2026年低利率环境下的大类资产配置新范式系列（二）：因势利导，宏观驱动型股债动态配置策略

股债恒定指数有望成为固收+产品重要参考基准

恒定比例配置策略是最原始、最朴素的大类资产配置策略，将其应用于中国 资本市场的实践屡见不鲜，但在相当长一段时间内缺乏可供跟踪与评估的 标准化指数基准。随着固收+投资产品持续扩容与普及，传统基金考核基准 正面临新的适配压力与调整需求。目前，多家基金公司正在针对股债恒定比 例 ETF 产品积极开展系统改造，预计后续股债恒定比例 ETF 有望陆续申报 并落地实现。届时，股债恒定比例指数预计将成为固收+产品的重要参考基 准。 在既定业绩基准的前提下，主动型固收+产品实现超额收益的路径主要有两 类：一是在不显著改变整体风险暴露的前提下，提升底层资产的风险收益特 征，例如通过权益内部的风格轮动、行业配置或指数增强等方式，获取相对 于基准的结构性超额收益；二是通过主动调整股债配置比例，阶段性偏离基 准权重，对股债资产进行相对择时，以把握不同资产在周期演变中的相对优 势，从而实现对基准指数的超越。本报告重点聚焦于第二种路径，即通过对 股债配置比例进行动态调整来实现相较于基准指数的超额收益。

1.1. 以中证 A500 交易所股债 20/80 为研究参考基准

我们在发布于 2026 年 1 月 31 日的专题报告《股债恒定指数：居民资产配 置加速转型的锚点》中指出， A 股的运行中枢仍将延续上行趋势，作为股 债恒定比例指数的基础资产，A500 指数或将较其他权益指数产生更高的回 报，基于 A500 的股债恒定比例指数具备较高的风险收益特征与战术性配置 价值。本报告以中证 A500 交易所股债 20/80 指数作为研究参考基准。 参考指数编制方案，中证 A500 交易所股债 20/80 指数由 中证 A500 全收益指数与中证交易所 0-10 年国债 及政策性金融债指数构成。为便于计算相对择时效果，我 们使用中证 A500 全收益指数与中证交易所 0-10 年国债及政策性金融债指 数拟合原始指数。拟合得到的 A500 交易所股债恒定指数与原始指数高度相 关。

根据编制方案，指数每季度调整一次，调整时间分别为每年 3 月、6 月、9 月和 12 月的第二个星期五的下一交易日。月频校准与季频校准的股债恒定 拟合指数净值差异较小，为简化计算，我们每月末对拟合指数进行调整。

1.2. 经典资产配置策略与股债恒定策略对比

作为最原始、最朴素的大类资产配置策略，恒定比例配置策略的优势在于构 造简单，易于理解与实施。通过定期再平衡，投资者能够在资产价格波动中 实施“高卖低买”的反向操作以平抑风险，有利于资产长期稳健增长。不足之 处则在于对市场环境的假设较为简化，多数情况下难以最优化投资组合的 风险收益特征。我们将一些经典的资产配置策略与股债恒定策略进行比较。

1.2.1. 风险平价配置策略：表现接近 10/90 恒定比例指数

经典风险平价策略与 10/90 股债恒定指数表现长期较为接近，这与其内部权 益权重通常在 0%至 20%区间波动的结构特征相一致。从诸如夏普比率、波 动率以及最大回撤等指标来看，经典风险平价策略相较于 10/90 恒定比例指 数更具优势。但在绝对收益层面，其表现仍弱于权益权重更高的恒定比例指 数。若固收+产品以绝对收益为核心考量标准，则经典风险平价策略未必是 最优选择。

1.2.2. 均值方差最优化配置策略：长期风险管理能力相对较弱

均值方差最优化（Mean Variance Optimization, MVO）基于马科维茨提出的 现代投资组合理论。它的核心思路在于，资产配置应被视为一个预期收益与 风险共同决定的优化问题，因此，均值方差最优化策略不再依赖事先给定的 经验比例，而是通过估计各类资产的预期收益率、波动率以及相关性，在可 行集合中求解最优组合。 相较于股债均衡指数，经典均值方差最优化策略近年来在收益指标上表现 较优，但长期风险管理能力相对较弱。

改进基于宏观周期的定量模型

2.1. 现有模型存在的问题与改进思路

在此前的研究中，我们通过累加宏观周期而拟合大类资产收益率，在实践 过程中存在若干问题： （1）宏观周期的划分具有一定主观性，不同指标与方法往往给出差异化的 周期判定结果，其指示意义在实际操作层面相对模糊。 （2）在不同的宏观环境与叙事体系下，市场对各类宏观因素的定价权重存 在显著差异，事先预设的权重（尤其是静态权重）难以及时反映市场的动态 定价过程。 （3）宏观数据本身并非大类资产定价的直接驱动因素，真正起作用的是宏 观预期的边际修正，而现有第三方预测数据在获取与更新上均存在滞后，亦 难以有效反映市场的真实预期变化。 针对上述问题，我们对原有基于宏观周期的定量模型进行了系统性改进。 新的模型： （1）不再对宏观周期进行主观划分，而是直接使用底层宏观因子进行建模。 宏观周期本质上来源于关键宏观因子的规律性变化，对其再次进行抽象化 反而增加信息损耗，直接使用因子更为简洁有效。 （2）不预设静态权重，而是基于因子与大类资产的动态相关性，对因子权 重进行自适应调整，以更及时、准确地反映市场的定价结构。 （3）重点关注宏观数据的边际变化与趋势，而非过度依赖所谓的预期数据。 从预期视角来看，市场预期并非独立存在，而是内生于关键数据之中。既然 资产定价本质上反映的是预期的边际修正过程，那么对核心宏观数据边际 变化的持续跟踪，同样能够有效反映预期的动态修正。

2.2. 使用宏观因子合成 A 股宏观拟合指标

我们基于定性分析框架主动筛选宏观因子。针对 A 股，我们构建并使用景 气因子、通胀因子、宏观流动性因子（细分为全球流动性因子与境内流动性 因子）来合成宏观指标，以拟合 A 股表现。 景气因子：我们使用中国制造业 PMI 构建景气因子。我们将中国制造业 PMI 进行同比差分处理后，对其进行标准化计算，再根据数据的时间先后计算其 时间加权移动平均值1，以得到景气因子。将景气因子与 A 股收益率进行单 因子测试，长期来看，景气因子与 A 股收益率具备一定正相关性，但短期 存在负相关性的阶段性异常情况。

通胀因子：我们使用中国 CPI 同比构建通胀因子。我们将中国 CPI 同比数 据进行差分处理后，对其进行标准化计算，再根据数据的时间先后计算其时 间加权移动平均值，以得到通胀因子。将通胀因子与 A 股收益率进行单因 子测试，长期来看，通胀因子与 A 股收益率具备一定负相关性，但短期存 在正相关性的阶段性异常情况。

全球流动性因子：我们使用中国十年期国债利率与中美十年期国债利差构 建全球流动性因子。我们将数据进行差分处理后，对其进行标准化计算，再 根据数据的时间先后计算其时间加权移动平均值，以得到全球流动性因子。 将全球流动性因子与 A 股收益率进行单因子测试，长期来看，全球流动性 与 A 股收益率具备较强正相关性，极少出现负相关性的阶段性异常情况。

境内流动性因子：我们使用十年期国债利率构建境内流动性因子。我们将 数据进行差分处理后，对其进行标准化计算，再根据数据的时间先后计算其 时间加权移动平均值，以得到境内流动性因子。将境内流动性因子与 A 股 收益率进行单因子测试，长期来看，境内流动性与 A 股收益率具备正相关 性，极少出现负相关性的阶段性异常情况。

我们使用上述多维度因子合成针对 A 股的宏观拟合指标。由于市场在不同 的宏观环境与叙事体系下，对各类宏观因素的定价权重存在显著差异，因此 我们不预设固定权重，而是基于因子与 A 股收益率的动态相关性自适应调 整因子权重。

通过 HP 滤波平滑处理的宏观拟合指标对当期 A 股收益率拥有约 80%的解 释力度，次期为 75%。

通过 6M-TWMA 平滑处理的宏观拟合指标则对当期 A 股收益率拥有约 56% 的解释力度，次期为 48%。

2.3. 使用宏观因子合成国债宏观拟合指标

我们基于定性分析框架主动筛选宏观因子。针对中国债券（下文简称“国 债”），我们以类似的方式构建并使用景气因子、通胀因子、宏观流动性因子 （细分为全球流动性因子与境内流动性因子）来合成宏观因子，以拟合国债 整体表现。 景气因子：我们使用中国制造业 PMI 构建景气因子。我们将中国制造业 PMI 进行同比差分处理后，对其进行标准化计算，再根据数据的时间先后计算其 时间加权移动平均值，以得到景气因子。将景气因子与国债收益率进行单因 子测试，长期来看，景气因子与国债收益率具备较强负相关性，但短期存在 正相关性的阶段性异常情况。

编辑：火腿肠