1 Table_FirstTable_First|Table_ReportType证券研究报告 宏观专题 Tabl e_First|Tabl e_Summar y 不畏浮云遮望眼，风物长宜放眼量 大类资产配置系列报告一：股市篇 投资要点： 大类 资产配置是收益的主要来源 海外研究表明，资产配置贡献了组合中 90%的收益率，而择时和个券选择的贡献大约只有 10%，而这一点对于大规模资金来说更为重要。 这背后的逻辑主要是由于不同资产之间的相关性较低或者为负相关，因此，当一类资产表现较弱时，另一种资产表现较好，呈现“东方不亮西方亮”的格局。 股市是大类资产最重要的构成之一 股市由于其体量和波动均较大，且从长期看，在大类资产中收益最高，因此股票的配置是影响组合收益率的关键因素。据统计，从 1802到 2002的200年间，股票的年化收益率高达 8.1%，同期长期和短期国债的年化收益率仅分别为 5.1%和 4.2%。黄金和美元则更低，仅为 2.1%和 1.4%。可见，从长期看，股票可带来可观的回报率。 股指的驱动力分析 长期涨跌看经济： 从主要国家股指的长期走势看，我们会发现，经济与股指从长期来看呈现显著的 正相关。因为股指无非就是由估值和盈利构成，从长期看，估值总在一个区间 范围内波动，而相对于有限的估值，盈利才是推动股指长期上升的最主要动力。 短期估值或占据主导： 与长期看盈利最为重要相比，以 10来年较短时间长度来考量的话，估值的重要性就得到了凸显，尤其是在估值顶部或者底部之时。不少国家虽然经济持续增长，但也经历十几甚至 2、 3十年不涨的情形，主要就 是估值的下杀抵消了业绩的增长。 全球视角美元指数是重要的影响因子 ： 全球股指表现出越来越强的相关性，尤其是新兴市场之间以及发达市场内部间的相关性尤为显著。这背后反应的是经济和风险偏好的一致性，在众多指标中，美元指数是一个较好的衡量。 股市策略 经济仍处冬天， 我们通过对上证指数历史走势进行傅里叶变换的周期拟合发现，市场 短期或 有所承压 ；但从 中期估值角度，目前亚洲尤其是中国市场处在底部位置，已迎来配置良机；长期看，不论从横向还是纵向对比角度，中国依然是个成长股，经济快速发展必然伴随着资本市场机会的持续涌现。 风险提 示 ： 宏观经济大幅下行。 Tabl e_First|Tabl e_R eportD ate 2020 年 6 月 15 日 相对市场表现 Tabl e_First|Tabl e_Author 张晓春 分析师 执业证书编号： S0590513090003 电话： 0510-82832053 邮箱： zhangxcglsc Tabl e_First|Tabl e_Contacter Tabl e_First|Tabl e_Rel ateRepor t 相关报告 1、出口结构升级，价格拉低进口 2020.06.08 2、复苏延续，但外需和就业值得关注 2020.06.01 3、就业与民生先行，改革和内需发力 2020.05.25 请务必阅读 报告 末页的 重要 声明 - 2 0 . 0 0 %- 1 0 . 0 0 %0. 00%1 0 . 0 0 %2 0 . 0 0 %3 0 . 0 0 %4 0 . 0 0 %5 0 . 0 0 %6 0 . 0 0 %19-06 19-07 19-08 19-09 19-10 19-11 19-12 20-01 20-02 20-03 20-04 20-05 20-06创业板指 上证指数2 请 务必阅读报告末页的重要声明 宏观专题 正文目录 1 大类资产配置综述 . 4 1.1 大类资产配置的贡献组合主要收益 . 4 1.2 大类资产配置 的发展历程 . 5 2 股市是大类资产中最重要的构成之一 . 8 3 股市涨跌的驱动力分析 . 9 3.1 从长期看，经济是决定市场涨跌最重要的因素 . 9 3.2 短期，估值或占据主导，尤其估值处在较为极端的情况下 . 13 3.3 全球视角下的影响因素分析：美元指数 . 17 4 股市后市策略展望 . 20 4.1 短期：基本面量化预测，市场短期难有大作为 . 20 4.2 中期：估值维度，市场吸引力正在提升 . 22 4.3 长期：全球看，中国仍是个成长股 . 23 5 风险提示 . 25 图表目录 图表 1：过去几年股债在多数年份走势相反，呈现负相关 . 4 图表 2：过去几年股债在多数年份走势相反，呈现负相关 . 5 图表 3： 2002-2018 年主要大类资产间的相关性 . 5 图表 4：马科维茨 投资组合理论 . 6 图表 5：大类资产配置策略发展历程 . 7 图表 6： 2019 年全球股票总市值已接近 GDP . 8 图表 7：全球主要交易所股票市值（ 2020 年 4 月） . 8 图表 8：上证综指的波 动率远超中债综合财富总指数 . 9 图表 9：各类资产在 1802 到 2002 年间名义收益率 . 9 图表 10：美国股市与经济 . 10 图表 11：英国股市与经济 . 10 图表 12：德国股市与经济 . 10 图表 13：法国股市与经济 . 10 图表 14：日本股市与经济 . 11 图表 15：韩国股市与经济 . 11 图表 16：俄罗斯股市与经济 . 11 图表 17：印度股市与经济 . 11 图表 18：巴西股市与经济 . 11 图表 19：澳大利亚股市与经济 . 11 图表 20：中国台湾股市与经济 . 12 图表 21：中国香港股市与经济 . 12 图表 22：从长期看盈利是推动指数上行的主要动力 . 12 图表 23：美股盈利与经济增长高度相关 . 13 图表 24：盈利推动股指长期上行 . 13 图表 25：不少国家均出现股指 10 年甚至 20 年或者三十年区间不涨的情形 . 13 图表 26：美股在 1998-2011 年十来年不涨，主要是由于估值的下跌 . 14 图表 27：由于估值的下杀抵消了业绩的增长，美股在上世纪 60-70 年代停滞不前 . 14 图表 28：台湾 90 年的高估值导致股指在约 30 年后仍未能达到当年高点 . 15 图表 29：主要国家股指估值在过去 20 年（ 2000-2020 年）的波动区间 . 15 图表 30：美股的估值与利率 . 16 3 请 务必阅读报告末页的重要声明 宏观专题 图表 31：香港的估值与利率（ %） . 17 图表 32：台湾的估值与利率 （ %） . 17 图表 33：日本的估值与利率（ %） . 17 图表 34： A 股估值与利率 . 17 图表 35：主要国家股指聚类分析结果表现（ 1991 年至今） . 18 图表 36：主要国家股指在过去近 30 年的相关性 . 18 图表 37：主要国家和地区的 OECD 领先指标 . 19 图表 38：主要国家和地区的 PMI 表现出很强同步性 . 19 图表 39：主要国 家股指年涨跌幅（ %） . 19 图表 40：新兴市场指数与美元指数 . 20 图表 41：上证综指与宏观经济指标回归拟合结果 . 21 图表 42：上证综指涨 跌及其往年拟合 . 21 图表 43：主要国家和地区的 OECD 领先指标 . 22 图表 44：中国的经济与金融周期（过滤趋势后） . 22 图表 45：上证综指的傅里叶变换周期拟合（级数 =5） . 22 图表 46：当前欧 美估值处在相对高位，而亚洲尤其是中国股市估值处在历史低位 . 23 图表 47：上证综指和沪深 300 估值处在历史低位 . 23 图表 48：创业板指和中小板指估值走势 . 23 图表 49：横向对比中国人均 GDP 空间较大（美元） . 24 图表 50：纵向看 ，复兴进行时，中国依然是成长股 . 24 图表 51：美国股市见证了百年的产业更替 . 24 4 请 务必阅读报告末页的重要声明 宏观专题 1 大类资产配置综述 1.1 大类资产配置的贡献组合主要收益 投资的目标是为了在承受更低风险的情况下获取更高的收益。而大类资产配置正是达成这一目标的重要手段。海外研究表明，资产配置贡献了组合中 90%的收益率，而择时和个券选择的贡献大约只有 10%，而这一点对于大规模资金来说更为重要。 过去几年国内资本市场出现比较大幅度的波动，这就更加凸显了资产配置的重要性，如： 2015 年的股票和汇率市场大幅波动， 2016 年年初的股市熔断， 2016 年四季度至 2017 年债券市场利率大幅攀升， 2018 年股票市场的大幅下跌。事后来看，在一个相对有限的持有时间内，依靠单一资产很难提供持续稳定的回报，而通过不同资产之间的切换则可以为我们提供超额收益。例如 2017 年股强债弱， 2018 年债强股弱，如果投资组合在 2017 年多配一些股票，在 2018 年多配一些债券，两年下来的累计收益率能跑赢绝大部分的股票基金或者债券基金，这就是资产配置对组合收益率的贡献。 图表 1：过去几年股债在多数年份走势相反，呈现负相关 来源： Wind，国联证券研究所 这背后的逻辑主要是由于不同资产之间的相关性较低或者为负相关 ，因此，当一类资产表现较弱时，另一种资产表现较好，呈现“东方不 亮西方亮”的格局。而事实上，不论在何种环境中，总有一种资产表现 更 好 ，这就为大类资产配置提供了空间。仍以上述 A 股和中债 新财富综合指数为例，通过对两者的历史数据做相关性分析，发现上证和沪深 300 与中债财富总指数的相关性均为负 ， 分别为 -0.274 和 -0.328。 -4.0-2.00.02.04.06.08.010.012.0-100.0-50.00.050.0100.0150.0200.02002年2003年2004年2005年2006年2007年2008年2009年2010年2011年2012年2013年2014年2015年2016年2017年2018年2019年沪深 300 中债 - 新综合财富 ( 总值 ) 指数（右轴）5 请 务必阅读报告末页的重要声明 宏观专题 图表 2：过去几年股债在多数年份走势相反，呈现负相关 来源： Wind，国联证券研究所 而从更长时间更多种类的大类资产来观察，资产间的表现同样差异显著。如上证综指与债券和美元显著负相关，而和房价、原油则呈现出正相关性。这也不难理解，债券和美元主要代表的是避险资产，而股市、大宗、房子则是风险资产的典型。因此，他们表现出较大的差异性。 图表 3： 2002-2018 年主要大类资产间的相关性 来源： Wind，国联证券研究所 1.2 大类资产配置的发展历程 美国率先于上世纪 30 年代开始系统性的大类资产配置研究。根据不同的策略方法风格， 大类资产配置 理论的发展大致上 经历了 以下 几个阶段 1： 第一阶段 ： 恒定 混合 策略 60 年代以前，投资者开始意识到资产配置的重要性，但仅停留在风险分散功能的层面。一般采用的多为简单的恒定混合策略，典型的包括等权重投资组合和 60/40投资组合策略。 1） 60/40 策略 。 大类资产配置理论的研究始于 20 世纪 30 年代的美国 ，当时为了提高资产收益，经典的投资组合是将总资产的 60%投资于国内债券， 40%投资于国内股票 ， 这被称为 60/40 策略 。 60/40 策略的优点是简单易行 ，缺点是风险暴露较大。从 1913-2013 年历史数据表现来看，组合平均获得了 0.4 的 夏普比率和 52.38 的最大回撤率，均优于单纯投资股票或债券。但是从时间维度来看，组合收益率只有 22%1 大类资产配置理论研究综述，张学勇、张琳；经济学动态 2017 年第 2 期。 中债- 新综合财富( 总值) 指数沪深3 0 0 上证综指中债- 新综合财富( 总值) 指数 Pearson 相 关性 1沪深3 0 0 Pearson 相 关性 -.328 1上证综指 Pearson 相 关性 -.274 .965 12 0 0 2 年- 2 0 1 8 年 上证综指中债全价指数美元指数 C O M E X 黄金 W T I 原油房屋平均售价上证综指 1 .0 0 - 0 .2 9 - 0 .2 7 0 .3 5 0 .2 7 0 .3 5中债全价指数 - 0 .2 9 1 .0 0 0 .6 8 - 0 .1 7 - 0 .6 6 - 0 .4 4美元指数 - 0 .2 7 0 .6 8 1 .0 0 - 0 .4 6 - 0 .4 6 - 0 .0 6C O M E X 黄金 0 .3 5 - 0 .1 7 - 0 .4 6 1 .0 0 0 .5 4 0 .2 6W T I 原油 0 .2 7 - 0 .6 6 - 0 .4 6 0 .5 4 1 .0 0 0 .7 5房屋平均售价 0 .3 5 - 0 .4 4 - 0 .0 6 0 .2 6 0 .7 5 1 .0 06 请 务必阅读报告末页的重要声明 宏观专题 的时间处于高点，剩下 78%的时间都在不同程度的下跌 (Faber， 2015)。 2） 等权重投资策略 。 意思是在有 n 种风险资产可以选择的情况下 ， 将总资产平均分成 n 份 ， 分别投资于这 n 种资产 ，并在投资过程中保持每种资产 1/n 的权重不变 。这种理念最早可以追溯到古巴比伦法典中提到的：“人们应将财富设置为同等比重的土地、商业贸易和现金储备”。瑞士经济学家和基金管理人 Marc Faber 长期使用等权重投资组合作为大类资产 配置策略，将总资产等分为四份投资于黄金、股票、房地产、债券和现金，从 1973-2013 年 的实际数据看，该组合是为数不多的十年期平均实际收益率均为正的投资组合之一 (Faber， 2015)。 但 是 等权重策略的缺点 在于，由于其基于反转原理 ， 如果组合中某类资产长期向下 ， 则该策略或面临较大的风险 。 总体而言，相较于买入并持有 (buy-and-hold)策略，恒定混合策略形成的投资组合对资产下跌保护的能力和自身持续增值的能力都比较弱。 第二阶段：均值 -方差模型 50 年代，马科维茨提出 均值 -方差模型 ，正式将大类资产配置这一课题从实践层面的探索提升到了理论层面。模型首次使用期望、方差两个概念来刻画投资组合的收益和风险，并将资产配置问题转化成多目标优化问题，自此标志着现代投资理论的诞生，也成为了之后资产配置理论推进的重要基础。 图表 4：马科维茨投资组合理论 来源：网络资料，国联证券研究所 在随后的 20-30 年间，均值 -方差模型不断得到优化和发展； 1956 年马科维茨提出临界线算法，使用二次规划问题对模型求解；夏普等人在此基础上提出 CAPM 资本资产定价模型 ，建议投资者按风险资产的市场价值权重进行配置。 2014 年，瑞信研究中心统计全球资本市场结构，并按照其中主要可投资资产权重构建全球市场的投资组合。通过对其 1973-2013 年历史表现的回测，发现除 70 年代组合实际收益率为负外，其余每 10 年组合的平均实际收益率均大于零，且成功规避了 2000-2010 年仅投资股票和 2010 年后仅投资现金的损失 (Faber， 2015)。 7 请 务必阅读报告末页的重要声明 宏观专题 第三阶段： B-L 量化型大类资产配置策略 20 世纪 90 年代 ，投资工具进一步丰富，投资者运用各种金融衍生工具和量化工具以获取绝对收益。 1992 年， Black 和 Litterman 在高盛工作期间，综合运用马科维茨的均值 -方差理论和贝叶斯混合估计法，提出 Black-Litterman 模型 （以下简称 B-L 模型），随后多位学者和机构在此基础上改进得到可用于实践的量化型大类资产配置策略。 量化型策略可以进一步分成四类：（ 1） 基于收益和风险 保险机构参照 Black-Scholes 期权定价公式，构建用股票和无风险资产组合代替欧式看跌期权对冲风险的复制卖权策略；（ 2） 仅基于收益 GEYR 模型可用于判断投资股票还是债券，另有如动量策略等在股票市场中效果良好的策略也被相继 运用于大类资产配置上；（ 3） 仅基于风险 有研究指出，在均值 -方差模型的收益被预测误差全部吞噬的情况下，可以通过简化目标来降低收益，即仅基于风险进行配置，相关策略包括最小化风险组合、最大化分散组合、风险平价模型等；（ 4） 基于投资者效用 突破均值 -方差模型的统计学假设限制， Full-Scale模型使用四种不同形式的效用函数代表投资者特征。 第四阶段：融入经济周期与主观判断的配置策略 2004 年 美林投资时钟 提出，该理论得到广泛运用。它是一种将经济周期与资产和行业轮动联系起来的方法，让投资者知晓在什么经济背景下投资什么类别的资产。投资时钟的分析框架有助于投资者识别经济中的重要拐点，从周期的变换中获利。而美林时钟的运用也标志着大类资产配置经历了从静态转向动态，从定性到定量再到融入主观判断的过程。另一典型的策略是 大学捐赠基金模型 ，凭借永续性和规模大的特征继进行宏观风险对冲的全球资产配置，获得良好的投资业绩。 图表 5：大类资产配置策略发展历程 策略风格 名称 提出者 提出时间 特点 恒定混合策略 60/40 投资组合 1930s 起源于美国 等权重投资组合 汉谟拉比法典 公元前 18 世纪 反转策略 量化大类资产配置策略 基于收益与风险 均值 -方差模型 Markowitz 1952 年 现代投资理论的基石 再抽样有效边界法 Richard Michaud, Robert Michaud 1998 年 降低均值 -方差模型估计误差 收缩方法 Ledoit, Wolf 2004 年 市场投资组合 Sharpe, Lintner, Mossin et al 1964 年 测算难度较大 Black-Litterman 模型 Black, Litterman 1992 年 纳入投资者主观观点 SPO Rubinstein, Leland 1981 年 通过合理配置无风险资产和风险资产保护投资者基本收益 CPPI Black, Jones 1987 年 TIPP Estep, Kritzma 1988 年 仅基于收益 GEYR 模型 Mills 1991 年 利用股票收益率与长期国债利率的相关关系 FED 模型 Yardeni 1997 年 动量模型 Jegadeesh, Titman 1993 年 源自行为金融学的理论 仅基于风险 最小化风险组合 Markowitz 1952 年 均值 -方差有效前沿的最小方差点 最大化分散组合 Choueifaty, Coignard 2008 年 利用不同资产收益的相关性 8 请 务必阅读报告末页的重要声明 宏观专题 风险平价模型 Bridgewater 1996 年 追求投资组合风险敞口的均衡 基于投资者效用 Full-Scale 模型 Adler, Kritzman 2007 年 投资者期望效用最大化 融入经济周期和主观判断的配置策略 大学捐赠基金模型 Swensen 1985 年 多样化资产，股权投资为主导 美林投资时钟模型 Greetham, Hartnett 2004 年 将实体经济与资产配置相联系 来源：大类资产配置理论研究评述，国联证券研究所 2 股市是大类资产中最重要的构成之一 股市是大类资产的重要构成 ， 由于其体量和波动均较大 ，且从长期看，在大类资产中收益最高，因此股票的配置 是影响组合收益率的关键因素 。 规模方面 ， 2019 年 ， 全球股票市值总和已 接近 90 万亿美元 ， 与全球 GDP 总量相当 。 而股票的波动率更是显而易见 ，以上证综指和中债综合财富总指数为例，上证综指虽然从 1997 年亚洲金融危机开始波动率整体有明显下行 ， 但仍然要远远高于债券的波动 。 图表 6： 2019 年全球股票总市值已接近 GDP 图表 7：全球主要交易所股票市值（ 2020 年 4 月） 来源： Wind，国联证券研究所 来源： Wind，国联证券研究所 0204060801 0 01 2 01 4 01975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015 2017资本市场 : 全球 : 上市公司总市值 : 占 G D P 比重（ % ）050000001000000015000000200000002500000030000000纽约泛欧证券交易所集团纳斯达克-OMX集团上海证券交易所香港交易所纽约泛欧证券交易所集团深圳证券交易所多伦多证券交易所集团德国交易所孟买证券交易所 瑞士证券交易所纳斯达克斯-OMX集团北欧韩国交易所澳大利亚证券交易所台湾证券交易所德黑兰证券交易所约翰内斯堡证券交易所巴西证券商品期货交易所西班牙马德里交易所莫斯科交易所 新加坡交易所泰国证券交易所印度尼西亚证券交易所马来西亚证券交易所墨西哥交易所特拉维夫证券交易所菲律宾证券交易所伊斯坦布尔证券交易所圣地亚哥证券交易所华沙证券交易所国内股票市值（万亿美元）9 请 务必阅读报告末页的重要声明 宏观专题 图表 8：上证综指的波动率远超中债综合财富总指数 来源： Wind，国联证券研究所 虽然股票市场短期的波动大于债券等资产 ， 但从长期看 ， 正是高风险带来了高收益 。据统计，从 1802 到 2002 的 200 年间 ， 股票的年化收益率高达 8.1%， 同期长期和短期国债的年化收益率仅分别为 5.1%和 4.2%。 黄金和美元则更低 ， 仅为 2.1%和1.4%。可见，从长期看，股票可带来可观的回报率。 图表 9：各类资产在 1802 到 2002 年间名义收益率 来源：网络资料，国联证券研究所 3 股市涨跌的驱动力分析 3.1 从长期看，经济是决定市场涨跌最重要的因素 0.00.51.01.52.02.53.03.50204060801 0 01 2 01 4 01 6 01 8 01992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016 20180 0 0 0 0 1 . S H C B A 0 0 2 0 1 . c s （右轴）10 请 务必阅读报告末页的重要声明 宏观专题 从主要国家股指的长期走势看 ， 我们会发现 ， 经济与股指从长期来看呈现显著的正相关 ，比如美股长牛的背后是由于其经济的长期增长，而日本经济失去的 30 年也导致了 30 年间股指的持续低迷 。这其实不难理解，因为股指无非就是由估值和盈利构成，在经济向好之时，盈利同步上升，而盈利上升下的乐观情绪又带来估值的抬升，两者双击则共同推动市场向上， 反之 ， 在经济下行之时则呈现双杀态势 。 图表 10：美国股市与经济 图表 11：英国股市与经济 来源： Wind，国联证券研究所 来源： Wind，国联证券研究所 图表 12：德国股市与经济 图表 13：法国股市与经济 来源： Wind，国联证券研究所 来源： Wind，国联证券研究所 0 500 1000 1500 2000 2500 3000 3500 0500001000001500002000002500001960 1963 1966 1969 1972 1975 1978 1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 2011 2014 2017美国 :GDP( 亿美元 ) spx.GI （右轴）0 1000 2000 3000 4000 5000 6000 7000 8000 9000 0 500000 1000000 1500000 2000000 2500000 1948 1953 1958 1963 1968 1973 1978 1983 1988 1993 1998 2003 2008 2013 2018英国 :GDP: 现价 ( 百万英镑 ) FTSE.GI （右轴）0 2000 4000 6000 8000 10000 12000 14000 0 500000 1000000 1500000 2000000 2500000 3000000 3500000 4000000 1950 1954 1958 1962 1966 1970 1974 1978 1982 1986 1990 1994 1998 2002 2006 2010 2014 2018德国 :GDP: 现价（百万欧元） GDAXI.GI （右轴）0 1000 2000 3000 4000 5000 6000 7000 0 500000 1000000 1500000 2000000 2500000 3000000 1947 1951 1955 1959 1963 1967 1971 1975 1979 1983 1987 1991 1995 1999 2003 2007 2011 2015 2019法国 :GDP: 现价（百万欧元） FCHI.GI （右轴）