文：国盛金融工程团队
联系人：刘富兵/林志朋/梁思涵
国盛金融工程团队自2018年起便长期深耕资产配置的研究方向，并于2021年开始整合大类资产配置框架（以下简称为SmartAllocator系统），以系统化和定量化的视角判断国内股债资产的配置机会。在系统运行一周年之际，本文将总结2021年我们在资产配置判断的得失，并系统性地介绍我们资产配置研究的逻辑、理念和框架。
01
复盘：2021年的四个案例
案例一：2021年全年看好中证500，不看好沪深300和上证50。
判断依据：在2020年12月底，根据GK模型测算，2021年中证500预期收益高达18.8%，而沪深300仅有1.9%，上证50甚至要下跌6.9%。在巨大的预期收益差异下，我们做出判断：中证500将可能是2021年beta最好的指数之一。
经验总结①：大的机会和风险往往来自于预期过度（2021年年初的沪深300）和预期不足（2021年年初的中证500）。
经验总结②：投资者的注意力有限，高赔率&高胜率的好品种短期并不一定会受到市场的青睐。虽然2020年年底我们看到中证500的长期配置价值，但是市场直到2021年3月才有所反应，合适的买入时机也许正是前期强势品种的泡沫破灭后。
案例二：七月底部提示300金融的配置价值。
判断依据：在2021年七月底，根据GK模型测算，就算估值没有任何贡献，300金融未来一年的基本面收益也有10%，配置价值明显。十月底市场进入了宽信用预期阶段，从胜率来看金融板块更是易涨难跌。
经验总结①：300金融有很强的类债属性，ERP作为赔率指标效果良好。
经验总结②：金融板块的收益分布具有很强的厚尾特征，即使长期收益能够看对，其短期涨跌仍存在很大程度的随机性，难以实现平稳的上涨。我们认为这样收益特征的品种可能更适合于一些收益目标较为长期的绝对收益策略。
案例三：十一月预测2022年一季度将出现信用企稳，权益资产胜率将大幅提升。
判断依据：经典的经济周期循环是“货币->信用->经济->通胀”，货币政策指数在2021年10月底确认上行趋势，根据货币平均领先信用3-4个月，因此模型判断信用大概率将于2022年一季度企稳。
经验总结：短期的宏观预测很多时候是盈亏同源的。比如，如果信用真的如期企稳，抢跑者确实能够获得更高的收益。但如果信用没有企稳，前期因为预期而上涨也大概率会因为预期落空而下跌。“宽信用预期”的行情存在着一定程度的博弈特征。
案例四：A股拥挤度预警系统提示了2021年的三次回调风险。
判断依据：依靠多个维度的尾部风险指标，在2021年1月、2021年6月和2021年12月，拥挤度预警系统均认为A股出现了明显的交易拥挤现象。
经验总结①：A股结构分化似乎已成常态，以前常用的总量型情绪指标（成交热度等）有效性可能会逐渐衰减，而结构型情绪指标的重要性或将有所提升。
经验总结②：逃顶用赔率指标容易太左侧，而用胜率指标则容易太右侧，拥挤度监控维度正是为了更加精准刻画行情顶部风险而设计的。
02
资产配置的系统化框架
SmartAllocator系统是一个兼顾长期配置和短期交易的系统化资产配置框架，更具体而言，其包含两个核心模块：
配置模块：从经典的资产定价理论出发，解构不同资产的收益来源，并基于国内资产的特征构建符合逻辑且有效的预测方案，旨在解决未来一年尺度的资产收益预测问题，属于战略配置范畴。相关研究有：
交易模块：哪怕是同一个资产，不同的投资需求也会衍生出不同的交易策略。因此我们从投资者需求出发，归纳了四类典型的投资风格：赔率、胜率、趋势和拥挤度，旨在解决了多资产中的系统化交易问题，属于战术配置范畴。相关研究有：
SmartAllocator系统的核心配置思路是：预期收益决定战略中枢，四个交易信号决定战术偏离，分别代表：
预期收益代表时间价值，高预期收益代表持有时间越长获得正收益的概率越大；
赔率赚的是资产偏离长期估值中枢的钱；
胜率赚的是资产基本面改善的钱；
趋势赚的是市场共识扭转的钱；
拥挤度赚的是市场反应过度的钱；
2020年的A股走势是SmartAllocator系统有效运行的一个代表性案例。
03
资产配置研究：从量化走向系统化
如果问一个金融工程分析师，量化资产配置模型有哪些？往往他的第一反应是风险平价模型，但风险平价模型即使在海外也是用来做超长期被动配置产品的，比如桥水的全天候策略。然而目前国内资产配置的需求和约束是：
组合投资经理的业绩考核周期较短；
非标产品替代需求强，但收益预期较高，回撤控制要求严格；
国内低相关性可投标的数量少，难以实现真正意义的分散化；
既然量化资产配置策略不能满足中国当前阶段的资本市场需求，那么国内资产配置是否要走向纯主观的路线？我们认为主观和量化之间还存在着过渡形态，即系统化交易：
系统化意味着思路的规则化，强调纪律性：资产的研判均通过固定的体系和框架给出，比如SmartAllocator系统通过“预期收益+四个信号”客观地给出配置建议；
系统化不意味着工具的固化，强调逻辑性：在不同的阶段同一思路也会呈现出不同的表现方式，比如同样是描述信贷，以前用M2比较合适而现在则更多采用社融。
04
了解你的工具：股债资产风险分级
尽管国内可投的大类资产类别较少（主要是权益、可转债、信用债和利率债），但是近年来由于国内可转债市场和股票市场快速扩容，国内理财替代背景下绝对收益产品需求快速提升，充足的资产供给和差异化的投资需求使得可转债和股票市场内部出现持续的结构分化和定价权分离，我们预计这种结构分化的趋势在未来或将持续甚至会加剧。
因此，我们根据2017年以来的资产收益特征将国内股债资产分为四个风险等级：
安全资产：主要是利率债。商业银行、广义基金和境外机构是主要的定价者，其中银行和境外机构是利率债的配置盘，更加重视票息收益率部分。广义基金是利率债的交易盘，更多采用骑乘、久期和杠杆策略；
中低风险资产：主要是偏债型和平衡型的转债。偏债型转债可以用于替代当下信用违约频发的信用债，而平衡型转债具有下行风险可控，上行空间较大的看涨期权特征。因此这两类可转债是目前国内固收+产品增厚收益的重要品种；
中风险资产：主要是具有大市值、低估值和低波等属性的股票。虽然很多传统行业的龙头由于成长性低并不受当下很多权益产品的重视，但这类资产的盈利往往具有较强的稳定性，因此也体现出一定程度的类债属性。我们认为这类资产在未来将有可能成为国内固收+和资产配置的潜在战场；
高风险资产：主要是具有高成长属性的核心股票资产。成长股由于内在价值具有高成长性，某种意义上确实是时间的朋友，持有时间越长越有相对收益的优势，最近几年全球经济持续低迷，更是适合成长股发挥的宏观环境。我们认为成长股投资需要完备的投研体系和丰富的投研资源支撑，国内公募基金或具有较大的优势。
未来中国大资管的分工必将逐渐走向精细化和专业化，四种风险等级的股债资产各有各的特点，逐渐多样的股债风险特征或将为资产配置策略提供更广阔的发挥空间。
05
投资方法论要与投资期限匹配
对于不同的机构和产品而言，其资金属性有着很大的区别，比如银行保险的资金更偏长期，而公募、券商资管和私募的资金则更偏短期。因此SmartAllocator系统总结了四类投资范式，区分不同投资期限下对应的主要投资策略和投资理念。
四种投资期限对应的方法论和难点在于：
赔率交易重视资产的安全边际，捕获市场的定价误差。赔率交易对投资者要求极高，其难点有三：1）定价中枢的确定极具艺术性，尽管目前海外已经有非常丰富的资产定价理论；2）均值回复周期难以把握，因此对产品负债久期要求苛刻；3）试错时间成本高，往往是以年度为单位的验证周期。
胜率交易重视资产基本面的边际变化，捕获市场对基本面的反应不足。主要的策略包含赛道投资、成长加仓、困境反转和预期差交易等。胜率投资的难点在于一方面需要丰富的投研资源支持，另一方面也要求投资者具有在众多基本面信息中找到最具有确定性和穿透力的主要矛盾的能力；
趋势交易重视市场共识的扭转，与行为金融学密切相关。主要的策略有阻力位突破、题材投资等。趋势交易的难点在于识别市场群体对资产的参考价格，在技术分析理论中也称之为中枢、阻力位、支撑位等，交易的可能是市场群体心理的变化；
拥挤交易重视市场的非理性。近年来我们可以看到，市场成交量越大，非理性行为越多，量化高频策略的盈利能力就越强。在这个领域中，模型开发能力、机器算力和交易速度是核心，机器在高频领域具有比人脑更快和更准确的定价能力。
当然就国内大多数绝对收益产品而言，调仓规律一般是“年度大调整+季度小调整”，因此赔率和胜率的分析将是核心工具，而趋势和拥挤度的分析则更多是辅助工具。
06
赔率与胜率：大多数时候难以兼得
虽然我们说赔率和胜率的分析是资产配置的核心工具，但是市场也是聪明的，所以很多时候赔率和胜率难以兼得，我们往往只能在“高赔率-低胜率”和“低赔率-高胜率”这两种特征的品种中选其一。只有在某些极致的情绪波动或外在因素干扰下，“高赔率-高胜率”的买入机会才会出现，比如2020年3月的疫情底。
以图表12为例，我们能看到的一个显著的统计现象是，分析师对个股未来一年的净利润增速预期对当前PE-TTM的解释度高达77%。这意味着，低估值/高赔率往往对应的是未来的低增长/低胜率，而高估值/低赔率则对应的是未来的高增长/高胜率。
07
能否以拥挤度取代赔率
既然赔率指标的使用难度如此之大，那么我们能否用表征市场行为的拥挤度来替代赔率指标呢？其背后假设是：交易极度拥挤往往伴随的是极高估值，交易的极度冷清则对应的是极低估值。我们认为：前半句有一定的合理性，但是后半句则有待商榷。
赔率描述的是资产价格偏离内在价值的幅度，从逻辑来讲，赔率交易既有买入逻辑也有卖出逻辑，是自洽的交易理念。拥挤度描述的是市场的非理性程度，交易拥挤时资产容易高估，但是交易冷清时资产却不一定会低估，还有可能是价值陷阱。虽然赔率指标的定义较为困难，但我们认为赔率和拥挤度属于两个不同逻辑的信号，不能互相取代也不能混为一谈。
08
多资产研究中技术分析的作用
部分投资者会认为技术分析是过时的研究方法，然而我们却也可以看到很多全球宏观对冲的大师们非常推崇技术分析。与罗闻全教授的适应性市场假说观点类似，我们认为：趋势是市场投资者的投票结果，代表市场的认知，但市场并不总是聪明的，尤其是当羊群效应很强，非理性行为盛行的时候，跟随趋势也许并非最佳的选择，正因为“理性人”的假设被打破，所以此时承担风险并不必然带来回报。
图表14是专题报告《资产配置 vs 风险配置：打造一个系统化的宏观风险配置框架》中构建的经济增长隐含因子，即利用股票、大宗商品和房地产这三个最能反应宏观经济的资产构造的模拟组合来预测未来经济走势。从过去接近十五年的数据来看，经济隐含因子确实能够领先并且预测到中国经济的拐点。
多资产研究中技术分析的第一个作用是：帮助我们识别市场一致预期。当我们没有配置思路时，不妨利用市场信息帮助自己理解市场正在交易什么，体现的是市场有效性的价值。
大类资产由于市场规模庞大且与宏观直接挂钩，因此其定价较为充分，使用技术分析时我们更多看的是资产反映的“信号”。但是在权益资产的结构分析中，情绪交易和噪声交易相对较多，我们需要更多融合交易结构的思考，用于过滤趋势的“噪声”。
图表15是专题报告《行业轮动的三个标尺》中我们构建的行业分析图谱，用于直观反映当前市场对不同行业的认识：
弱趋势-低拥挤：市场认为该行业未来基本面可能一般，趋势较弱交易低迷；
强趋势-低拥挤：聪明资金买入导致趋势变强，常常预示着行业基本面的改善；
强趋势-高拥挤：非理性资金跟风买入导致过度定价，资产波动明显放大；
弱趋势-高拥挤：聪明钱已经先行撤退，但增量的非理性资金持续买入，风险极大；
多资产研究中技术分析的第二个作用是：帮助我们理解市场的交易结构，甄别聪明资金与非理性资金。聪明资金的买入信号值得参考，非理性资金的买入信号则需要规避。
09
四个交易信号的结合可能性
在SmartAllocator系统中我们总结了赔率、胜率、趋势和拥挤度四种思维范式，投资者问得最多的问题是：赔率、胜率、趋势、拥挤度这四个维度我们应该怎么结合起来？如果每个信号都有用，是不是四个信号等权效果会更好？
这四个信号可以分为两种分析框架：“赔率+胜率”的基本面分析框架和“趋势+拥挤度”的技术分析框架，我们认为两种分析框架有较大的区别：
基本面分析框架更看重赔率与胜率，中低频调仓，是“以我为主”的市场定价者，当市场和自我认知冲突时，更倾向于相信自我，认为自我认知领先于市场认知；
技术分析框架更看重趋势与拥挤，中高频调仓，是“以他为主”的市场跟随者，当市场和自我认知冲突时，更倾向于相信市场，认为市场认知领先于自我认知。
基本面分析与技术分析的交集发生在自我认识和市场认识的共振阶段。这个阶段是基本面分析与技术分析可以相互借鉴，取长补短的重要阶段，也往往是资产表现最具弹性的阶段。
我们认为基本面分析与技术分析并没有高下之分，从国内外历史来看，无论是基本面派还是技术派，也都有非常成功的投资大师。不同的投资分析框架有着不同的收益来源，共同组成了健康的市场生态，一味追求面面俱到反而容易落入数据挖掘的陷阱。
投资者如果对报告具体细节感兴趣，欢迎阅读完整报告或者跟我们联系。
风险提示：以上结论均基于历史数据和统计模型的测算，如果未来市场环境发生明显改变，不排除模型失效的可能性。
