桥水全天候策略产品市场表现 - 桥水全天候策略产品在8月份上架即售罄 认购火爆导致头部券商开启白名单制并大幅抬高申购门槛 仅对高净值客户开放 [7] - 过去几年产品表现优异 最差年收益率在10%到14%之间 平均收益率约16% 实现跨越牛熊周期的长期收益 [8] - 策略依托风险平价模型 通过多元化资产配置平衡组合 降低周期性波动 股市下跌时债市上涨 货币贬值时抗通胀资产上涨 [9] 经典复刻全天候策略配置 - 策略采用量化宏观方法 复刻全天候四象限风险平价模型 宏观环境驱动资产配比 收益风险比较高 [10] - 70%配置于beta模型 基于四个经济象限的风险平价构建宏观风险动态均衡组合 控制大类资产配置比例 避免单一资产仓位过重 [10][11] - 30%配置于alpha模型 包含四个子策略 通过基金经理因子库和量化模型预测短周期时序趋势 涵盖CTA 宏观多因子 基本面多因子和尾部风险模型 [10][12] - alpha部分动量因子模型权重占60% 其余为宏观和基本面因子模型 beta部分只做多 alpha部分按信号出多空信号 策略整体年化换手15-20倍 alpha部分年化双边换手50倍 [14] 全天候增强型宏观对冲策略 - 策略结合量化beta和主观alpha 量化模型构建多资产风险平衡组合 实现跨市场跨资产系统性风险对冲 [16] - 量化beta部分根据风险预算分配资产敞口 设定资产风险预算以确定仓位配置 盘中实时跟踪资产波动率和相关性 监控风险贡献 维持多空平衡 [18] - alpha增强部分基于经济周期判断进行主观操作和分析 挖掘细分资产超额机会 在模型比例基础上调整以把握中短期投资机会 [19] - 量化beta和主观alpha叠加 追求长期收益同时把握中短期收益机会 [20] 纯量化驱动宏观配置策略 - 策略以宏观逻辑构建量化表达 利用经济运行规律捕捉资产价格涨跌 根据模型信号配置股债商期货资产 [21] - 策略包含五个部分 经济周期策略 情绪周期策略 多因子定价模型 经典趋势策略和风险预警模型 从宏观到微观捕捉长中短周期价格信号 [21] - 子策略根据波动率线性组合 优化配置比例 前四个模型相对独立 风险预警针对宏观突发风险事件 相关性较低 [21][23] - 投资品种覆盖金融 国债和商品期货流动性较好品种 权益占比30% 债占比30% 黄金15% 其他商品25% 整体波动控制在8%以内 [24] - 整体保证金占用10%-15% 杠杆1倍左右 [25] 宏观策略核心优势 - 宏观策略通过识别不同资产估值差和预期差 实现对大类资产的超配或低配 [26] - 依托再平衡和动态轮动机制 捕捉资产赚钱机会 同时降低风险暴露 优化组合风险收益比 实现跨越市场周期的稳健回报 [27]

市场情绪与产品热度 - 上证指数一度逼近3900点整数关口 A股情绪火热 [1] - 桥水旗下全天候策略产品热度超越大盘 出现售罄和白名单认购机制 [2][3] - 产品认购火爆导致券商实施高净值客户专属配售 大幅抬高申购门槛 [3] 桥水全天候策略表现 - 过去几年最差产品线年收益率在10%到14%之间 平均收益率约16% [4] - 策略依托风险平价模型实现多元化配置 平衡股市下跌与债市上涨的对冲关系 [5][6] - 通过黄金等抗通胀资产对冲货币贬值风险 降低组合周期性波动 [6] 全天候策略本土化实践 - 宏观对冲策略复刻全天候四象限风险平价模型 专注交易中美两国核心资产 [6] - 策略包含70% beta模型（基于经济象限的风险平价）和30% alpha模型（四个子策略） [6] - beta部分通过四象限构建资产组合并实施风险平价 控制大类资产配置比例 [7] - alpha部分利用因子库和量化模型预测短周期趋势 涵盖CTA/宏观多因子/基本面多因子/尾部风险模型 [8] - 动量因子模型在alpha中占比60% 其余为宏观和基本面因子 [9] - beta部分仅做多 alpha部分按信号强弱执行多空操作 波动率15%且杠杆2-6倍 [10] - 整体策略年化换手15-20倍 alpha部分年化双边换手约50倍 [11] 增强型宏观对冲策略 - 策略结合量化beta与主观alpha 通过风险预算分配资产敞口 [12][13] - 量化beta实时跟踪资产波动率与相关性 维持多空平衡 [14] - 主观alpha基于经济周期分析挖掘超额机会 调整中短期配置 [14] - 量化与主观叠加兼顾长期收益与中短期机会 [14] 纯量化宏观对冲策略 - 策略以宏观逻辑构建量化表达 覆盖经济周期/情绪周期/多因子定价/趋势策略/风险预警五个模型 [15] - 前四个模型独立运行 风险预警针对宏观突发事件 子策略相关性较低 [16] - 投资品种覆盖金融/国债/商品期货 权益占比30%/债占比30%/黄金15%/其他商品25% [16] - 整体波动控制在8%以内 保证金占用10%-15%且杠杆约1倍 [17] - 策略通过识别资产估值差和预期差实现大类资产超配或低配 [17] - 依托再平衡与动态轮动机制捕捉机会并降低风险暴露 [17]

FOF的价值已经不仅在于"选基金"，更在于通过多资产配置与专业风控，在波动市场中实现风险可控下 的收益优化。华安盈瑞稳健优选在2024年2月开始以多资产策略运作，打破了传统资产配置的桎梏，通 过"风险平价模型+多元资产矩阵"的组合，实现了风险与收益的科学平衡。 现代投资（000900）组合理论先驱、诺贝尔经济学奖获得者哈里.马科维茨曾强调："资产配置多元化， 是投资的唯一免费午餐。"近几年的资本市场可谓跌宕起伏。单一资产"靠天吃饭"的不确定性上升，而 传统股债组合又难以抵御极端行情冲击。 正是出于这样的原因，"既能控制风险、又能捕捉多元收益"多资产型的公募产品越发成为市场上的重要 角色。作为多资产运作的重要载体，部分头部FOF产品的规模已突破60亿元，华安盈瑞稳健优选6个月 持有期混合(FOF)即是其中一员，产品构建了跨股、债、商品、海外权益的多元收益来源，成为多资产 型公募产品中的标杆。 华安盈瑞稳健优选究竟是如何实现多资产配置的效果？ 搭建多元资产矩阵 在无风险收益率下行背景下，投资者对"稳健增值"的需求日益强烈，但纯债基金收益空间收窄，高波动 的权益资产又让部分投资者望而却步。FOF的多资产+风险平价策 ...

市场表现与行业背景 - 2025年8月18日上证指数突破3731.69点 创近10年新高 [1] - 公募FOF行业2025年呈现数倍至数十倍规模增长 新发和持营产品受投资者青睐 [2] - 行业经历2017年起步、2021年爆发、此后沉寂 2025年重回舞台中心 [4] - 2021年FOF发展受益于资管新规落地 银行保本理财退出 居民稳健理财需求转移至FOF [4] - 招商银行等渠道加大稳健类FOF推广力度 推动行业回暖 [5][6] - 行业回暖底层逻辑是投资者对长期财富增值和"稳定穿越周期"的持续需求 [7] 多资产配置策略优势 - FOF从"基金优选"进化至跨类别、跨市场的"资产配置工具" [9] - 多资产配置可利用低相关性资产提供多样收益来源 对冲波动 追求更高风险调整后收益 [9] - FOF可实现大类资产和子基金双层分散 有效平滑组合波动 [9] - FOF作为多资产投资载体 可覆盖股、债、海外、商品、REITs等资产 提供一站式配置解决方案 [9] 华安盈瑞FOF产品实践 - 华安盈瑞稳健优选6个月持有期FOF成为公募FOF规模最大绩优单品 [2] - 采用"多资产+风险平价"策略 以风险平价模型定仓位 风险资产配置中枢10% 上限15% 固收为核心 [10] - 动态调整资产权重维持风险贡献均衡 例如美股上涨时减持以控制风险 [10] - 2024年初修订业绩比较基准 从股债二元基准调整为涵盖沪深300、恒生指数、黄金、存款利率的多元基准 [12] - 产品升级至2.0版本 固收端新增REITs 风险资产端新增白银、有色、日股、德股等资产 [13] - 新增日股和德股因其与美股低相关性 日股属"盈利牛" 德股有财政扩张支撑 [13] - 新增白银和有色因白银更具弹性 有色受AI和新能源支撑 与黄金、豆粕形成互补 [13] - 新增REITs以应对债券收益下行 构建更多收益来源 [13] - 前十大重仓基金涵盖同业存单指数基金、短债基金、中长债基、二级债基、国开债ETF和商品基金 [14] - 借助AI开发多资产择时、新高策略及带止盈功能的短期主题策略 增强组合适应性 [14] 公司投研支撑与团队 - 华安基金拥有中心化投研平台和多元化投资团队 产品线齐全 底层资产完整度高 [14] - 在海外和黄金投资长期深耕 拥有跟踪美股、日经、德国、法国等主流指数的产品 [14] - FOF团队经验丰富 采用系统化资产管理模式 [14] - 组合投资部总监陆靖昶拥有16年金融从业经验和13年FOF投资经验 曾管理超600亿规模基金组合 [15] - 陆靖昶擅长通过适度分散、动态平衡和精选品种实现可持续风险调整后收益 [15] 产品进化逻辑与行业展望 - 华安盈瑞FOF通过多资产全覆盖、风险平价模型和多元策略实现进化 [15] - 以低相关性为锚平衡各类资产风险贡献 追求更高风险调整后收益 [15] - 未来将在保持多元化分散配置基础上 捕捉向上弹性并防御短期波动 [15] - "多元资产+风险平价"策略为投资者和公募FOF的"双向奔赴"提供思路 [16]

I S090062 元多合产品 - 款以量化策略驱动,全球配置的智慧型 ETF投顾服务产品! 在当今复杂多变的市场环境中,普通投资者面临着前 所未有的挑战：个股数量持续扩容，选择越来越难? 如何在全球资产配置中把握机会? 如何在市场波动中 保持理性? 如何解决只赚指数不赚钱的投资困境? ETF就是一个绝佳的多元工具箱,据统计,自8月以来 截止8月13日收盘,全市场5424只个股,其中上涨占 比为83%;1661只ETF/LOF上涨占比接近95%。再 继续分析近6月、近1年、近2年、近3年上涨家数占 比,ETF上涨占比均显著高于A股。 | | 8 月以来 | 近6月 | 近１年 | 近２年 | 近3年 | | --- | --- | --- | --- | --- | --- | | 个股 | 83% | 77% | 93% | 65% | 59% | | FTF 和I OF | 010/ | 030 | 06% | 810/ | 74% | 基于此,本期我们专访了申万宏源"智选多资产 ETF"主创何嘉文老师,作为拥有26年投资经验、最 高管理规模超120亿元的资深投资经理,何老师将分 享他如何通过量化模型和系 ...

股票市场 - 全球投资者面临配置难题 股票估值中枢下移 美债收益率曲线倒挂加深 黄金价格创历史新高 [1] - 市场呈现结构性分化 科技板块受AI算力需求驱动保持韧性 费城半导体指数年内涨幅达18.7% [1] - 传统消费板块受居民储蓄率下降持续承压 主动管理型基金平均超额收益达4.2个百分点 [1] - 智能投顾系统通过机器学习算法挖掘多个具有超额收益潜力的中小市值标的 [1] 固定收益市场 - 经历定价机制重构 10年期美债收益率在4.5%关口反复震荡 信用利差较历史均值扩大37个基点 [2] - 机构投资者通过久期策略和信用下沉获取alpha收益 投资级公司债配置价值显现 [2] - 绿色债券市场规模突破2.3万亿美元 年均复合增长率达19% 为ESG投资者提供新选择 [2] 黄金市场 - 货币属性在数字货币时代焕发新生 地缘政治风险和央行购金推动金价突破2500美元/盎司 [4] - 数字黄金凭证交易量同比增长240% 实现实物黄金与区块链技术结合 [4] - 日均交易规模达47亿美元 流动性提升至股票级别 [4] 资产配置 - 跨资产配置需要动态平衡风险收益比 当前最优组合比例为股票45% 债券30% 黄金25% [4] - 黄金波动率贡献度降至14% 对股票资产对冲效率提升至0.38 [4] - 智能再平衡算法使组合年化波动率控制在9.2%以内 [4] - 沪港通北向资金单日净流出创83亿元纪录 黄金ETF获连续21周净申购 [4] - 三年期定投组合年化收益率达8.7% 显著跑赢单一资产配置策略 [4]

全球投资市场环境 - 美联储维持高利率导致全球投资者面临配置难题 股票估值中枢下移 美债收益率曲线倒挂加深 黄金价格创历史新高 [1] - 市场环境印证马科维茨论断：多元化是资本市场唯一的免费午餐 [1] 股票市场表现 - 科技板块受AI算力需求驱动保持韧性 费城半导体指数年内涨幅达18.7% [1] - 传统消费板块受居民储蓄率下降持续承压 [1] - 主动管理型基金平均超额收益达4.2个百分点 [1] - 智能投顾系统通过机器学习算法挖掘出多个具有超额收益潜力的中小市值标的 [1] 固定收益市场 - 10年期美债收益率在4.5%关口反复震荡 信用利差较历史均值扩大37个基点 [2] - 机构投资者通过久期策略和信用下沉获取alpha收益 [2] - 投资级公司债配置价值开始显现 [2] - 绿色债券市场规模突破2.3万亿美元 年均复合增长率达19% [2] 黄金市场动态 - 地缘政治风险和央行购金推动金价突破2500美元/盎司关口 [4] - 数字黄金凭证交易量同比增长240% 日均交易规模达47亿美元 [4] - 数字黄金凭证实现实物黄金与区块链技术结合 将流动性提升至股票级别 [4] 资产配置策略 - 风险平价模型测算显示当前最优组合比例为股票45% 债券30% 黄金25% [4] - 黄金波动率贡献度降至14% 对股票资产的对冲效率提升至0.38 [4] - 智能再平衡算法使组合年化波动率控制在9.2%以内 [4] 资金流向与投资绩效 - 沪港通北向资金单日净流出创83亿元纪录 黄金ETF获得连续21周净申购 [4] - 坚持三年期定投组合的年化收益率达8.7% 显著跑赢单一资产配置策略 [4]

（08566.hk/8R5T9）在美联储维持高利率的 2025 年第三季度，全球投资者正面临着前所未有的配置难 题。股票市场的估值中枢持续下移，美债收益率曲线倒挂加深，黄金价格则在避险需求推动下创出历史 新高。这种复杂的市场环境，恰恰印证了现代投资组合理论创始人马科维茨的论断："多元化是资本市 场唯一的免费午餐。" 股票市场呈现显著的结构性分化特征（08566.hk/V7X2Z）。科技板块受 AI 算力需求驱动保持韧性，费 城半导体指数年内涨幅达 18.7%，而传统消费板块受制于居民储蓄率下降持续承压。这种分化行情对选 股能力提出更高要求，主动管理型基金的平均超额收益达到 4.2 个百分点，凸显专业投资的价值。值得 关注的是，智能投顾系统通过机器学习算法（08566.hk/Q9L3M）挖掘出多个具有超额收益潜力的中小 市值标的。 固定收益市场正在经历定价机制的重构（08566.hk/K4P6F）。10 年期美债收益率在 4.5% 关口反复震 荡，信用利差较历史均值扩大 37 个基点。机构投资者通过久期策略和信用下沉获取 alpha 收益，投资 级公司债的配置价值开始显现。特别是绿色债券市场（08566.hk/ ...

根据提供的研报内容，以下是量化模型和因子的详细总结： 量化模型与构建方式 1. **Black-Litterman模型** - 模型构建思路：结合市场均衡收益和投资者主观观点，优化资产配置[17][20] - 模型具体构建过程： 1. 计算市场均衡收益（逆向优化） 2. 整合投资者主观观点（通过观点矩阵和信心水平） 3. 使用贝叶斯方法调整预期收益 4. 通过均值-方差优化得到最终权重[20] - 模型评价：有效平衡市场均衡与主观观点，降低极端配置风险[20] 2. **风险平价模型** - 模型构建思路：使每类资产对组合风险的贡献相等[27][30] - 模型具体构建过程： 1. 选择底层资产（有效性、分散性、流动性）[30] 2. 计算资产风险贡献： $$TRC_i(w) = w_i \frac{\partial \sigma(w)}{\partial w_i}$$ 3. 优化目标： $$\min \sum_{i=1}^{n}\sum_{j=1}^{n}(TRC_i(w)-TRC_j(w))^2$$ $$s.t. \sum w_i=1, 0\leq w_i\leq1$$[28] 4. 转化为凸优化问题求解[29] - 模型评价：改进传统均值-方差模型，提升风险分散性[30] 3. **逆周期配置模型** - 模型构建思路：基于宏观经济周期调整股债配置比例[43] - 模型评价：在衰退期增加债券配置，扩张期增加权益配置[43] 4. **宏观动量择时模型** - 模型构建思路：利用经济增长、通胀、利率等宏观指标预测资产走势[58][60] - 模型评价：对经济周期转折点敏感，但存在滞后性[60] 5. **情绪择时模型** - 模型构建思路：通过涨跌停板、流动性等指标捕捉投资者情绪极端变化[65][67] - 模型评价：在市场情绪极端时效果显著，但需结合其他信号过滤噪音[67] --- 量化因子与构建方式 1. **ETF轮动因子** - 因子构建思路：结合宏观与量价指标选择风格ETF[71][73] - 因子具体构建过程： - 宏观层面：经济增长、社融、利差等指标 - 量价层面：动量、波动率、拥挤度[71] - 综合打分决定配置权重[73] 2. **行业轮动因子** - 因子构建思路：四象限模型（景气度/情绪/技术/宏观）[82][83] - 因子具体构建过程： - 景气度：行业ROE分位数 - 情绪：分析师评级上调比例 - 技术：动量+换手率+波动率加权 - 宏观：PMI/PPI等指标的行业敏感性[83] 3. **高频量价因子** - 因子类型： - 日内偏度、下行波动占比 - 盘后大单净买入强度 - 改进反转因子[93] - 因子评价：短周期有效性显著，但需控制交易成本[93] 4. **ST预警因子** - 因子构建思路：财务指标预测ST风险[101][104] - 因子具体构建过程： - 利润为负且营收低于阈值 - 净资产为负 - 审计报告异常[101] --- 模型的回测效果 | 模型名称 | 年化收益 | 最大回撤 | 年化波动 | 夏普比率 | 卡玛比率 | 数据来源 | |--------------------|----------|----------|----------|-----------|-----------|----------------| | BL策略1 | 6.58% | 3.18% | 2.15% | 1.86 | 2.07 | [22][24] | | 风险平价策略 | 6.56% | 3.15% | 1.91% | 2.08 | 2.08 | [31] | | 逆周期配置模型 | 7.36% | 5.02% | 6.06% | 1.13 | 1.97 | [43] | | 宏观动量择时模型 | 7.06% | 8.85% | 6.12% | 1.24 | 0.85 | [60] | | 情绪择时模型 | 7.74% | 40.52% | 24.91% | 1.01 | 0.62 | [67][87] | --- 因子的回测效果 | 因子类型 | IC均值 | 多空收益 | 年化超额 | 数据来源 | |--------------------|----------|----------|----------|----------------| | 改进反转因子 | 0.031 | 17.44% | 6.14% | [93] | | 多颗粒度模型(5日) | 0.081 | 44.62% | 16.41% | [93] | | ST预警因子 | - | - | 12-4月跑输市场 | [104][107] | （注：部分因子测试结果因文档格式限制未完全列出，详见原文引用处）

量化模型与构建方式 1. **模型名称：国内资产BL模型1** - 模型构建思路：BL模型是均值-方差模型的改进，通过贝叶斯理论将主观观点与量化模型结合，优化资产配置权重[14] - 模型具体构建过程： 1) 选择国内资产标的（沪深300、中证1000、国债总财富指数等）[15] 2) 计算资产预期收益与协方差矩阵 3) 结合投资者主观观点调整收益预期 4) 通过优化算法求解最优权重 - 模型评价：有效解决均值-方差模型对预期收益敏感的问题，兼具主观投资的灵活性和量化模型的稳定性[14] 2. **模型名称：全球资产BL模型2** - 模型构建思路：同国内资产BL模型1，但覆盖全球资产（标普500、COMEX黄金等）[15] - 模型具体构建过程： 1) 选择全球资产标的（标普500、企业债指数等）[15] 2) 其余步骤与国内BL模型1一致 3. **模型名称：国内资产风险平价模型** - 模型构建思路：使每类资产对组合风险的贡献相等，穿越经济周期[19] - 模型具体构建过程： 1) 选择8类国内资产（沪深300、中证转债等）[21] 2) 计算资产波动率与相关性矩阵 3) 优化权重使各资产风险贡献均衡 公式： $$ w_i = \frac{1/\sigma_i}{\sum_{j=1}^n 1/\sigma_j} $$ 其中$\sigma_i$为资产i的年化波动率[20] 4. **模型名称：基于宏观因子的资产配置模型** - 模型构建思路：通过增长、通胀等6大宏观因子构建配置框架[23] - 模型具体构建过程： 1) 构造宏观因子Mimicking Portfolio[24] 2) 计算资产因子暴露水平 3) 结合主观宏观判断调整因子暴露目标 4) 反解得到资产配置权重[24] 模型的回测效果 1. **国内资产BL模型1** - 上周收益：0.02% - 7月收益：0.61% - 2025年收益：2.46% - 年化波动：2.16% - 最大回撤：1.31%[17][18] 2. **全球资产BL模型2** - 上周收益：-0.07% - 7月收益：0.51% - 2025年收益：1.59% - 年化波动：1.70% - 最大回撤：1.28%[17][18] 3. **国内资产风险平价模型** - 上周收益：-0.02% - 7月收益：0.36% - 2025年收益：2.70% - 年化波动：1.46% - 最大回撤：0.76%[22][29] 4. **基于宏观因子的资产配置模型** - 上周收益：-0.03% - 7月收益：0.38% - 2025年收益：2.76% - 年化波动：1.36% - 最大回撤：0.64%[28][29] 当前持仓分布（2025年7月） - **国内资产BL模型1**：中证1000(10.51%)、国债(65.14%)、企业债(19.13%)、商品(5.22%)[13] - **全球资产风险平价模型**：标普500(1.54%)、企业债(93.11%)、黄金(2.13%)[13]