传统全天候策略的阿克琉斯之踵

桥水的全天候策略的思想是风险平价，核心在于均衡配置风险，在风险平价的框架下，资产配置可以分为以下四个步骤：

其中，回报流的选择很大程度上决定了策略表现的上限。因为风险平价模型仅注重风险管理，不进行收益端的优化，组合种回报流的风险调整后收益及相互之间的相关性结构，决定了策略的表现。想要提升策略的夏普，实现风险均衡的同时提升整体收益，关键在于构建低相关且高风险调整后收益的回报流。

而在传统的投资实践中，回报流的构建是以资产区分的，资产风险平价是一类最常见的做法。此时，策略以资产为配置单元，资产选择时着重考虑资产间的相关性，风险端重点刻画资产的风险特征。但是，资产平价存在诸多局限：

● 风险均衡约束下，策略会超配低波资产。这意味着低波资产将主导策略表现，如果风险贡献完全相同，以沪深300（股票）、10年期国债（债券）、沪金（商品）为底层构建策略，10年期国债的仓位长期会在70-80%，债券能够维持“高夏普特征“是国内资产平价策略能够保持夏普的核心前提，但随着10年期国债收益率跌破2%并进入“1%+”的低利率时代，在利率下行空间有限且债券票息收益受到压缩的大背景下，基于资产的风险平价策略或将不再是一个稳健的基准策略；

数据来源：Wind，数据区间：2010/1/4 – 2025/9/30

● 策略过度依赖低波的另一个问题是：组合预期收益率偏低，难以有效构建中高波动特征的投资组合；而在国内将10年期国债调整至10%的预期收益目标所需的杠杆水平长期高于公募基金140%的监管上限，在无杠杆限制时，投资者可以通过增加杠杆，沿着资本市场线（Capital Market Line, CML）无限等比例放大收益和波动，从而达到任何预期的收益目标。但在杠杆约束下，资本市场线被截断，这意味着，组合的收益率和波动率均有上限。

所以，资产平价的的本质问题是：它错误地将人为设定的资产类别与真实的风险驱动因素画等号，假设资产类别的差异必然带来风险分散。这就像用国家边界划分气候带，看似清晰，实则掩盖了底层风险的连续性，当利率没有下行空间，整个策略的根基就会动摇。以资产划分回报流的构建方式并不科学，我们需要穿透资产表象，从更底层的驱动因素进行分析。

挖掘底层风险驱动：
从资产配置到因子配置

Ang（2014）在《Asset Management：A Systematic Approach to Factor Investing》中写道，资产配置真正重要的是资产类别所代表的重叠风险，而非标签本身，投资者更应该关注因子风险。因子风险平价不再将资产类别作为不可拆分的投资单位，而是将其视为不同“风险驱动因素“的组合，这种处理方式相当于对资产收益率做了一次矩阵变换，将复杂的收益结构分解为更底层的风险因子。

这么做的核心是：因子间的相关性更有逻辑支撑，在长期看来能够提供更稳定的风险溢价，有潜力在不同市场环境下提供更优的风险调整后收益，且大概率不会出现类似资产风险平价中被“长期低波”资产主导的情况。换言之，通过合理的因子选择，因子风险平价能够真正做到风险的均衡配置。

在风险因子的定义上，Ang的经典框架下将风险因子分为宏观类因子和投资风格类因子两大类，宏观类因子反映经济系统底层运作状态，通过改变资产现金流折现率或风险溢价，系统性影响所有资产类别（共性因子），常见的宏观因子包括经济增长、通胀等；投资风格类因子是基于市场异象或策略逻辑构建的可交易风险敞口，包括静态因子和动态因子。

桥水的做法就是宏观因子风险平价的标杆，至于为什么选择分散组合的宏观风险，海外的研究认为资产回报可以分为现金回报（无风险利率）与超额回报，后者由三类风险因子驱动：利率预期外变化、风险偏好预期外变化、宏观经济预期外变化。其中，前两者属于系统性风险，对所有风险类资产类别产生同向冲击，而宏观经济预期外变化对不同资产的影响不完全相同，是唯一可以通过多资产选择进行分散的风险维度，全天候策略通过持有在不同经济状态下表现优于平均的资产来降低资产组合对宏观环境的敏感性，在时序维度实现风险分散，寄希望于资产组合在前两个因素的暴露带来高于现金的超额回报：

简而言之，就是穿透资产标签，找到驱动收益的底层宏观因子，在宏观因子维度实现风险贡献均衡。

而对于宏观因子的定义上各有优劣，比如桥水认为资产价格的核心驱动因素是经济增长和通货膨胀，强调宏观因素预期外变化才会对资产产生实质性影响，基于此将经济状态划分为四个象限：增长超预期、增长不及预期、通胀超预期和通胀不及预期。在每个象限里面选出受益于该象限的资产，构建出四个长期风险溢价为正的回报流：

和传统做法相比，因子平价可以捕捉独立风险溢价，突破资产的局限，以国内框架为例，以相应的资产构建相应“象限组合”，四个象限组合长期风险溢价均为正：

数据来源：新方程，数据区间：2013/7/29 – 2025/9/30

和原始的资产相比，基于宏观因子构建的象限组合的集中度更高，底层资产的收益区间【2%，14】，波动区间【3%，30%】，而做了因子映射后，收益区间缩窄至【6%，10%】，波动区间则变为【5%，15%】，更接近的年化收益和波动更适合做风险平价；其次，象限组合的平均夏普为0.82，显著高于原始资产的0.47，可以提升全天候组合的夏普。

从对照实验看，因子风险平价能完美解决传统策略对于低波资产过于依赖的顽疾，其构建的全天候策略在各类资产上的分布更均衡，收益和风险端都不依赖于某一固定资产类别，实现真正的风险分散。

数据来源：新方程，数据区间：2013/12 – 2025/9

全天候增强：更本土化的alpha

全天候增强产品在全天候Beta组合外还有阿尔法和现金的贡献，而Alpha的来源不外乎以下三类：战略资产配置优化、战略资产选择精进、新型收益来源开发。战略资产配置优化国内外的做法同源，都是基于量化模型调整配置比例，而后两者，国内市场相比海外有更多的空间。

在战略资产选择精进上，除了宽基指数的选择、行业和主题指数的选择、权益内部的风格择时以外，国内量化的超额空间显著，可以将量化私募的股票指数增强产品纳入股票端的资产配置，国内量化指增产品超万亿规模，完全可以作为全天候的资产之一。

在新型收益来源开发上，将市场中性的对冲基金策略（如统计套利、股票多空、市场中性等）作为全天候策略的现金管理工具，虽然市场中性策略波动有所提升，但只要中长周期跑赢现金利率，则能提升整体收益，带来正向的alpha。

总结

宏观因子间的相关性更有逻辑支撑，在长期看来能够提供更稳定的风险溢价，有潜力在不同市场环境下提供更优的风险调整后收益，相比传统的资产平价可以有效解决全天候策略过度依赖债券的问题，做到风险的均衡配置，是低利率时代下的全天候Beta策略的破局之法。

未来，全天候Beta组合的优化主要是底层资产池，挖掘更具性价比、更符合经济环境象限的优质标的；除此以外，国内天然在权益上有较好的alpha空间，量化股票策略对股票资产的替代、衍生品工具&对冲策略的应用都是优化的方向。

风险提示：
投资有风险。基金的过往业绩并不预示其未来表现。基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证。相关数据仅供参考，不构成投资建议。投资人请详阅基金合同等法律文件，了解产品风险收益特征，根据自身资产状况、风险承受能力审慎决策，独立承担投资风险。
重要提醒：
本文版权为新方程所有，未经许可任何机构和个人不得以任何形式转载和发表。