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]

核心观点 - 报告核心观点为2025年11月下旬日本国债市场出现自1999年以来最剧烈的抛售潮，其根本原因并非单纯的低利率环境，而是财政刺激计划引发的债务可持续性担忧、央行政策转向预期以及市场结构性问题（如算法交易和流动性不足）三重压力叠加的结果[4] 这一高波动模式在全球债券市场（包括发达市场和新兴市场）具有共性，其生成机制根植于央行沟通的非线性传导、算法交易主导以及流动性稀薄下的负反馈循环[4][24] 日本债市波动对中国市场的启示在于需关注财政扩张的市场化约束、央行购债操作的节奏平衡以及机构配置的拥挤交易风险，但中国在资本管制、汇率机制等方面存在显著差异[4][28] 日债波动的直接触发因素 - 财政刺激规模达21.3万亿日元（约占GDP 3.5%），其中需通过一般账户支出17.7万亿日元，并额外发行约11.7万亿日元政府债券，发债规模远超2024年同期的6.7万亿日元，在日本政府债务已达GDP 280%的背景下引发市场对财政纪律的担忧[6] - 日本央行削减长端购债规模，30年期月度购买量从1.2万亿日元降至1万亿日元，削弱需求支撑；超长端收益率波动加剧，20年期收益率触及1999年以来最高水平，30年期利率单日跳升5个基点至3.26%，40年期飙升5.5个基点至3.6%[4][7] - 11月27日2年期国债拍卖投标倍数降至3.53倍（低于10月的4.35倍和过去12个月3.66倍的均值），中标收益率升至0.97%创2008年以来新高，反映市场对日本央行加息的预期概率从32%飙升至57%[4][8] - 机构行为与算法交易在流动性不足环境下形成踩踏式抛售，10年期JGB收益率突破1.8%关键阈值后触发集中止损，JGB期货未平仓合约积累杠杆头寸，而传统长期投资者（如寿险和养老金）因负债端成本上升和资产端波动加剧导致配置意愿下降[9] 全球债市震荡的共性特征 发达市场案例 - 英国30年期金边债券收益率升至5.6-5.7%创1998年新高，财政部将超长期债券发行占比从20%骤降至10%，债务占GDP比重预计升至98%，但财政缓冲空间仅剩100亿英镑，传统长期投资者配置意愿明显下降[12] - 澳大利亚10月CPI超预期至3.3%（市场预期3.0%），10年期国债收益率单日飙升10个基点至4.48%，2年期暴涨14个基点至3.77%，市场对降息预期逆转，甚至开始定价2026年加息可能性[13] - 发达市场波动共性机制在于央行政策信号的边际变化（如从"耐心观察"转向"警惕通胀"的措辞调整）在流动性不足环境下被算法交易和杠杆策略放大，导致收益率脱离基本面的超调，做市商通过扩大买卖价差和缩减交易规模形成负反馈循环[16] 新兴市场脆弱性 - 阿根廷比索崩至1505:1历史新低，主权债风险溢价从1300个基点飙升至1429个基点，央行单日抛售5300万美元外汇储备干预，平行市场汇率反映公众对官方机制信心崩塌[21] - 土耳其央行将政策利率从40.5%仅下调100个基点至39.5%，显示对通胀反弹的警惕；巴西维持Selic利率15%不变，降息周期可能推迟至2026年，政策进退维谷加剧市场不确定性[22] - 新兴市场波动放大源于浅薄流动性、外资依赖及汇率传导非对称性，资本流动对利差极端敏感（利差每上升100个基点可吸引约250亿美元资本流入），全球金融条件收紧易触发"突然停止"现象[20][23] 震荡生成机制 - 央行沟通微调（如从"耐心等待"转向"密切关注"）可引发25-80%的波动率变化，在缺乏前瞻指引时市场不确定性显著上升[4][25] - 算法交易在压力情景下呈现"流动性幻觉"，高频交易者同步撤出做市报价，买卖价差在闪崩后60秒内飙升142%，订单簿深度骤降，形成"波动率上升-流动性下降-波动率进一步上升"的恶性循环[27] 对国内市场的启示 - 财政扩张的市场化约束需关注，2025年前三季度中国地方政府专项债发行规模超4万亿元，广义财政融资需求维持高位，虽主权债务占GDP比重约80%远低于日本，但地方隐性债务透明度仍是不确定性因素；中日10年期国债收益率逐步收窄，若财政刺激加码而名义增长不及预期，长期利率中枢可能重估[28] - 央行购债操作节奏需平衡预期稳定与价格发现，人民银行10月恢复国债购买操作净买入200亿元，但若购债规模频率超出"调节性操作"范围可能增加市场波动[29] - 机构配置行为面临结构性约束，政金债与国债利差压缩至5bp（远低于2019年65bp的五年均值），反映拥挤交易风险；中美10年期国债利差扩大至约-300bp，外部利率环境变化可能通过预期渠道影响机构久期偏好[30] 日本债市后续演绎路径 - 12月BOJ政策会议加息25个基点至0.75%的概率从16%飙升至56%，但高市政府财政刺激诉求与央行抑制通胀目标存在张力，若推迟加息可能加速日元贬值（测试160关口），若坚持加息则需平衡政治压力[33] - 2026年10年期JGB收益率突破2%已成共识，供给端压力来自政府计划增发2-5年期月度发行量各1000亿日元及额外6万亿日元短期国库券，BOJ量化紧缩规模预计达GDP 6%；若加息兑现且通胀持续，短端上行或带动曲线陡峭化，但超长端品种因流动性不足和机构需求疲软波动风险突出[34][35]

核心观点 - 资产配置不仅仅是风险分散，收益预判同样重要，任何风险都不会脱离收益预判而单独存在，资产配置模型的意义在于通过系统化设计让投资者的预判能力得以充分发挥，使胜率60%的投资者能够战胜胜率40%的投资者[5] - 主动型资产配置的核心是收益预测和风险惩罚，风险度量旨在惩罚收益预测的不准确性，从而与预测能力挂钩，主要用于专业投资者[5][11][13] - 配置思路根据是否考虑收益预测可分为被动型和主动型，被动型策略强调风险分散，主动型策略兼顾风险分散和收益增强，战略资产配置两者均适用，战术资产配置通常需用主动型思维[5] - 基于MVO的主动型资产配置策略可应用于两类场景：直接针对有限熟知资产进行配置，或先通过被动型模型构建战略中枢再对部分资产进行战术增强，两种方式均显示显著效果提升[5][10][36][43] - 基于ETF的主动型资产配置方案同样有效，包括直接MVO配置和全天候打底+MVO增强两种方式，结果显示能实现显著的收益增厚[5][51][59] 一、MVO模型适用于主动型资产配置 - 均值方差模型(MVO)是主动型资产配置的首选工具，其优势在于资产类型相对有限，可通过约定持仓上限或下限规避仓位过度集中问题[9] - MVO模型对收益预测有较高要求，这既是其不足也是价值所在，该模型能围绕预测胜率大小进行相应惩罚，使胜率60%的投资者战胜胜率40%的投资者[10] - MVO适用于两类场景：在熟知有限资产间直接配置并施加仓位限制，或在资产类型较多时先通过风险预算等被动模型得到战略中枢，再基于MVO对部分资产进行战术增强[10] 二、主动型资产配置的核心是收益预测和风险惩罚 - 主动型资产配置首先要构建有效的收益预测，大类资产收益预测需构建时间序列模型，为每类资产寻找有效时序因子，如权益的ERP、PMI、MA20收益，债券的股票同期影响、资金利率等[14][20] - 收益预测结果显示，预期收益相比历史均值更接近实际收益，例如中证800预期收益与实际收益对比显示更好拟合度[20][21][23][24] - 主动型资产配置需要对收益预测进行风险惩罚，风险度量的目标是衡量收益预测的不准确性并施加惩罚，采用GARCH(1,1)模型衡量预期风险，结果与历史波动存在显著差异[25][27][28] - "收益预测-风险惩罚"模型效果显著优于"历史收益-历史波动"模型，在不同目标波动率下均显示更优绩效，例如3%目标波动下年化收益11.5% vs 10.8%，夏普比2.87 vs 2.58[30][32][33][34][35] 三、主动型资产配置可用于两类场景 - 直接配置方案针对有预测能力的有限资产，通过仓位限制避免过度集中，例如权益限20%、商品限15%，结果显示随着仓位限制放开组合弹性更高收益更高，如15%限制下年化收益11.6% vs 5%限制下8.6%[36][37][38] - 被动打底+主动增强方案针对资产类型较多情况，先通过动态全天候策略得到战略中枢，再通过MVO进行战术增强，控制跟踪误差，结果显示组合业绩显著提升，如跟踪误差3%下年化收益7.5% vs 动态全天候7.0%[43][46][47][48] - 战术增强过程中，随着跟踪误差约束放宽，组合收益进一步提升，在仓位调整有限情况下实现收益增厚，例如跟踪误差7%下年化收益9.5%较基准提升2.5个百分点[46][48] 四、基于ETF的主动型资产配置方案 - 直接MVO配置ETF组合，对另类资产设置仓位限制，统计区间2024年至2025年10月，结果显示放开限制后效果更优，如15%限制下年化收益10.4%，夏普比2.37，较5%限制提升3.2个百分点[52][53][54][55] - 全天候打底+MVO增强的ETF组合，在不同跟踪误差约束下均显示显著收益增强，如跟踪误差7%下年化收益11.6%较动态全天候9.0%提升2.6个百分点，夏普比2.35[59][60][62][63] - ETF方案中，权益部分用行业轮动策略，债券部分用债券ETF拟合偏债混合基金指数，商品和黄金用对应ETF，组合构建兼顾可投资性和策略有效性[49][51] 五、结论 - 资产配置策略的核心是基于对各类资产预判权衡不确定性得到组合方案，主动型与被动型的核心区别在于是否考虑收益预测以及风险度量的锚定差异[64][65] - 基于MVO的主动型资产配置在两类应用场景下均有较好业绩表现，通过系统化设计充分发挥投资者的预判能力，最后通过ETF落地方案增强了实践可行性[64][65][66] 附录：基于ETF的动态全天候方案 - 结合动态全天候策略和行业轮动策略，构建基于ETF的动态全天候方案，权益部分基于ETF行业轮动，债券部分以债券ETF复制偏债混合基金指数，商品和黄金用对应ETF[67] - 样本外表现显示，包含美股的动态全天候策略年化收益9.0%，标准差3.1%，夏普比2.94，最大回撤-2.0%，绩效指标均优于不含美股的版本[67][68][69][72]

中证A500指数牛市表现 - 在2025年牛市中截至11月10日中证A500指数上涨约20%表现优于31个申万一级行业中的21个处于前三分之一分位水平[10] - 在2014年7月22日至2015年6月12日的改革牛与杠杆牛期间中证A500指数上涨155.36%在2019年1月4日至2021年2月18日的结构性牛市期间上涨101.06%显示其能跟上全面性和结构性牛市节奏[11] - 在类似16.89倍市盈率估值水平下中证A500指数点位呈现阶梯式爬升表明指数不畏高且长期价值中枢有望稳步抬升[12][14] 中证A500与沪深300比较 - 2025年以来中证A500指数表现领先沪深300指数近3个百分点近五年维度下大部分时间也跑赢沪深300[16][17] - 编制方法上中证A500采用先均衡再选股方式低配金融行业近10%显著高配工业、信息技术、通信服务、医药卫生等新兴行业而沪深300为市值加权存在金融和消费行业权重过高问题[19] - 行业覆盖上中证A500覆盖更多中证三级行业且截至10月末新质生产力概念股占比64.25%高于沪深300的54.96%市值风格上中证A500成份股市值中位数在1000亿以下属中大盘而沪深300为纯大盘风格[19][20] 资金流向与产品规模 - 首批中证A500ETF上市时全市场累计流入资金2105亿元同期沪深300ETF流出669亿元南方中证A500ETF规模在三个月内突破200亿元[20][21] - 目前共有149个险资账户持有中证A500ETF覆盖年金和养老金产品中证A500已成为A股跟踪规模第二大指数[22] 多资产配置方案 - 基于风险平价策略的多资产方案配置中证A500、中国国债、黄金、标普500中证A500平均持仓占比16.36%[25] - 自2014年1月1日至2025年9月30日该组合累计收益155.32%年化收益8.30%最大回撤4.78%夏普比率1.72除2018年和2022年外每年均录得正收益[25] - 南方中证A500ETF联接Y份额为个人养老金名录基金享有费率优惠和每年最高12000元应税收入抵扣优势[26]

投资理念与产品定位 - 核心投资理念借鉴巴菲特，强调通过低成本指数基金进行投资，并指出对于普通投资者而言，试图择时或选择特定风格（如小盘股、大盘股）是困难且不明智的 [3] - 产品旨在解决A股市场波动大的问题，结合全天候策略，通过量化方式构建一个能适应国内市场的指数基金组合，目标是实现绝对收益并平滑波动 [4] - 该组合为投顾组合，仅在京东金融平台独家上线，团队已跟投100万元，并承诺一年内至少跟投200万元 [4][19] 组合策略与配置逻辑 - 组合采用全天候策略，在全球范围内精选优质资产，通过全球配置分散投资以平滑波动 [6] - 海外资产配置遵循巴菲特建议，优先选择宽基指数基金，例如持有南方纳斯达克100指数C，该指数在过去20年仅出现三次下跌 [6] - 针对A股市场风格多变、波动大的特点，组合在国内市场同时配置宽基指数、行业指数及不同风格指数，以实现足够分散和多元化 [6] - 采用量化打分方法，每月根据各地宏观环境和基本面因素对各类资产进行评分，选择高分资产配置，力求实现风险平价，降低主观情绪影响 [10] - 组合持仓兼顾债券、股票、货币及商品（如黄金）等多类资产，整体风险相对可控 [7][9][14] 组合持仓与资产分布 - 组合最新持仓显示，债券型资产占比最高，合计约51.45%，包括建信中债1-3年国开行债券指数A（19.77%）、工银漆利债券A（11.89%）等 [15] - 股票型资产合计约22.3%，涵盖A股宽基（如国泰中证A500ETF联接C）、行业指数（如国泰中证煤炭ETF联接C）及港股（如富国恒生港股通高股息低波动ETF联接C） [15] - 货币型资产（平安日鑫A）占比14.81%，商品类资产（如大成有色金属期货ETF联接C、华安黄金ETF联接A）合计占比约9.36%，海外权益资产（南方纳斯达克100指数C）占比2.08% [15] - 组合看好红利风格，配置了煤炭、港股高股息等相关指数，同时配置科技类指数以兼顾成长，并在美联储降息背景下持续看好港股 [16] - 黄金作为对抗通胀和避险的工具被配置，与股票、债券资产相关性不高，在当下流动性宽松及地缘风险背景下被视为底仓配置 [17] 历史业绩与产品特点 - 组合历史业绩显示，成立以来累计收益为+7.13%，今年以来收益为+6.79%，近一月、近三月、近六月收益分别为+1.48%、+3.31%、+6.03% [11] - 组合最大优势在于无需择时，因波动相对可控，可在任何市场环境下维持相对稳健收益，任何时候均可加仓 [12] - 组合全部持有指数基金，利用其费率优势降低成本，并通过指数基金本身的分散化投资增强组合稳健性 [10]

文章核心观点 - 基金经理杨光基于对传统资产定价理论的深刻反思，提出了一种超越传统的资产配置新思路，其核心是从单纯追求绝对收益转向系统性、主动地提升投资组合的风险调整后收益[3][4] - 新思路认为资产价格不仅由其自身预期收益和风险决定，更由其在组合中的角色以及与其他资产间的动态非线性关系共同塑造，关键在于识别并配置能带来“超额性价比”的资产或策略[1][4][11] - 新的资产配置框架旨在构建一个能在不同市场环境下稳健增值的“自适应系统”，投资管理从一门依赖精准预测的技术，进化成一门侧重系统化风险管理和过程控制的科学[4][16][17][34] 对传统资产配置理论的反思 - 传统理论如资本资产定价模型（CAPM）建立在市场有效、投资者理性等严格假设上，难以解释“动量效应”、“价值效应”等市场异象，在金融危机中暴露出对尾部风险管理的乏力[4] - 传统模型依赖的历史相关性是动态且不稳定的，固定的配置框架在危机时刻失效风险极高，且市场真实波动充满跳跃和肥尾，传统理论严重低估极端风险[12] - 现金流折现模型（DCF）对专注于研发的科技前沿企业适用性有限，且非常规货币政策使无风险利率锚定作用减弱，进一步削弱其解释力[13] - “美林时钟”模型因宏观环境结构性巨变而基本失效，其依赖的经济与通胀自然轮动受到央行干预、流动性主导等因素扭曲[14] - 美债等传统“安全资产”的避险属性遭遇质疑，因政府债务杠杆率攀升和结构性通胀压力使其保值功能大打折扣[14] 新的资产配置方法论 - 方法论核心是构建“自适应系统”，通过动态风险预算优化风险效率、多维阿尔法挖掘收益增强、非线性对冲管理极端下行风险[16] - 配置颗粒度从宏观“资产类别”细化到微观“风险因子”（如增长、通胀、利率、信用利差、动量、价值等），使风险分散更纯粹高效[16] - 在长城睿达多元稳健FOF产品中采用“CPPI+风险预算模型”的两阶段策略，先通过CPPI技术提高风险资产夏普比，再构建风险平价组合，该策略基于风险决策，无需预测收益，具有鲁棒性[17][23] - 投资流程分为投前、投中、投后三阶段并进行模块化切割，每个模块目标、规则、工具明确，标准可量化验证，流程闭环可追溯迭代，减少主观干预[19][20] 新宏观范式下的资产定价框架 - 新框架是三维一体的，核心围绕“科技进步、新质生产力、人群共识”[18] - 非线性科技进步使定价逻辑从“盈利现值”转向“期权价值”，研发强度、专利质量与技术迭代速度成为更核心的估值指标[18] - 新质生产力体现为高科技、高效能、高质量，资产定价需评估提升全要素生产率、占据全球价值链高端的能力[18] - 叙事经济学下，共识的凝聚与消散成为资产价格短期波动的重要驱动力，共识本身成为一种稀缺资源[18] 长城睿达多元稳健FOF产品特色 - 产品定位为“升级版的理财替代”，通过多元配置A股、美股、黄金、债券四类低相关性资产来提升收益率并对冲风险，目标是获得对冲非系统性风险后的资产Beta收益[22] - 统计显示，2005年至2025年8月31日期间，四类资产全部下跌的月份仅4次（概率1.61%），全部上涨的月份40次（概率16.13%），多资产分散能大幅降低月度亏损概率[22] - 单一投资A股或债券，月度收益率为负的概率超过35%，A股+债券组合将此概率降至9.68%，加入黄金后进一步降至4.44%[22] - 产品底层基金更关注ETF，因其定位鲜明、风格不漂移、费率低、交易便利，利于低波策略和尾部风险控制[25] 对大类资产的中长期观点 - A股市场正经历估值体系重构，资金从传统周期行业流向“新质生产力”领域（如高端制造、新能源、人工智能、生物医药），定价核心在于技术自主可控、产业链链主地位及全球竞争力，“国产替代”、“专精特新”共识提供估值支撑[27] - 美股科技巨头成为全球科技进步的“价值锚”，估值包含其作为未来基础设施的“平台价值”期权，定义和引领新质生产力的能力是其享有全球配置的关键[28] - 黄金的金融属性被重新定义，全球央行增持及对冲地缘政治与金融体系尾部风险的需求，使其成为“超主权”终极避险资产，价格驱动因素更复杂多元[28]

文章核心观点 - 资产配置中的再平衡策略是投资领域的免费午餐，能够在不增加风险的情况下提升组合收益 [25][26] - 市场波动会创造再平衡机会，波动越大，再平衡策略带来的收益提升效果越显著 [60][61] 资产配置策略 - 介绍了三种经典股债资产配置策略：格雷厄姆和巴菲特的估值配置策略、固定股债比例的目标风险策略、根据年龄分配股债比例的目标生命周期策略 [4][5][6] - 所有资产配置策略都面临股票和债券涨跌不同步导致初始比例变化的问题，需要通过再平衡进行调整 [7][8] 再平衡策略原理与案例 - 再平衡策略通过定期调整资产比例，可以在资产价格波动中获取额外收益，即使资产长期不涨不跌也能实现盈利 [23][24] - 香农举例说明：初始投入500元股票和500元现金，股票先腰斩再翻倍后，通过再平衡总资产从1000元增至1125元，收益12.5% [20][21][22][24] 再平衡策略类型 - 定期再平衡：按固定时间间隔重新调整比例，简单易操作 [27] - 偏离度再平衡：当资产比例偏离初始设定达到一定程度时触发再平衡 [28][29] - 估值再平衡：参考估值而非价格进行比例调整，估值低的品种配置比例高些 [30][31][32][33] - 波动风险再平衡：按资产波动率分配比例，如桥水基金的全天候风险平价策略 [34][35] 实际应用案例 - 基于成长/价值风格轮动的再平衡：在A股市场同时配置成长风格和价值风格的低估品种，通过再平衡可实现1+1>2的效果 [39][41][43] - 股票/债券资产间再平衡：如月薪宝组合40%股票+60%债券，市场大跌时股票比例低于40%可卖出债券加仓股票，市场大涨时则反向操作 [49][51][53][54][55] - 2024年2月市场大跌至5点几星时出现再平衡机会，2025年三季度大涨后也执行了再平衡操作 [52][55]

A股市场行情性质判断 - 市场上涨核心驱动力在于过去三年调整后权益资产风险收益比显著提升，同时债券市场无风险收益率降至2%以下，迫使资金转向风险资产[3] - 当前市场并非全面过热，而是存在局部泡沫，尤其以算力为代表的科技板块短期涨幅巨大，部分个股估值快速攀升[3] - 资产管理人普遍期待“慢牛”行情，但历史经验表明中国市场往往呈现“快牛”特征，希望本次牛市持续时间能更长[4] 市场风格分化与展望 - 成长板块表现强劲，投资逻辑在于部分科技企业“赚国外的钱”，避免了国内激烈内卷，具备更强盈利可持续性[4] - 价值风格并未过时，价值因子包括低PE、低PB、高股息率、良好自由现金流和稳健盈利增长，历史表明其终将回归[4] - 市场存在“极致分化”现象，例如通信行业中仅光模块个股大幅上涨，其余细分领域表现平平[5] 多资产配置策略与实践 - 通过衍生品工具如雪球、气囊、配对等操作有助于降低组合波动，另类资产更多通过ETF临时参与，扮演配角角色[7] - 桥水“全天候策略”本土化实践通过风险平价方法控制波动获取稳定收益，计划将策略拓展至海外市场[8] - 战略资产配置核心是风险预算，在低利率时代单一资产难满足收益要求，多元化配置成为必然选择[8] 具体配置方法与工具 - 提出三种主流配置思路：基于阿尔法的逻辑如私募多策略、全球资产配置侧重大类资产轮动、中性策略提供低相关收益来源[9] - 股票、债券、商品（黄金）、中性策略、不锁汇跨境投资是少有的两两相关性低于0.2的资产类别，组合可实现最高夏普比[10] - 推荐偏债混合策略作为长期投资基础配置，通常配置约30%风险资产（股票多头占15%-20%），预期年化收益6%-7%[10] 投资组合构建技巧 - 股票配置倡导“哑铃型”或“三角型”：一端国企红利低波，一端全市场量化选股或指增，另一端深度价值或逆向策略[10] - 可转债工具可实现“下行有保护、上行有空间”目标，例如2024年7-9月市场系统性下跌时，个券价格跌至面值60%-70%，持有到期可获得大个位数至小双位数年化回报[10]

市场范式转换 - 市场主导逻辑将从"除了债券皆可买"转向"除了美元皆可买"的新范式 [1] - 这一转变的核心逻辑在于美国名义GDP增长即将见顶 [9] 主要资产表现与趋势 - 今年以来黄金表现最佳，涨幅高达38%，远超全球股市的25%和比特币的23% [4] - 美元和石油成为最大输家，年初至今分别下跌10%和13% [5] - 随着名义增长见顶，债券市场长达数年的熊市可能在2025年迎来终结 [13] - 小盘股相对于大盘股的滚动回报率已接近100年来的低点，暗示修复空间巨大 [14] 投资策略建议 - 建议做多国际市场，拥抱非美资产 [16] - 黄金作为对冲无政府状态和美元贬值风险的工具，战略价值凸显 [16] - 建议通过配置中国科技股来对冲和平衡在美国AI泡沫中的风险敞口 [16] - 长期被冷落的对利率敏感的资产，如小盘股和价值股，将迎来利好 [13] AI行业风险 - 为AI泡沫提供资金的资本支出急剧膨胀，超大规模数据中心的资本支出占现金流比例从2023年的35%飙升至72% [18] - 科技行业信贷利差已接近1997年以来最窄水平，表明信贷投资者未对AI行业烧钱风险感到担忧 [20] 政策、盈利与政治框架分析 - 市场认为美联储降息是"先发制人"，推动了信贷利差收窄和利率敏感型股票上涨 [24] - 疲软的劳动力市场被强劲的"K型"财富效应抵消，过去6个月月均新增就业仅6.4万，为2020年来最弱 [25] - 美国家庭股权财富在2024年增加9万亿美元，2025年上半年增加3万亿美元，第三季度再度增加3万亿美元 [26] - 民粹主义抬头，高通胀、高失业率（青年失业率从23年4月的4.8%升至9.4%）和巨大贫富差距构成社会风险 [26]

产品策略与配置 - 产品采用风险平价策略框架 主要配置固定收益类资产 并择机配置不超过20%的权益类资产及黄金策略资产[1] - 黄金投资通过黄金ETF间接挂钩黄金现货合约价格[1] - 去年末利率债配置比例超过90% 重仓利率债[2] - 去年9月末A股行业ETF配置比例超过8%[2] 收益表现 - 成立以来年化收益率达8.18%[1] - 近3个月年化收益率11.98%[1] - 近6个月年化收益率5.78%[1] - 今年上半年年化收益率3.56%[2] - 产品净值在四个时期出现明显攀升：去年10月8日前、去年12月12日前、今年2月21日前以及近期[2] 同类产品比较 - "鸿益（金盈）"系列7只产品今年上半年平均净值增长率0.66% 年化后仅1.32%[3] - 该系列中有两只产品今年上半年收益为负[3] - 该产品在784只同类产品中总分排名第89分 打败99.62%的同类产品[3] - 收益表现得分100分排名第1 风险控制80分排名第757 风险调整收益12分排名第578 综合费率73分排名第659[3] 市场环境与表现关联 - 去年9月末配置A股行业ETF后赶上股市行情启动 出现第一轮净值攀升[2] - 去年底重仓利率债受益债市走牛 出现第二轮净值攀升[2] - 今年3月份-7月份收益表现归于平淡[2] 参考产品表现 - 光大银行"阳光金增利乐享日开1号(180天最低持有)A"成立以来年化收益率从3月6日的5%降至近期的3.51%[3] - 由于同类产品收益率普遍下行 该产品收益得分与半年前基本持平[3]