核心观点
　　本报告的核心思路是通过宏观层面的经济增长、通胀、流动性、货币政策、美元指数、汇率、央行购金等指标及因子，采用马尔可夫转移模型识别宏观状态，分别探讨股票、债券和黄金的投资价值，根据市场环境的变化进行动态调整不同资产的风险预算，并综合考虑宏观状态、风险分配及业绩动量，构建多目标优化模型进行资产配置分析，构建ETF配置组合。
　　宏观因子配置模型
　　宏观因子配置模型结合了风险模型和宏观周期模型，并且融合了因子配置的思路。分别从经济增长、通胀、股债性价比、货币政策等角度探讨股票投资价值，从美元指数、汇率、央行购金等指标研究黄金配置时机。债券的投资重点为风险防范，主要依据是流动性因子。
　　宏观状态识别
　　采用马尔可夫转移模型计算宏观因子状态及转移概率。根据马尔可夫转移模型，我们可以将因子划分为n个离散状态，并获得因子在不同状态的转移概率。对于增长因子，我们将增长因子的状态和增长因子变化的状态进行综合考量，构建综合增长因子。进一步结合通胀因子状态，构建经济周期状态因子，并由该因子值来判定是否超配股票。黄金和债券的处理方式类似。
　　基于状态识别的资产配置方案
　　采用宏观状态模型+多目标优化模型进行资产配置，综合考虑宏观状态、风险分配及业绩动量。同时可根据宏观状态进行成长价值及大小盘风格择时，组合业绩均优于原始模型。
　　构建全球资产配置组合。我们采用纳斯达克指数作为美股的代表纳入模型，组合整体业绩表现有所提升。假设同时考虑对A股风格择时+美股，则目标波动率为1%、5%、10%和15%的组合区间年化收益率分别为5%、12%、19%和25%。但该组合的风格轮动及资产选择都相对极致，实际在做投资管理时仍需考虑风险做更均衡的组合配置方案。
　　ETF组合构建
　　采用ETF来构建基于宏观状态识别的基金组合。相关ETF主要有沪深300ETF、中证1000ETF、中证红利ETF、创业板ETF、黄金ETF、恒生ETF、中证短融ETF和10年期国债ETF，组合构建方法相对前文回测更均衡。目标波动率为3%、5%、10%和15%的组合可对应保守型、稳健型、均衡型及积极型FOF，组合2012年至今的年化收益率为7%、11%、18%和21%
　　风险分析
　　本报告仅作为投资参考，亦不构成投资收益的保证或投资建议。部分材料整理自公开新闻报导，信息可能存在不准确的问题。文中数据统计来自于第三方数据库，不同数据库的更新时效不同，数据的完备性与提取时间具有一定关联，数据可能存在不准确的问题。宏观周期状态判断主要依据宏观数据和模型计算，数据滞后性及少量缺失值、极值可能增加模型的统计偏误，但这样可能会导致基于模型所得出的结论并不能完全准确地刻画实际情况，可能会与真实的情况出现偏差。同时，历史数据的区间选择也会对结果产生一定的影响。