2025年基金研究系列专题报告：破局收益风险边界，基于多资产ETF构建高夏普绝对收益策略

1 引言

ETF 作为一种可在场内交易的开放式基金，具有持仓透明、费率低廉、交易便 捷等多种优点，为投资者提供了精准的 beta 暴露工具。2024 年是权益基金开启全 面被动化的一年，截至 2025 年 Q1，ETF 产品数量突破 1000 只，总规模超过 3.5 万亿元。这不仅为投资者提供了丰富的资产轮动选择标的，更通过充足的流动性支 持了多样化配置策略的实施。

从 ETF 的底层资产类别来看，产品谱系正持续完善，已形成覆盖全资产类别的 产品线。具体来看，既包含 A 股宽基指数、行业主题、Smart Beta 等内地权益 ETF 与港股 ETF 产品，也涵盖不同久期的利率债、信用债等固收品种，同时还延伸至黄 金、白银、豆粕等大宗商品领域，以及美股、亚太、新兴市场等跨境资产。这种全方 位的资产覆盖，使得投资者不仅能够通过 ETF 工具实现宏观层面的大类资产轮动， 也可进行中观层面的行业景气度轮动，甚至是微观层面的细分主题投资。本报告专 注于基于多资产 ETF 打造绝对收益组合。

2 传统资产配置方法困境

2.1 主流资产的收益特性

2017 年至今市场主要资产的分年度收益率以及整体收益风险特 征，年化收益率最高的资产为纳指 ETF，其次为黄金，但两者的波动分别高达 28.57%、 12.64%，最大回撤分别高达 28.57%、20.71%，从夏普角度来看，表现最好的是信 用债指数（中债-企业债 AAA 财富总值指数），年化收益率 4.32%，年化波动率 0.84%， 夏普高达 5.12。

因此，上述资产中，债券类资产夏普比率高，但年化收益率欠佳，内地权益、港 股资产弹性大，但长期收益率不佳，黄金、美股收益率较高，但同时也伴随着较大的 市场风险。通过科学的资产配置策略，可以充分发挥各类资产的互补优势，构建风险 收益特征更优的投资组合。

2.2 高收益&高夏普策略的缺失

本节我们测试几种主流资产配置方法的效果，首先是最直接的股债固定比例配 置方法，股票资产用沪深 300 指数代替，债券资产用中债-企业债 AAA 财富总值指数代替（CBA04201.CS），构建以下四种组合： 1、股债一九组合（股票 10%，债券 90%） 2、股债二八组合（股票 20%，债券 80%） 3、股债三七组合（股票 30%，债券 70%） 4、股债四六组合（股票 40%，债券 60%）。

1952 年，马科维茨（Markowitz）提出现代投资组合理论，首次量化风险和收益 的关系，强调多元化降低非系统性风险，资产配置方法论得到了长远的发展，由此衍 生出了一系列不同优化目标的投资组合构建方法，本节测试以下几种： 5、最大化夏普比率（纳入五类资产：股票、债券、黄金、港股、美股） 6、最小化风险（纳入五类资产） 7、最大化期望收益（纳入五类资产） 8、最大化效用函数（纳入五类资产，取风险厌恶系数? = ?） 9、最大化效用函数（纳入五类资产，取风险厌恶系数? = ?. ?）。

10、均值-方差优化中参数估计的不确定性带来混淆效应，促使学者们研究什么 方法能够消除对估计参数的需求（主要是预期收益率），并努力纠正均值-方差优化过 程中产生的过度集中投资组合的倾向，因此促进了等风险贡献（Equal-Risk Contribution，ERC）投资组合的发展。通过对资产施加等风险预算，每个资产都会 以一定权重存在于投资组合中，从而确保投资组合的多样性，由此构建了风险平价 模型（Risk Parity）。

除波动率极高的 MaxRet 组合外，没有一个组合年化收益率超过 6%，由于历史数据中，国内债市的夏普比率远远高于其他资产，导致多数组合优化时，将超过 90% 的权重分配给了债券资产，虽然组合夏普比率很高，但也限制了收益的上限。

3 激发风险平价潜能：增强型风险平价

风险平价模型在上一节的测算中取得了可控风险下最高的收益率，且其对资产 的配置权重集中度也低于其他策略，风险平价模型的初衷在于消除预期收益预测的 不确定性，减少由参数估计不确定性带来的负面影响，同时防范因投资组合过度集 中而引发的潜在损失。风险平价模型的实质是通过增长因子（股票） 与通胀因子（债 券） 的平衡应对宏观波动，当股债呈现稳定负相关（如国内 2020 年后股债相关性 转负），股票下跌时债券上涨的“自动稳定器”效果凸显，可以使组合波动率系统性 降低，也为风险平价模型提供了合适的应用土壤。

然而，这种对回撤的保护机制在动量较强的牛市中会限制收益增长，因此该策 略更多被用作防御重大损失的安全垫，而非追逐超额收益的工具，该策略的保守性 可能过于极端。 2020 年，Vaughn Gambeta、RoyKwon 在《Journal of Risk and Financial Management》上发表的一篇论文《Risk Return Trade-Off in Relaxed Risk Parity Portfolio Optimization》给我们提供了思路，文献发现，若能在保留风险平价配置优 势的同时提高收益，将大有裨益，同时，仍可通过尽可能分散资产的风险来防范下 跌。 采用多元化投资组合来防范下行风险会限制上行收益，导致在稳定增长的市场 中的表现不佳。若能够开发一个模型，允许风险平价原则被违背，同时引导求解器 趋向于风险平价，来放松风险平价优化，这将改善模型的保守性，但不会进行大幅 调整。

层级结构的增强型风险平价

在上文介绍增强型风险平价的概念时，我们直接对异质性较强的指数应用了该 模型，但深入分析发现，这种处理存在理论瑕疵。由于样本指数纳 入数量差异，内地权益资产、债券资产、黄金、港股、美股的的理论风险贡献初始权 重呈现为 66.67%、16.67%、5.56%、5.56%、5.56%的显著不平衡分布，虽然宽松 型风险平价的优化过程会使实际风险贡献偏离该基准，但初始设置的严重偏态仍可 能导致各种问题： 1. 模型效果失真：纳入更多、更丰富的权益类资产会直接改变顶层资产的目标风险 分配； 2. 风险分散失效：小风险贡献资产（如黄金/港股/美股各 5.56%）难以发挥应有的 对冲作用。

更为合理的方式是首先等权分配各资产的目标风险贡献，再在各类资产下，再 次等权分配各指数的目标风险贡献，形成层级结构。

在朴素风险平价模型中，层级结构的引入对收益增强的效果似乎并不稳定，例 如 2019~2021 年，无层级结构模型因权益指数配置比例更高（待选资产池中权益指 数更多，分配给权益指数的风险贡献目标更多），在牛市中显著跑赢有层级结构模型。 后者因强制按资产类别分配风险预算，导致对权益上涨行情的捕捉不足，超额收益阶段性下降。 然而有趣的是，引入增强模型后，层级结构的这种收益保守性得到了改善，增强 风险平价模型会根据预期收益与协方差进行动态权重调整，克服原风险分配的僵化 性，在保留层级风险控制优势的同时，收益能力显著提升。在 m=2.0 增强乘数下， 可以发现层级结构加强模型基本稳定跑赢无层级结构加强模型。

4 引入更加多元化的权益 ETF

在经过上文研究的增强型风险评价模型以及引入层级结构的研究后，拓展思考 以下几个问题： 1、虽然债券、商品、美股 ETF 目前品种相对单一，但权益类 ETF 的标的目前 十分丰富，如果我们引入更加多元化的权益类 ETF，能否追求更高的收益； 2、上文权益指数的选取（12 个）是人工确定的，选择时尽量要求其分属不同的 赛道，实际上的指数分类维度应该不止于此，且未来市场亦有可能发行更多更丰富 品类的 ETF，每次都人工分类工作量较大； 3、选择 12 个指数的时候存在潜在后视偏差，我们选择了当前市场规模较大的 指数，而规模较大本身可能是历史业绩光环效应影响，且人工选择未能涵盖正在形 成市场影响力的新锐指数。 本节主要针对以上问题提出优化方案。当前市场的权益 ETF 主要分为宽基类 ETF、风格策略类 ETF、赛道 ETF（也叫行业主题 ETF），其中最难分类的便是赛道 ETF，赛道 ETF 是跟踪某行业/主题/赛道指数的 ETF 产品，不管是同属一个板块、 一个行业、一个产业链、一个地域、一个概念，只要存在统一的股价驱动逻辑，理论 上都能发行赛道 ETF，因此不同赛道 ETF 可能存在重叠度高、互相包含的情况，加 剧了分类的难度。

本节主要介绍这种适用于高维、复杂分类环境的投资组合构建算法，该算法以 ETF 的成分股以及权重数据作为输入，通过构建树状层级聚类图进行降维处理，通 过动态分类体系构建投资组合。 在每个调仓横截面均会执行以下操作流程： 1、预处理：对跟踪相同指数的 ETF 进行去重（基于流动性筛选，保留规模最大 的标的）； 2、实时聚类：每个横截面均会基于最新市场数据重建层级关系，以快速识别新 发指数或指数风格漂移带来的分类变化。这样设计显著提升了纳入待选池的 ETF 对 市场结构变化的响应速度，同时避免了后视偏差。

5 高收益、高夏普策略的合理构建方式

总结上文，我们从朴素风险平价策略出发，探讨了高收益率、高夏普的绝对收益 组合的构建方式。 1、首先，我们选择了 12 个指定权益指数、3 个债券指数、黄金、港股 ETF 和纳指 ETF，使用这些资产构建朴素风险平价组合，回测显示 2017 年至今年化收益 率为 4.90%，夏普比率为 2.54。组合虽然夏普很高，但进攻性不足，风险平价这种 对回撤的保护机制在动量较强的牛市中会限制净值增长。 2、由此，介绍了增强型风险平价策略，增强型风险平价策略是对传统风险平价 的条件放宽，它允许风险平价原则被违背，同时引导求解器趋向于风险平价，来放松 风险平价优化，这将改善模型的保守性，但不会进行大幅调整。在引入目标收益率， 并调节目标风险平均值后，在增强乘数 m=2.0 下，回测显示年化收益率为 8.37%， 夏普比率为 1.61。策略的收益率大幅增长，同时夏普也在可以接受的范围内。 3、相比于暴力在多个指数上直接施加全域风险平价策略，更为合理的方式是首 先在顶层资产上等权分配风险贡献，再在各类资产下，再次等权分配各指数的目标 风险贡献，因此引入层级结构，在增强乘数 m=2.0 下，回测显示年化收益率为 9.60%， 夏普比率为 1.57。策略的收益率得到提升，夏普比率变化不大。 4、每个横截面基于最新市场数据分层聚类，重建层级关系，以快速识别新发指 数或指数风格漂移带来的分类变化。提升纳入待选池的 ETF 的响应速度，同时避免 后视偏差，引入更为多元化的权益 ETF 标的后，在增强乘数 m=2.0 下，回测显示年 化收益率为 10.47%，夏普比率为 1.80。策略的收益率和夏普比均得到提升。

6 进一步探讨：参数测试

6.1 调整协方差矩阵的回望窗口

不管是朴素风险平价模型还是增强型风险平价模型，各类资产的预期收益率与 协方差矩阵均基于历史回望窗口进行估计，在前文报告中，我们使用的回望窗口为 36 个月，即 3 年。较长的回望窗口有助于捕捉资产之间的稳定关系，但对市场即时 变化反应不足。

随着回望窗口的缩短，预期收益与协方差矩阵对长期动量的捕捉能力下降，收 益率逐步变低，但对市场的即时反应能力变强，因此波动与回撤效果大幅改善，当回 望窗口为6个月时，组合年年取得正收益，年化收益率为7.29%，而最大回撤仅2.83% （发生于 2020 年），其余年份的最大回撤均不超过 1%。

6.2 更高频的调仓

前文报告均使用月度调仓频率，若采用更高频的周度调仓，则年化换手率增加 至 392%，组合效果变差，且换手率提升。当协方差 矩阵估计回望 36 个月时，周频调仓下，组合的协方差矩阵变动应该不大，从逻辑上 来看无此必要。

若将回望窗口缩短至 6 个月，同时搭配周频调仓，则年化换手率增至 759%，相 比于月频调仓，组合的最大回撤有些许改善，但收益率也有所下降。

7 总结

本报告从朴素风险平价策略出发，基于多资产 ETF 探讨了高收益率、高夏普的 绝对收益组合的构建方式，首先通过增强型风险平价策略对传统风险平价的条件进 行放宽，允许风险平价原则被违背，同时引导求解器趋向于风险平价，此模型改善了 朴素风险评价的保守性，大幅提升了风险评价模型的收益潜能。此外，通过层级聚类 合理的引入多元化的权益 ETF，再次提升了组合的收益上限。 基于多元化 ETF 的层级增强风险平价模型 2017 年至今的年化收益率达到 10.47%，夏普比率为 1.80，表现十分优秀。如果目标组合的回撤波动要求更严格， 也可以通过调低增强倍数、或是引入更短期的回望窗口进行灵活改进。

编辑：火腿肠