纪要涉及的行业或公司 * 行业：资产管理、固定收益投资、多资产配置 * 公司：中金公司（报告发布方）[2] 核心观点和论据 资产相关性对投资组合的影响 * 资产相关性对组合收益贡献显著，在日度再平衡下，负相关性可降低波动，提升几何平均收益[1][4] * 当某类资产呈现强烈趋势时（如2020-2021年权益市场），负相关带来的贡献可能减弱甚至为负[1][4] * 增加资产组合可有效降低整体最大回撤，在股债组合中，低仓位股票（如8-9%）的对称效应明显，与纯债表现差距不大[7][8] * 许多理财产品采用5%可转债加5%股票，再加纯债和carry策略的组合，能实现长期净值向上且最大回撤修复时间较短[8] 风险平价策略的优化 * 风险平价策略需扣除资产间关联度带来的风险溢价，再进行夏普比率最优或效用最大化优化[1][5] * 优化后权重配置的绝对年化收益略低，但卡玛比率和夏普比率有显著提升[5] * 不应低估关联度在定价中的作用，应合理反映其影响以实现更优配置效果[1][5] 相关性在收益率预测中的应用 * 股债相关性作为特征值对债券收益率建模有重要作用[1] * 仅使用债券自身特征时，对4月收益率的预测准确率约为50%，加入股债相关性后准确度接近60%[9] * 仅加入股票自身收益率或波动率等特征并未显著提高预期能力，股价相关性的信息更为纯净、低噪音[9] 相关性的计算与观测 * 计算资产间相关性需关注抽样周期和频率，使用过去一年的周度涨跌幅是平衡噪音和信息量的最佳选择[1][10] * 日度数据噪音较多，月度数据信息量有限且波动大[10] * 应关注尾部依赖风险（如股债双杀或双涨），可利用Copula方法进行观测和刻画[1][11][12] * 2025年股债下尾关联性处于极低水平，但不排除2026年可能跳升[12] 大类资产间的历史相关性特征 * 股债负相关关系自2018年以来较为明显，2025年达到负0.4左右[2][15] * 自2004年以来，股债显著负相关程度约为30%[15] * 可分为三个周期：2004-2009年（通胀驱动）、2010-2019年（流动性驱动）、2020年以来（机构行为驱动）[15][16] * 2020年以来，股票表现对未来一个月资产间关联产生单向影响[2][16] * 转债与股票有较高的正向关联，与纯债的关联取决于市场环境和投资者行为[17] * 转债估值处于中等合理水平时，与股票的相关性更高；价格较低时与纯债正相关，价格较高时与纯股负相关[19][20] * 黄金与A股及A类资产整体呈现弱相关甚至不显著，有利于风险平价组合分散风险[21] * A类证券与美类证券整体呈现弱正相关，关联主要出现在全球货币政策同步阶段[22] * 美股和A股整体上围绕零轴附近波动，无明显统计学上的强烈联系[23] * REITs与A股及A类证券历史上大部分时间处于偏弱正相关，但自2025年以来与A股出现一定负相关[24] 宏观与市场因素对相关性的影响 * 股债间关系不仅受通胀绝对水平影响，更受通胀和经济增长的不确定性（方差）影响[29] * 在资本市场净值化管理后，CPI波动率对股债关系有显著正面影响，而CPI绝对水平贡献不显著[29] * 流动性指标和沃夫指标（Volatility of Volatility）能有效刻画市场流动性紧张程度及股票波动变化，从而解释股债关系[2][30] * 高频市场中，股债相关性受宏观政策和投资者结构影响，呈现状态变化，可采用状态转换回归模型处理[2][32] * 2024年底至2025年经历了高波动阶段，目前（2025年底）市场进入偏低波动时期[33] * 如果流动性政策导致流动性突然上升，可能引发股价相关性的猛增[2][33] 多资产组合管理的实践与策略 * 信用债各维度收益率与股票之间的相关性较弱[26] * 不同风格因子与纯债券相关性不同：成长因子负相关，价值因子偏正相关；大盘股相对于小盘股与纯债有更明显且长期偏负向的关系[27] * 可利用近期定增、成长趋势、稳健成长以及红利低波四类策略型指数与纯债进行组合优化[28] * 从历史数据看，这样构建的组合年化收益约为7%，最大回撤控制在4%以内；加入黄金后收益可接近10%，回撤在5%左右[28] * 在进行多资产组合管理时，需注意参数调整和误用等细节问题，并关注跳升过程而非平滑变动[18] 其他重要内容 * 通胀水平对国债相关性的解释力度并不强[2] * 国家相关性在股价分析中由于自相关程度高，扣除后其显著性需要打折扣[14] * 2022年下半年至2023年期间，期限利差与股票之间的负相关性消失主要由于市场空转的影响[25] * 对于固收加策略，更应关注尾部依赖风险[11] * 预测股债相关性的必要性不大，因为过去数据重叠较多，数值变化不大，多为白噪声[14] * 展望2026年，股债间相关性仍需密切关注，源于宏观政策和流动性的潜在变化[34]

**纪要涉及的行业或公司** * 固收债市行业[1] * 银行业[3][7] * 房地产行业[5] **核心观点和论据** * 债市整体情绪偏弱 受股债相关性非恒定、交易盘依赖区间波动（中枢1.75% 区间1.70%-1.80%）、基本面无变化而政策预期成焦点等因素影响[2] * 收益率下行需配置盘力量支撑 仅靠交易盘预期难以快速推动 需关注增量资金入场[1][2][4] * 政策预期是交易盘关注重点 包括反内卷操作细节、地产政策放松等可能成为增量政策因素[2][4] * 深圳限购政策放松具象征意义 可能引发其他城市效仿 但对债市影响限于短期情绪而非长期趋势改变[5] * 流动性关注银行放松及央行投放措施（如降息、买断式回购） 需观察央行是否采取超常规操作[1][6] * 银行面临存单到期量大及公开市场操作对冲压力 存单具调节流动性指标功能 大行头寸管理不善可能在月中或月末面临更大补缺口压力[3][7] **其他重要但可能被忽略的内容** * 央行重启买债非绝对必要 但可缓解发行压力并释放积极信号 关注央行是否购买不同期限债券 大行备券可能导致长债和超长债被卖出或融出[3][8] * 股债市场间存在混合型产品 股市上涨时部分资金仍会配置债券 股市下跌时混合型产品赎回可能抛售流动性好的长久期和超长久期国债[10] * 本周关键点包括大型银行流动性压力及融出规模、国债买卖进度及大行备券情况、混合类产品负载端赎回情况[11] * 上周五进行一万亿买断式回购 但仅为正常续做且略低于预期[6] * 过度泛滥流动性概率较低 大概率保持平稳状态[6]

报告行业投资评级 未提及 报告的核心观点 债市或在震荡中渐进式修复，随着股债相关性减弱和商品压力缓解，债市将逐步回归资产荒和基本面逻辑，但修复可能受其他市场、季节性因素和监管政策影响，并非顺畅快速，建议哑铃型操作，长债利率更顺畅下行或在4季度中后段，利率年内有望创新低 [4][6][18] 根据相关目录分别进行总结 债市近期表现 - 本周债券利率继续震荡，长债和短债维持震荡态势，10年国债和30年国债活跃券较上周分别变化 -1.25bps和 0.95bps至 1.77%和 2.03%；跨月后资金价格宽松，1年AAA存单保持在 1.67%左右；信用利率小幅下行，3年和5年AAA - 二级资本债分别较上周下降 1.7bps和 1.9bps至 1.92%和 2.05% [1][9] 影响债市因素变化 - 过去两个月债市受股市和商品市场冲击，但影响逐步减弱，股债跷跷板效应下降，30年活跃券日度利率变化与上证指数涨幅的10日移动相关系数从7月下旬0.8左右降至目前0.15左右，原因是债券机构持仓变化和股债性价比改变；7月底以来商品价格指数下降，9月4日南华工业品价格指数较7月25日高点累计回落6.3%，商品对股市压制缓解 [2][10] 债市保护因素 - 资金宽松和银行欠配是债市主要保护，基本面承压、需求不强劲、融资需求不足，资金宽松状况未改变，当前隔夜利率在1.3%附近，R007在1.4%左右；后续资产供给下降，今年前8个月政府债券净融资10.4万亿，未来4个月净融资或回落，信贷增速可能放缓；银行信贷增速放缓但存款增速提升，存贷款增速差拉大，银行需增配债券，且债券性价比高，增配意愿高 [3][10] 债市修复阻碍因素 - 其他市场冲击仍存在，股债跷跷板未完全消失，非银长债仓位高，股市大幅上升可能导致机构减持引发债市波动，股市后续走势不确定 [4][14] - 季节性因素影响，9月往往是利率调整期，10月是震荡期，过去4年9月10年国债平均利率上行6.7bps，10月微幅下行0.2bps，因进入年度考核季，银行超季节性配置有限，前期债市上涨带来止盈需求上升 [4][14] - 公募基金费率改变可能带来短期债市波动，新规定调整赎回费，机构难以频繁申赎，降低配置公募基金意愿，赎回行为可能带来市场调整压力 [5][16][17]

量化模型与构建方式 1. **模型名称**：宏观因子风险平价模型 - **模型构建思路**：参考Fama-MacBeth方法，通过单变量时序回归计算资产对宏观风险因子的风险载荷，结合半衰期加权平滑载荷波动，最终通过风险平价优化配置底层资产[12][22][23] - **模型具体构建过程**： 1. **数据选择**：宏观因子包括经济增长（工业增加值/消费预测）、利率（国债指数）、通胀（CPI/PPI预测）、信用（企业债指数）等；资产覆盖中证全指、恒生指数、国债、商品等[20] 2. **风险载荷计算**：滚动36个月数据回归资产收益与宏观因子，公式为： $$r_{t}=\alpha_{t}+B\cdot f_{t}+\varepsilon_{t}$$ 其中B为风险载荷矩阵，f为因子收益[23] 3. **风险贡献优化**：基于风险平价目标，要求各宏观因子风险贡献相等，权重计算通过： $$\%\text{RC}\ =(w^{T}\cdot B)_{i}\cdot\frac{\partial\sigma_{P}}{\partial(w^{T}\cdot B)_{i}}/\sigma_{P}$$ 并采用12个月半衰期加权历史载荷[24] - **模型评价**：相比资产风险平价，模型提高了收益和波动弹性，但受资产价格波动滞后影响可能产生误差[37] 2. **模型名称**：股债相关性预测模型 - **模型构建思路**：借鉴AQR方法，将股债相关性拆解为经济增长波动、通胀波动、两者相关性三变量，并加入通胀水平因子提升解释度[42][48] - **模型具体构建过程**： 1. **变量定义**：经济增长波动（工业增加值/消费同比）、通胀波动（CPI/PPI同比）、相关性（3年滚动窗口计算）[48] 2. **回归模型**： $$r_{t}^{s}-E_{t-1}r_{t}^{s}=b_{\bar{\varepsilon}}^{s}e_{t}^{\bar{\varepsilon}}+b_{\bar{\varepsilon}}^{s}e_{t}^{\bar{\varepsilon}}$$ $$r_{t}^{b}-E_{t-1}r_{t}^{b}=b_{g}^{b}e_{t}^{g}+b_{n}^{b}e_{t}^{n}$$ 滞后1个月宏观数据后，解释度仍保持较高水平[53] 3. **预测应用**：滚动3年窗口计算系数，结合一致预测数据生成未来股债相关性方向[54] --- 模型的回测效果 1. **宏观因子风险平价模型** - 年化收益：9.86%（有半衰期） vs 5.93%（资产风险平价）[29] - 年化波动：9.55% vs 2.53%[29] - 最大回撤：-14.30% vs -3.45%[29] - 分年度表现：2016年收益37.24%，2021年14.63%[32] 2. **股债相关性预测模型** - 三变量模型R²：0.610，四变量模型提升至0.767[51] - 经济增长波动系数：-0.0307（显著负贡献）[51] - 通胀波动系数：0.0836（显著正贡献）[51] --- 量化因子与构建方式 1. **因子名称**：经济增长因子 - **构建思路**：通过工业增加值/消费预测等权合成，反映经济周期变化[20] - **具体构建**：月度环比预测值标准化后等权加权[20] 2. **因子名称**：通胀因子 - **构建思路**：结合CPI/PPI预测捕捉价格变动风险[20] - **具体构建**：环比预测值正交化后等权合成[21] 3. **因子名称**：信用因子 - **构建思路**：以企业债指数收益代表信用利差变化[20] - **具体构建**：正交化处理经济增长和利率因子后保留特异性风险[25] --- 因子的回测效果 1. **经济增长因子**：在股债相关性模型中贡献显著负向风险（t=-12.092）[51] 2. **通胀因子**：四变量模型中系数0.0836（t=5.375），且通胀水平因子额外贡献0.0269（t=8.759）[51] 3. **信用因子**：与权益多空因子相关性矩阵显示低相关性（Carry相关性0.2）[41]