❖ 研究背景

资产配置是投资组合管理中的一项重要策略，通过在不同资产类别之间进行分散投资，以实现风险和收益的平衡。在现代投资理论中，风险暴露的控制是资产配置的核心要素之一。随着全球金融市场的不断发展和演变，基于资产类别进行分散投资的传统资产配置方法面临越来越多的挑战。近年来的市场波动事件表明，仅依靠资产类别的多样化已不足以应对极端市场状况带来的风险，尤其是在金融危机期间，许多资产类别在危机中表现出高度的相关性，从而导致投资组合在关键时刻失去了应有的防御功能。在这种背景下，宏观因子量化方法逐渐受到关注和重视。宏观因子量化方法通过识别并利用驱动资产回报的系统性宏观风险因子，可以辅助理解和预测市场行为，帮助投资者在不同的经济环境下实现更有效的风险管理和收益优化。

❖ 宏观因子的因子模拟组合构建方法

从不同的逻辑角度出发，共有两种构建因子模拟组合（Factor Mimicking Portfolio,FMP）的逻辑思路，最小化错误定价组合和最大化相关性组合。本文详细的介绍了两种因子模拟组合构建方法的底层逻辑，以及相应的公式推导，并列出了在构建因子模拟组合中可能遇到的问题以及解决方法，最终给出了构建因子投资组合的具体流程与步骤。

❖ 宏观因子的因子模拟组合构建过程

本文使用的宏观因子包括经济增长、通胀、利率、信用利差、期限利差、汇率以及流动性等七个因子，在构建模拟组合的时候先使用 Lasso 筛选出与目标因子相关的特征，再使用 PCA（Principal Components Analysis）提取这些特征的主成分，最后使用这些主成分来拟合原始因子，并在拟合的过程中通过使用自定义参数 K 来控制拟合效果，最终将得到的拟合出来的因子值作为原始因子值的工具变量，从而计算出每个因子模拟组合。这样操作的目的是为了解决参数估计中的 EIV（Errors in Variables）问题，并且在这种方法下得到的因子模拟组合的暴露更加统一，即在目标因子上的暴露为 1，其余因子暴露皆为 0。

❖ 宏观因子模拟组合对资产的解释度

我们将得到的宏观因子与大类资产和行业指数收益率做回归，得到了资产在各个宏观因子上的暴露情况。综合来看所计算的宏观因子组合对于大部分大类资产以及行业指数的解释度较高，且暴露情况符合经济逻辑，由此可以将其用于资产组合的风险归因以及资产配置。

❖ 风险提示：本报告中所有统计结果和模型方法均基于历史数据，不代表未来趋势。

因篇幅限制，仅展示部分，更多重要内容、核心观点，请下载报告。