手把手教你穿越牛熊，低波组合年化收益超10%！|资产_新浪财经

纵观全球，无论是欧美成熟经济体，还是亚太新兴经济体，股票市场从投资主动化转向投资被动化。

伴随ETF投资的火热，多样的ETF产品覆盖不同资产类别和市场，投资区域更为丰富，投资类型更加多元，均为投资者们提供了丰富的选择和丰腴的策略。如何构建低波稳健的ETF组合是不少投资人的追求目标。

本文基于ETF构建了预期最大回撤平价策略，回测显示，2013年以来，月频调仓下，高中低权益配置中枢的三个组合年化收益分别为10.39%、7.88%和5.06%，年化波动分别为7.21%、4.44%和1.44%，最大回撤分别为-13.27%、-8.03%和-2.01%。

一、如何巧用ETF进行资产配置

ETF在资产配置中的优势：如果实现中高频资产配置策略，ETF是首选配置工具，主要优势在于其交易费用低，劣势是委托繁琐成交价格不稳定，可能出现折溢价；如果实现中低频资产配置策略，场内ETF和场外基金均可以作为配置工具，场外基金的优势则是交易简单、日终价结算成交稳定，劣势跨境产品经常存在限额风险。

ETF分类：市场上的ETF种类繁多，基于不同投向，可以分为股票型、跨境型、商品型、债券型和货币型。投资者在进行资产配置时，也需要关注这些ETF资产发展过程中所呈现的优劣势，对组合进行调整优化。

ETF资产池：部分ETF因成立时间晚于2013年，使用ETF不足与覆盖多轮牛熊周期，因此后文中我们把跟踪指数作为资产进行回测。

从下表中，我们可以看到，目前框定的资产池中，其中21个是高波动资产，高收益的同时也伴有较大回撤；另外1个是低波动资产（短融），可以看作固收打底。

二、定期再平衡模型

构建ETF资产配置模型的第一步应该是先找到“锚”，通过股债比（权益增强，固收打底）的形式逐档划分出不同股债配置中枢的组合，以此控制住每个组合在未来可能出现的风险暴露和不同客户的收益预期。第二步是通过长期历史数据的回测，从而对未来的组合构建提供数据指导。

我们构建了3组不同资产配置中枢的组合，分别是10%高波动+90%低波动，30%高波动+70%低波动和50%高波动+50%低波动。回溯区间以2012年12月31日作为起点，截至2024年7月17日。低波动资产我们用中证短融进行替代，高波动资产会根据过去一年收益表现的自相关性，最终精简至入选10个并以等权形式分配权重。

从下表中，我们可以看到，在引入定期再平衡的调仓机制以及纳入跨境资产后，均能提升组合一定的收益风险比。定期再平衡的优势在于当高波动资产涨幅较高时，通过再平衡减仓可以兑现盈利，未来高波动资产价格下跌时可减少损失；而当高波动资产跌幅较大时，通过再平衡加仓可以在后续上涨过程中获得充足的盈利来弥补此前的亏损。这个过程中，低波动债券资产实际上充当了高波动资产的蓄水池，高波动资产在价格超涨时纪律性减仓，在价格超跌时纪律性加仓。

从上表来看，除了10|90组合外，其他组合的最大回撤均明显大于年化收益。试想一下这个场景，组合拿了一年的收益可能覆盖不了市场出现极端风险的跌幅，这肯定让投资者很难接受。下文我们将介绍一种简单且符合逻辑的方法，以降低组合最大回撤的同时也提高收益的。

三、预期最大回撤平价模型

在实际投资中，大家似乎更加习惯于将实际或可能遭遇的亏损作为风险高低的评判标准。在市场崩溃的时候(如，2008年金融危机或2020年新冠冲击)，所有资产同时面临着最大的风险，寄望于资产之间的负相关性来抵消一部分风险显然是不现实的。因此，预期最大回撤(Expected Shortfall，ES)成为了一类十分流行的风险度量指标。

定义一个包含n个资产的投资组合(X1,X2,…,Xn)，对应的权重向量为(w1,w2,…,wn)。令ESi=ES(Xi)为第i个资产的预期最大回撤（>0）

各资产预期最大回撤的估计：上文详细阐述了如何基于资产的预期最大回撤构建平价组合，但对于预期最大回撤如何确定，而这又是最为核心的环节之一。最简单的方法就是直接用历史数据预测未来，但精度必然很低。有一句股市俗话就是有大涨就有大跌，背后的含义就是资产出现大幅回撤，往往伴随着资产的大幅波动。所以我们在构建资产的预期最大回撤时，把资产历史最大回撤乘以过去100天波动率与历史最大波动率的比值。当资产波动越来越大的同时，其预期最大回撤数值也会相应提升。

预期最大回撤的再优化：若投资者想提高组合整体的收益表现，可加入资产趋势调整系数，对预期最大回撤数值再优化。在资产上涨时我们的趋势调整系数会小于1，使得在乘积之后，最终的预期最大回撤有所降低，进而配置的权重有所增加；同理，在资产下跌时我们的趋势调整系数会大于1，使得在乘积之后，最终的预期最大回撤有所增加，进而配置的权重有所降低。

我们通过资产价格构建资产趋势模型，把资产划分为快速上涨，震荡上涨，快速下跌，震荡下跌的四个周期。由于我们是通过数量化的方法去刻画资产趋势周期，所以在触及阈值附近的时间区间下，资产趋势周期或出现不稳定的结果，我们会根据信号的稳定程度进行清洗，并当加入一些反转的信号得到最终的资产趋势周期。

不同趋势周期下的趋势调整系数是我们在全样本下，以夏普比例为优化目标，通过单纯形法求解所得。

从下表的数据上来看，预期最大回撤平价策略（对标定期再平衡策略），2013年以来，月频调仓的高中低三个组合年化收益分别为10.39%、7.88%和5.06%（7.38%、6.02%和4.56%），年化波动分为别7.21%、4.44%和1.44%（7.91%、4.75%和1.62%），最大回撤分别为-13.27%、-8.03%和-2.01%（-16.40%、-9.78%和-2.76%）。

不同调仓频率的预期最大回撤平价策略在提高收益的同时还有效降低了风险指标包括波动率和最大回撤。日频调仓组合的收益风险表现更好，但需要承担更高换手率。而实际投资中使用月度调仓的话，可以把换手率控制在1~3倍左右，策略也会更容易实现。