核心观点：
　　风险平价模型和风险预算模型是两类常用的大类资产配置模型，其核心目标都是通过控制不同资产对组合的风险贡献，实现风险与收益的动态平衡。本篇报告中，我们尝试在原有模型基础上引入宏观因子，对原有模型表现进行优化。
　　首先，我们使用沪深300ETF、十年国债ETF和黄金ETF来代表股票、债券、商品三类资产，构建了3种大类资产配置模型。其中第一种为固定比例，后两种为风险平价和风险预算模型，模型比例根据滚动24个月数据月度调整。固定比例的大类资产配置模型2019年8月至今年化收益为5.7%，夏普比率1.24。风险平价模型年化收益与固定比例模型类似，为5.6%，波动率显著降低，夏普比率提高至1.71。风险预算模型的夏普比率与固定比例模型类似，为1.24，年化收益提高至6.9%。综合可知，风险平价模型和风险预算模型可以较好的提高原有固定比例大类资产配置模型表现，满足不同风险偏好的投资者的需求。
　　接下来，我们选取了增长、通胀、利率、信用、汇率和流动性六大类因子，来优化大类资产配置模型。综合经济学意义和平稳性检验结果，我们最终选择制造业PMI的同比差分代表增长因子；选择0.7？CPI同比+0.3？PPI同比代表通胀因子；选择10年国债到期收益率的同比代表利率因子，选择5年AAA企业债到期收益率和5年国债到期收益率相减的同比差分代表信用因子；选择美元兑人民币中间价的环比代表汇率因子；选择M2同比增速和社会融资规模存量同比增速的平均值代表流动性因子。我们对表中的宏观因子进行了数据清洗，清洗步骤包括数据对齐、缺失值处理、去季节化处理、去极值处理和中性化处理。
　　然后，我们将三种资产与六个宏观因子分别进行24个月的滚动时序回归，计算回归模型的统计均值。可以看出，对于股票资产来说，增长、通胀和利率因子的显著性更高。对于债券资产来说，通胀、利率和信用因子的显著性更高。对于最近5年的黄金资产来说，各类宏观因子显著性均不高，相对而言显著较强的因子为增长、通胀、汇率和流动性因子。
　　结合宏观因子回归结果，我们构建了宏观因子改进下的风险预算大类资产配置模型。每月使用宏观因子构建回归模型预测资产价格下月涨跌，对于下月预计上涨的资产，分配在风险预算模型基础上多20%的权重；对于下月预计下跌的资产，分配在风险预算模型基础上少20%的权重。对于权重进行归一化后得到最终的配置比例。改进版的风险预算模型年化收益达到了7.8%，相比于原始风险预算模型提高了0.9%。
　　最后，通过观察回归模型的时序统计结果，我们注意到宏观因子与资产价格之间存在显著的周期性关系。传统的回归模型难以准确捕捉这种动态关联。未来，我们将继续致力于大类资产配置模型的优化工作，融入周期理论，以进一步提升模型的风险收益比。
　　风险提示：市场风格转换风险，第三方数据提供不准确风险，历史结果不代表未来收益，本报告不构成投资建议。