银行资管的大类资产配置研究及潜在应用
文/浦发银行
编辑/马春园
一、绪论
银行资管目前正处于一个新的发展转型阶段，银行系理财子公司的建立，势必会带来运行机制、组织架构、投资理念等方面的改变，但其所管理的资金性质在短时间内并不会发生本质变化，总量巨大、风险偏好低这些特点将与转型相伴。正是基于这一需求背景，“大类资产配置”的投资理念成为了市场中众多银行系资管机构近来所关注的热点。
大类资产配置投资逻辑的有效性已经被学界和成熟市场的产业界所确认，但必须承认这一投资逻辑并不是解决目前资管行业所有投资问题的万能良药。只有将大类资产配置的投资逻辑运用在合适的业务场景（资金性质、所涉及资产标的类型、市场时机等）下，才会取得令人满意的结果。缺乏分析判断的盲目应用可能会产生不良效果，导致对资产配置逻辑的否定，进而丧失依靠该投资逻辑获取稳定可靠收益的机会。
本文的内容包括了针对大类资产配置思想的分析、部分经典模型及发展历程、理财子公司应用大类资产配置的路径演绎。旨在理清大类资产配置思想的逻辑脉络、对市场上一些错误观点进行纠偏，探索出一条适合银行系理财子公司开展大类资产配置的路径。
二、大类资产配置定义及目的
关于大类资产配置的定义并没有一个公认的、全面准确的表述。也正因为缺乏定义，导致国内市场参与者在对大类资产配置进行解读时，或多或少会掺杂进自身的认知和利益（在机构面对潜在大资金时，这种现象更加明显）。
在种种误读中，以下述表述最为常见：“资产配置是通过对各种宏观经济周期观点的把握，准确判断各类资产的中短期走势，买入看好的资产，卖出看空的资产，从而实现超额回报。”上述定义更多是对“大类资产择时”的描述，错误解读了大类资产配置实施的过程和目的。因为大类资产配置的逻辑本质，是建立在“择时无效或择时有效性有限的基础上”。
“有效的大类资产配置被视为成功投资的关键”，这种观点最早源于Brinson（1986）。Brinson采用业绩分解法衡量投资政策（大类资产配置）和投资策略（证券选择和市场择时）对投资收益的贡献大小，并指出资产配置政策解释了91只共同基金收益率方差的93.6%。后来，Brinson（1991）又将这一数字调整为91.5%。
尽管业界有过质疑，但后续的诸多研究为该结论提供了佐证。Ibbotson和Kaplan（2000）使用94只美国平衡型共同基金10年的月度收益率数据和58只养老基金5年的季度数据，进一步证实了Brinson结果的可靠性并提出更加全面的结论。这一系列结论也成为大类资产配置思想的实务基础。
一个更加适合的定义如下：“大类资产配置可以根据期望收益与风险目标水平，决定各类资产的长期投资比例。通过对不同资产的风险配置，辅以适当动态调整和再平衡，获取长期稳定的回报。”从定义可以看到，大类资产配置是一套投资理念和投资哲学。在这套投资理念和投资哲学下，包含了颗粒度更加精细的需求和应用场景，不同的需求和应用场景又发展出了不同的配置组合模型和实施策略，针对具体模型的介绍将在下面一章展开。
三、大类资产配置的经典模型及发展历程
表1展示了大类资产配置思想下的各类策略。第一列是对各类策略的类别划分，大体上包含了“恒定混合策略”、“量化大类资产配置策略”和“融入经济周期和主观判断的配置策略”。第二列是各个策略具体名称。第三列是对策略特点的简单描述。第四列为策略的提出时间和简要备注信息。本文主要将部分对资管意义较大的经典策略进行描述。
3.1 恒定混合策略
早期投资者注意到资产配置的重要性，但其诉求主要还是在风险分散上，采用恒定混合策略进行配置，保持投资组合中各类资产的价值权重不变。当某项资产相对于其他资产价格下跌时，投资者将买进该资产，反之卖出。典型的恒定混合型配置策略包括等权重投资组合（equally weighted portfolio）和60/40投资组合策略。
等权重投资组合策略是保持每种资产的投资权重为1/n。这种将财富进行平均化的思想可以追溯到《巴比伦法典》（the Babylonian Talmud，也称《汉谟拉比法典》）中的记载：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。Plyakha（2014）认为保持1/n的固定权重实质上是一种反转策略。当某资产价格获得超常上涨时，其持有数量将被调低；当资产价格超常下跌时，其持有数量将被调高。因此当资产收益呈现均值反转的规律时，资产组合自然获利。
该策略的关键是要保持所配置资产具有足够的多样性，以降低风险。20世纪30年代的美国市场投资者认为，股票收益和债券收益的相关关系几乎为零，因此采用60/40配比原则（资产的60%配置标普500指数股票，40%配置十年期美国政府债券）便能达到分散风险的目的。该策略简单易行，但风险暴露较大。
恒定混合策略逻辑简单，尽管有各种不足，但仍有不少投资者认可并践行这一策略。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基础资产配置策略，将总资产等分为四份，分别投资在黄金、股票、房地产、债券和现金上（债券和现金看作同类资产）。
从1973-2013年全球市场的实际数据来看，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）。而美国Vanguard基金公司旗下的养老目标基金系列（Target Retirement Fund），就是按照债券股票资产不同配置比例（2:8，4:6，6:4，8:2）而设置的四类基金。
本文观点：恒定混合策略可以将资产比例、调仓方式等操作规则明确地告知投资人，投资人要对自身所投组合的比例自主决策。这种方式的前提条件是：一是，客户要对投资组合所涉及的资产有一定的了解，对自身的风险偏好有明确认知；二是，客户要明确地对自主决策可能承担的风险负责。从责任角度上讲，这一透明的“白盒”模式大大减轻了资产管理机构在市场出现风险时所要承担的来自客户的压力。目前中国市场上的零售客户仍保持着“刚兑”假设和唯收益论，这种部分自主选择的投资方式短时间无法被市场认可。但作为发达市场中的成熟案例，国内先进的资管机构未来可能会在这片蓝海中进行布局，而且这一投资方式也与“代客理财，风险自担”的理财本源所契合。
3.2 量化大类资产配置策略
3.2.1 基于收益与风险的策略
Markowitz（1952）均值-方差模型的提出正式将（大类）资产配置由实践层面的摸索提升到了理论层面的推演。该模型首次使用期望、方差来刻画投资的收益和风险，将资产配置问题转化为多目标优化问题。
这不仅标志着现代投资理论的诞生，而且成为其后大类资产配置理论演进的重要基础。均值-方差模型的产生、计算机技术和统计学的发展，使得大量金融数据能够用于投资决策，资产配置理论开始由定性分析转入定量研究。但均值-方差模型在实际应用中存在着一定的局限性。一是均值-方差模型使用方差作为测算风险的唯一方法，同等对待收益率的正负离差，没有区分收益和损失，不符合投资者的实际风险感受。当收益分布呈现非对称形状时，同一均值和方差对应的峰度和偏度可能不同，容易产生高风险组合。二是均值-方差模型无法将样本外信息，尤其是投资者的直觉纳入决策之中。除了参数预测可信度不高、模型过于敏感之外，灵活性不足也是阻碍均值-方差模型被投资者接受的重要原因。
B-L模型综合运用了Markowitz（1952）的均值-方差最优理论与Bayesian混合估计法，将投资者主观观点纳入决策，不仅解决了参数可信度问题，还使模型结果更加稳定。
B-L模型的思路大致为：首先，利用夏普的逆最优化理论以及资本资产定价模型逆向推导出各项资产的市场均衡超额收益率；然后，结合决策者对未来收益率的预期及对应的信心水平构成观点矩阵和信心矩阵，并据此运用贝叶斯法则形成新的期望收益率和方差参数；最后，将新形成的期望收益率向量和协方差矩阵代入均值-方差模型中以求得最优资产配置方案。B-L模型推出之后，在全球资产配置实务中得到了很好的应用。
本文观点：均值-方差模型综合考虑了收益和风险的关系，在理论角度上更加完备，然而在实际操作中因为前提假设、参数设置等原因，实际操作效果并不好，更多只是将该模型用来进行定量分析和横向比对。在实际对基金公司进行尽调的过程中，也少有公司会直接使用均值-方差模型构建真实组合。一个更加重要的原因是，中国市场的股票债券波动性比要远远高于美国市场，按照均值-方差模型进行建模，绝大部分资产都将配置在债券市场上。
B-L模型要求将对市场的观点量化后作为参数输入到模型中，但这也是其市场化运用的最大阻碍。在长期单边走势的市场中，这种预测比较准确且稳定，模型效果好。但在频繁波动的市场环境中，观点的准确性和有效时间区间也是难以把握的，再考虑到频繁交易的成本，该模型是否能够用于实践实际上是存疑的。从目前机构路演情况来看，该模型是众多机构均会提及的，但能详细说明落地过程的机构甚少，也从侧面说明了观点预测的难度。
3.2.2 仅基于收益的策略
基于收益和风险的资产配置模型的前提假设是资本市场中性，即资产的预期收益与风险匹配，资产价格由收益和风险共同决定，且风险越高的资产收益越高。但现实中这一假设常常有失效的情况发生。如果某类资产的预期收益高而其对应的风险却很低，则投资者可以优先选择此类资产，放弃其他资产。
另外，实践中投资者往往更关心资产的收益或价格，对风险的判断也更多依赖于宏观经济形势和预期，而非历史数据。因此一些学者和机构投资者试图仅凭借资产收益或资产价格进行大类资产配置，寻找投资机会。
Gilt-Equity Yield Ratio（简称GEYR）模型是判断投资股票还是投资债券的有效工具。大量研究表明：股票价格、分红和利率之间存在强相关关系（Haycocks&Plymen,1956,1964）。为了揭示国债收益率与股票价格的关系，Mills（1991）最先提出GEYR的概念，即可以通过长期国债收益率与股票市场收益率的比值，来判断债券市场和股票市场的相对投资价值，如下式所示。
GEYR=yg/ys
其中yg为国债收益率；ys为股票市场平均收益率。Mills证明了GEYR的大小对英国股票市场未来价格具有预测作用，并将GEYR称为持股信心因子。基于这一理念，学界和产业界进行了大量的优化改良，通过对英国、美国和德国的市场数据进行验证发现，使用这一机制构建的组合比不做调整的静态投资组合具有更高的平均收益率和更小的收益波动率。
除此之外，一些在股票市场效果良好的投资方法也逐渐被应用于大类资产配置领域。源自行为金融学理论的动量策略（relative strength/momentum）便是其中之一。
Jegadeesh和Titman（1993）首次对动量效应进行了系统的论证，并利用美国股票市场1965-1985年日收益率数据构建形成期为12个月、持有期为3个月的动量投资策略。利用该策略投资，可获得平均每年12%的异常收益率，月异常收益率可达1.31%。此后，各国学者纷纷利用本国股票市场数据对动量策略进行论证，结果不一。
近几年来，随着市场可投资产品的增加，动量策略的应用范围逐渐从股票市场内部扩展到包含债券、商品、货币等各种资产的组合构建。Lewis（2012）构建了以蒙特卡洛法为基础的动量资产配置方案，解决了传统动量策略的强日历效应、频繁调整、收益不稳定等问题。通过样本分析，Lewis发现，用于大类资产配置的动量策略在短期（一季度或一年）内的收益水平不稳定，但长期（12年）收益率却能百分之百跑赢标普500指数、60/40、巴克莱集合债券等基准组合。
本文观点：GEYR模型是目前市场中大量机构在衡量股债性价比时使用的工具，也是机构路演时重点介绍的部分。然而这一理论成型已有约30年时间，众多机构通常的做法是根据当前市场环境对参数进行拟合调整，以达到预期结果。尽管要用辩证的眼光来看待机构对GEYR模型的解读，但这一现象也说明了该模型在当前市场环境下的有效性。
动量策略通常是针对市场上的动量效应而提出的，简单来说就是前一段时间强势的股票，未来一段时间继续保持强势。伴其相生的是反转效应，即前一段时间弱势的股票，未来一段时间会变得强势。可以看出，两个效应存在矛盾。抑或说对于单个标的，两种效应在同一时间是不可能共同存在的，这就使得在使用动量策略时，不得不对强弱势、维持的时间及幅度进行主观判断，这也造成的动量及反转模型使用的困难。
3.2.3 仅基于风险的策略
风险平价模型属于一种将组合的长期收益着眼于风险控制上的投资策略。该模型追求组合风险敞口均衡的理念，起源于20世纪90年代桥水基金的“全天候”投资组合（All Weather Portfolio）：当中长期宏观环境处于通胀压力加重或减弱、经济增长相较于预期过高或过低四种状态且无法预判时，等量持有四种子投资组合可以保证无论出现哪种经济环境，至少有一个子组合表现优异。后来，Qian（2005,2006）将这一思想与数理逻辑更为严密的风险贡献的概念相结合，建立了数学化的风险平价模型（也可以根据风险的不同测算方法称为波动率平价模型或VaR平价模型），并使用1983-2004年美国股票和债券数据进行检验，发现与风险贡献相结合的风险平价组合比60/40组合的夏普比率高出0.2。
Bruder和Roncalli[4-1]将等权风险贡献度组合扩大到了更为一般的情况，即每种资产的风险贡献度与其风险预算相匹配，称为风险预算组合（Risk BudgetPortfolio）。风险预算主要用来解决投资中，风险这种稀缺资源的分配问题。当组合管理人除了对资产的标准差、协方差有完全的信息外，还对资产的风险分布有较为明确的预期时，可以采用风险预算的方法，较为明确地规定组合中各类资产的风险暴露程度。
本文观点：科学化风险暴露以获取收益的风险预算策略，在国内有着越来越旺盛的需求，尽管目前国内基金和银行资管尚未推出此类型的主题产品，但这种明确风险来源的策略未来有望能在市场中取得一席之地。这一策略模型的当前应用难点在于：无论是机构客户还是个人客户，其对自身风险偏好的认知通常会有较大的偏差，还需要专业人员协助挖掘并确认。因此风险预算策略更适合通过“黑盒”的方式提供给风险偏好已被明确确认的客户。
3.3 融入经济周期和主观判断的配置策略
随着市场竞争的不断加剧和量化方法的广泛使用，仅从历史数据中提取信息进行资产配置并不总是可行和有效的。尤其是当宏观经济环境剧烈变动或是经济政策大幅调整时，投资者先前所使用的资产定价方式和资本操作模式都可能不再适用。因此，一些经验丰富的机构投资者往往在进行大类资产配置时，除了使用量化模型，还会考虑经济周期走势和未来的政策预期。
大学捐赠基金模型（Endowment Model）是典型的融入经济周期与主观判断的大类资产配置，也是一类投资组合管理理念的统称，因为一些大学的捐赠基金而得名。
由于独特的资金来源和组织形式，大学捐赠基金具有以下两个特征。一是永续性。这为其投资流动性低、投资周期长但回报率高的资产种类提供了可能，但由于其覆盖完整的经济周期，对管理者的主动管理能力要求也较高。二是金额高。2016年，排名第一位的哈佛大学捐赠基金规模高达359亿美元，耶鲁大学、斯坦福大学和普林斯顿大学紧随其后，分别为239、214、210亿美元。这使得这些基金可以通过全球资产配置实现宏观风险对冲。目前，从盈利能力来看，耶鲁大学投资办公室管理的耶鲁基金，被认为是全球运作最成功的大学捐赠基金。过去20年，耶鲁基金平均年收益率达到13.9%，超过美国大学基金9.2%的平均水平。
但也有学者对大学捐赠模型的投资表现提出质疑。在耶鲁大学捐赠基金每年披露的年报中，私募股权的收益率通常最高，2011年的年收益率达到30.4%，这也被看作是基金快速增长的最大原因。Barber和Wang（2013）分析了美国教育捐赠基金的收益来源，发现并没有证据表明大学基金管理过程中经理人选择、市场择时等策略能为基金带来超额回报。
另一种非常出名的大类资产配置工具是美林证券公司的投资时钟模型（Merrill Lynch Investment Clock）。该模型基于美国近20年的经济数据，将宏观经济周期、大类资产收益率和行业轮动联系起来，指导投资者识别经济中的重要拐点，在不同经济周期中进行资产配置（Greetham和Hartnett,2004）。
模型根据产出缺口和通货膨胀的不同状态，将中短期经济周期划分为复苏、过热、滞胀、衰退四个阶段。当经济处于复苏阶段（经济上行，通胀下行）时，股票对经济的弹性更大，相对于债券和现金存在明显的超额收益，配置策略应为：股票＞债券＞现金＞大宗商品；当经济处于过热阶段（经济上行，通胀上行）时，大宗商品市场将会走向牛市，而通胀上升增加了现金持有成本，可能出台的加息政策也会降低债券的吸引力，配置策略应为：大宗商品＞股票＞现金或债券；当经济转向滞胀阶段（经济下行，通胀上行）时，股票和大宗商品会受到企业盈利下降的冲击，现金和债券的收益率相对较高，配置策略应为：现金＞债券＞大宗商品或股票；当经济到达衰退阶段（经济下行，通胀下行）时，货币政策趋向宽松，有利于债券走强，且经济见底预期逐步形成，增加了股票的吸引力，配置策略应为：债券＞现金＞股票＞大宗商品。
该模型很好地补充了其他模型对宏观经济研究的缺失，将实体经济与资产配置策略动态紧密地联系起来。但时钟模型也有自身缺陷。如其只针对经济周期和货币周期做出投资判断，未考虑当期资产本身价格高低，容易出现高回撤风险；再如后危机时代，全球各大央行不断改变货币政策常使得经济脱离周期运行，时钟模型有效性丧失。由于各国经济所处阶段不同，开放程度以及外在约束不同，在使用时钟模型时，需要对其不断调整和改进。关于经济周期的划分以及大类资产收益率的测算口径均没有统一的标准，因此针对资产轮动现象的解释具有一定主观性。不过根据已有的检验结果来看，时钟模型在美国市场的表现要好于在中国和日本市场的表现。
本文观点：通过融入经济周期信息，的确能够极大提高大类资产配置模型的运行效率和结果。但这种做法也抬高了这类型资产配置模型的使用门槛。对宏观经济周期走势和未来政策预期的判断并没有一套完整、高胜率且可复制的模式，除了要依靠投资团队丰富的阅历、长期且大量基础性的研究工作，也需要在很大程度上依赖运气的成分。在相对欠成熟的中国市场，预测的准确性本身就会大打折扣。通过前期业界基于美林时钟的实践，目前的应用难点普遍集中在国内四阶段的快速切换及非顺序轮动上。这与国内各市场目前发展阶段变动剧烈、政策逆周期调节等原因关系密切。
四、理财子公司应用大类资产配置的路径演绎
4.1 资金性质问题
如上文所指，大类资产配置的投资逻辑并不是解决目前资管行业所有投资问题的万能良药。只有将其用于合适的业务场景下，才能取得预期效果，而所管理的资金的性质是最为关键的因素之一。
资金性质按照不同的分类标准可以产生出不同的划分。这里按照客户的“投资期限”、“投资目的”和“风险偏好”这三个维度进行组合并划分。
表中一共有八种不同的组合。首先，对于“追求平均回报，愿意承受高风险”的类型，从客户的主观角度来看，这类客户并不存在，因为没有客户愿意承受高风险而承受平平的收益。其次，对于“追求高回报，只愿意承受低风险”的客户类型，现实中是大量存在的，但投资市场中的这类资产极少，且出现后会因大量资金的涌入而导致收益降低，而作为银行理财子公司也不可能在货架上长期提供此类产品，从客观上无法满足这类客户。再次，对于“追求高回报，愿意承受高风险”的客户也是存在的，这类客户将是未来银行资管布局权益市场后，需要投入大量资源争取的客户。但高风险资产在带来高回报的同时，也潜在会导致高损失，这与大类资产配置中“获取持续稳定收益”的目标并不相符。
在排除掉以上六类客户后，上表中还剩下“接受短期投资和平均回报，且风险偏好较低”的客户和“接受长期投资和平均回报，且风险偏好较低”的客户。前一种客户其实正是银行资管目前主要保有的存量客户，为了不将短期的市场波动传递到短期资金端，银行资管传统上采用了两种“工具”：一是采用了期限错配和风险错配的池子方式来进行运作；二是低配高风险高波动资产，例如权益市场中的资产。第一种方式因为对风险的累积已经被“资管新规”所限制，而第二种方式导致银行资管放弃了大部分超额收益的来源。随着资管市场规则的逐渐完善和行业的回归本源，这部分类型客户的投资理念将主动或被动的发生改变并向其他类型客户转移，存量将越来越小。在“短期投资”和“确定性回报”之间，大部分“接受短期投资和平均回报，且风险偏好较低”的客户，更加坚守的核心投资原则将会是“确定性的回报”，对于日常流动性的预期可以通过其他方式来满足。因此能够在最大程度上承接这类客户类型的将会是“接受长期投资和平均回报，且风险偏好较低”这一客户类型。
因此，这一客户类型将会是未来银行理财子公司所面对的最大客群，而在传统的两种“工具”无法使用的大背景下，如何为客户提供“长期稳定的回报”成为了银行理财子公司亟待解决的问题。大类资产配置提供了一种可能的解决思路，但应用这一投资逻辑前提必然是“资金端接受长期限投资、目标是获取持续稳定的收益”。
4.2 大类资产配置初期可能涉及的资产类型和投资标的
在大类资产配置实践的初期，银行理财子公司能够触及到的资产类型相对较少，考虑到资金性质，投资仍会以债券、权益、类信贷非标资产为主要配置方向。
债券资产投资是银行的传统强项，无论是一级市场债券承销规模还是持仓规模，银行都拥有绝对优势，这为银行资管提供了得天独厚的券源优势。此外，银行间市场是整个债券市场的交易主体，银行具有更高的话语权。
这里说的权益资产是指二级市场中的标准化权益资产。银行资管在二级权益资产方面的投研水平相对有限、资源配置不足，短期内无法完成大规模投放。
可以按照先易后难、先被动后主动、先工具后单券的顺序进行落地。考虑到大类资产配置型产品在前期募集规模有限，用于配置权益资产的仓位更少，在控制交易成本的前提下，单券会保持较高的集中度。高集中度意味着潜在的单券高风险。
因此，在组合构建的初期，可以通过指数化的投资去获取权益市场的beta收益，这样既符合大类资产配置着眼于“配置”的中心思想，也可以防止潜在的单券集中度过高带来的风险。待未来整体投研体系进一步完备、产品规模进一步提升后，再进行权益资产项下的单券投资和主动管理，实现单品类资产的alpha获取。
类信贷非标资产尽管本身存在着一些问题，但其相对高收益低风险使得其在银行投资中一直占据着重要地位。在大类资产配置实践的初期，相关产品的营销难度通常都会非常大。首先，资产组合中通常都会包含权益型资产，会给客户造成产品风险大的直观感觉。其次，由于缺少实盘的历史业绩，基准通常会以区间的形式进行展示，当权益类资产产品较大时，区间的上下限跨度会非常大，用户体验较差。正是基于对上述两点原因的考量，初期可以通过配置低波动性低风险的信贷类非标资产来提升整个组合的稳定性，降低波动率。待首批产品整体成熟稳定后，在合理范围内，逐步提高新产品中的权益占比。
4.3 借助外力，修炼内功
银行资管在初期进行大类资产配置时，无论是从理论积累、人员配置和系统支持上投入的资源都相对不足，在早期的推进过程中要借鉴外部机构的先进经验。目前就大类资产配置方面，市场中可以借力的机构大概分成两类：一类是有互联网基因的金融工具供应商，另外一类是传统的非银金融机构。
有互联网基因的金融工具供应商是近些年涌现出的一类“金融+IT”的复合金融机构。因其成立时间较短，所以缺乏与银行及银行资管的稳定合作。此类机构表现出了更加积极和开放的合作愿望，愿意向银行资管开放自身的资源以获取更深入的合作机会。这类机构的技术背景深厚，长期保有高比例的开发人员，所以其在系统工具的落地能力、友好交互性、个性化需求的定制开发、对系统的长期跟踪运维等方面会表现出相对于传统非银机构的明显优势。此外，这类机构基于其“金融+IT”的双内核驱动，在金融模型建立、量化交易等科技金融领域也展示出了较强的实力。但这类机构的劣势也比较明显，传统金融分析方法欠缺，金融领域专业人才储备不足，市场实操领域缺乏经验和积累。
另一类的非银金融机构相对更加传统。其优势在于较全面和深入的投研实力、对市场的整体把握和丰富的实操经验。各家非银金融机构的系统开发能力参差不齐，部分头部机构有一定的投研系统自研能力，其余的大多数机构对IT的投入更多的是建立完备的工作流和交易系统上，对投研系统的打造都有着不同程度的缺失。特别是在大类资产配置领域，所涉及的策略模型众多（远超过本文所列示），而为了支持配置模型的运作，需要大量外围系统和人力的支持，持续的资源投入与相对不明确的产出，使得非银金融机构缺乏构建系统的内生动力。
尽管这两类机构有各自的不足和缺陷，但这并不构成银行理财子公司借力构造自身体系的障碍。在资源整合方面，银行理财子公司有着其他金融机构无法比拟的优势。通过采购或与金融科技公司联合开发的方式，可以将先进的市场工具、投研所需的大量金融模型、所需要的外围支持系统进行本地化部署，实现系统层面的完备。
通过合作或资源交换的方式，将传统非银金融机构已有的线下研究成果和可获得的线下研究框架体系通过本地化的系统工具实现线上化，实现线上投研体系的建立。而在此过程中，也将对银行理财子公司投研团队的发展起到促进作用。
4.4 大类资产配置的有效性讨论及策略选择
文中介绍了部分经典的大类资产配置投资策略，这些投资策略在某一较长阶段的市场环境下都取得过傲人的成绩。但尽管如此，这些策略在个别年份的市场环境突变的情况下，遭遇过一定的回撤。如何看待这一过程中的回测，则是评判大类资产配置有效性的重要标尺。
我们在投资的过程中，总是希望能够找到一个可以长盛不衰、持续取得高额回报的“圣杯”。特别是在计算机算力不断提升、人工智能算法突飞猛进的今天，大量的从业人员利用全新的技术手段来投入到了对“圣杯”的搜寻和探索中，然而收效甚微。在某一时间段、某一市场环境下有效的投资策略，在其他时间阶段或其他市场环境下会变得无效，甚至起到反作用。这其实是所有投资理念都要面对的一个共同问题，就是策略的有效域。
金融学隶属于社会科学，不同于理学或工学，社会科学有其自身的特点。社会科学拥有更多的层次、每个层次下有海量的机制在同时起作用，且所有机制并没有一个统一的覆盖性法则。这与生物学中尽管机制众多但是都遵从“进化论”这一覆盖性法则和力学在通常条件下仅遵从“牛顿三定律”之一定律是完全不同的。金融学也继承了社会科学的这些特点，举例来说，在同一市场环境下，不同的金融学理论和逻辑从不同的出发点对同一个市场进行解读和剖析，且相互之间无法证伪，只能靠未来的市场发展状况来对现在的逻辑进行验证。但本次可行的理论和逻辑可能在下一次的预测和解读中就会失效。
金融学项下的各类投资策略，其实也是从不同观点出发的对市场的解读，因此这些策略也均有自己的有效域，不会是放之四海而皆准。就大类资产配置策略而言，长期限资金是最重要的前提，而具体选用何种策略更多是根据除了期限以外的资金风格和各个银行资管公司的禀赋和投研技术的积累。以下分别举例来说：
1、对于希望客户对自身决策承担更大责任、力图推行“类工具化”产品、易于解释的“白盒”产品的银行资管机构，恒定混合策略应成为首选，这一策略也是先锋基金（Vanguard）在养老市场领域所布局的重要产品线之一。这类策略大大减轻了资产管理机构在市场出现风险时所要承担的来自客户的压力，也与“代客理财，风险自担”的理财本源所契合。
2、当前市场上众多非银金融机构推崇仅基于收益的GEYR模型，并将其作为进行股债性价比衡量时的利器。基于收益的配置策略除了GEYR模型外，还有大量基于该模型的改良以及FED模型。这些模型在对股债性价比判断后，需要对组合中资产的比例进行再确认。因此，获得风险偏好与投资比例相匹配的资金成为了这类策略的首要考虑前提。
3、近年来，全球市场波动剧烈，对风险的重视也使得仅专注于风险的风险平价模型和风险预算模型取得了长足的发展。因将风险置于进行资产配置的首要考量因素，所以这类策略可以明确自身风险敞口，更符合依据风险偏好而指导投资的银行资管机构。尽管这类模型的思想并不复杂，但每次再平衡后各类资产的持仓比例可能会产生较大差异，这对于习惯了在产品说明书中明确持仓比例的银行资管，提高了其产品设计和营销水平的要求。
4、绝大多数的大类资产配置策略采用了“向过去看”的方式，即认为过去的市场状况会在未来重现，信奉均指回归和大数定律，追求的是大获胜概率而不计较一时的得失。“向未来看”或者说预测实质上是人性本质所在，在大类资产配置领域也有很多尝试。将“向过去看”和“向未来看”进行结合的大类资产配置策略以BlackLitterman模型（简称B-L模型）和美林投资时钟模型为典范。B-L模型是对市场未来的强势资产进行预测，而美林投资时钟模型是在假设市场符合时钟轮动的前提下对切换时点进行预测。尽管这类包含“向未来看”基因的策略也通常会被纳入大类资产配置的范畴，但其本质上为“大类资产配置策略追求大获胜概率”这一目标引入了不确定性，“向未来看”或“预测”可能会带来超额收益，也可能会带来损失。只有当银行资管建立了足够强大的投研体系作支撑时，才适合发行这类偏“黑盒”策略的理财产品。
五、写在最后
大类资产配置理论在欧美市场已历经了近一个世纪的发展，国内因金融市场的发展时间有限，近期大类资产配置理论和实务才逐渐兴起。
目前市场对择时、择券的重视程度仍远高于大类资产配置。大量的从业者对大类资产配置的认识存在误区，认为其就是通过对宏观经济周期拐点的把握，在国内甚至全球范围内进行资产选择，而没有认识到其实质是一种依靠不同资产之间的低相关性对长期风险和收益进行管理的全局性策略，并不是局部策略的简单加总。
银行理财子公司作为未来市场上体量巨大的机构投资者，对大类资产配置有着天然的内生需求。如何在深刻理解资本市场运行规律的基础上，构建适用于国内银行资管大类资产市场的模型？如何加强与大类资产配置有关的人才体系建设，为将来转型在资本市场进行布局？将是未来银行理财子公司在战略和战术设计上要亟待解决的问题。