2024年国信多元资产配置体系

大类资产配置框架变迁

2020-23，自上而下配置思路并未失效，而是核心矛盾变化后需迭代

自上而下的配置思路依然有效：核心矛盾的转变没有改变自上而下的配置框架，货币到信用传导时差（2020）—信用到利润传导梗塞、增收不增利（2021）—民企盈利预期不强、实体部门惜贷（2022）—美债利率压制估值（2023）。2023年，美债高利率压制流动性决定A股走势：国内基本面的分子+美债利率的分母，情绪的因素很难用资产配置框架来解释，但归根到底情绪还是对基本面的预期交易。

中美股市的分化：风险情绪起主导作用

情绪面是两国股市背离主因：情绪面而非基本面、资金面因素是A股和美股2023年以来背离的重要原因。基本面配置框架的“失效” ：无论是国内的“货币+信用”还是海外的“利率+利差”框架，对股市预测都是基于流动性+盈利的原理，风险情绪是较难把握的一环，特别是到了第三季度，更难以用基本面框架加以解释。

产业周期（5-10年维度）贯穿货币和财政周期（1.5-3年维度）

从大消费到高端制造：产业周期至少五年一轮，本轮中长期的主线是大消费切向高端制造业，产业升级与进步取代消费升级成为核心逻辑。党的二十大定调“高质量发展”和“中国式现代化”指明了制造业长足发展方向。制造业基本面和股市的结构机会：类比于美国“再工业化” 、日本的伊奘诺景气和平成景气，制造业产出增速和制造业板块股票表现均跑赢基准。

透过货币+信用视角看盈利和估值分层

紧货币+宽信用期间，容易出现普涨行情（四种状态下涨幅最好），估值分层不影响回报，盈利越好股票回报越高（景气投资）。货币信用双宽松的时点找估值兑现的逻辑，遇到信用承压时抓住盈利主线。货币和信用都紧时回报率弹性不足。宽货币+宽信用期间，投资于股票的胜率最高，不同估值和盈利的分层，胜率都位于8成及以上；宽货币+紧信用期间胜率最低、不足2成，随着盈利的起步回升胜率略有加大，选择盈利景气度高的行业和股票。 货币和信用双宽时选择前50%PE的个股提高安全性，在紧货币和紧信用期间选择低估值、高盈利的个股（价值指数）。

择时：市场情绪和温度测评

国信多资产配置系列指数概览

我们对过往研究阶段中编制的，多资产配置相关的指数进行了汇总分类。这些指数在定性分析的基础上添加完全依赖于数据刻画的宏观环境、市场情绪等维度，帮助投资者更好地把握市场趋势并做出合理的投资决策。基于自上而下的思维出发，对于国内外的货币、财政等政策进行量化观测，以此为基础落实到多资产配置最为重要的两个领域：A股市场和债券市场，通过成交、价格等因素对市场的风险、水位、情绪等进行刻画。

政策脉冲指数的应用和预测

虽然信用脉冲对大类资产价格的传导基本成立，但时常会忽视细节，需要采用政策脉冲来加以判断。相比于单一的信用脉冲指标，政策脉冲指数对于股市和宏观经济的预测能力更强，政策外冲指数的拐点往往领先于股市的拐点出现。最近四轮完整的政策脉冲上行阶段分别于2008.10-2009.11、2012.01-2013.05、2015.6-2016.4、2018.10-2019.12，主要依靠宽信用、宽税收、宽财政的驱动力，推动了股市牛市行情。

国信投资者情绪指数（GSISI）的提示信号和复盘

信号判断规则：若投资者情绪指数连续两次为正(或为负)，则发出利多(或谨慎)信号，且保持这个判断，直到连续两次负值(或正值)情绪指数出现，则发生谨慎(或利多)信号的反转判断；若情绪指数出现正负值交叉的情况，则除最新指数外，前面的交叉情绪指数作废，以最新指数为判断起点，按照前面两条准则重新分析后面的情绪指数。 指数评价：国信投资者情绪指数基本上暗示了沪深300指数的运行趋势。一般而言，投资者情绪乐观产生利多信号时，沪深300指数上升；投资者情绪悲观产生谨慎信号时，沪深300指数下行。

A股交易情绪指数对股市的风险和机会提示

我们采用六类底层指标构造A股情绪指数I，这些指标包括基金溢价率、股市交易量和开户数、IPO数量及首日收益率、经济基本面信心等多个维度，通过量价指标跟踪A股投资者情绪； 此外根据中国A股市场特点，使用一级行业的相对于沪深300指数的Beta系数和收益率等基础数据，可以构建适合国内语境的A股投资者情绪指数II，该情绪指数基本可以提示沪深300等宽基指数的底部和风险。

中观行业轮动指数的构建和应用

行业轮动指数以各行业过去一年左右时间内的涨跌幅排名变化构造，每个行业涨跌幅排名当期没有变化时该指数降至0，指数越高代表行业轮动速度越快。 我们发现，全行业牛/熊程度指标指引下，股市上涨初期往往存在高速轮动；股市普涨转向结构性行情过程中，行业轮动速度下行。 2023年初以来的“行业快速轮动”行情中，轮动降速拐点出现在4月末，5月初轮动速度小幅上行。其中TMT板块在经历了从普涨到分化的演绎后，虹吸效应有所减弱。

中国债市情绪指数底层指标的选取与构建方法

我们采用市场上实际交易中产生的溢价、流动性等数据对投资者情绪进行日度频率的测算，选取国债期货、利率债、信用债三大债市相关板块，共13个二级指标来测算债市情绪指数。综合三大板块的数据，经过KMO和Bartlett检验的去量纲化处理后，我们用主成分分析法降低维度并确定权重，最终构造出日度高频的债市情绪指数。和债券收益率下降表示债券牛市相同，该指数值越低表示债市情绪越亢奋，即指数数值是债券市场情绪的反向指标。

债市情绪指数的回测和应用

债市情绪指数显示出对10年期国债收益率较好的领先性，我们计算了情绪指数滚动三年期的均值±两倍标准差构建上下边际，发现当情绪指数触及上下边际时，提示10年期国债收益率将发生行情反转。债市情绪指数通过交易行为解释债券利率与基本面（通胀+增长+融资）的偏离，对长端收益率和基本面指标间回归的残差有较好的解释力度。 疫情以来近三年货币政策持续宽松的过程中，债券市场除了2022年初“股债双杀”以及四季度的市场踩踏外主基调都是牛市，但市场情绪还处在波动中，情绪指数短期提示的效果有所打折，预计在货币政策回归正常化后效果才会再度显现。

被动配置：多元资产模型的应用

模型比较：各模型的回报和风险表现

从长期回报率来看，均值方差模型、B-L模型和Kelly-Cvar均优于单一资产投资策略和恒定比例组合，从2009年年中以来的年化回报率分别为6.24%、6.28%和5.74%，同时年化波动率均显著小于纯股票投资。风险平价模型的年化回报率高于纯债策略且波动率基本持平，夏普率在所有策略中表现最优。

均值方差模型：现代资产配置的起点

现代投资组合理论(MPT)之父哈里·马克维茨在1952年的论文“投资组合选择”中介绍了均值方差模型(Mean Variance Optimization)，该模型旨在帮助投资者找到能够在给定预期风险下最大化回报水平或在给定预期回报下最小化风险水平的投资组合最佳权重。 我们尝试将均值方差模型运用在中国市场，投资目标为构建最大夏普率组合。考虑了股票、商品和债券这三种基础资产。股票选取的标的为Wind全A指数，债券选取的标的为中债综合全价指数，商品选取的标的为南华商品指数。

B-L模型：对均值方差模型升级改造

Fischer Black 和 Robert Litterman建立了Black-Litterman 模型来对均值方差模型进行优化。B-L模型的核心是使用贝叶斯方法将市场均衡收益（先验分布）和投资者的主观观点相结合，形成资产预期收益的估计值（后验分布），因此B-L模型的构建主要涉及三个步骤，一是形成市场均衡收益、二是将形成投资者主管观点、三是将两者结合起来，而剩余步骤于均值方差模型一致。 用B-L模型对均值方差模型进行优化，同样运用到中国市场进行回测，投资目标为构建最大夏普率组合。

风险平价模型：以风险控制为目标

自2008年全球金融危机以来，风险平价等基于风险的投资组合构建方法在业界和学界广受欢迎。这种需求源于投资者在危机后提高了风险规避意识，以及传统的均值-方差模型对其输入的估计误差太敏感导致缺乏稳健性。 风险平价模型的核心理念是平衡来自不同投资组合组成部分的风险，以控制整体的风险水平。 从国内市场回测表现来看，朴素的风险平价模型在国内市场可能并不适用，模型结果显示配置比例与纯债十分接近。原因主要在于国内股票市场波动性过大，为了使得各资产品种对组合的风险贡献一致，导致股票的配置比例过小。

历史上股债跷跷板并非是常态化事件

股+债产品面临巨大时间成本和显著回撤压力的原因，在于股债“跷跷板”的失灵，“股债双杀”从小概率事件变成了家常便饭。 从宏观基本面因素出发，经济政策不确定性走强、经济数据偏离预期程度较高时更加容易发生“股债双杀”，目前就处在这样的位置。破局关键信号要静待市场情绪、新基金发行、偏离预期程度和外资“聪明钱”等。因此在国内市场“股债双杀”也算不上小概率事件。

宏观对冲基金的“抗跌”特性优异

宏观对冲基金指数自1998年以来的累计收益率与SPX指数相当，但在“股债双杀”的2022年，宏观对冲基金指数录得了比SPX指数高29.1%的相对正回报，表现出极强的抗跌特性。 宏观对冲策略的基础是各类资产的相关性较低。与其他对冲基金策略相比，宏观策略与股票的相关性最小，与债券相关性也不大。

中观行业轮动和比较

板块/行业综合景气指数的构建

基于上述三类指标，我们采用扩散指数的编制方法构建行业景气指 数和板块景气指数。具体的编制方法如下： 第一步：首先对底层指标进行标准化处理，将不同更新频率的指标 统一转化为月平均值，使用HP滤波方法对原始数据进行平滑处理， 去除短期的噪声造成的干扰；第二步：判断各期数据较上一期的变动，高于前值赋值为1，低于前 值赋值为-1，与前期持平赋值为0，对各指标的变动分求平均值，得 到一个在[-1，1]之间变动的数。第三步：计算扩散指数A、扩散指数B、扩散指数C。 将单个高频数据的[-1、0、1]信号合成扩散指数有三种方法，我们分 别命名为扩散指数A、扩散指数B与扩散指数C。扩散指数A是将各指 标的[-1、0、1]信号计算平均数，反映的是各指标较上期变动的平均 情况，是一个环比的概念，可以与股票的月收益率对标，即指数的 环比变化，不过由于高频指数本身已经是同比，也可以将其与年化 收益比较，基于实际回测效果选择匹配方法。扩散指数B是对扩散指 数A的累加，反映的是一段时间的累积变动情况，可以与股票指数本 身相对应。扩散指数C是扩散指数B的同比，可以与股票年化回报率 或超额回报率相对应。

高股息、主题投资和ESG策略

高股息策略：战略层面“贵在坚持，久久为功”

综合考虑资本利得和股息收益，A股高股息指数在普遍承压或结构性行情中的表现都较为可观。2018、2016、2017年，各类高股息组合都能够战胜全A，2008、2011、2022、2023、2010、2021年也都有2/3以上的高股息组合能够跑赢全A，从长期持有的角度上说，在风格相对均衡的情况下，高股息组合长期收益率都较好。 反例：2009年低估值风格失效、2015年上半年估值+流动性驱动的普牛末段、2020年极致的成长赛道风格。

A股市场高端制造产业的投资框架

从股票财务指标分析的角度而言，股票价值投资有四大衡量标准：1）公司的盈利能力，是否能为股东投资带来较高的回报率；2）盈利能力的持续性，如果较高回报率是偶然而不可持续的，于股东而言同样没有长期价值；3）资产质量，较差的资产质量可能成为企业的隐形雷区，给公司的盈利模式和业绩的持续性带来较大风险，是股东希望规避的；4）估值水平，估值溢价体现市场对股票的未来预期以及决定投资者介入的合理时机。因此，基于公司的盈利能力、盈利能力的持续性、资产质量、估值水平四大重要的选股标准，我们尝试构建了以财务指标为基础的高端制造产业选股框架。

报告节选：

编辑：火腿肠