量化资产配置系列分析报告：多资产相关性研究.pdf

[Table_Info1][Table_Date]

证券研究报告发布时间：2025-03-15

[Table_Title][Table_Invest]

证券研究报告/金融工程研究报告

多资产相关性研究

量化资产配置系列之二

报告摘要：

[Table_Summary]

在资产配置研究中，多资产收益间的相关性是控制组合波动的关键，股

票和债券作为两大核心资产，其收益之间的关联性一直都是研究的重点。

本文将从股债相关性切入，搭建适合衡量动态相关性的模型，将其运用

于调整多资产收益协方差矩阵，实现量化资产配置策略的优化。

股票和债券回报之间的相关性对资产配置和风险管理策略实施有着直接

影响，同时一定程度上对应市场环境的变化。在股债相关性预期较高的

时期，投资者可以减少股票和债券之间的对冲效果，适当调整资产权重，

以降低组合风险。相反，如果预期相关性较低，可以增加债券的配置比调整前调整后

例，利用债券的避险属性。年化收益7.27%8.21%

年化波动7.64%7.56%

滚动取过去一段窗口期的收益序列，直接计算相关性（RWC），是估计股夏普比率0.951.09

债相关性最简单的方式，但弊端也很明显：1）不能充分地体现相关性在

时间序列上的变化，对新信息的反应较为滞后；2）异常的收益数据会导

致估计值出现跳跃式变化，不利于进行趋势分析。

[Table_Report]

DCC模型能更好的捕捉相关性的动态变化。作为短期波动的估计，相关报告

DCC_CORR日频序列噪音相对较少，受异常值影响小，且能直观展示每《自由现金流策略分析与组合实践》

个交易日相关性估计值的变化。作为相对长区间波动的估计，-

DCC_CORR的移动均值对比RWC更加平滑，趋势明显。《上月反转、技术因子表现较优》

-

DCC模型兼具一定的预测能力。拟合参数结果显示股债相关性/多资产

《融合订单簿信息的深度学习选股模型》

相关性受历史相关性矩阵影响远大于资产自身历史残差波动，因此具有

-

较强的持续性。使用DCC模型外推下一期估计值作为DCC_CORR预测

值，适用于对未来短期相关性的预估，而长期下DCC_CORR预测均值《上月预期、质量、流动性因子表现较优》

与对应窗口RWC的相关性始终保持在0.7以上，同样具有一定的指示-

能力。《2024年四季度公募FOF基金业绩及持仓分

析》

使用DCC模型对多资产相关性矩阵进行拟合，并预测下一期的相关性，