- 宏观因子映射:把资产收益拆解到增长与通胀两轴
「我持有 6 类资产,够分散了吧」——这是资产配置里最贵的一句错话。25 年月频实测:一个名义上持有 6 类资产、单资产最大权重仅 35% 的组合,权重 HHI 只有 0.235 看着很分散,但因子方差分解摊开来,51.8% 的波动全部来自同一个增长因子、通胀因子只占 3.5%——它不是分散组合,是加了债券装饰的股票。真正的诊断工具是把每个资产回归到「增长意外/通胀意外」两轴:股票 (+2.96, -1.29)、黄金 (+0.04, +2.39)、大宗商品 (+2.02, +2.99)、国债 (-0.70, -1.52),这张地图立刻告诉你谁和谁其实是同一笔押注。四象限矩阵给出残酷事实:没有任何资产在四个象限都活着——股票在滞胀 -35.9%、大宗商品在通缩衰退 -37.7%、黄金在金发姑娘 -19.9%。按因子暴露而非资产名称配权后,通胀敞口从 -0.0138 压到 +0.0003、最差象限从 -24.5% 收敛到 -3.6%、四象限极差从 61.0pp 砍到 15.6pp、Sharpe 从 0.64 升到 1.00,样本外 (后 15 年持有前 10 年估的权重) Sharpe 0.82 vs 60/40 的 0.41。三盆冷水:beta 在漂(黄金增长 beta 信噪比仅 0.51)、因子平衡砍右尾也砍左尾、两因子解释力有天花板(R² 最高 0.66)(中阶)
19 min Chinese - 因子拥挤度监测与规避
深入探讨因子拥挤度的成因、监测指标与规避策略。学习如何通过相关性、集中度、换手率等指标识别因子拥挤,以及如何通过因子分散、动态权重调整等方法降低拥挤风险。包含完整的Python实现代码。
12 min Chinese
返回