资产配置研究系列三：基于BLACK-LITTERMAN模型融合资产择时与风格轮动的资产配置研究

目录TOC\o"1-4"\h\z\u引言 1BLACK-LITTERMAN模型理论框架 1资产预期收益先验估计 2投资者主观观点矩阵构建 3贝叶斯定理下收益后验分布推导 4后验分布代入模型求解最优配置 4模型创新实践：多维融合与动态配置 5模型参数设置 5主观观点矩阵设定 5债券择时模型 5黄金择时模型 6A股择时模型 7资产收益率预测回归模型 8风险厌恶系数设定 9主观观点权重设定 9大类资产选取与特征分析 10大类资产及投资标的界定 10风格轮动组合构建 10大小盘风格轮动策略 11成长价值风格轮动策略 13资产收益特征与相关性分析 15基于BL模型与风格轮动的配置策略实现 15大类资产先验收益率分布计算 15基准策略与BL模型策略设计 16策略回溯测试 16权重约束下BL模型策略回溯测试 18模型最新资产配置权重 19结论与展望 19风险提示 20图目录图1：BL模型与模型 1图2：债券择时策略多头与超额收益累计净值变化示意图 6图3：黄金择时策略多头与超额收益累计净值变化示意图 7图4：A股择时策略多头与超额收益累计净值变化示意图 8图5：趋势共振大小盘风格轮动策略框架 11图6：趋势共振大小盘风格轮动策略累计净值变化示意图 12图7：宏微同频成长价值风格轮动策略框架 13图8：宏微同频成长价值风格轮动策略累计净值变化示意图 14图9：BL模型策略与基准策略累计净值变化示意图 17图10：施加权重上限约束条件前后BL与模型策略累计净值变化示意图 19表目录表1：债券择时指标及数据明细 5表2：债券择时策略历史绩效 5表3：黄金择时指标及数据明细 6表4：黄金择时策略历史绩效 6表5：A股择时指标及数据明细 7表6：A股择时策略历史绩效 8表7：大类资产及其跟踪指数 10表8：趋势共振大小盘风格轮动策略择时指标及数据明细 11表9：趋势共振大小盘风格轮动策略历史绩效 11表10：趋势共振大小盘风格轮动策略分年度收益统计 12表11：宏微同频成长价值风格轮动策略择时指标及数据明细 13表12：宏微同频成长价值风格轮动策略历史绩效 13表13：宏微同频成长价值风格轮动策略分年度收益统计 14表14：大类资产历史收益表现 15表15：大类资产历史收益率相关性分析矩阵 15表16：BL模型策略与基准策略业绩评价 17表17：BL模型策略与基准策略分年度收益表现 17表18：施加权重上限约束条件前后BL与模型策略回测表现对比 18表19：基于BL模型与风格轮动的配置策略最新配置权重 19引言在现代投资管理中，“不确定性”已成为贯穿投资全周期的底色。全球经济周期缩短、地缘政治冲突频发、技术革命加速以及宏观政策反复多变的多重叠加，使得市场环境的“不可预测性”远超历史任何时期。在此背景下，资产配置的重要性已从“提升收益的工具”升级为“应对不确定性的生存策略”。理解不确定性并构建抗脆弱的投资组合，是资本稳健增值的核心。HarryMarkowitz（1952）提出的均值（Mean-VarianceOptimization，MVO）解最优资产配置权重。但其局限性在实际应用中逐渐凸显：一方面，模型的输出结果对输入参数（预期收益率、协方差矩阵）与投资经理的实际决策需求脱节。在此背景下，FisherBlackRobertLitterman1992Black-Litterman模型，型对主观判断的兼容性，成为机构投资者资产配置的核心工具之一。Black-Litterman模型理论框架Black-Litterman模型的核心思想是市场均衡与主观观点的贝叶斯融合，其本质是“先验分布+主观观点→后验分布”的贝叶斯推断过程。图1：BL模型与MVO模型，恒生聚BL模型的具体实现过程主要分为以下四步：通过逆向优化从市场均衡条件出发求解资产预期收益的先验估计；引入投资者的主观观点，形成观点矩阵；将后验收益估计和后验协方差矩阵输入MVO模型中进行优化求解资产配比。（CapitalAsstPicigMl，APM，市场均衡下的各个资产的预期收益率为：(1.1)其中，为无风险收益率，为资产的市场Beta，为市场组合的预期收益率，市对风险资产的定价共识。当市场处于均衡状态时，假设市场的效用函数为： 其中，为投资组合中的资产配比，为市场均衡条件下每个资产的超额收益，为市场的风险厌恶系数，为各个资产之间的协方差矩阵。市场均衡条件下的资产配比不易发生大幅0： 则有：(1.4)等式两边同时乘以， ，代入CAPM模型可以得到：(1.5)由此可以建立市场的风险厌恶系数同市场组合波动率的对应关系。通过式（1.4）可以求解市场均衡条件下的资产收益率，对于、、确定其中任意两个变量，即可求解第三个变量。生成资产预期收益的先验分布仍需对资产预期收益之间的协方差进行估计。假假设各资产的未来实际收益率服从均值为，协方差为的正态的正态分布： (1.6)由于我们无法预测未来各个资产的实际收益率仅能通过对进行估计得到收益率的估计，实际上是关于的一个随机变量： (1.7)综合式（1.6）与式（1.7）可以得到：(1.8)(1.9)其中代表估计误差，服从正态分布，为资产间协方差矩阵的估计值。 (1.10)在MVO模型中，式（1.10）中的 与即为均值与方差；在BL模型中，主观观点将通过影响与进而作用于从而改变投资组合的资产配比。Black和Litterman（1992）在构造模型时做了一个简化的假设，假定与 成正比即：(1.11)为一个常数，它的大小决定主观观点对模型的影响程度，由此可以得到资产超额收益率的先验分布为：(1.12)在先验分布中，协方差矩阵被缩放为，其目的是降低先验分布的波动性避免市场均衡收益因历史波动率过高而对后验分布产生过度影响以及合理分配先验分布与主观观点的权重。BL模型中投资者的主观观点可以通过资产观点矩阵、观点收益矩阵、观点误差的协方差矩阵进行设定。假定投资者对个资产有个观点，投资者的观点的表示方式如下：资产观点矩阵 矩阵维度为 每一行为一个观点表征每个观点中各个资之间的关系；观点收益矩阵：矩阵维度为 ，表征每个观点对应的预期收益率；观点误差的协方差矩阵 ：矩阵维度为 假设各个观点之间相互独立，则 对角阵对角线上的数字代表观点误差的方差反映投资者对观点的信心水平，则表示投资者观点的置信度。在此基础上，投资的主观观点可以表示为以下矩阵形式：(1.13)其中残差项，代表观点误差。投资者形成主观观点的前提是对市场有了一定的认识，此时主观观点的分布是已知资产的先验分布下形成的条件分布： (1.14)在资产空间上，投资者观点服从分布可表示为：(1.15)贝叶斯定理（Bayes'Theorem）新观测到的信息，更新对原有事的概率判断。贝叶斯定理的数学表达式为：(1.16)其中为先验概率（PirPaility，指在未观测到新信息B时，对假设A发生的概（如“某股票上涨”的初始概率；（iklio，指在假设A成立的条件下，观测到信息B的概率；为边缘概率（Minliklihd，指观测到信息B的总体概率；为后验概率（PtirPoility，指在观测到信息B后，更新的A发生的概率判断。在BL模型中， 为资产收益率的先验估计服从的概率密度函数；

为已形成资产收益率先验估计下主观观点服从的条件概率密度函数；为没有任何市场信息下形成主观观点的随机事件，在模型中为一个常数；为给定主观观点后的后验收益率服从的条件概率密度函数。根据贝叶斯公式（.，结合式（.、式（.、式（.，可以得到：(1.17)其中，后验预期收益率的均值为：(1.18)后验预期收益率的协方差矩阵为：(1.19)矩阵的估计，后续通过MVO（1.9）计算预期收益率的协方差矩阵：(1.20)将式（1.18）与式（1.20）中得到的后验收益率的估计 和预期收益率的协方差矩阵的估计 代入MVO模型求解最优资产配比。假设一共有类资产，对应的资产配比为其中 ，相应的最优化问题如下：(1.21) BL模型创新实践：多维融合与动态配置BL模型涉及的参数较多，而且参数有多种取值方式。BL模型的有效性主要依赖于主观观点的准确性与参数设置的合理性，本文将以债券、黄金、A股择时模型为依据，通过回归模型，构建资产择时信号与资产收益率预测的有效映射，并搭配一组合理的参数选择，为投资者大类资产配置建模提供参考与借鉴。主观观点矩阵设定债券择时模型月度择时策略，择时标的指数为中债年政策性金融债指数总值全价指数（BA0.B，同后续资产配置模型中债券端目标EF跟踪指数保持一致。细分择时指标所用数据与信号生成方式依次如下所示。表1：债券择时指标及数据明细择时维度细分指标数据信号生成经济基本面经济增长制造业PMI当月值小于50或环比＜0，信号为1，否则为0地产周期房地产开发投资:累计同比当月值小于过去3个月的均值，信号为1，否则为0市场利率银行间质押回购R007月末值环比＜10%，信号为1，否则为0国债利率中债国债到期收益率:10年月末值小于过去1月的均值，信号为1，否则为0南证券整理0.5时全0.5时卖出标的指数保持空仓，择时策略的比较基准为长期1/2仓位持有标的指数，择时策略的历史绩效如下所示。表2：债券择时策略历史绩效全期择时策略超额收益比较基准全仓持有年化收益率6.04%3.07%2.90%5.86%年化波动率0.020.010.010.03年化夏普2.592.332.192.22最大回撤率4.80%2.86%4.51%8.85%卡玛比率1.261.070.640.66，恒生聚 注：数据统截至年12月31日图2：债券择时策略多头与超额收益累计净值变化示意图1.901.701.501.301.100.90择时策略 超额收益 比较基准 全仓持有，恒生聚 注：数据统计至2025年月日黄金择时模型围绕黄金的金融属性、货币属性、商品属性分别从实际利率、通胀预期、避险情绪、供择时标的指数为上海金（SA.SE，同后续资产配置模型中商品端目标EF跟踪指数保持一致。细分择时指标所用数据与信号生成方式依次如下所示。表3：黄金择时指标及数据明细择时维度细分指标数据信号生成金融属性实际利率美国:国债实际收益率曲线:10年月末值环比小于上月，信号为1，否则为0通胀预期美国:CPI:季调当月值同比上行，信号为1，否则为0滚动6月标准差上行，信号为1，否则为0货币属性避险情绪美国:供应管理协会(ISM):制造业PMI当月值小于50或环比＜0，信号为1，否则为0标准普尔500波动率指数(VIX)当月最大值＞滚动60日中位数，信号为1，否则为0地缘政治行为指数当月最大值较上月上行，信号为1，否则为0商品属性供需关系黄金需求量:实物金条需求:当季值当季值＞滚动4季平均值，信号为1，否则为0南证券整理0.5时全0.5时卖出标的指数保持空仓，择时策略的比较基准为长期1/2仓位持有标的指数，择时策略的历史绩效如下所示。表4：黄金择时策略历史绩效全期择时策略超额收益比较基准全仓持有年化收益率15.56%8.76%6.58%13.09%年化波动率年化夏普0.120.070.070.131.281.320.990.99全期择时策略超额收益比较基准全仓持有最大回撤率16.53%8.81%10.63%20.64%卡玛比率0.941.000.620.63，恒生聚 注：数据统截至年12月31日图3：黄金择时策略多头与超额收益累计净值变化示意图5.305.30 4.80 4.30 3.80 3.30 2.80 2.30 1.80 1.30 0.80择时策略 超额收益 比较基准 全仓持有，恒生聚 注：数据统计至2025年月日A股择时模型从流动性、国际影响力、资金面、估值多个维度对A股进行择时，其中流动性维度下根面根据融资融券与陆股通进行择时。A股择时采用月度调仓策略，与后续资产配置模型的目标换仓频率保持一致。择时标的指数为沪深0指数（.S。细分择时指标所用数据与信号生成方式依次如下所示。表5：A股择时指标及数据明细择时维度细分指标数据信号生成流动性货币市场利率Shibor:隔夜滚动20日平均值＜滚动60日平均值，信号为1，否则为0信用扩张人民币:中长期贷款余额:同比当月值＞过去3月均值，信号为1，否则为0国际影响力中美利差中债国债到期收益率:10年美国:国债收益率:10月末值＞滚动3月均值，信号为1，否则为0汇率即期汇率美元兑人民币月末值＞滚动3月均值，信号为1，否则为0资金面融资融券融资买入额月末近5日均值＞过去1月均值，信号为1，否则为0陆股通北向资金成交额月末近5日均值＞滚动20日均值，信号为1，否则为0估值市盈率股权风险溢价300指数中债国债到期收益率:10年5历史分位≥历史分位≤15历史分位≤历史分位≥0南证券整理0.5时全0.5时卖出标的指数保持空仓，择时策略的比较基准为长期1/2仓位持有标的指数，择时策略的历史绩效如下所示。表6：A股择时策略历史绩效全期择时策略超额收益比较基准全仓持有年化收益率17.81%12.42%4.84%8.65%年化波动率0.150.110.110.21年化夏普1.151.160.450.40最大回撤率21.48%11.19%25.31%46.06%卡玛比率0.831.110.190.19，恒生聚 注：数据统截至年12月31日图4：A股择时策略多头与超额收益累计净值变化示意图5.504.503.502.501.500.50择时策略 超额收益 比较基准 全仓持有，恒生聚 注：数据统计至2025年月日资产收益率预测回归模型主观观点对收益率预测的有效性和稳定性是BL模型有效的关键。在以上资产择时模型的基础上，通过回归模型，构建资产择时信号与资产收益率预测的有效映射，进而根据最新资产择时信号，进行资产收益率预测。在任意时刻，资产在时刻的收益率为被解释变量，资产在时刻的复合择时信号与截距项为解释变量滚动2（1年通过（最小二乘法）得到截距项与斜率项的最新估计值与。 (1.22)在此基础上输入资产在时刻的复合择时信号计算得到时刻资产的收益率预测。(1.23)A其他资产的收益率预测通过历史收益率的衰减加权平均获取。(1.24)此时，由于资产收益率的主观预测相互独立，资产观点矩阵为对角阵：(1.25)观点收益矩阵为：

(1.26)其中资产在时刻的主观收益预测 为：

(1.27)Litterman（1999）的设定方式，假设与资产先验协方差成正比：(1.28)风险厌恶系数设定参考式（.，风险厌恶系数与投资组合的目标波动水平负相关，的取值越大，投资组合的目标波动水平越低，相应的，投资组合的目标收益率水平就越低。在实际建模的过程中将根据投资组合目标波动水平和目标收益率为风险厌恶系数设定合适的取值，本篇设定的投资组合对最大回撤率的控制有较高要求，故将设为 倘若对投资组合的波动水平具备更高的宽容度，可将设为 以获得更高的组合回报主观观点权重设定投资者主观观点权重表征主观观点对模型的影响程度。BlackLitterman（1992）在构造模型时假定与成正比即，通过影响收益率先验估计的不确定性进而影响后验收益率估计。Walters（2009）提出的设定应当与样本数目和资产个数相关，本文沿用这一设定方式，在采用历史数据估计资产协方差时，将设定为：(1.29)其中为资产历史收益率时间序列的长度，为资产数目。大类资产及投资标的界定ETF及其跟踪指数依次如下所示。表7：大类资产ETF及其跟踪指数资产类别一级分类二级分类ETF代码ETF名称跟踪指数代码基金公司货币货币货币511620.SH货币基金ETFH11025.CSI国泰基金债券中债利率-长久期511520.SH政金债券ETFCBA08203.CB富国基金商品黄金黄金518680.SH金ETFSHAU.SGE富国基金股票美股风格-成长159941.SZ纳指ETFNDX.GI广发基金股票港股均衡159920.SZ恒生ETFHSI.HK华夏基金股票（轮动）A股市值-大盘159338.SZ中证A500ETF000510.SH国泰基金A股市值-小盘159552.SZ中证2000增强ETF932000.CSI招商基金A股风格-成长(科创)588000.SH科创50ETF000688.SH华夏基金A股风格-成长(创业)159952.SZ创业板ETF广发399006.SZ广发基金A股风格-价值(红利)563020.SH红利低波ETF易方达H30269.CSI易方达基金股票（基准）A股市值-大盘159338.SZ中证A500ETF000510.SH国泰基金，恒聚 注：由货币金缺乏踪指，采货币金指进行测，者收表现近货币端选用中证货币基金指数（2.S、债券端选用中债0年政策性金融债指数总值（BA.B、商品端选用上海金（SA.SE、股票端在美股选用纳斯达克0指数（D.G、港股选用恒生指数（S.K、A股选用中证A0指数（1.S、中证0指数（0.S、上证科创板0成份指数（8.S创业板指数（0.S、中证红利低波动指数（.S。其中纳斯达克0指数（1月风格轮动组合构建前期我们对AA股权益指数ETFA股资产组合。大小盘风格轮动策略大小盘风格轮动策略从内外部宏观环境边际变化与股票市场大小盘风格演绎切入，从货币周期、信用利差、货币活化、外资流入意愿、风格动量、相对波动等维度探索大小盘轮动规律，构建择时指标，进而构筑大小盘风格轮动策略。大小盘风格轮动策略框架与策略历史绩效依次如下所示，策略细节详见前期研究报告《审时度势：趋势共振量化大小盘风格轮动策略》。图5：趋势共振大小盘风格轮动策略框架南证券整理表8：趋势共振大小盘风格轮动策略择时指标及数据明细择时维度细分指标数据信号生成宏观环境货币周期Shibor:1月位于120日均线上方时，配置大盘风格，否则为小盘风格信用利差中债国开债到期收益率:3月中债中短期票据到期收益率(AA):3月位于120日均线上方时，配置大盘风格，否则为小盘风格货币活化M1:同比、M2:同比货币供给与经济预期存在分歧，配置小盘风格，否则为大盘风格外资流入意愿美元指数位于90日均线下方时，配置大盘风格，否则为小盘风格二级市场风格动量沪深300与中证2000：涨跌幅相对强弱指数同时位于多重均线上方时，配置大盘风格，否则为小盘风格相对波动沪深300与中证2000：成交额40南证券整理表9：趋势共振大小盘风格轮动策略历史绩效策略类型收益评价策略多头大小盘等权相对超额沪深300中证2000大小盘风格轮动年化收益率30.64%9.19%21.45%6.31%11.00%年化波动率0.260.230.100.210.28年化Sharpe1.160.402.140.290.39最大回撤40.92%56.44%9.99%46.70%67.87%，恒生聚 注：数据统截至年12月31日图6：趋势共振大小盘风格轮动策略累计净值变化示意图25 10920 8715651045 320 1策略超额（右轴） 策略多头 大小盘等权，恒生聚 注：数据统计至2025年月日表10：趋势共振大小盘风格轮动策略分年度收益统计时间周期策略多头风格等权相对超额沪深300中证20002014109.85%53.40%37.26%51.66%53.54%2015152.24%50.61%69.04%5.58%109.78%2016-5.27%-9.16%5.00%-11.28%-7.63%20173.73%-3.54%7.36%21.78%-24.10%2018-21.45%-29.21%11.35%-25.31%-33.34%201941.22%29.21%9.32%36.07%21.96%202026.92%21.51%4.62%27.21%15.39%202148.32%9.88%35.01%-5.20%25.89%2022-3.06%-17.88%18.83%-21.63%-14.77%20237.97%-3.06%11.37%-11.38%5.57%202433.53%7.04%26.22%14.68%-2.14%202539.76%27.15%10.08%17.66%36.42%，恒生聚 注：数据统截至年12月31日成长价值风格轮动策略成长价值风格轮动策略立足于宏观流动性与微观技术面。宏观视角流动性是成长价值风格轮动的核心驱动因素。从收入端来看，未来的预期折现率直接影响着企业价值中枢；从支出端来看，融资难度与融资成本也将直接影响公司价值。微观视角成长价值风格在股票市场的相对演绎是影响成长价值风格轮动的直接原因。动量效应广泛存在于各类资产，成长与价值风格的轮动也存在惯性。基于动量效应可以构建行之有效的风格轮动策略。成长价值风格轮动策略框架与策略历史绩效依次如下所示，策略细节详见前期研究报告《识时通变：宏微同频成长价值风格轮动策略图7：宏微同频成长价值风格轮动策略框架南证券整理表11：宏微同频成长价值风格轮动策略择时指标及数据明细择时维度细分指标数据信号生成宏观流动性国内流动性Shibor:隔夜位于滚动5年前25%分位时，配置成长风格，否则为价值风格海外流动性美国:国债收益率:1个月位于滚动1年前40%分位时，配置成长风格，否则为价值风格微观技术面市净率动量股票:收盘价、每股净资产相对市净率周度均线位于年度均线上方时，配置成长风格，否则为价值风格扩散指数股票:涨跌幅1560价值风格南证券整理表12：宏微同频成长价值风格轮动策略历史绩效策略类型收益评价策略多头成长价值等权相对超额国证成长国证价值成长价值风格轮动年化收益率19.60%6.65%12.11%5.62%7.18%年化波动率0.220.210.070.240.20年化Sharpe0.890.321.750.240.36最大回撤47.38%48.20%9.67%56.98%43.87%，恒生聚 注：数据统截至年12月31日图8：宏微同频成长价值风格轮动策略累计净值变化示意图

策略超额（右轴） 策略多头 成长价值等权，恒生聚 注：数据统计至2025年月日表13：宏微同频成长价值风格轮动策略分年度收益统计时间周期策略多头风格等权相对超额国证成长国证价值201462.39%47.65%10.26%32.67%64.08%201520.65%17.50%2.81%26.86%8.42%2016-12.48%-11.87%-1.11%-15.63%-8.10%201720.30%13.61%5.84%6.84%20.62%2018-18.23%-27.97%13.14%-33.97%-21.66%201935.52%34.23%0.83%45.35%23.69%202062.09%25.16%29.95%48.57%4.87%202114.32%2.49%11.41%5.43%-1.39%2022-3.85%-20.67%20.93%-27.47%-13.99%20230.66%-10.93%12.82%-18.95%-2.50%202437.49%11.93%23.11%3.85%19.65%202535.99%20.19%13.42%30.04%10.47%，恒生聚 注：数据统截至年12月31日基于大小盘与成长价值风格轮动策略的历史配置观点，通过中证A500指数（1.S、中证0指数（0.S、上证科创板0成份指数（8.S（0.S（6.S分别作为A50成份指数等权配置共同构成AAAA500指数作为比较基准。2.2.3资产收益特征与相关性分析1231BL123120251231日。501231日，晚于回测周期起点，50A的历史收益表现如下。表14：大类资产历史收益表现大类资产/收益评价货币基金国债黄金美股港股A股（轮动）A股（基准）年化收益率1.76%3.66%8.09%12.82%3.70%20.12%5.70%年化波动率0.000.020.110.170.170.200.17年化Sharpe6.231.740.770.740.221.020.33最大回撤0.70%0.090.210.290.440.450.48Calmar比率2.500.410.390.440.080.450.12，恒生聚 注：数据统截至年12月31日港股、AA股资产收益率具备显著的A股债跷跷板效应突出。表15：大类资产历史收益率相关性分析矩阵资产类别货币基金国债黄金美股港股A股货币基金-3.50%3.84%0.11%2.10%3.10%国债3.50%-6.69%-3.66%-13.70%-10.84%黄金3.84%6.69%--0.73%-1.53%-0.53%美股0.11%-3.66%-0.73%-20.63%13.07%港股2.10%-13.70%-1.53%20.63%-44.82%A股3.10%-10.84%-0.53%13.07%44.82%-，恒生聚 注：数据统截至年12月31日基于大类资产先验收益率分布计算（1.4） 揭示了资产均衡收益 、风险厌恶系数、市场均衡权重的内在关联。由于本文选择的大类资产涉及境内外股票，境内外资本市场的发展阶段存在客观差异直接根据市值分布作为市场均衡权重不甚妥当。因此本文将通过MVO模型代入根据组合目标收益率波动水平设定的风险厌恶系数投资者主观观点权重，大类资产的中期（过去6个月）历史收益率的平均水平及同期大类资产历史收益率的协方差优化求解均衡权重 ，进而根据式（1.4） 得到大类资产收益率的先验估计，此时大类资产历史收益率的协方差的先验估计为 。基准策略与BL模型策略设计BL模型策略。每月末，在双边换手率设置上限100%的约束条件下，通过BL模型求解最优大类资产配置比例，以此作为未来1月大类资产的配置依据。对应的最优化问题如下所示：(1.30)其中 代表大类资产在月末的权重，BL模型策略的回测周期为年12月31日至2025年12月31日，测试结果中收益率暂未考虑交易手续费。为了对比BL模型与传统配置模型的效果差异，本文构建了两个基准策略：固定权重策略。每月末固定货币基金、国债、黄金、美股、港股、A股资产的配比例为 以此作为未来1月大类资产的配置据；MVOBL模型保持一致，双边换手率设置上限100%的约束条件下，通过MVO模型求解最优大类资产配置比例，以此作为未来1月大类资产的配置依据。在此基础上，为了考察风格轮动策略对大类资产配置的贡献，本文会依次呈现BL模型A（A500全收益指数A（大小盘与成长价值风格轮动策略等权）的回溯测试表现。策略回溯测试为了全面展示BL模型策略与基准策略的回测表现，本文依次呈现了BL模型策略与基准策略累计净值变化示意图、BL模型策略与基准策略业绩评价、BL模型策略与基准策略分年度收益表现。MVO基准策略，BLCalmar比率等业绩评价指标中显著领先，123120251231日，BL模型策略12.10%Sharpe2.384.72%，Calmar2.56。与此同时，在各个业绩评价维度中，应用风格轮动策略的不同模型相较于未应用风格轮动策略的不同模型均有不同程度的领先。采用大小盘与成长价值风格轮动策略替换中证A500全收益指数作为A股资产，可以有效提升策略表现。图9：BL模型策略与基准策略累计净值变化示意图4.30 3.803.302.802.301.801.300.80策略（风格轮动） 固定权重（风格轮动） 策略（风格轮动）策略（基准） 固定权重（基准） 策略（基准），恒生聚 注：数据计截至2025年12月日表16：BL模型策略与基准策略业绩评价A股资产类型收益评价BL模型策略固定权重策略MVO模型策略风格轮动年化收益率12.10%8.22%12.19%年化波动率0.050.030.06年化Sharpe2.382.872.08最大回撤4.72%5.51%13.78%Calmar比率2.561.490.88基准年化收益率9.75%7.47%9.65%年化波动率0.050.030.05年化Sharpe1.972.621.87最大回撤5.51%5.52%8.00%Calmar比率1.771.361.21，恒生聚 注：数据统截至年12月31日表17：BL模型策略与基准策略分年度收益表现A股资产类型风格轮动基准时间周期BL策略固定权重MVO策略BL策略固定权重MVO策略201418.58%16.75%15.55%17.86%16.16%15.87%201518.79%11.07%28.01%11.97%9.10%13.14%20162.43%1.77%1.61%2.31%1.62%1.46%201713.08%-0.76%11.67%14.23%-0.40%13.53%20181.05%10.16%5.12%0.75%9.65%5.41%20198.04%8.97%12.19%6.91%8.88%11.37%202013.68%7.80%9.22%10.78%7.01%6.62%202113.95%7.03%16.98%6.38%5.56%7.59%2022-0.20%3.32%-0.26%-1.35%2.31%0.91%A股资产类型风格轮动基准时间周期BL策