來源：中信建投證券研究

　　文|陳果 王程暢

　　本周，股票類資產(chǎn)表現(xiàn)較好，商品表現(xiàn)不佳，債券表現(xiàn)平平。預(yù)測2024Q4萬得全A和萬得全A非金融的ROE為7.67%和6.94%（預(yù)測2025Q1分別為7.62%和6.93%），2024Q3的ROETTM為7.77%和6.94%?；谌芷冢◣齑嬷芷?產(chǎn)能周期+人口周期）對萬得全A指數(shù)2025Q1的內(nèi)在價(jià)值估計(jì)為3，992點(diǎn)至6，128點(diǎn)區(qū)間（2025Q2為4，144點(diǎn)至6，048點(diǎn)區(qū)間）；預(yù)測美國GDP同比高點(diǎn)在2025Q1，預(yù)測日本GDP同比的高點(diǎn)在2025Q2，預(yù)測歐元區(qū)GDP同比高點(diǎn)在2025Q2，預(yù)測日元相對美元的弱勢將好轉(zhuǎn)，預(yù)測歐元未來或相對美元強(qiáng)勢；預(yù)測美元計(jì)價(jià)的黃金將繼續(xù)走強(qiáng)。全球多資產(chǎn)配置絕對收益@中高風(fēng)險(xiǎn)組合，本周回報(bào)1.01%，本月回報(bào)3.12%，今年以來相對萬得FOF指數(shù)超額收益3.46%。

　　全球大類資產(chǎn)表現(xiàn)與康波視角下的周期定位：本周，股票類資產(chǎn)表現(xiàn)較好，商品表現(xiàn)不佳，債券表現(xiàn)平平。當(dāng)前處于康波蕭條期，下一輪康波周期的復(fù)蘇大概率由人工智能引領(lǐng)；人口因素對股市的負(fù)面影響從2015年開始變得比較顯著，且作用逐漸增強(qiáng)；中國產(chǎn)能利用率從2021年下降；本輪庫存周期從2023Q2見底回升，但受制于康波、人口和產(chǎn)能周期的下行壓制，本輪PPI回升較弱，當(dāng)前已經(jīng)接近上行周期的尾聲。

　　基本面和資產(chǎn)價(jià)格展望：按照自下而上的分析師預(yù)期加總，預(yù)測2024Q4萬得全A和萬得全A非金融的ROE為7.67%和6.94%（預(yù)測2025Q1分別為7.62%和6.93%），2024Q3的ROETTM為7.77%和6.94%?；谌芷冢◣齑嬷芷?產(chǎn)能周期+人口周期）對萬得全A指數(shù)2025Q1的內(nèi)在價(jià)值估計(jì)為3，992點(diǎn)至6，128點(diǎn)區(qū)間（2025Q2為4，144點(diǎn)至6，048點(diǎn)區(qū)間）；較高估值為考慮低利率環(huán)境，較低估值為剔除利率對估值的影響。中國十年期國債利率偏離了歷史周期規(guī)律。預(yù)測美國GDP同比高點(diǎn)在2025Q1，預(yù)測日本GDP同比的高點(diǎn)在2025Q2，預(yù)測歐元區(qū)GDP同比高點(diǎn)在2025Q2，預(yù)測日元相對美元的弱勢將好轉(zhuǎn)，預(yù)測歐元未來或相對美元強(qiáng)勢；預(yù)測美元計(jì)價(jià)的黃金將繼續(xù)走強(qiáng)。

　　全球多資產(chǎn)配置策略組合跟蹤：全球多資產(chǎn)配置絕對收益@低風(fēng)險(xiǎn)組合，本周回報(bào)0.26%，本月回報(bào)0.78%，今年以來相對中債（總財(cái)富）指數(shù)超額收益0.71%；全球多資產(chǎn)配置絕對收益@中高風(fēng)險(xiǎn)組合，本周回報(bào)1.01%，本月回報(bào)3.12%，今年以來相對萬得FOF指數(shù)超額收益3.46%。

　　A股行業(yè)和風(fēng)格輪動@相對收益：最近一周“有色金屬”、“電力及公用事業(yè)”、“國防軍工”、“房地產(chǎn)”和“通信”行業(yè)的機(jī)構(gòu)關(guān)注度在提升。A股行業(yè)和風(fēng)格輪動@相對收益組合，本周回報(bào)-0.69%，本月回報(bào)-3.48%，本年回報(bào)-3.48%，歷史年化收益率6.75%，Alpha9.77%，Sharpe0.2820，最大回撤-23.24% 。

　　大類資產(chǎn)配置雖然能夠有效分散風(fēng)險(xiǎn)，但在某些市場環(huán)境下或策略設(shè)計(jì)中也存在一些潛在的危險(xiǎn)和局限性。以下是幾項(xiàng)主要危險(xiǎn)和局限性：

　　1． 高相關(guān)性導(dǎo)致風(fēng)險(xiǎn)分散效果降低：模型的核心思想是將投資組合的風(fēng)險(xiǎn)平均分配到各資產(chǎn)中，追求各資產(chǎn)風(fēng)險(xiǎn)貢獻(xiàn)相同。然而，當(dāng)某些資產(chǎn)之間的相關(guān)性較高時(shí)，協(xié)方差矩陣中的協(xié)方差項(xiàng)會較大，導(dǎo)致這些高相關(guān)性資產(chǎn)對組合的總風(fēng)險(xiǎn)貢獻(xiàn)增大。這樣一來，投資組合的總風(fēng)險(xiǎn)將更加依賴于這些高相關(guān)性資產(chǎn)，從而降低了風(fēng)險(xiǎn)平價(jià)模型的風(fēng)險(xiǎn)分散效果。

　　2． 市場環(huán)境變化可能導(dǎo)致模型失效：量化模型的有效性基于歷史數(shù)據(jù)的回測，但未來市場環(huán)境的變化可能與歷史數(shù)據(jù)存在較大差異，導(dǎo)致模型失效。例如，市場的宏觀環(huán)境、投資者的交易行為或局部博弈的變化，都可能影響因子的實(shí)際表現(xiàn)，進(jìn)而使得風(fēng)險(xiǎn)平價(jià)或最大多元化策略無法實(shí)現(xiàn)預(yù)期的效果。

　　3． 資產(chǎn)選擇的局限性：策略的效果在很大程度上取決于資產(chǎn)的選擇。資產(chǎn)的選擇和市場的波動性會對策略的表現(xiàn)產(chǎn)生重要影響。

　　投資者需要根據(jù)市場環(huán)境和自身的風(fēng)險(xiǎn)偏好，靈活調(diào)整策略，并警惕模型失效的風(fēng)險(xiǎn)。