Black-Litterman模型改进均值-方差配置模型 [page::2][page::3]

• 采用贝叶斯方法结合市场隐含收益与投资者主观观点，改进均值预期和协方差估计。

- 投资者观点的主观收益分布对配置结果影响最大。

• 观点矩阵基于经济周期的资产历史收益构建，增强配置的适应性。

宏观经济与流动性指数构建及经济周期划分 [page::4][page::5][page::6][page::7][page::8]

• 多维市场和基本面指标构建经济指数，量价和货币政策指标构建流动性指数。

- 指标经过标准化与熵值法加权，形成综合指数。

• 使用马尔科夫区制转换模型划分经济和流动性的高低波动状态，实现四阶段经济周期：复苏、过热、滞胀、衰退。

- 海外资产纳入以利差指标为依据的择时信号辅助决策。

ETF标的选择与权重约束设计 [page::9][page::10]

| 资产类别 | ETF代码 | ETF名称 | 资产权重约束（不同经济阶段） |
|----------|----------------|------------------|-------------------------------|
| 股票ETF | 159919.SZ等 | 沪深300、中证500等 | 复苏≥50%，过热/滞胀/衰退≥15% |
| 债券ETF | 511010.SH等 | 国债、公司债等 | 衰退≥50%，其余阶段≥15% |
| 商品ETF | 159985.SZ等 | 豆粕、有色金属 | 过热≥50%，其他阶段≥15% |
| 货币ETF | 511880.SH | 银华日利 | 滞胀阶段5%-20%，其他阶段固定5% |

• ETF选择考虑上市时间、流动性和覆盖代表性。

- 约束设计借鉴美林投资时钟理论，强化优势资产权重。

宏观择时ETF策略构建流程 [page::11]

• 定期计算经济与流动性指数，划分经济周期状态。

- 利用利差择时海外资产纳入。

• 根据经济阶段确定资产权重约束，输入Black-Litterman模型计算最优权重。

- 组合月度调仓，动态适应宏观变化。

回测结果与策略表现 [page::12]

| 时间 | 年化收益率 | 年化波动率 | 夏普比率 | Calmar比率 | 最大回撤 |
|------------|------------|------------|----------|------------|-----------|
| 2020年至今 | 6.83% | 5.51% | 1.2273 | 1.4738 | -4.63% |
| 2020 | 16.76% | 6.56% | 2.4163 | 7.4357 | -2.25% |
| 2021 | 3.23% | 6.28% | 0.5369 | 0.6967 | -4.63% |
| 2022 | 3.94% | 4.99% | 0.7996 | 1.1830 | -3.33% |
| 2023 | 9.59% | 3.73% | 2.4744 | 5.2785 | -1.82% |

• 策略年化收益稳定且波动较低，显著优于传统均值-方差模型的历史表现。

- 最大回撤控制在较低水平，风险管理有效。

• 不同经济周期资产权重调整匹配市场环境，提高策略适用性。

策略总结与风险提示 [page::13]

• 结合Black-Litterman模型与经济周期理论优化ETF配置，提升资产配置精度。

- 策略基于历史数据回测，提示历史表现不代表未来收益。

• 该策略适合中长期大类资产配置的动态调整，但不构成直接投资建议。

1. 元数据与报告概览

• 报告标题: “宏观经济周期划分下的ETF配置方法”

- 作者及机构: 马普凡、吴金超，中国银河证券研究院，联系方式及分析师登记编码详细列出。

• 发布日期: 报告具体发布日期标注时间范围为2020年至2023年间，最新数据至2023年8月（具体年份在不同处省略，推测报告最新为2023年发布）

- 主题: 以宏观经济周期为背景，基于改进的资产配置模型Black-Litterman模型，提出ETF大类资产的动态配置策略。

• 核心论点:

- 通过结合市场隐含收益和投资者主观观点，采用Black-Litterman模型改进均值-方差资产配置模型，解决经典均值-方差模型对参数敏感性强的问题。
- 使用经济指数和流动性指数结合马尔科夫区制转换模型划分经济周期四阶段。
- 以美林投资时钟理论为框架，将经济周期不同阶段对应大类资产优先配置，从而构建基于ETF的宏观择时策略。
- 回测结果表明该策略年化收益率稳健，风险可控，夏普率良好。

• 评级/观点: 报告未给予具体的投资评级，但强调策略提供稳健收益，不具投资建议性质，明确历史数据不可外推的风险提醒。[page::0,1]

2. 逐节深度解读

2.1 资产配置理论改进：Black-Litterman模型

关键论点：

• 描述均值-方差模型的基本逻辑与不足，指出其对均值参数敏感，实际中历史数据滞后及误差大降低模型有效性。

- Black-Litterman模型通过贝叶斯方法融合市场隐含收益（先验分布）与投资者的主观观点（观点分布），迭代更新资产预期收益和协方差矩阵，提高输入参数的准确性，最终求解最大效用函数获得权重。

• 市场组合权重通常采用市值加权或等权等方式，观点分布基于经济周期历史收益构建。

- 强调投资者观点的主观性是模型核心且对配置结果影响最大，需结合宏观经济周期来提高观点合理性。

数据与图表：

• 图1：Black-Litterman模型原理示意流程，展示从市场组合权重、风险厌恶系数、协方差矩阵开始，结合投资者观点（期待收益和置信度），构建先验与观点分布，再结合后验分布计算最终均值与方差。

逻辑与假设：

• 先验收益通过反向优化确定，隐含市场均衡收益。

- 观点收益基于投资者对某段经济周期的认识，反映各资产风险偏好。

• 结合观点与先验分布的贝叶斯整合提升预期收益估计准确性。

- 计算最终资产权重时，在配置约束下最大化投资者效用函数。

[page::2,3]

2.2 大类资产配置方法：纳入流动性的美林投资时钟

关键论点：

• 美林投资时钟将经济周期划分为复苏、过热、滞涨、衰退四个阶段，传统根据经济增长与通胀指标判定。

- 报告创新加入流动性指标（量价数据和央行货币政策工具）作为第二轴，融合通胀与流动性状态，共同划分周期状态。

• 经济周期四阶段与流动性状态的组合决定不同阶段的资产配置侧重点，比如复苏期股票优先，过热期商品优先，滞胀期货币优先，衰退期债券优先。

- 通过多维度指标合成经济指数与流动性指数，利用熵值法赋权，处理标准化数据，以保证指数的科学性和客观性。

关键数据：

• 表1详列宏观经济指标，包括市场股票指数（如上证综合指数）、债券期限利差、信用利差，供应侧指标（大宗商品PMI、工业增加值预测）、需求侧指标（消费、固定资产投资、房价指数、进出口等），涵盖频率（日、月）及指标正反向。

- 表2列举流动性指标，如M2同比、社会融资规模、贷款利率LPR、央行逆回购货币净投放及利率等。

• 指数计算采用正/反向标准化处理公式，确保所有指标区间统一于0-1之间，同时引入熵值法根据变化度赋权。

- 图4和图5分别显示2014-2023年合成经济指数和流动性指数的变化趋势，能捕捉宏观经济与流动性的动态变化。

逻辑与假设：

• 流动性指标纳入考虑充分体现了货币政策对资产价格影响的非线性和时变性。

- 熵值法客观避免了人为赋权偏差，但需确认数据稳定性和样本代表性。

• 宏观指标走势及其趋势项均为后续周期划分的核心变量。

[page::4,5,6]

2.3 经济周期划分

关键论点：

• 采用马尔科夫区制转换模型将经济指数和流动性指数划分为高低波动两个状态，分别代表经济上行与下行，流动性宽松与紧缩。

- 另外，采用利差指标（TED spread）作为海外资产配置择时信号，利差同样通过两区制模型划分。

• 滤波降噪处理确保宏观指标趋势平稳，避免突发噪声导致频繁状态切换。

- 马尔可夫模型参数估计结果显示，状态转换概率均大于90%，说明经济状态区分稳定且区分意义明确。

关键数据：

• 表3展示三类指标的均值和方差估计，高波动期指标均值较低波动期为高，表明区分合理性。

- 表4定义不同经济-流动性组合与经济周期四阶段（复苏、过热、滞涨、衰退）的对应关系。

• 图6至图9给出这四指标从2020年至2023年的区制划分与经济周期最终划分的时间序列示意，利用阴影区域直观表示经济及流动性状态的周期演变。

逻辑与假设：

• 经济与流动性状态独立建模后合并定义四个周期阶段，假设两指数间可独立转移。

- 海外择时结合利差使得配置更为全面，适时纳入海外资源。

• 日频指标与月频周期状态之间采用多日多数原则，保证周期划分平滑。

- 该方法避免了简单基于指标阈值划分的缺陷，更符合经济周期随机性本质。

[page::7,8]

2.4 ETF宏观择时策略构建

标的选择：

• 选取流动性好、上市较早并可融资融券操作的ETF构建大类资产篮子，包括股票（沪深300、 中证500、 标普500）、债券（5年国债、中高等级信用债）、商品（有色金属、豆粕）、货币。

- 表5详细列出各ETF代码、名称、成立日期及跟踪指数。

• 该标的组合充分覆盖股票、债券、商品和货币四大类资产，适合动态配置策略。

资产权重计算与约束：

• 采用Black-Litterman模型结合等权先验，风险厌恶系数由市场收益波动估计获得。

- 观点收益（Q）根据当前经济周期对应资产在历史上的平均收益设定。

• 置信矩阵Ω采用默认调整系数τ，形成观点分布。

- 最大效用函数求解时，对不同经济周期配置权重设定强约束。例如：
- 复苏阶段股票权重大于50%，商品与债券较低；
- 过热阶段商品权重必须超过50%；
- 滞胀阶段货币权重上升至5%-20%；
- 衰退阶段债券权重至少50%。

• 表6展示不同周期对应的资产类别权重约束。

构建流程：

• 详细的流程图（图11）展示：宏观经济及流动性数据标准化→经济周期划分→境外资产择时→Black-Litterman模型计算权重配置。

回测结果：

• 样本外回测从2020年7月至2023年8月，月末调仓。

- 图12净值曲线展示策略表现稳健，波动平滑且呈现稳步上升趋势。

• 表7提供主要绩效指标：

- 年化收益 6.83%
- 年化波动率 5.51%
- 最大回撤 -4.63%
- 夏普比率 1.2273，Calmar比率1.4738

• 逐年分析发现2020年收益最高，后续三年仍保持正收益。

- 表8给出2023年各月的动态持仓比例，体现不同阶段资产权重调整的实际操作。

逻辑与假设：

• 通过历史周期中资产不同状态收益作为观点收益，动态反映周期对资产表现的影响。

- 权重约束保证配置风格符合经济阶段分配预期，避免极端偏离。

• 采用月频调仓减少频繁交易成本。

- 回测期间策略表现优异但不保证未来相同，报告明确风险提示。

[page::9,10,11,12]

2.5 总结与风险提示

• 报告总结Black-Litterman模型结合宏观经济周期与流动性指数可有效提升资产配置效果，实现稳健的ETF宏观择时策略。

- 风险声明包括历史数据不可外推，供统计和测算参考，不构成直接投资建议。

• 参考文献提供了模型及策略的理论背景支持。

[page::13]

3. 图表深度解读

• 图1（Black-Litterman模型示意）

该图表清晰展示了模型从市场权重、风险厌恶系数、协方差矩阵出发，结合投资者观点矩阵与置信度矩阵，构成先验和观点收益分布，最终通过贝叶斯方法获得后验分布，为优化目标函数提供参数，核心说明了模型参数融合的全过程。

• 图2与图3（美林投资时钟与宏观流动性周期）

美林投资时钟描述4个经济阶段间的循环，同时图3进一步加入流动性宽松与紧缩的维度，体现流动性对资产配置的附加影响。

• 表1与表2（宏观经济指标及流动性指标）

丰富的指标涵盖多个经济层面，频率覆盖日频与月频，指标方向性明确，体现计算综合经济和流动性指数的坚实数据基础。

• 图4与图5（合成指数曲线）

两指数波动显示经济周期的阶段性特征，说明熵值法加权及标准化处理有效构建稳定指标，能用于周期划分。

• 表3与图6~图9（马尔科夫区制模型和周期划分）

回归结果统计显著且稳健，经济指数与流动性指数的两区制划分得到很好的区分，区制转换概率高，反映模型识别经济与流动性上下行状态的准确性。图9综合展示最终划分的复苏、过热、滞胀与衰退周期时间序列，有助实操策略依据。

• 表5（ETF标的选择）

明确标准，涵盖股票、债券、商品及货币ETF，流动性及上市时间均充足，适合动态配置。

• 表6与图10（权重约束与Black-Litterman流程）

表6细致制定各经济周期下资产类别权重，确保策略符合经济周期大类资产偏好。图10映射了整个权重计算的步骤，帮助理解模型执行细节。

• 图11策略流程图

形象展现宏观指标获取→周期划分→ETF权重计算→动态调仓全过程。

• 图12净值表现与表7绩效指标

净值稳步增加，夏普和Calmar比率良好，最大回撤控制在小幅范围内，展示了策略实际效果的稳健性。

• 表8持仓明细

细节显示不同时点资产权重动态调整，实际操作与理论约束匹配，验证模型执行力。

4. 估值分析

报告核心在资产配置与择时策略构建，并未涉及具体公司个股估值或企业价值评估，故无传统意义上的估值模型分析（如DCF、市盈率等）。估值部分体现在Black-Litterman模型对资产预期收益估计的改进，通过贝叶斯方法融合市场均衡收益及主观观点优化输入参数，从而更合理地进行权重分配。

5. 风险因素评估

• 历史数据无法完全外推未来，市场结构和政策环境变化带来的不确定性。

- 观点分布的主观构造虽然结合了宏观周期历史表现，但仍有主观判断成分，可能导致模型输出偏误。

• 宏观指数合成所用指标权重虽采用客观熵值法，但指标选取和数据质量仍可能影响指数的准确性。

- 马尔科夫区制模型假设状态满足马尔科夫性质且区制转换概率稳定，若真实经济周期中状态转变违背这些假设，策略择时效果或存在偏差。

• 因策略调仓频率为月度，可能无法捕捉更短期市场剧烈波动，存在时滞风险。

- 非直接投资建议，操作时需结合投资者风险偏好及实际情况。

报告明确提出不构成投资建议，提醒投资者要谨慎考虑以上风险。[page::0,13]

6. 批判性视角与细微差别

• 报告核心基于Black-Litterman模型，依赖观点收益的主观构建，虽然结合经济周期客观划分，但主体主观成分不可忽视，若观点误差较大则可能产生误导。

- 经济周期划分基于马尔科夫模型，虽然统计特征明显，但只划分两区制（高低波动）简化了宏观复杂性，可能忽视更细腻的经济状态变化，某些经济过渡状态难以捕捉。

• 流动性指数及宏观经济指标选用较多，采用熵值法加权较为科学，但报告未详细披露指标完整计算与原始数据来源细节，对数据质量和滞后性影响未充分讨论。

- ETF标的的选择基于流动性和挂牌时间，受限于部分类别ETF较少（如商品），策略覆盖资产略显局限。

• 权重约束较严，固然符合经济周期偏好，但约束可能导致策略缺乏灵活应变能力，对突发经济环境变化反应不够敏捷。

- 回测期样本量有限，且自2020年起市场极具特殊性（疫情冲击等），未来正常经济周期下策略表现如何存疑。

• 报告结构完整、逻辑清晰，但部分公式和图示注释较技术化，对非专业读者理解形成一定门槛。

7. 结论性综合

本研究报告系统地提出了基于宏观经济周期和流动性状态划分的ETF动态资产配置方法，通过将经典均值-方差模型改进为Black-Litterman模型，有效整合市场隐含收益与投资者观点，增强了资产预期收益和风险参数的合理性。基于经济指数和流动性指数的合成，报告利用马尔科夫区制转换模型将经济周期划分为复苏、过热、滞胀和衰退四阶段，结合美林投资时钟理论确定不同阶段对应的资产配置权重约束。

标的精选具代表性的股票、债券、商品及货币ETF，并结合境外资产择时信号（利差指数）动态调整组合。策略在2020年至2023年的样本外回测中表现出色，年化收益率6.83%，波动率控制在5.51%，最大回撤4.63%以内，夏普比率达1.23，表现稳健且风险较低。

图表解析中，宏观指数的指数化处理及波动区制划分参数显著，经济周期划分与资产具体权重约束紧密结合，ETF组合动态权重调整合理，策略净值曲线显著上涨。报告强调历史数据的有限适用性及观点主观性的风险，提示策略并非投资建议。

整体来看，此报告系统构建了一个理论扎实、逻辑严密、实践可操作的宏观经济择时ETF配置框架。未来若结合更多更细化的经济变量及扩展资产类别，有望进一步完善策略精度。然而，策略的稳健表现需在更长时间和多样化市场环境中验证，投资者应结合自身风险偏好审慎应用。

---

【全文引用页码】：[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13]

附图示例引用格式

• 图1：Black-Litterman模型示意图

• 图2：美林投资时钟

• 图4：合成经济指数示例

• 图12：宏观择时ETF策略净值表现

（如需完整图表和数据，可按目录对应页码调取）

报告