大类资产模型的理论与艺术——FOF系列专题之资产配置

华泰财富研究部 MakingMoneyFromMacro大类资产模型的理论与艺术——FOF系列专题之资产配置华泰财富研究部 MakingMoneyFromMacro 2017-03-19华泰财富研究部薛鹤翔团队大类资产模型的理论与艺术——FOF系列专题之资产配置投资要点主要观点：对于资产配置型FOF而言，由于配置了多种类别的资产，无法仅仅通过各类资产的多空观点，就能获得相应的配置方案。实际上，由于多种资产的存在，资产之间走势的相对强弱、相关性、波动率等等指标都会影响到不同资产类别的配置比例。可以这么理解，在总的资源有限（总配置比例100%）的情况下，如何合理分配权重才能使得整个投资组合的效用最大，就是资产配置要做的事情。本篇报告首先介绍了资产配置对于FOF投资运作的意义，之后详细分析了马科维兹模型的原理、参数估计的方法以及模型在实践中使用的艺术；之后分别介绍了BL模型、RISKPARITY模型以及其他相关资产配置模型，包括模型产生的历史、模型求解的框架、模型的特点以及不同模型之间比较的实证研究。马科维兹模型的使用：理论与经验的折中。大类资产配置的要义在于多元化，而由于马科维兹模型本身对于预测精度的依耐性过强，使得最优配置方案（有效边界上的点）往往不够多元化，而是集中在少数几类资产当中。如果不进行适当的约束，可能存在过度优化的嫌疑，最后的结果也可能并不会让人满意。因此，实践中，会根据历史操作经验，对各大类、子类资产的配置比例进行适当的约束，使得最终的配置方案能够遵循多元化的理念，同时也能够容忍对于资产收益率预测的误差，是一种经验与理论的折中选择。BL模型的本质：引入市场均衡收益+主观收益的均值方差模型。BL模型在本质上并未脱离马科维兹的均值方差范畴，主要的改进在于引入了市场均衡收益率的概念，作为资产的先验预期收益率，并结合主观判断作为后验收益率，通过先验分布+后验分布的结合，获得相对更为稳健的模型输入参数。但最后依然落脚到马科维兹的均值方差模型之上。BL模型的应用：更为灵活，参数也相对更多。BL模型相比马科维兹的均值方差模型而言，相对更为复杂，需要输入的模型参数更多，而这些参数都或多或少需要我们进行主观估计，特别是市场均衡收益率的获取在实践中并不容易。当然，在更为复杂的背景之下，模型相比原始的均值方差模型而言，灵活度也更高，例如可以输入一系列主观判断，同时也可以给每一个主观判断一个置信度参数，整个框架更加符合大类资产配置的投资实践。并且，在保持中长期均衡收益率不变的情况下，通过调整短期的主观收益预测以及对应的置信度水平，可以很好地构建从战略到战术的动态资产配置框架。风险平价模型：均衡配置风险，舍弃资产的预期收益率。与马科维兹的均值方差模型、BL模型具有较大的不同，RiskParity模型并不关心各类资产的预期收益率，而仅仅关注各类资产的风险对整个投资组合风险的贡献度。因此，首先我们可以发现，RiskParity的参数输入数量大为减少，特别是非常敏感的资产预期收益率数据，转而关注资产的风险，通过均衡配置各类资产的风险来达到组合稳健增值的目的。正是由于舍弃了对于预期收益率的关注，该模型更为简单，所需的输入参数只有协方差矩阵。风险平价模型的核心在于债券的杠杆使用：风险平价模型往往伴随着杠杆的使用，低风险资产（债券）通过杠杠的运用，调整到与高风险资产相同波动率的水平，从而实现组合目标风险水平以及风险在各大类资产上的均衡配置。实际情况中，由于监管层对债券使用的杠杆有限制，因此风险平价策略往往并不能通过融资很容易地调整各类资产的风险水平。一、FOF与大类资产配置模型FOF俗称基金中的基金，即主要以基金作为投资标的。回顾历史，在基础资产数量足够多的时候，基金应运而生；同理，在基金等金融产品足够丰富的时候，FOF也应运而生。FOF的出现一方面是帮助客户解决基金选择的困难，另外也是金融市场投资端在发展到一定程度后的进一步在分工。FOF按照专注的资产类别数量不同，可以分为大类资产配置型FOF与精选型FOF。后者通常关注单一资产类别，通过精选投资于该资产类别的子基金，在减少单个基金非系统性风险的同时，获得超越该资产本身的收益。例如，股票型FOF、债券型FOF、量化对冲FOF等等。

对于大类资产配置型FOF而言，其实相对更为复杂一些。首先，需要通过对宏观经济、金融市场、大类资产的研究得出在各大类资产上的配置比例，比如国内股票、债券、大宗上、海外股票、现金等的配置比例；其次，在确定了各类资产的比例之后，所做的事情则与精选型FOF并无二致。因此FOF的投资并不过多地去关注基础证券本身，而是关注大类资产未来的表现，以及能够实现各类资产配置需求的各类基金的筛选。可见FOF这种工具，天然是实现大类资产配置的载体，将个券级别的研究与投资交给资产管理人去做，而将主要的精力放置在大类资产的研究和调整，以及各类资产之下基金管理人的挑选。此篇报告，我们重点分析FOF中的大类资产配置模型。二、奠基模型——马科维兹模型在进行单类资产投资时，仅仅需要判断未来该资产的涨跌，便可通过提升或降低仓位来进行控制。特别是对于精选型FOF而言，由于仅关注大类资产之下的子基金，通常除预留部分现金仓位之外，基本呈现出满仓的状态。特别是对于目前市场的私募精选型FOF而言，建仓期的择时通常都交给子基金去做，母基金层面只负责进行优质管理人的筛选、子基金业绩跟踪以及风险的控制。对于资产配置型FOF而言，由于配置了多种类别的资产，无法仅仅通过各类资产的多空观点，就能获得相应的配置方案。实际上，由于多种资产的存在，资产之间走势的相对强弱、相关性、波动率等等指标都会影响到不同资产类别的配置比例。可以这么理解，在总的资源有限（总配置比例100%）的情况下，如何合理分配权重才能使得整个投资组合的效用最大。解决这个问题的理论源自马科维兹的均值-方差理论，该理论开创了现代投资组合理论，具有奠基性的意义，很多后来的成果其实本质还是基于该模型，只是在精细化程度、风险度量、收益（效用）度量上采用了新的指标，或者使用了更为精细化、鲁棒性的方法去获得模型需要的输入参数。1.      Mean-Variance模型分析将资产分为风险资产与无风险资产，无风险资产用

这一无风险利率度量。度量风险资产的指标是一个指标对（μ，σ）, 其中μ代表资产的预期收益率，σ代表资产的预期波动率，即：每一个风险资产对应于一个随机标量，随机性在于未来的收益并不确定，是一个分布。在马科维兹的框架中，所有风险资产的收益部分都假定为正态分布，可以由（μ，σ）完全刻画。无风险资产亦可以看作一种特殊的风险资产，即波动率为0的资产。虽然现实中，不论是大类资产还是具体的证券，其收益往往并不符合正态分布，但由于正态分布在数学处理上更为优美和直接，能够获得很多解析的结果，因此市场也往往在事前采纳这一假定。具体来看，如果有n个风险资产

（1≤i≤n）对应的预期收益率、预期波动率为

, 那么投资组合

它的预期收益率和波动率则可以非常方便的获得，预期收益率

其中

是资产

与资产

之间的相关系数。从更加简洁的形式来看投资组合P的方差可以写成矩阵的形式，即：

其中ω=（

）

是投资组合P在各类资产上的权重，Cov为n类资产的协方差矩阵。由以上的分析可以看出，在给定权重w的情况下，要获得投资组合P的预期收益率、预期波动率，需要输入参数n个资产的预期收益率μ=（

）

，以及他们之间的协方差矩阵Cov。对于投资组合P的任何一个配置方案w，在风险-收益的二位平面上可以得到一个点

，所有这些点的集合构成了一个凸区域，这个区域的上边界构成了n类资产的有效边界。从Y周的无风险利率

引出一条上边界的切线，切点

就是一个最优的投资组合，或者说是夏普比率最高的投资组合，切线对应的则是无风险资产与最优组合

的加权组合，即对于任何一个可承受的风险σ，假设

，在此风险承受水平下，预期收益率最高的投资组合为

在上面组合的风险小于等于最优组合

的波动率

时，可以通过无风险资产和最优组合按比例组合得到；否则，需要以无风险利率进行融资，在现实中难以成行。

从以上马克维茨理论分析过程中，首先获得有效边界，并进一步获得切点的过程，其实就是一个资产配置的过程。只不过我们获得了一个在所有风险水平下的最优配置方案。具体来看，求得有效边界的过程就对应着一个求解一系列如下所示的二次优化问题，其中

取一定的间隔从大到小变化。

现实世界中，资产做多做空都存在着不少的限制，因此在实际的优化求解过程中，我们通常会加入一些约束条件，以防止资产的配置比例出现不和常规的数值，例如加入

这样的条件。下面举一个简单的例子进行说明，假如一共只有两类资产，分别为股票和债券，预期收益率分别为9.7%、3.7%，因此μ=（9.7%，3.7%）

, 无风险利率

，对应的协方差矩阵为：

那么我们通过计算可以得到如下的有效边界，切点位于（3.5%，4.1%）附近。在不能进行杠杆操作的背景下，实际的有效边界为“切点左边的切线+切点右边的曲线”，对应为实际的有限边界。

有效边界上的任意一点都对应了一个配置方案，该方案满足如下的性质：在给定的波动率之下，是预期收益率最大的配置方案；在给定的预期收益率之下，是波动率最小的配置方案。下图展示了不同风险之下，切点右侧有效边界上的点对应的资产配置方案。例如切点对应的波动率为3.5%，对应的资产配置方案为（股票，债券）=（6.6%、93.4%）。

2.      均值方差模型参数的估计对于马科维兹的均值方差而言，输入的参数包括两个：（1）一个是各类资产预期收益率，相当于是一阶矩；（2）另外一个是各类资产的协方差矩阵，可以各类资产的预期波动率以及资产之间的相关系数，相当于是二阶矩。1) 从实际情况看，由于均值方差模型的本质属于二次优化的范畴，其对于预期收益率的估计非常敏感，即一阶矩的微小变化会使得配置方案发生极大的变化；2) 相对而言，模型对于协方差这一二阶矩参数的敏感性要低很多，因子具有更强的鲁棒性。3) 二阶矩的估计，通常以历史数据作为出发点进行估计。例如：我们修改前一部分的例子，假设股票的预期收益下降1%至8.7%，债券的预期收益率保持3.7%不变，那么在同样的组合5.2%的预期收益率之下，原来的配置比例为（25%，75%），而在新的预期收益率之下则变为（30%，70%），配置比例变动了5个百分点。实际上如果资产数量较多的情况下，某类或某几类资产预期收益率的微小变化，可能导致最终的配置方案发生翻天覆地的变化，某些资产可能从原来的高配到低配，甚至无配置。因此，在实际的操作中，对于各类资产预期收益率的预测将变得非常重要，也是整个资产配置中最具有技术含量的工作。实际操作中，一般有两种方法对资产的预期收益率进行预测：历史数据法：一是用历史数据进行分析预测，一般而言需要用足够长时间的年化复合收益率作为估计变量，通常时间在10年以上。原因在于，太短的时间往往指标不够稳定，甚至有可能成为反向指标。例如，用过去1Y股市的预期收益率去预测未来1Y的股市收益率，往往可能成为反向指标。只有所用区间的数据足够长，在计算复合收益率的时候，获得的数值才能相对稳定。相应的，我们也需要认识到，在用这种历史数据对未来做预测的时候，也一定是基于相同时间尺度的预测。下面的图展示了1991年以来上证综指的年度收益率以及2000以来过去10Y的复合年化收益率。可见每年收益率的波动极大，即使经过10Y的平滑后，虽然波动明显减小，但是考虑到模型对参数的敏感性之后，其实波动亦属不小。

模型预测法：模型预测法往往基于一些经济假设作出，常见的模型包括CAPM模型、Grinold-Kroner等模型。以Grinold-Kroner为例，其提出的时候是用来预测股票的名义收益率，因此也可以用来预测整个股票市场的收益（基于特定股票指数）。在单期股利贴现模型的基础上将股票名义回报率（E）分解为三部分，即收入回报、名义增长回报、重定价回报,以此来解析股票资产回报收益率的内在联系。具体公式为：

收入回报：上述公式中的

，D/P指股息收益率，△S指回购收益率，当公司回购股份时，总股本变小，每股收益率提升。股息率高的公司，收入回报高。在对指数进行预测时，往往只考虑股息率，一般用过去5Y或10Y的股息率的均值进行预测，亦可用回归模型进行外推预测。名义增长回报：上述公式中的(i+g)，i是指通货膨胀率，g是指实际增长率。实际增长率需进行预测，有一定的难度和不确定性。通胀率通胀取为市场的一致预测值，而g可以考虑用GDP的实际增速预测进行替代。重定价回报：上述公式中的△PE，即市场对股票的重新定价，主要是PE定价，市场整体环境好转、行业好转及公司基本面好转都可能会带来PE的正向重估。估值回归部分，一般可以假设未来5Y~10Y股指的估值回归到过去5Y~10Y的均值水平，进而计算带来的损益。从实践来看，通常指数的股息率变动不大，历史数据具有相对较好的预测性；市场对于GDP的预测、通胀的预测亦有较高的准确度；但在估值回归上面却受到市场情绪的影响，可能出现快速回归或者较长时间保持高估、低估等状态，因此这一块估计对整个预期收益率的影响是最大的一块，也是误差的重要来源。3.      实践中模型使用的艺术从上面的分析中，我们得到几个重要的结论：1)    模型对于资产预期收益率非常敏感；2)    资产预期收益率的预测存在不小的误差，不论是历史数据法，还是基于未来预测的模型方法；3)    降低预测误差的方法来自于拉长时间周期；4)    大类资产配置模型与中长期的资产配置理念相匹配，通常5Y~10Y，而非未来一年、半年的跨度。除此之外，大类资产配置的要义在于多元化，而由于模型本身对于预测精度的依耐性过强，使得最优配置方案（有效边界上的点）往往不够多元化，而是集中在少数几类资产当中。如果不进行适当的约束，可能存在过度优化的嫌疑，最后的结果也可能并不会让人满意。因此，实践中，会根据历史操作经验，对各大类、子类资产的配置比例进行适当的约束，使得最终的配置方案能够遵循多元化的理念，同时也能够容忍对于资产收益率预测的误差，是一种经验与理论的折中选择。

三 、BL模型模型介绍Black-Litterman（简称BL）模型最初由Black和Litterman（1990）提出，经过了Black和Litterman（1991,1992），Bevan和Winkelmann (1998)，He和Litterman (1999)以及Litterman（2003）等研究者的一系列发展和补充后，成为资产管理领域被广泛应用的模型。BL模型自提出来后，已经逐渐被华尔街主流所接受，现在已经成为高盛公司资产管理部门在资产配置上的主要工具，被多个投资银行和资产管理公司用来进行资产配置。BL 模型是在马克维茨均值-方差模型基础上的一种优化模型，主要有两个直接的切入点。一是假设市场中有一个均衡组合，市场包含了所有可以获得的有效信息，因此投资者可以按照市场权重来分配资产，而这一点根据市场自身特点均衡达成的，也就是没有所谓的模型估计误差。第二是引入了投资者对资产的观点，将先验观点与历史均衡收益相结合，模型构建的投资组合不但是历史规律的总结，同时也反映了投资者结合宏观政策、市场环境、基本面分析后的主观观点。模型求解：首先，根据风险厌恶系数λ、历史超额收益率的协方差矩阵Σ和市值权重

计算均衡收益率的分布，

。可以得到

作为先验分布。然后，输入投资者对资产未来超额收益率的主观观点：P,Q以及Ω,其中P代表对何种资产拥有主观观点，Q代表对资产的超额收益率做出相对具体的数值预测，而Ω则是观点的误差，一定程度上可以认为是观点的置信度。于是，在拥有先验与主观信息的条件下，

，从而得到最优的资产配置权重向量。其中后验的超额收益率为：

根据马克维茨收益-方差最优化方法，计算最优权重的公式为：

其中n表示资产个数k表示观点个数（k≤n）τ是一个标量Σ表示n个资产的超额收益率协方差矩阵(n×n)∏表示隐含均衡收益率(n×1)P表示投资者的观点矩阵(k×n)Q表示观点的收益向量(k×1)Ω表示观点误差的协方差矩阵，为对角矩阵，表示每个观点的信心水平w表示资产的权重向量(n×1)μ表示期望权重，在最后计算时我们取μ=E(P)

模型特点：BL模型的本质：BL模型在本质上并未脱离马科维兹的均值方差范畴，主要的改进在于引入了市场均衡收益率的概念，作为资产的先验预期收益率，并结合主观判断作为后验收益率，通过先验分布+后验分布的结合，获得相对更为稳健的模型输入参数。但最后依然落脚到马科维兹的均值方差模型之上。BL模型的应用：BL模型相比马科维兹的均值方差模型而言，相对更为复杂，需要输入的模型参数更多，而这些参数都或多或少需要我们进行主观估计，特别是市场均衡收益率的获取在实践中并不容易。当然，在更为复杂的背景之下，模型相比原始的均值方差模型而言，灵活度也更高，例如可以输入一系列主观判断，同时也可以给每一个主观判断一个置信度参数，整个框架更加符合大类资产配置的投资实践。并且，在保持中长期均衡收益率不变的情况下，通过调整短期的主观收益预测以及对应的置信度水平，可以很好地构建从战略到战术的动态资产配置框架。四、风险平价模型模型介绍风险平价策略最早由钱恩平提出，其同时为PanAgora设计了第一个风险平价组合。此后，随着他建立这一个策略的方法论，在欧美市场上越来越多的机构开始采用”风险平价“策略。尤其在金融危机期间，传统的投资策略损失惨重，而”风险平价“策略获得了稳健投资者的高度关注，规模也随之壮大。作为分散投资理论的一个新突破，风险平价（Risk Parity）策略追求资产本身的风险权重平衡，直接对每个组合的风险贡献度进行操作，将整个组合的风险很好地分配到各个资产中去。风险平价策略的理念清晰明了，有很强的可操作性，国际市场自上世纪90年代开始就已经有了广泛的应用，其中桥水基金（Bridgewater）的全天候基金（All Weather）就是基于风险平价策略。自1996年以来到2015年，全天候基金的年化收益率超过同期标普500指数3.07%，而波动率也比同期标普500指数低6.74%，同时夏普比率达到0.64。模型区别：与马科维兹的均值方差模型、BL模型具有较大的不同，RiskParity模型并不关心各类资产的预期收益率，而仅仅关注各类资产的风险对整个投资组合风险的贡献度。因此，首先我们可以发现，RiskParity的参数输入数量大为减少，特别是非常敏感的资产预期收益率数据，转而关注资产的风险，通过均衡配置各类资产的风险来达到组合稳健增值的目的。正是由于舍弃了对于预期收益率的关注，该模型更为简单，所需的输入参数只有协方差矩阵。风险平价模型往往伴随着杠杆的使用，低风险资产（债券）通过杠杠的运用，调整到与高风险资产相同波动率的水平，从而实现组合目标风险水平以及风险在各大类资产上的均衡配置。实际情况中，由于监管层对债券使用的杠杆倍数有限制，因此风险平价策略往往并不能通过融资很容易地调整各类资产的风险水平。模型求解：在一些协方差矩阵满足一定的特殊条件时，我们可以获得非常简洁漂亮的解析解，具体包括，一是如果所有资产之间具有相同的相关性，那么

另外，则是如果所有资产都具有相同的波动率，那么我们也可以计算得到每类资产的权重为

一般情况下，风险平价策略无法得到解析解，只能通过非线性规划求得数值解。对此，可以在数学软件中应用非线性优化算法，结合不能卖空的权重限制，求解如下优化问题：

其中，

为协方差矩阵与权重向量乘积的第i个元素，即

。当

时，有

，该数值解即为风险平价策略的组合权重。实证研究：1、关于风险平价组合的波动率与债券杠杆问题目前国债的质押率最高可以到95%，其余根据信用资质的不同质押率会有一定差异。从理论和实践层面看，债券的质押回购通常在5倍以下！根据测算，在不适用杠杆、不加入无风险资产的情况下，如果仅考虑A股、债券、黄金、美股四大类风险资产，风险平价要求下的组合波动率为2.1%，具体配置情况如下：

如果债券最高给到5倍的杠杆，那么波动率可以提升到6.0%左右，对应的风险平价配置比例如下：

从上面的分析可以看出，受制于债券资产本身杠杆的限制，对比我们之前对于投资者风险偏好的划分，风险平价组合可以实现低风险、中低风险两种类型的投资组合！2、无债券杠杆的风险评价模型 vs 均值方差模型业绩比较基于股票、债券两类资产，在不使用债券杠杆的情况下，风险平价模型的结果落在保守型投资者的特征之内，与保守型的风险、收益相比表现没有太大的差异！具体而言，如果剔除现金仓位的影响，均值方差模型与不使用杠杆的RISKPARITY模型得到的净值曲线基本一致，预期收益率在6.5%~7%左右；两者的波动率均在1.5%左右，最大回撤都在1.3%左右。

3、关于风险平价与均值方差两个模型的对比总结1）.风险平价模型适用的投资风险类型在低风险~中低风险之间，由于债券杠杆难以放得过大，在模型的实际运用中，稳健型（含）以上的风险偏好难以实现；通过打破风险均衡这一严格的条件限制，使用风险贡献预算的方式，方可以提高组合的目标波动率。2) 在不使用杠杆的情况下，风险评价模型大部分的资产配置在债券上，即暴露在利率风险之上，高风险资产比例很少，使得其表现与均值方差模型得到的低风险配置方案基本一致，优势不明显！3) 如果均值方差模型中的债券类资产也能使用杠杆，那么净值表现相比没有使用杠杆的情况也会出现明显的提升！因此，对债券类资产使用杠杆，从而改变债券类资产的风险收益特征可能是关键所在。4) 风险评价模型由于仅涉及到协方差矩阵的估计，无需对预期收益率进行预测，因此相对更为简单，也更为偏向客观数据；均值方差模型用到了预期收益率，而模型本身对预期收益率比较敏感，因此相对更为主观，也需要研究人员对未来收益率情况能够进行相对准确的判断！五、其他模型60-40股债模型：数年前，投资组合管理非常简单: 60%的资金投资于股票，40%的资金放在债市，每年平衡一次资产即可。相比而言，这是和等权重组合一样简单的配置方法，对于资产的预期收益率、风险均无需给出预测，可以视为资产配置中最为简化的模型，在过去的确也取得了非常不错的收益。但仔细思考后，我们会发现，海外长达数十年的利率下行使得债市表现相对不错，且美股亦处于长期牛市的过程中。因此做这样的配置效果不错，但目前来看，金融市场的复杂度进一步提高，全球黑天鹅事件频发，各大央行开启了货币紧缩周期，在利率上行过程中，债券资产首先承压，而对于股市而言估值亦受到明显压力。因此，未来应该在在资产配置上更为多元化，始于60/40这一初级的资产配置理念，但并不应该仅仅停留在这样一个层面，商品、另类资产等资产也应该纳入到我们考虑的范畴。风险度量差异：Markwiz传统模型基于标准差度量风险，实际风险的度量上还包括VaR等，不同的度量方式导致的有效边界存在差异。实际中客户对风险的认识或要求可能更为复杂，因此市场涌现了基于CVAR、绝对偏离等风险度量的资产配置包括，包括ConditionalValue-at-Risk、Mean-AbsoluteDeviation等模型生命周期模型：全生命周期资产配置模型，不仅考虑了投资人目前拥有的金融资产，也将劳动收入的人力资本纳入到了资产配置模型之中。经济周期模型：美林投资时钟与马丁.普林格经济6阶段模型等，基于经济周期的资产配置方式，给予战略、战术等长中短期配置比例设置以新的视角。六、总结资产配置模型解决了从大类资产定性判断到定量配置的一个过程，但资产配置模型本身的输入参数需要模型使用的人员进行计算和预测，其准确性和精确度决定了资产配置方案的有效性。不同的模型有其使用的环境，对于模型使用者而言也有着不同的要求。普通个人投资者如果缺乏专业的顾问，可能选择等权重配置或简单的60/40策略相对更为经济适用；而对于专业的机构团队而言，拥有较多的研究人员和市场资源，有能力对市场进行更精细地判断，那么选择一些成熟且相对复杂的模型可能会更加匹配。当然模型的使用，更多地是辅助我们进行决策，避免资产配置的过度主观和任意性，在实际使用的过程中需要不断总结经验，了解模型的假设条件，熟悉特定模型的品性，并加入合适的约束条件，以得到更为合理、稳健的配置方案。除了单一模型之外，也需要关注不同模型在大类资产实践中的配合使用，例如战略资产配置（SAA）、战术资产配置（TAA）以及基金选择的整合。例如大类资产层面使用BL模型，子类资产层面可以使用风险平价模型进行配置，而每个子类下面的基金选择层面则可以使用等权等相对简单的配置模型。免责条款本咨询产品的信息均来源于公开资料，力求咨询产品内容的客观、公正，但文中的观点、结论和建议仅供参考，不构成所述证券的买卖出价或征价，投资者据此做出的任何投资决策与本公司和作者无关。本公司及作者在自身所知情的范围内，与本咨询产品中所评价或推荐的证券没有利害关系。在法律许可的情况下，本公司及其所属关联机构可能会持有咨询产品中提到的公司所发行的证券头寸并进行交易，也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。本咨询产品专供我公司有关客户阅读，严禁他人或其它机构传播或做商业用途使用。如发现有关机构和个人违规使用本刊物的，本公司将保留追究其法律责任的权利。本咨询产品版权归华泰证券所有。未获得书面授权，任何人不得对本咨询产品进行任何形式的发布、复制。本咨询产品基于华泰证券认为可信的公开资料，但我们对这些信息的准确性、完整性或可靠性不作任何保证，也不保证所包含的信息和建议不会发生任何变更，也不承担任何投资者因使用本咨询产品而产生的任何责任。本公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：Z23032000。喜欢此内容的人还喜欢我的意思是和你做我的意思是和你做...中二泽不看的原因内容质量低不看此公众号东京湾，看吐了东京湾，看吐了...当时我就震惊了不看的原因内容质量低不看此公众号