对于资产配置，投资逻辑分散和大类资产分散同样重要。本文构建的全球大类资产配置策略融合了经济周期、宏观因子、趋势追踪三层次投资逻辑。
本文融合三种资产配置逻辑，构建低波稳健的全球大类资产配置策略。
对于资产配置，投资逻辑分散和大类资产分散其实同样重要。
常见的全球大类资产配置策略，一般融合了经济周期、宏观因子、趋势追踪三层次投资逻辑。
其中，经济周期模型作出进攻或防守的战略判断；宏观因子模型和趋势追踪模型分别从基本面和技术面出发，作出细分资产超配或低配的战术性调整；最终都将体现为细分资产风险预算比例的调整。
策略的基准是层次风险平价模型，即进攻资产和防守资产风险平价、中国资产和美国资产风险平价、各类别下细分资产风险平价。2010-12-31至2024-10-31，三层次融合策略扣费后年化收益为6.1%，夏普比率为2.3，最长创新高天数为102个交易日。
第一层次：经济周期模型决定进攻或防守战略
相较基准，经济周期模型能够提升扣费后年化收益约0.8 pct。我们采用主成分分析，从全球代表性股、债、商、汇中提取各自的第一主成分，标准化后等权相加得到市场因子，然后对其开展42/100/200个月三周期拟合，形成经济周期模型。在滚动窗口中通过周期外推给出观点，当市场因子周期上行时，策略采用进攻战略，调高全体进攻资产的风险预算比例；当市场因子周期下行时，策略采用防守战略，调高全体防守资产的风险预算比例。
第二层次：宏观因子模型为筛选细分资产提供基本面依据
相较基准，宏观因子模型能够提升扣费后年化收益约1.0 pct。我们基于资产定价模型，构建了以增长-流动性为核心的中美宏观因子体系，包括中国增长、信用、货币和美国增长、流动性，并结合一阶逻辑和历史统计，给出了宏观因子观点和细分资产之间的映射关系，作为各细分资产宏观因子打分和风险预算比例调整的依据。近两年宏观因子模型超额表现不佳，可能是因为宏观预期、高阶逻辑对资产价格的影响大于宏观现实、一阶逻辑。
第三层次：趋势追踪模型为筛选细分资产提供技术面依据
相较基准，趋势追踪模型能够提升扣费后年化收益约1.0 pct。
首先，我们使用时序动量来尽量规避细分资产的技术面风险。时序动量包括月线双均线、MACD、布林带指标，只要一个指标提示趋势破位，我们就调低该资产的风险预算比例。
然后，我们用截面动量来识别强势资产和弱势资产。截面动量基于夏普比率计算确然指标，确然指标位于前1/3的细分资产调高风险预算比例，确然指标位于后1/3的细分资产调低风险预算比例。
宏观预期和高阶逻辑是宏观基本面量化面临的新难题。
三层次逻辑具有低相关性，融合后能起到投资逻辑分散的作用。融合策略的年化收益为6.1%、夏普比率为2.3，相较基准提升了2.5 pct和0.66；最长新高天数从基准的265个交易日大幅降低至102个交易日，这意味着即使前高点建仓，不到半年也能够等到新高。相较于解读基本面信息，解读交易信息是量化模型具有比较优势的场景。
无论基本面量化模型样本内的表现多么优秀，我们都建议加一层趋势追踪模型作为保护。面对宏观预期和高阶逻辑的新难题，常见的线性解决方案包括Factor Mimicking、利用分析师预测值、Nowcasting。大语言模型提供了一种前景广阔的非线性解决方案。
风险提示：资产配置模型根据历史规律总结，历史规律可能失效，例如策略拥挤时，策略获取超额收益的能力或将显著下滑；各子策略有其适用的市场条件，无法保证在任何市场条件下均可取得超额收益；涉及的具体资产不代表任何投资意见，请投资者谨慎理性地看待。
