微精选

基于周期方法论的大类资产配置研究（一）

单一资产投资的困境。单一资产投资随时会遇到回报不佳的情况。近十年来，我国股市^①的年均收益率（几何平均收益率）为8.03%，债券的年均收益率为4.35%。众所周知，股票可能会遇到各式各样的股灾，如2008年危机暴跌、2015年股灾等。这一点在美国市场也有所体现，比如：Rob Arnott（2011）分析了美股的长期收益率问题，从30年维度来看，美股有可能在持续很长的时间内回报不及其他资产，如1803-1857年股票的投资收益仅有债券的三分之一；1929-1949年美股的实际回报率未能跑赢债券，等等。因此，很多投资者会基于稳健的考虑而购买债券，但债券也不是绝对安全的资产，投资债券也要承受信用风险和利率风险，这意味着债券收益也会大幅波动，并出现较大回撤，甚至会出现较大幅度的亏损。近十年我国债券净价指数出现了三次较大幅度的年度下跌，分别为2013年、2016年和2017年的-4.63%、-2.01%、-3.87%，导致债券的全价收益率只有-0.43%、2.12%、0.28%，扣除通胀的实际回报率会更不乐观。最近的2022年底债券市场出现的短期风波也深刻地给全市场上了一课。因此，即使安全性很高的债券资产，也会出现波动和亏损。实质上，这是由债券的性质决定的，利率波动本身就是一种市场风险。海外债券更是如此。相对中国而言，海外债券的波动可能更高。在某些发生恶性通货膨胀的国家，债券的情况可能更糟。近十年，中国债券净价的平均波动率和最大回撤分别为1.07%、-6.68%，而美国债券净价的平均波动率与最大回撤分别为7.73%、-19.15%^②。当然，它们确实是远低于股票的。近十年中国股票的平均波动率与最大回撤分别为22.99%、-55.99%，美国股票^③的平均波动率与最大回撤分别为12.42%、-33.92%。

因此，仅配置单一类型的资产很难做到投资收益的长期稳健性，多资产配置理念应运而生。

多资产配置的优势。多资产投资就是投资组合中含有一类以上的大类资产，其思想是通过分散投资来改善单一资产投资回报不佳的问题，其目的是为了降低风险、获得较为平均的长期收益。在学界，这一思想最早源于马科维茨（Markowitz）的现代组合投资理论。首先，长期来看，资产配置可以解释收益率波动的绝大部分，这意味着多资产配置技术对投资收益的波动具有决定性意义，多资产配置的具体方法对投资收益率是否稳健有着决定性影响。许多研究比较了资产配置（恒定配置比例）、证券选择、市场择时以及其他因素对投资组合风险与收益的影响。Brinson等人1986年和1991年的两项著名研究（1974-1983年的10年）表明，资产配置可以解释投资收益率方差的91.5%，证券选择可以解释其中的4.6%、市场择时为1.8%、其他因素为2.1%。其次，资产配置贡献了收益率的大部分，但配置比例、资产类别的主动管理也同样重要。Roger Ibbotson和Paul Kaplan在2000年的一项研究中指出，资产配置的收益与投资组合真实收益的比例为100%，也就是说主动管理不会增加价值。但这只是针对长期而言的结论，实际上从中短期看，配置比例的主动、动态选择同样非常重要。比如：在60/40组合中，假设股票的预期回报为8%，债券的预期回报为5%，则组合的预期回报为6.8%；如果将组合调整为70/30，组合的预期回报将增加至7.1%。此后，2010年James Xiong和Roger Ibbotson将组合的总收益分解为三部分，即市场收益、资产配置的超额收益及主动管理的超额收益，他们认为，市场收益才是组合收益的最重要决定因素，资产配置和主动管理同等重要，多资产投资要同时依靠资产配置和主动投资。最后，上述研究表明，资产配置是长期收益和风险的主要策源力量，但长期收益并不等于绝对正收益，更不是连续的正收益。资产配置解决的是如何在较长时期内实现收益率的稳健性以及实现路径问题。在实践中，往往将长期稳健收益称之为“绝对收益”，从而误将“绝对收益”等同于正收益，这是很有误导性的。实际上，并不能以期望每年都能获得正收益来理解“绝对收益”的内涵，而应更多地强调其长期性。

投资组合理论及其发展历程。海外对大类资产配置的研究与实践由来已久，分散化投资理念贯穿始终。最早始于20世纪30年代，当时的60/40组合是市场上的经典投资组合。投资组合理论的发展过程整体可分为三个阶段：一是恒定混合策略和现代投资组合理论。20世纪50年代以前，资产配置主要是恒定比例或者等权重配置，这种策略简单易行。60/40组合是60%配置股票，40%配置债券，但因为股票占比较高，所以风险暴露比较大，还需要收益风险比更高、资产更分散的投资组合管理模式。1952年，Markowitz的《投资组合选择》将资产配置问题由实践摸索提升到了理论高度，他用数学语言表达了分散投资是如何降低风险的，组合投资是通过均值-方差过程实现最优的收益风险比。但是输出结果不够稳定（有时会导致组合集中大量持有某类单一资产），而且认为方差表示的风险是对称的，忽略了肥尾问题，也无法完全捕捉风险，比如：流动性风险。二是实践性更强的多种配置模型。1992年，Fischer Black和Robert Litterman就职于高盛期间提出了Black-Litterman（B-L模型）模型，这个模型将管理人的主观观点纳入其中。此后，资产配置更具实践价值，可分为基于收益与风险、基于收益、基于风险、基于效用的模型以及融入经济周期的模型，如：固定比例投资组合保险策略（CPPI）、风险平价策略和美林时钟等。三是已实现从资产配置到因子配置的过渡。2008年次贷金融危机后，投资者更加关注风险，资产配置能够分散风险的底层逻辑在于资产间的相关性低，但这种相关性表现在牛市和熊市中是全然不同的。在牛市中，资产之间的相关性较低且不同步上涨，而在熊市或危机阶段，大部分资产会同时暴跌、资产间相关性会飙升。学界认为这种相关性的非对称特征来源于经济环境中平稳增长与经济衰退之间的稳态转换，其可以被通胀、GDP增长率等宏观因子捕捉到。比如：Smart Beta被认为是一种因子策略，Smart Beta指数是一种资产权重可以选择的一系列非市值加权指数，等权重加权实际上偏向的是规模因子，而Smart Beta可以将这一因子转换为任何其他因子，如低波动率因子、价值因子、红利因子等。这一阶段突破了资产分类框架，认为各类风险因子是资产间价格联动变化的根本原因，从而将影响各类基础资产按因子进行拆分后再进行配置。目前市场上所开发的因子非常多，主要包括宏观因子（经济增长、通胀、利率等），风格因子（价值、动量、小盘股、质量、波动率等）和市场因子（股市β系数、债券久期、信用利差、套利等）等。由于因子种类繁多，就需要科技力量，以大数据、机器学习为工具的因子挖掘得到了发展；此外，底层逻辑将从“假设-回测-模拟-实战”走向“数据-规律-优化”，机器将通过不断训练开发出新的投资策略，不仅仅是复制现有策略。

综上，资产配置方法论获得了持续发展，但也有很多基础局限性，主要体现在它们的初始假设前提上。

第一，传统组合理论模型的主要假设是资产收益率符合概率分布，比如正态分布。正态分布意味着收益波动率按照某种特定形态大概率集中在均值附近，而大的正收益和负收益发生的概率很小。但实际上，债券的预期损失分布是一种高度左偏的非正态分布。股票的收益率实际也并不完全符合正态分布特征。总之，资产收益率并不完全符合概率分布特征。一是通常认为不符合概率分布特征是因为样本体量不够，但是即便是长期符合概率分布，短期仍然可能不符合概率分布。二是概率分布可能在某些时间段符合，而在另一些时间段不符合，也就是说这种概率分布状态是不稳定的。三是忽略了时间变量，随着时间的推移，每种状态都可能发生。四是假设概率分布的方法会将极端值界定为了小概率事件^④，在统计的时候会把这些极端值剔除，这会造成（实质性）偏差。

图1-1 全球主要指数的QQPlot图^⑤

图1-1展示了一些股票指数对数收益率的QQPolt图，英国富时指数（2009-2012年）最接近正态分布；而标普500、上证指数、万得全A等都不符合正态分布；它们的肥尾现象都非常严重。如果按照正态分布的概率来看，3个标准差之外的概率仅有0.3%，实际上这一概率远高于0.3%，即-3个标准差之外的概率为0.15%（即0.3%/2）。以万得全A为例^⑥，2000-2023年8月对数收益率均值0.03%，对数收益率为-5%时的概率约为0.63%，是正态分布下概率（0.15%）的4倍多。股指收益率的真实分布与正态分布的关系应如图1-2所示。肥尾现象的广泛存在、尤其是左肥尾（大的负收益）现象的广泛存在，动摇着传统组合理论的根基。此外，即使采用了多资产配置，组合收益率的表现依然存在肥尾问题。

图1-2 股指的真实分布与正态分布的关系

第二，传统组合理论是假设不同资产之间的相关性已知且确定。但实际上，它们之间并不是实时相关而是长期相关，所以传统组合理论从长期看更有效，如果用于中短期则会产生（甚至较大）偏差。另外，它们之间的相关性是（周期性）变化的，并不是恒定不变的。

第三，传统组合理论假设风险与收益成正比关系。这个假设的灵感可能是来自于均值回归的现象。众所周知，在单资产的情况下，这个假设是不成立的。在组合资产的情况下，这个假设是否成立要以上述两个假设成立为前提。我们已经知道，上述两个假设是存疑的，所以风险和收益成正比的观点是值得商榷的。至少在事实上我们已经看到（如果我们把风险定义为负收益），风险的发生和收益的发生之间，并不是连续的、也不是等比例的。承担风险并不意味着就一定能够获得相应的收益。在有些情况下，即使承担更大的风险，也只能获得较小的正收益甚至负收益；在有些情况下，承担的风险较小，收益却很大。

第四，一些模型中加入了管理人的主观判断，但其假设前提是资产价格的波动可以被其他宏观指标解释。这要求其他宏观指标对资产价格的解释能力要有领先性，但事实证明资产价格的波动（比如股票价格）往往领先于可见的宏观指标，这不仅是因为宏观指标的公开发布本身就是滞后的，还可能因为可见的宏观指标并不是领先于资产价格变化的。如果继续采用这个逻辑，那么就需要对宏观指标进行超前预测才行，这往往并不比直接预测资产价格的变化更容易。即使采用因子的方法，也需要进行高频跟踪，这会增加预测的难度和成本。比如，最近国内分析师经常讨论的行业景气度指标失效问题，就是一个很好的证明。更何况，其他宏观指标对资产价格的解释能力未必很强。因此，管理人的主观判断，要取决于每个人的认知。

第五，美林时钟模型里面体现了周期思想，但在我们看来，可能存在两个问题：一是判断周期阶段的依据还是宏观指标，那么它同样面临上面第四点中的问题。二是从事后结果看，按照美林时钟标准得出来的周期阶段并不是严格顺序的——繁荣、衰退、萧条和回升四个阶段应该是顺序变化的——而是无序甚至是逆序的，实际上这很难用于事前预测^⑦。图1-3为1970-2003年美国经济的美林时钟图。图中可见，周期四个阶段均并不是按顺序递进的，经常会跳跃甚至逆向转动。

资料来源：The Investment Clock；其中Ⅰ、Ⅱ、Ⅲ、Ⅳ分别代表衰退、复苏、过热、滞胀。

图1-3 1970年-2003年，美国经济周期的四个阶段^⑧

图1-4是按照美林时钟理论刻画的中国美林时钟图。图中可见，每个阶段的时长差异很大，有些阶段划分得很牵强。

图1-4 2000年以来，中国美林时钟的四个阶段

总之，目前普遍流行的组合理论存在着很多基础缺陷，这些缺陷主要源自于它们的基本假设，那么理论模型经常出现无法解释投资组合实际结果（尤其是业绩不佳的结果）的情况就很容易被理解了。最终就会走向两个极端，要么崇尚资产价格是随机漫步、不可预测的；要么需要频繁地切割因子类型并不断增加预测频率，虽然人工智能的发展让这种做法变得“暂时”有效，但长此以往，就会走向把工具当理论的误区。

综上所述，随着国际经济的发展，资产配置理论也在不断进步，资产配置观念的兴起解决了单一资产配置收益率（风险）巨大波动的难题。随着人工智能和算力的大幅提升，因子模型和高频交易越来越受到重视，但这些做法依然无法彻底解决传统资产配置理论之假设的天然缺陷问题。迫使我们回归本源，只有重新从起点出发，才能走出把假设当事实、把工具当理论的路径误区。

随着经济中国步入工业化和城镇化后期，国内资本市场日渐成熟，资本市场的价值发现功能日渐增强，越来越多的资产管理机构开始寻求通过资产配置来实现投资资产稳定增值的解决方案。近几年，国内的资产管理机构在不断探索资产配置路径，比如桥水的全天候模型、战略资产配置（SAA）和战术资产配置（TAA）模式、FOF/MOM模式（被认为是大类资产配置的有效工具）等等。很多大型资产管理机构在这方面的探索已走在前列。此外，板块配置、行业轮动、个券选择仍是研究的重点领域。因子配置模型、各类CTA策略、宏观对冲策略等，近几年发展迅速，量化工具兴起。但很多策略的逻辑对很多投资者来说难于理解，只能靠猜“盲盒”、观察历史业绩的方式来选择管理人和产品策略。相较于成熟市场，国内资产配置的理论和实践，还有很长的路要走。

目前国内主流的资产配置模式以“固收+”为主。一是，从刚性兑付中转换过来的理财投资者更喜欢相对稳健的投资收益。二是，无论是机构还是个人投资者，绝大部分的资金性质还是风险厌恶型，目前主打固收类投资是应对高波动的主要手段。三是，通过适当配置权益资产，会获得比理财更高一些的收益，相应的波动率也会更高一些。

混合债券型二级基金或相似策略的保险资产管理组合产品是国内“固收+”产品的主要形式。实际上，以债券为基础寻求多种策略的投资组合，都可以统称为“固收+”（CTA策略也以稳健收益为目标，有时也将CTA策略称为“固收+”）^⑨。总之，通常认为“固收+”具有收益稳健、多资产、多策略的特点。在众多“固收+”产品中，混合型二级债基（以下简称“二级债基”）属于公募产品，产品信息易于获取，我们以二级债基的数据为基础来反映国内“固收+”的发展状况。

中期看（2013-2022年）二级债基的年度收益率具有明显的稳健特征、是长跑健将，而且其波动介于债与股之间，但年度收益率受股市影响还是比较大，当然，也有股债同跌的时候（图1-5）。2013-2022年的十年间，全市场二级债基累计收益率76.04%，年均复合收益率（或几何平均收益率）5.82%，均显著高于纯债和纯股的收益率。而且，波动率处于债市与股市之间，符合投资者对稳健的诉求，实现的长期收益。年度间收益比较看，二级债基的收益受股市的影响还是比较大的。比如：2016、2018和2022年股市大跌，二级债基的收益率表现明显欠佳，最低年份的收益率只有-5.07%。2013年二级债基收益率也只有0.39%（表1-1），当年属于股债同跌的情况。此外，上文提及，多资产的组合也有肥尾问题。图1-6展示了二级债基的QQPlot图，二级债基的尾部问题同样存在。当二级债基的对数收益率为-2%时，概率约为0.63%，约为正态分布概率（0.15%）的4倍^⑩。

图1-5 2012年以来，万得混合债券型二级基金指数与沪深300、中证综合债的走势

表1-1 中证综合债、混合债券型二级基金和沪深300的年度收益率与年化波动率

注：年化波动率为计算年度区间中的日度收益率的平均收益率的标准差的年化值。

图1-6 万得混合债券型二级基金指数的QQPlot图

综上，以“固收+”为主流的资产配置实践已经在国内资本市场获得了长足发展，其长期收益率高、当期波动率较低的特点，足以体现多资产配置的优势。但随着经济中国进入工业化和城镇化后期，理财市场的迅猛发展，“固收+”模式正在经历新形势的考验。传统的“固收+”模式依然不能解决肥尾问题，个别年份会出现较大亏损。股债同跌的情况也经常出现。“固收+”策略的收益率重心正在下移。这些都极大地影响着投资者的心理体验。随着算力的提升，因子策略、CTA策略和宏观对冲等策略的兴起，部分地弥补了传统组合策略存在的短板，但从中长期看，依然不能从根本上解决问题。

近年来国内资产管理市场发生了深刻的变化，净值化、市场化成为主流。2018年《资管新规》颁布，促使建立在资金池和摊余成本法基础上的报价型刚兑理财产品逐渐退出了历史舞台，通道业务和非标资产大幅减少，迎来了资管产品的全面净值化。2023年初，全面注册制改革落地，将股票定价“还权于市场”，股票价格发现更加高效。

首先，《资管新规》颁布后，非标类资产供需双重收缩。在2018年《资管新规》颁布以前，非标类资产规模大、收益率高、刚性兑付，而且还没有净值波动，成为理财资金的一类重点配置方向。《资管新规》颁布后，随着限制资管产品多层嵌套、严格久期匹配和刚兑打破，非标资产的供需双降，建立在资金池和摊余成本法基础上的报价型刚兑理财产品逐步退出了历史舞台（图1-7）。2022年银行理财的非标资产绝对规模已经缩减到了2018年的一半左右；2021年保险资金方面的信托配置也开始大幅负增长（图1-8）。

2018年以来，信用违约事件频频发生，违约数量和违约金额持续走高（图1-9）。比如，2021年之后民营地产债几乎全军覆没。在信用风险常态化的背景之下，盲目的信用下沉都有可能面临较大的信用损失。

资料来源：中金公司研究部

图1-7 银行理财非标资产配置规模和占比双降

资料来源：中国保险资产管理业协会《中国保险资产管理发展报告（2022）》

图1-8 保险公司集合信托计划投资规模和增速下滑

数据来源：wind

图1-9 2014年以来公募债违约金额

其次，全面注册制改革落地后，股票市场迎来市场化时代。2023年2月17日，证监会发布全面实行股票发行注册制相关制度规则，涵盖发行、上市、再融资、并购重组、退市、监管执法等全部流程，突出了“以信息披露为核心，把选择权交给市场”的初心使命。全面注册制以后，变化有三：

一是定价效率更高。1）发行流程简化可减小新股定价摩擦。注册制下审核注册全流程原则上不超过6个月，发行流程带来的定价摩擦减少，新股供求将在合理定价下形成新的均衡。取消监管机构对新股发行的隐性质量担保机制，增强各市场主体的责任承担，发行价格取消市盈率限制，“打新躺盈”成为过去式，新股股价的定价效率提高。2）二级市场的价格发现效率更高。设定退市标准并提高涨跌停板的限制，把定价权让位给市场，二级市场可以实时定价。

二是壳资源价格迅速下降。1）上市“难度”下降。注册制针对不同上市板块设定“差异性”的多元上市条件，无论是上市门槛还是时间成本、操作“难度”均降低。2）退市常态化后壳资源不再稀缺。在全面注册制下，资本市场优胜劣汰的机制更为健全，退市成为常态化。截至2023年8月23日退市公司数量达45家，2022年退市50家，两年合计占过去30年来退市公司数量36%，且多为经营恶化强制退市，壳资源不再受到追捧。炒小炒差的局面改善。

三是“个股”波动加剧。1）“二八定律”更明显。随着原核准制下的市场准入红利消失以及注册制后上市公司数量增加，上市公司个股走势趋于两极分化，目前A股市值前25%的公司占A股总交易量的六成以上以及市场总市值的近八成，“二八定律”进一步凸显。2）机构化加速。全面注册制改革后，随着上市破发与退市常态化，股票价值可以归零，股票不再是无限久期的资产。需要甄别个股的资产质量和发展前景，对专业化的要求进一步提升，股价的波动会加剧，股票投资更趋机构化。

最后，理财净值化成为大势所趋。全面净值化管理后，净值波动成为常态。2022年银行理财产品中保本理财的占比已经归零（图1-10），净值型理财产品存续规模已经达到26.4万亿元（图1-11）水平。最主要的问题是银行理财的产品策略趋同，一旦产品净值负向波动或净值收益远不及业绩比较基准，客户就会感觉不适会选择“用脚”投票，一旦客户集中申购或赎回会导致理财资金被动配置，波动会加剧。2022年末银行理财的“非理性”赎回就是一次案例。这是净值化后银行理财需要面对和解决的问题。

全面净值化对资产管理机构的投研能力和净值化运营能力考验进一步加大。从组合资产管理的角度来看，对股票、债券、大宗商品等价格趋势的预测能力要求更高。而资产价格预测并不是一门独立的学科，它需要底层逻辑，需要从经济和社会发展的驱动力出发，用基础理论构建投资模型。

数据来源：中银研究

图1-10 各类理财产品种类数目占比

数据来源：中国银行业理财市场年度报告2022

图1-11 净值型理财产品规模及占比情况

综上所述，随着经济的发展，国内资本市场的市场化程度越来越高，资产管理的市场环境越来越与国际接轨，尤其是注册制实施和信用风险刚兑打破后，资产价格的变动几乎完全市场化，投资组合表现对市场风险和信用风险的管理能力更加依赖。新形势下那些似是而非的资产价格研究方法越来越容易被证伪，这就需要资产管理人深刻地思考资产配置和资产配置理论的底层逻辑是什么。要想获得长期稳定的投资收益，需要更加科学的资产配置方法。这就迫使我们不得不回到原点，思考决定资产价格的理论机制问题。

大类资产配置主要是探讨如何在股市、债市和大宗商品^⑪之间做出配置选择，其目标是追求稳健的预期收益或实现收益风险比的最大化。在过往大类资产配置的研究和实践中，首先考虑的是如何确定不同资产的配置比例问题，其次考虑的是如何选择资产——即结构选择——的问题^⑫。但在择时方面几乎都未作明确考虑。

众所周知，资产配置的主要目的是制定切实可行的投资策略并构建投资组合以期获得长期稳定的投资回报。如果要评估1年以上的投资收益效果使用对数收益率（或年均复合增长率）更合理，因为算术收益率会夸大投资效果。以上证指数为例（图2-1），自开市至2022年底，其算术收益率为2730%，而对数收益率仅为334%。如果考察某一资产在T年（大于1年）内的表现，应用对数收益率，而不是算术收益率。因为对数收益率具有可加性，能准确反映资产的真实收益率。

单期的较大回撤会压垮组合的长期收益效果，择时或衍生工具进行风险缓释可以有效降低这种损失，从而带来更佳的长期回报。累计算术收益率为；算术对数收益率为。因此，。根据这一数学公式，75%的亏损需要300%的盈利才能回本，等价于30年年化4.8%的复利回报；即使是50%的亏损，也需要15年年化4.8%复利回报才能回本^⑬。而且，无论是单一资产还是多资产投资组合，这一点都是成立的。资产配置可以解决单一资产较大波动和回撤的问题，即，资产配置既不会获得单一资产的最大回报，也不会获得单一资产的最差回报。但实际上，所有资产同时下跌的可能性还是存在的。只能通过择时或衍生工具^⑭进行风险缓释来解决。

图2-1 上市以来，上证指数的算术收益率和对数收益率

资产价格是追随周期波动的，即便某类资产价格是长期看涨的，也并不是意味着每期都会上涨，应对波动仍然是中短期内的重要命题。以权益为例，美国和中国的股市的长期收益类似。如：2013-2022年标普500的年均收益率（几何平均收益率）为10.41%，同期万得全A的年均收益率（几何平均收益率）为8.03%。但是，如果考虑择时因素，实际结果会大不相同。从低谷到峰值计算的年化收益率可以提高到15%，过去10年的标普500以及上证指数、沪深300指数等，都可以达到这样的结果。如果有一只基金能够抓住市场主要上涨结构，其短期收益率可以高达50%-100%^⑮。这说明相对低谷的配置时机对提升长期回报非常显著。相反，如果配置在峰值区间，对组合的长期收益或是致命的。

一、周期方法在解决资产配置问题方面的优势

大类资产配置要解决两个问题，一个是收益目标如何选择的问题；一个是如何实现目标收益的问题，即如何选择和实施资产配置的问题。

如前文所述，流行的资产配置模型更适用于长期，如果用于短期（比如年度）会遇到很多麻烦。大多数情况下，历史长期收益率波动与当期实际收益率波动并不一致，尤其是在遇到危机时，负向偏差会非常大。另外，投资资产^⑯的可选类型会影响投资收益目标和收益风险比的计算结果。投资目标还与期限有关，众所周知，一般情况下收益目标都是以会计年度为单位考虑的，但是从周期理论的角度看，资产价格的波动是以周期单元为单位的，而中、短周期和季节周期都不是以会计年度为单位，大多数情况下都是跨年度运行的。比如，2020年初中国10年期国债利率3.13%，年底为3.18%，二者几乎持平；但实际上，2020年内经历了一次利率短周期的逆转，全年利率先下后上（债市先牛后熊）呈V型走势，2020年4月底的最低利率达到过2.47%。

同理，在实施资产配置的过程中也面临上述同样的问题。此外，资产配置的核心是结构问题。具体而言就是配置什么（资产选择），配置多少（配置比例），什么时候配置（择时）的问题。在大类资产选择和配置比例方面，流行模式已经给出了很多研究成果，我们不做赘述。但是在择时方面，流行模式少有研究^⑰，但通过上一节的分析我们已经知道，择时问题是同等重要的。在我们看来，资产选择、配置比例和择时是一个整体，如果避开择时去谈论资产配置无疑会陷入困境。基于周期方法论构建的大类资产配置模型可以从根本解决——至少是改善——上述问题。

第一，周期方法论的假设前提。流行模式所隐含的假设前提——资产价格符合概率分布、不同资产的价格或收益率波动之间呈负相关关系、风险和收益成正比——在周期模式中都不体现。周期模式的唯一假设前提是经济人假设^⑱，经济人假设是最贴近事实的“假设”。与其说这是假设，倒不如说它就是事实本身。

第二，周期方法论的逻辑基础。熊彼特（Joseph Schumpeter）是20世纪著名的经济学家，他对经济周期理论做出了重要贡献。他的理论被称为创新理论或创业理论，强调创新对经济发展和经济周期的决定作用。我们采用的就是熊彼特的周期理论。

周期理论^⑲认为，创新是经济发展的主要驱动力，他强调创新对经济周期的重要性并认为创新是经济发展的动力源泉。创新是周期的开始，创新包括新产品、新生产方法、新市场和新组织形式的引入。创新的出现会打破即有的经济平衡，引发经济的动荡和变化。经济周期是由创新引起的。创新会带领经济进入繁荣阶段，刺激投资和经济增长。然而，随着创新的成熟和普及，经济会进入衰退阶段。在衰退阶段，创新开始为经济体系赋能，经济会经历调整和重组的过程。衰退是经济走向新均衡的过程，但在新的均衡位置不会自动停止，会进一步走向萧条阶段，萧条是“清算”阶段。一旦到达萧条极限，经济会自动“复苏”，复苏阶段是经济重新寻找新均衡的过程，当再次达到均衡位置的时候，本轮周期达到最成熟阶段并进入尾声，一轮周期结束。此时经济系统会呼唤下一轮创新的出现。

按照周期理论，资产价格变动之间并不是相互决定的，它们之间是相对独立的；即使它们之间会表现出某种程度的相关性，但也并不意味着具有相互决定关系。比如，股票与债券是两种不同的资产，两者之间并不完全存在着相互决定的关系，而利率也只是对股票价格的波动有着偶发和短暂的冲击或影响，股票价格对利率变动的影响也是如此。那么决定资产价格运行的只有周期本身。

第三，周期方法论的优势。周期方法论在资产配置方面的优势主要源于它的基础假设和运行机制，可以有效解决传统模式无法规避的关键难题。周期理论的唯一假设是经济人假设，周期模型的唯一变量是时间^⑳。

其一，周期方法论可以避免循环论证的问题。周期理论不以资产价格之间互相决定为前提，利率不是股票价格的决定因素，经济增长和物价（商品价格）也不是利率的决定因素，“增长”^㉑也不是股票价格的决定因素，等等。按照周期理论，不同资产价格都有其各自的运行逻辑，比如股票价格主要是中周期属性，而利率运行是短周期属性，等等。那么，资产价格在不同的时间阶段就会表现出相应的特征，比如上涨或下跌等等。

其二，周期方法论（至少）会降低肥尾风险。我们在第一章的第一节中谈到过，流行的组合投资模型并不能有效地解决资产配置的尾部风险问题，即巨大损失在理论上的“小”概率实际上是“大”概率，巨大损失事件一旦发生了（可能）就会对投资组合造成致命性的影响。无论是股票投资、债券投资还是商品投资都不能忽视系统性危机的影响。而如果我们在资产配置模型中加入了时间因素，就会有助于我们识别重大系统性风险出现的可能性。如果能躲开一些危机的暴击，就能显著地——甚至是实质性地——改善投资组合的效果。因为系统性风险或金融危机的发生本身就是周期发展的结果，危机是周期演变的固有特征之一。

其三，周期方法论有助于提升资产配置的内在逻辑统一性。目前国内资产管理市场普遍存在着几种割裂的现象，应用周期方法论有助于解决这些问题。一是解决投资目标和投资手段割裂的问题。有的时候是因为投资机构经营成本刚性，会倒推对投资收益的刚性要求；也有的时候是基于市场竞争需要，理财机构倾向于乐观地估算预期收益率。投资目标前置的做法很容易选择性地忽视投资风险，也容易让资产配置僵化。传统模式下，投资收益目标可以前置是需要前提条件的——即长期收益率和当期收益率必须是一致的，而且不同类型资产之间的收益表现必须是负相关的。众所周知，这两个条件都是不成立的。相反，周期方法论是按照不同类资产分别预期期间收益率，据此给出的指导性收益目标会更客观。二是解决绝对收益和相对收益、长期收益和短期收益不统一的问题。这两个问题之所以放在一起讨论是因为，按照流行配置模式它们之间是有共性的。因为流行模式主要是基于资产的长期收益率来构建组合，那就会带来当期（比如，会计年度或考核年度）实际收益率与长期收益率偏离的问题，如果是遇到危机时刻，负向偏离度还会非常大。那么从投资人的角度，就需要考虑如何既要实现长期收益，又要避免出现短期较差结果的问题。按照目前国内资管市场的通行投资模式，可能还没有找到解决这两个矛盾的有效方法，要么只采用相对收益或绝对收益考核，要么分别对绝对收益和相对收益赋权来加权考核。从我们的角度看，之所以会产生这样的矛盾，主要根源还是在于如何解决收益目标设置的客观性问题，周期方法论在这方面至少会有显著改进。三是解决如何认识风险以及如何提升收益风险比的问题。普遍是用负收益来衡量风险。但一般来说，风险至少要包括市场风险（或价格波动风险）和信用风险（或违约风险）。虽然普遍认识到两类风险的概率分布特征是不同的——比如，认为市场风险是正态分布，信用风险是极度左偏的非正态分布——但即便是这种差异化的概率分布特征，实际上也是不稳定的，也就是说，每种概率分布本身都存在着随机性问题。在周期的世界里，收益和风险是分别考虑的，市场风险和信用风险也是分别考虑的，而且都不是以概率分布为前提。周期模式主要考虑的是收益和风险发生的确定性^㉒，而不是概率问题。比如，在中周期衰退期，大宗商品普遍有下跌压力。再比如，在中周期萧条阶段，容易危机经济发生和金融危机，进而引发市场风险和信用风险。只要能回避相对确定的风险，自然就能在长期内获得“超额”回报。

其四，周期方法论是辩证法，不是宿命论。周期理论是一种看待问题和分析问题的方法体系，我们称之为周期方法论。虽然在体系里面加入了唯一的变量——时间，但它是历史时间概念，并不是物理时间概念，所以周期方法论不是宿命论，而是辩证法。我们用两个例子来阐述这个主题。

比如，在中周期繁荣阶段，创新理应成为这个阶段的主题。但是在不同国家，因其制度、文化和习惯所营造的创新土壤不同，在国际产业链上的分工也不同，那么在创新阶段所表现出来的经济活力就会有所差异。对于那些引领当期科技创新潮流的经济体来说，发展动力就会非常强劲，对于那些没有把握好科技潮流的经济体或者在产业链分工上处于后端的经济体来说，这个时期的发展动力就会偏弱。这种强弱就会被股票市场反映出来。

再比如，在风险控制方面。无论是市场风险还是信用风险，在周期框架内，都可以分成三类：一类是创新周期所固有的风险，大体可以用周期机制来推演和预测。一类是外部因素带来的扰动风险，比如，人为政策带来的干扰风险^㉓——可以评估其影响；大型自然灾害等突发因素带来的风险^㉔——基本属于随机风险，随机风险不可预测但基本可以评估其影响程度，等等。还有一类是“增长”带来的风险，比如人口是趋势性增长的还是趋势性下降的，这部分风险一般并不显著。那么，在实际进行风险控制时，要根据风险的性质不同作出应对策略，不能一味地事后“止损”。

总体来看，把周期方法论应用于大类资产配置是有很多优势的，可以弥补流行资产配置模式的很多天然缺陷，并显著提升大类资产配置的理论基础和实证效果。

二、后续论述思路

下面我们会按照资产类别——A股、债券和大宗商品——逐步展开对周期方法论应用的实证分析。我们已经知道，周期方法论的一项优势就是发现经济发展中的结构问题，这也是资产配置里面的核心问题。但是如果过分执着于具体结构的讨论，工作量会十分巨大，也不利于我们掌握周期方法论的概貌和要领。因此，我们会由简入繁地进行阐述。

我们会先探讨股、债——主要是A股指数、无风险利率（10年国债收益率）——价格的运行机制，然后加入结构的影响；最后再对大宗商品进行实证分析。这么做主要是基于以下几个方面的考虑：

第一，基于时代背景的考虑。前面我们已经讨论过，新形势下标准化资产对投资结果的影响越来越大，市场风险的重要性逐步上升并已占据主导；相应地，信用风险市场化之后，承担信用风险所带来的超额利差收益已经趋于下降。股票价格和利率变动基本上已经成为组合资产定价的锚，股市和利率的波动大体上可以解释组合投资收益率的整体表现。

第二，基于国内实际应用的考虑。在国际资产管理市场，大宗商品投资是十分重要的内容，但基于目前国内财富管理的情况，大宗商品还不是主要的投资工具，因此我们会把大宗商品放在最后讨论。

第三，在第三章阐述“普遍流行方法及其困境”的主题。为了更有针对性和实用性，我们主要是基于国内资本市场阐述这个主题。这么做的目的是为了更加明确地指出流行资产配置模式存在的根本问题，这也有利于我们在随后的章节中把精力更集中在对周期方法论的讨论和实证分析上。

第四，周期方法论的基本框架^㉕。一是周期研究以创新为起点。创新的起点也是一个周期单元的起点，创新的内容决定了一个周期单元的主要性质。二是以创新为起点划分周期的四个阶段：繁荣、衰退、萧条和回升，四个阶段各有自己的属性。三是采用周期叠加和外部因素的方法来解释周期的波动。主要是长中短周期叠加的应用，我们也尝试将季节周期加入。同时考虑外部因素的影响。严格来说，每个周期单位和每个周期阶段都是等时长的，但在现实中，经常会出现位移的情况，为了处理这种情况，我们必须立足于史实分析法找到产生位移的外部因素是什么^㉖。周期波动的不规则性是常态，内部不规则性可以用周期叠加来解释，外部不规则性可以用外部因素的干扰来解释。四是周期方法是理论的、历史的和统计的分析方法之统一。数据经济、经济现象或资产价格的变化可以用周期机制解释，能被历史事实所验证，也有统计数据作支撑^㉗。五是周期研究的是结构问题。结构问题不是机械的推断，是基于历史事实的辩证。以大宗商品价格为例，中周期繁荣阶段很容易引起商品价格上涨，但并不是所有商品的价格都会上涨，这要取决于本轮周期的创新内容与某类（大宗）商品的相关度高低。在股票和大宗商品方面，结构性问题明显更重要；但相比而言，债券市场的结构性问题就显得没那么重要了，因为债券有相对统一的市场，无风险利率走势基本可以代表了整个债券市场的利率和债券价格的变化情况。六是择时问题贯穿始终。上文中已经提到，虽然有外部干扰引起的位移问题，但每个周期单位和周期阶段都是理论等时长的，所以在进行周期分析时已经隐含了择时问题。

综上，我们会围绕大类资产配置的三要素——资产、择时和收益/风险——来阐述大类资产配置的周期方法论。当然，我们在本文也只是抛砖引玉，在实践中还有很多问题需要不断深入探索。

①股市收益率使用的为万得全A；债券收益率使用的为中证综合债券指数。

②此处采用的是巴克莱美国综合债券指数，涵盖了美国公开交易的投资级美国国债、政府相关债券、公司债、抵押贷款支持直通债券、商业抵押贷款支持证券以及资产支持债券。该指数为净价指数，不包括债券的利息，如果加上利息，回撤会有所降低。

③中国的股票指数同上，美国的股票指数采用标普500指数。

④实际上，这忽视了遍历定理的作用。遍历定理是指在一个随机过程中，当时间趋于无穷大时，所有状态被访问的次数趋近于无穷，且每个状态的访问情况符合一定的概率分布律。

⑤QQPlot图用于直观验证一组数据是否来自某个分布，或者验证两组数据是否来自同一（族）分布，常用于检验数据是否来自于正态分布。QQPlot全称是Quantile-Quantile Plot，即分位数——分位数图，通过比较两组数据概率相同时分别所处的分位数（即几倍标准差）来对两组数据的概率分布进行比较。图1-1的横坐标是正态分布的分位数，纵坐标则是股票指数的对数收益率根据正态分布标准化后所对应的分位数。如果图中显示的散点位于45。对角线上，则说明该指数的对数收益率符合正态分布，如果尾部偏离对角线（左尾向下偏离，右尾向上偏离），说明存在肥尾现象。

⑥当纵轴为-3时，横轴约为-2.5，也就是说，真实分布-3倍标准差的概率等于正态分布-2.5倍时的概率，约为0.63%，是0.15%（0.3%/2）的4倍多。从另一个维度来看万得全A的概率分布问题：横轴为-3时，纵轴接近-6，也就是说，正态分布为-3倍标准差时，与这一概率（0.3%/2=0.15%）相同时的真实分布的分位数为-6倍标准差，那真实分布的-3倍标准差的概率显然大于0.15%。

⑦如果周期阶段不是按顺序变化的而是跳跃的，实际上就很难用于预测。

⑧请注意，美林时钟经济周期的四个阶段——衰退、复苏、过热和滞涨——与我们周期四个阶段的名称并不一样，划分依据也不同。美林时钟四个阶段的划分依据是经济增速和通胀指标——衰退对应经济下行与通胀下行、复苏对应经济上行与通胀下行、过热对应经济上行与通胀上行、滞涨对应经济下行与通胀上行。它可能更接近于我们的短周期。

⑨资料来源：“固收+”的24章经。https://mp.weixin.qq.com/s/cn1PwOZB3PEsIpSjJ4kb8w

⑩也就是还说，当二级债基的分位数为-6倍标准差时，正态分布处于-2.5倍标准差的位置，概率约为0.63%，约为正态分布概率（0.15%）的4倍。

⑪近年来，另类资产在资产配置中逐步受到青睐，我们认为另类投资的定价也主要是以前三类资产为锚，因此在本文暂不对另类投资做专门陈述。

⑫Black-Litterman 模型中加入了投资者对市场的看法和预测，可以视为对结构判断的初步应用；美林投资时钟模型中体现了行业轮动的思想；因子模式中体现了应用者的主观性，也是结构应用一种体现。

⑬资料来源：《全球资产配置》(美) 麦嘉华 (Meb Faber) 著；郑志勇，陈杰译。北京: 电子工业出版社，2018年。

⑭衍生工具是不能获得长期套利收益的，所以使用衍生工具对冲也是需要择时的。

⑮资料来源：高净值家族财富管理与传承的必修课——大类资产管理。https://mp.weixin.qq.com/s/mhFbeokB6lG3yHjhp4nb9w

⑯资产配置的理论模型可以涵盖全部的投资品类，但实际上会受制于监管要求、能力边界、投资手段甚至投资规模等原因的制约，实际投资组合的构建很难按照理想状况从容地选择投资品种。

⑰在模型中加入主观判断、因子配置等方法可能认为部分地体现了择时问题，但都没有把择时因素理论化和系统化。

⑱经济学中的经济人假设是指在经济分析中，假设个体在做出决策时会根据自身的利益最大化来行动。这个假设认为个体是理性的、逐利的，会根据自己的目标和利益来做出决策。生产者以利益最大化为决策依据，消费者以效用最大化为决策依据。

⑲我们在本文所称的“周期理论”主要是指熊彼特的创新周期理论，如果是其他学者的周期理论，我们会在文中明示。

⑳请注意，时间是周期的唯一变量，但需要明确时间的概念是什么。周期概念的时间分为两个层面：第一个层面是指历史时间，即时间所处于的周期阶段和历史阶段；比如当我们说2023年8月份时，指的是它所处的周期阶段，也就是说在这个时间点所对应的周期背景和历史事实；这是时间因素的主要方面。第二个层面指的是每个周期单元的时间跨度——比如，一个中周期单元是9.5年——这层意义与第一层是逻辑统一的。

㉑这里请注意，本文中的“增长”（大多数时候等同于经济“增速”）和发展是两个不同意义的概念。我们所说的“增长”只是数量意义的增长，而“发展”一词蕴含了创新发展、经济进步或经济效率的提升。经济增速高并不完全等同于经济发展快，经济增速下降也不完全等同于经济发展慢。企业效益是否提升、消费者福利是否同步改善更能近似地衡量经济的发展水平。从更普遍的意义上来说，我们可以把经济变动分解为三种因素的影响，即创新因素、增长因素和外部因素。创新因素带来的是经济发展的周期性波动；增长因素（比如人口增长）带来的是一个持续向上或向下的趋势，但不是经济发展；外部因素也会带来周期性波动，但未必是发展。增长因素很容易在时间序列中——也可以借用技术手段——识别并分离出去，因此不需要对此做专门论述，故在本文我们主要研究创新和外部因素带来的周期波动问题。

㉒关于市场风险和信用风险我们会在本文后面对各大类资产的分析中进行分别阐述。

㉓人为干预风险主要是“紧缩”型的风险。比如，在利率周期本来应该下行的期间，央行大幅提高了（小幅度提升一般不会改变利率周期的主要趋势）基准利率，就会改变利率的短期趋势；再比如，在股票上行时间，人为大幅收紧市场信贷，也会让股市下跌。反之，人为“宽松”型的政策一般不会改变资产价格的运行趋势。

㉔一般情况下，我们只分析长、中、短三周期或季节周期的叠加。三周期（或四周期）之外的因素我们统称为外部因素。外部因素主要包括战争、革命、自然灾害、制度变革、商业政策、银行和货币政策以及支付习惯等等。这些外部因素产生的风险，我们称之为随机风险。但实际上有些外部因素其实也是经济发展的结果。

㉕这里主要是概括地描述周期方法论的基本框架，具体应用会在下文中逐步详细论述。

㉖主要是为了确定均衡点和最低点应有的位置，因为均衡点和低点是判断周期位置的关键点；而高点最容易被干扰，对确定周期位置的意义比较小。

㉗1782年后世界已经经历了四轮完整的长周期或康德拉季耶夫周期，目前我们正在第五长周期之中；同时无论是从国际还是国内看，中周期和短周期的脉络都很显著。这些都是有充分的统计数据依据的。

—   未完待续，敬请期待   —