本报告导读：
　　本文针对资产配置策略标的指数不可直接投资的痛点，利用ETF、LOF等场内基金，构建了一个将大类资产配置策略转化为可投资组合的框架性方法。在该框架下，我们对团队的BL模型1、BL模型2、风险平价模型和基于宏观因子的资产配置策略进行了具体投资落地，并构建了对应的增强方案。2021年至今，在扣除交易费用后各模型对应的落地方案年化收益分别为4.86%、4.76%、3.81%和3.87%，对应的增强方案年化收益为5.14%、5.39%、4.14%和4.18%。
　　摘要：
　　大类资产配置策略回顾：国泰君安量化配置团队专注于资产配置量化模型研究，此前我们已经完成了Black-Litterman、风险平价、宏观因子3个资产配置基础模型的开发，并使用上述模型在国内股票、债券、商品、黄金4大类资产上开发了大类资产配置策略，进行样本外跟踪。本文希望通过建立一个大类资产配置策略落地的框架性方法，以实现上述模型策略的落地。
　　使用场内基金拟合单资产指数：针对资产配置策略标的指数不可直接投资的痛点，我们首先构建场内基金投资组合对标的指数进行拟合，具体分为两步：第一步：针对标的指数选定目标基金类型：在对某一指数构建对应的基金投资组合之前，首先要确定该标的指数对应的场内基金类型。对于某些特殊类别标的（如商品类），我们在选择商品类场内基金的基础上，增加了股票型基金作为补充。第二步：确定场内基金的配置权重。本文以最优化跟踪误差为目标，在此基础上设计不同的约束条件和优化规则，利用场内基金构建单指数落地方案，实现对不同资产指数的拟合。除了考察跟踪误差之外，我们还重点考虑了累计收益折损的影响，对基金组合在样本内的累计收益折损进行了限制。
　　大类资产配置策略落地效果：使用单指数落地方案进一步合成资产配置策略对应的落地方案。在扣除万分之五的双边交易费率后，2021年至今，BL模型1对应的策略落地方案年化收益4.86%，最大回撤为2.43%；BL模型2对应的策略落地方案年化收益4.76%，最大回撤1.76%；风险平价模型策略落地方案年化收益3.81%，最大回撤1.55%；基于宏观因子的资产配置模型年化收益为3.87%，最大回撤1.76%。整体而言，策略落地方案相较原资产配置指数策略年化收益折损1%左右，2023年各个策略夏普比率均在1.5以上。
　　策略落地收益增强：为了减少较原模型的收益折损，我们可以通过构建对单个资产标的指数的增强落地方案，实现对大类资产配置策略落地组合的收益增强。通过这种方法，针对债券类指数构建的落地方案增强累计收益折损有显著降低。BL模型1、BL模型2、风险平价模型和基于宏观因子的资产配置策略年化收益分别为5.14%、5.39%、4.14%和4.18%，较原有方案有显著的收益提升。
　　风险提示：量化模型基于历史数据构建，而历史规律存在失效风险