投资资产规模 23.86 万亿元，保险资金整体保持以利率债、信用债和银行存款 （含现金及流动性资产）为主的配置结构，合计占比 55%，同比前两年基本持平。二级市 场股票的比例在 7%~9%的区间，公募基金（股票及混合）占比在 2.5%~3%。其他投资品 种有债权投资计划、信托计划、股权投资、投资性房地产以及境外投资等。值得注意的是 股权投资所占比例已连续两年超越股票投资，上升至大类资产配置结构第四位，仅次于利 率债、信用债和银行存款，2022 年投资比例为 7.8%。

银行理财产品配置：债券和同业存单为主，兼顾非标、权益和公募基金。根据银行业 理财登记托管中心数据，截至 2023Q2，银行理财产品投资资产合计 27.7 万亿元，杠杆率 109.1%。理财产品资产配置以固收类为主，其中：1）债券类投资占比 58.3%，包括债券 投资（占比 47.7%）以及同业存单投资（占比 10.6%）；2）非标资产投资占比 6.7%；3） 权益类资产投资占比 3.3%；4）公募基金投资占比 3.2%。 “资管新规”实施以来，非标资产、权益类资产配置比例逐步下降；受 2022 年底理 财产品赎回影响，公募基金配置比例有所下降，2023 年上半年小幅回升。相比 2022Q4， 2023 年上半年现金及银行存款的配置比例显著提升（6.23pcts），债券、同业存单的配置 比例有所下滑（均为-2.7pcts），公募基金配置比例小幅提升（0.5pct）。

公募基金：多资产工具逐渐丰富

截至 2023 年 9 月末，除传统的股票、债券、混合、货币基金之外，国内公募基金行 业已提供股票多空、商品、QDII、REITs 等相对丰富的配置工具，虽然在整个行业中的规 模占比并不大，但是从基金数量而言，每一类品种均超过 20 只，尤其 QDII 基金中覆盖了 不同国家的股票和债券资产以及商品资产，已经为投资者提供了较大的选择空间。

多资产配置方案：基础框架与业务模式

多资产配置方案的基础框架

系统化多资产配置方案的设计，核心依赖六个要素：1）客户需求刻画（收益、风险、 流动性、投资范围等）；2）底层资产选择； 3）战略配置中枢；4）战术配置调整；5）辅 助机制设计；6）策略效果展示等。

步骤一：客户需求刻画。准备、全面地捕捉客户需求是构建多资产配置方案的重要前 提。传统资产配置模型大多从供给侧出发，而财富管理背景下，需要考虑投资者更加多元 化、个性化的需求。客户需求大概包括三类：一是收益端需求，例如最低回报率、持有胜 率等要求；二是风险端需求，例如目标波动率、滚动回撤、VaR/ES 等要求；三是其他个 性化需求，例如资产可投范围、流动性需求等。

步骤二：底层资产选择。底层资产是构建多资产配置方案的基石，纳入适宜的底层资 产能够改善组合投资绩效、提升模型求解效率。首先，需要明确类别划分方式，即确定是 基于大类资产指数的配置，还是基于行业、策略、基金、因子等其他指数类别的配置。其 次，在构建底层资产的可行集，可以采用定性与定量相结合的方式，定性方面更多考虑资 产收益来源的多样性与相关性，定量方面则基于 MV Spanning 方法量化选择能够改善有 效前沿的资产纳入可行集。

步骤三：战略配置中枢。结合客户需求与底层资产可行集，选择最优的配置模型计算 长期战略配置中枢。1952 年 Markowitz 提出了著名的投资组合理论，创造性地提出了用 均值刻画收益、用方差刻画波动的均值-方差理论（MVT, Mean-Variance Theory），将投 资者的资产配置问题转化成了标准的最优化问题，即在一定的约束下，通过选择最优的配 置比例来权衡组合的收益与风险。虽然均值方差模型给出了理论上最优配置比例的求解范 式，但由于对于资产收益风险输入过于敏感的问题，在投资实践中的表现欠佳。后续的资 产配置模型发展主要包括三大类。

继续做收益风险预测的均值方差类模型。该类模型沿用 MVT 框架，通过主动收 益预测等方式来提升收益的预测精度，以期改善均值方差类模型的表现。例如： BL 模型利用贝叶斯收缩将资产的先验均衡收益与主观观点收益进行融合，得到 后验概率误差最小的资产预期收益；投资时钟模型在划分经济周期的基础上，通 过预判经济周期位置来更精准地预测资产预期收益。 

放弃收益预测，只做风险预测的风险配置类模型。该类模型认为收益率难以预测 且扰动影响更大，相比之下风险（协方差矩阵）的结构更为稳定且容易预测，因 此只做风险维度的配置。例如：风险平价模型要求底层资产的总风险贡献（TRC） 相等；风险预算模型允许在风险平价的基础上加入一定观点，即自定义规则去分 配各个底层资产的总风险贡献；全天候模型将风险平价与宏观周期融合，在各个 周期内资产实现风险平价的基础上，进一步要求每个周期的组合风险平配。 放弃收益及风险预测，制定纪律规则分配权重。该类模型认为收益、风险都难以 预测，通过设定规则并遵从纪律执行的方式来分配权重。例如，恒定股债比例策 略通过需求端的风险偏好程度来校准长期权益仓位，并依恒定比例进行配置；组合保险类策略通过设定保本目标，利用固收资产积累安全垫、权益资产搏收益的 形式分配权重。

步骤四：战术配置调整。在得到战略配置中枢的基础上，灵活进行战术偏离，得到最 终的最优配置比例。主观调整可以结合自上而下视角多维度考量，例如：宏观层面关注增 长因子、通胀因子、剩余流动性因子等宏观指标；中观层面关注 ERP、PIR 等股债性价比 指标；微观层面关注风险偏好指标、动量指标等微观结构类指标。量化调整可以将择时信 号与量化配置模型进行融合，例如 BL 模型中定期调整观点输入、风险预算模型中定期改 变风险贡献分配规则、组合保险策略中定期调整风险乘数。

步骤五：辅助机制设计。在完成战略与战术配置的基础上，叠加一些辅助性的机制设 计来进一步改善组合绩效，以增强投资者的持有体验。例如固定期限/固定阈值的再平衡、 盯市类的止盈止损、收益平滑机制等。 步骤六：策略效果展示。完整的配置方案既需要通过历史回测数据的检验，也需要进 行预期收益的展示。通过历史回测可以展现不同配置模型之间的效果优劣、滚动持有期下 的收益分布等；通过未来收益展望可以展现策略的预期表现特征、不同情境下的策略表现 等。两者互相结合，能够对配置方案的效果有更加清晰的认知。

多资产配置方案的业务模式：以 Model Portfolio 为例

Model Portfolio 是一种由投顾使用、代表其客户遵循实施的组合解决方案，根据具 体需求灵活调整组合内容。与 ETF-FOF 不同，Model Portfolio 本身并非可投资产品，而 是通过核心策略和模型满足某类目标，包括收益实现、波动控制、抗通胀、节税等进而为 资产配置、基金筛选提供蓝图。投顾可以采用 Model Portfolio 作为基础方案，并根据客户 的资金规划、风险偏好特征进一步调整组合，形成最终的配置方案。 Model Portfolio 搭建了标的产品与投顾、客户间的桥梁，允许投顾将更多精力投向“顾 问”职责，即关系维护、客户画像与管理。而具体的配置、选基等投资管理职责则外包给 专注于组合构建的投资专业人士。总体而言相比 ETF-FOF，非产品的 Model Portfolio 保 留低成本优势的同时，提高了组合配置的专业度、灵活度，进一步解放了投顾的投管职责。

基于 ETF 的全球多资产配置策略

以下利用分层风险预算、目标风险模型以及组合保险策略，展示基于 ETF 的多资产 配置策略案例。模型底层的大类资产涉及 A 股、全球股票、债券、商品四类。细分资产方 面，A 股包括沪深 300、中证 500 和中证 1000，全球股票包括恒生中国企业指数、标普 500 指数和纳斯达克 100，债券包括利率债和信用债，商品为黄金和原油。回测起止日期 为 2013/12/31~2023/10/31，模型在每月最后一个交易日调仓。此外为了对比全球资产分 层风险预算模型的效果，我们将等权模型、风险平价模型、国内资产风险预算模型的表现 进行列示，以方便对比参考。

风险预算模型：基于全球资产的分层风险预算

风险预算模型可以视为融入主观观点的风险平价模型。风险平价（Risk Parity）模型 最早由 PanAgora 基金的首席投资官钱恩平（Edward Qian）博士提出，通过平衡分配不 同资产类别在组合风险中的贡献度，使投资组合不会暴露在单一资产类别的风险敞口中。 风险预算（Risk Budget）模型是一种泛化形式的风险平价模型，可以结合主观观点调节各 类资产的风险贡献分配，从风险平价模型要求的???1 : ???2 : … : ???? = 1: 1: … : 1，泛化 到自定义的???1 : ???2 : … : ???? = ?1 : ?2 : … : ??。

相比于风险平价模型，风险预算模型既有优势，也有劣势。风险预算模型通过调节风 险贡献比例，能够在一定程度上解决“风险平价模型总是为固收资产分配更多权重导致组 合收益较低”的问题；同时风险预算模型通过将主观观点和风险平价模型有机结合，能够 在战略配置的基础上灵活实现战术偏离。风险预算模型也存在一定的缺点，如果资产实际 表现与主观判断偏离较大，风险预算模型将出现较大回撤，在业绩稳定性方面会弱于风险 平价模型。

基于市场判断进行调整，构建基于 ETF 的全球多资产分层风险预算模型。  大类资产配置方面，基于市场判断进行动态战术调整，结合风险平价模型进行风 险预算分配。首先利用股权风险溢价指标（ERP）判断，若高于过去三年的 80% 分位数，则对国内股票资产方差缩小调整；若低于过去三年的 20%分位数，则对 国内股票方差进行放大调整。同时考虑技术指标的状态，当中证全指收盘点位上 穿 40 日均线并在下一交易日仍然在均线上方时，发出看多信号；反之下穿 40 日 均线并在下一交易日仍在均线下方时，发出看空信号。观察距离数据截止日最近 的一个信号，如果看多，则将股票方差缩小调整，反之则进行放大调整。  细分资产配置方面，基于风险平价模型进行风险预算分配。计算各细分资产历史 收益表现，为各细分资产分配相同的风险预算。

协方差矩阵估计方面，基于多窗口期数据取平均。无论是风险平价模型还是风险 预算模型均涉及到协方差矩阵的输入，使用底层资产过去 1 个月/3 个月/6 个月的 日收益率的协方差矩阵的均值作为模型输入。 矩阵调整方面，当对国内权益部分的方差进行放缩时，缩放系数为 6。即信号为 看空时将方差扩大 6 倍，信号为看多时将方差缩小为 1/6。 基于全球资产的分层风险预算模型历史业绩表现稳健，且收益出色可归因于多层模型 优化的结果。2013/12/31~2023/10/31 期间，基于全球资产的分层风险预算模型实现年化 收益 6.38%，夏普比率 1.57，卡玛比率 1.12。相比于等权模型，风险预算模型的收益更 高、波动回测更小。可以发现，分层后的风险平价模型收益表现相较于分层前有所改进， 同时基于国内资产的分层风险预算则优于分层的风险平价，而基于全球多资产的分层风险 预算模型表现进一步提升。

从滚动持有的收益分布来看，历史任意时点买入持有 1 年，从中位数水平来看，风险 预算模型年化收益 4.07%，夏普比率 1.29，卡玛比率 1.46，最大回撤-2.56%。从平均水 平来看，风险预算模型历史年化收益 6.29%，最大回撤-3.01%。从极端情形来看，最差的 情况下（95%概率）历史年化收益在-0.20%以上，最大回撤在-5.69%以内。从滚动持有 1 年的历史净值曲线分布来看，大部分样本没有发生破净。超过 93%的样 本净值从未跌破 0.97。持有 1 年正收益的概率 94%，2139 个样本中只有 133 个样本的累 计收益为负。

预计 2023 年 11 月，股权风险溢价指标看多、技术指标看空，此时风险预算模型的权 重分配为：A 股、全球股票、债券、商品的配置权重分别为 4.50%、5.59%、85.42%、4.49%。 细分资产中，各类按照风险平价模型计算得到。 目标风险策略：以多重历史复现，规避“精确的错误” 目标风险模型的核心是组合风险控制。通常使用带风险约束的资产配置模型求解资产 配置比例。例如在均值—方差模型/风险平价模型中加入波动率限制、VaR 限制、E-shortfall 限制等。 

波动率限制：要求资产组合的年化波动率不超过一定的阈值，例如目标波动率为 8%的目标风险模型； VaR 限制：控制资产组合损失超过某一阈值的概率不高于某一定值（1%，5%， 10%），例如要求组合每月亏损大于 1%的概率不超过 5%；  E-shortfall 限制：控制资产在某一置信水平下的最大期望损失，例如要求组合在 90%的置信水平下期望损失在-2%以内，也就是说在极端 10%行情下的平均损失 要在-2%以内。

目标风险模型首先借助重抽样方法改进 MVT 模型，然后在一定波动率约束下求解最 优配置。传统 MVT 模型在求解多资产优化问题时，容易出现部分资产配置权重为 0（角点 解）的问题，一方面完全不配置某些资产比较脱离投资实践，另一方面过于集中的权重分 配也会增加组合的风险暴露。我们使用 MBB（Moving Block Bootstrap）方法进行重抽样， 即从历史收益率序列中进行连续且成组的抽取，连续且成组的抽取方式能够同时兼顾时序 相关性与截面相关性，利用多次抽取的样本拼接构建多组测试样本，通过循环求解不同测 试样本下的 MVT 模型，计算各类资产的期望配置比例。

战略层面上使用基于 Resampling 改进的目标风险模型，战术层面上基于股债性价比 调整 A 股仓位。战略层面以年度周期进行考量，每年末以过去 5 年历史数据为基础，使用 MBB 重抽样构建 1000 个测试样本，基于全部测试样本计算目标风险模型，得到各类 资产的战略配置比例。 战术层面以月度周期进行考虑，每月末计算 ERP 指标在过去 5 年的分位数，如 果超过历史 75 分位数，则在战略中枢的基础上，将 A 股仓位整体增加 10%；如 果低于历史 25 分位数，则在战略中枢的基础上，将 A 股仓位整体降低 10%。A 股内部仓位及其余资产仓位等比例放缩调整。 回测结果显示，相比于传统目标风险模型，基于 Resampling 改进的目标风险模型能 够较好地解决权重集中于某些资产的问题。

改进目标风险叠加战术择时模型历史长期业绩表现稳健。以目标风险 8%为例，改进 目标风险模型的年化波动率为 7.9%，能够满足目标风险要求；而传统目标风险模型年化 波动率为 10.1%，未能达到目标风险要求。此外，在改进目标风险模型基础上，叠加战术 择时信号能够进一步提升业绩表现，夏普比率 1.05、卡玛比率 0.64，均有提升。

组合保险策略：具有保值增值需求的中低风险偏好投资者

在多数资管产品完成净值化转型的今天，稳健型投资的市场需求依旧较高，广泛的稳 健型客户具有“保值增值”的需求，需要通过配置的方式来实现目标。这里我们采用组合 保险模型构建绝对收益 FOF 策略为中低风险偏好的稳健型投资者设计高的本金保护率、 低回撤的资产配置方案；并通过动态调整风险乘数和回撤控制策略进一步提高策略的表现， 为客户提供更好的投资体验。

组合保险策略通过事先设定好的配置原理实现了本金保护的目的。组合保险策略模型 包括动态和静态两类，其中动态模型又包括两种：CPPI 模型与 TIPP 模型。第一种是固定 比例投资组合保险 CPPI，策略提出了要保金额、风险乘数和固收资产预期收益三大核心 参数；第二种是在 CPPI 之上进一步衍生出的时间不变性投资组合保险 TIPP，策略的出 发点是“既要保护本金，又要保护收益”，核心参数也变为保护比例、风险乘数和固收资 产预期收益。 TIPP 模型既保护本金，又保护已实现的超额收益。

TIPP 中文名称为时间不变性组合 保险，是基于 CPPI 模型演化出来的一种组合保险策略。与 CPPI 策略相比，TIPP 的区别 在于将要保金额??从固定的转变为可变的，使其与资产净值挂钩进行动态调整。TIPP 策略 的本质是基于当下的资产净值进行配置比例的再平衡，不仅和 CPPI 策略一样，能实现保 护本金的目的，还能保护持有资产期间获取的收益。但另一方面，由于每次对上一期资产 的保护比重更高，投资于风险资产的比重就会更低，策略相较于 CPPI 也会更保守。

我们针对 TIPP 模型进行了两处优化：第一，将固定风险乘数调整为动态风险乘数， 根据 ERP 分位数水平调整权益配置比重。第二，引入短期止损机制，并添加货币基金作 为底层资产。根据十年期国债 YTM 超过周度均线 4%以上，与权益指数跌破月度均线 10% 两条标准，对债券资产和权益资产进行止损操作。经优化的 TIPP 绝对收益策略在收益率和本金保护率方面有了明显的提升。在本金保 护率上，更换底层资产为基金指数也提高了策略表现，历史上在 95%的时间内策略净值超 过了年初净值的 97%。业绩指标上，TIPP 优化绝对收益策略在最大回撤下降的同时提升 了年化收益率，风险调整后收益显著提升。

基金指数融合另类资产，拓展财富配置边界

另类资产一般指传统的股票、债券、现金之外的金融资产和实物资产，比如私募股权、 房地产、基础设施项目、大宗商品、自然资源等，也包括某些策略，例如对冲基金等。另 类投资通常具有“非标准化”和“低流动性”的特点，对于资产拥有者而言，承担非流动 性风险的收益补充也是其收益来源的重要组成。 从海外较为体系化的经验看，另类资产是资产配置的重要元素，对丰富投资者的资产 配置频谱起到了非常重要的作用。

体系化：基金产品研究和分类体系维护

基金和基金经理的评价流程可以分为以下六个步骤：首先，基于基金经理的代表性产 品构建基金经理的业绩曲线和持仓风格；其次，在合理定义基金经理投资风格、标签和投 资策略的基础上构建对比组；之后，在不同对比组中根据规则筛选出具有超额收益的基金 经理，再确定超额收益的来源即其竞争优势；最后，分析竞争优势的可持续性和竞争优势 存在的环境，并基于最新的数据或信息进行验证。基金和基金经理的研究方法由定量研究和定性研究组成，定量研究是基础，对风格标 签、收益指标、风险指标、业绩稳定性指标、管理人与基金经理、业绩归因指标进行定量 分析，构建对比组进行评价与优选。

通过产品分类体系、量化加智能分析、持续调研、产品管理人定性信息积累、需求驱 动的迭代进化的科学流程以及持续定期的维护，形成了现有的基金分类体系。

指数化：拼图式布局基金核心池指数体系

中信证券指数体系的重大扩容创新是在基金分类标准体系的基础上开发了基金核心 池系列指数，分别从超越基准、行为特征、风格维度、股债配置、固收+和纯债维度出发， 经过拼图式的核心指数布局，目前形成了沪深 300 增强、中证 500 增强、中证 1000 增强、 价值型、成长型等共 16 个系列近 70 条指数，其中包含综合指数、细分指数以及等权指数。

另类投资融合：私募策略与公募基金的动态配置

相较于公募基金，私募基金在资产丰富度与策略灵活度上有显著优势。在权益类资产 投资比例上，股票多头私募基金与灵活配置型基金相似，股票仓位的调整范围非常大，带 来了相对灵活的仓位调整，最终体现为回撤控制上的相对优势。在单一标的的投资比例上， 资管新规规定私募基金投资比例不超过 25%，实践中投资单一股票的比例一般限定在 25% 左右，相较于公募基金更宽松。在金融衍生品和商品衍生品上，私募基金在使用比例限制、 投资品种限制上都更为宽松。 私募基金与股债资产保持低相关性，配置价值较高。如下图所示，市场中性、管理期 货等私募基金与传统的权益类产品如股票策略、多策略、FoF 以及宏观策略私募等，以及 固收类产品，如债券型公募、债券策略私募、套利策略私募等都保持低相关性。因此私募 基金的低相关性能为投资组合带来独特的配置价值。

基于公募基金指数和私募策略进行配置，对比买入持有策略、等权策略、波动率平价、 风险平价以及基于动量的风险平价模型的效果，月度再平衡。其中波动平价和风险平价模型均取过去 1/3/6 个月的历史数据进行平均作为模型的输入；基于动量的风险平价模型则 结合过去一年的收益进行战术调整。回测时间为 2019/4/30-2023/10/23。 从配置结果来看，公私募策略的融合能够在保证一定收益的同时，降低策略的波动和 回撤，提升夏普比率和卡玛比率。具体来看，通过公私募配置，波动率和最大回撤均有优 化。买入持有或等权配置的收益较高，波动率和风险平价模型则能够进一步降低波动和回 撤，夏普比率和卡玛比率最高。

 

编辑：520中国