2018年之后各资产之间相关性的下降为多资产组合提供了配置红利：多资产组合18年和18年后的回撤出现了较大的差异，往往18年之前的回撤幅度较深且持续时间更长，而18年后的回撤整体降低且持续时间缩短。主要原因在于：各资产之间的相关在18年之后出现了明显的下降。其中最为明显影响最大的变化来自A股和债券之间，从之间的弱正相关变成了负相关。A股和债券开始拥有更明显的“跷跷板”，为股债配置提供了更好的基础。
　　大类资产之间相关性的提升，往往伴随着组合的回撤，但组合的回撤并不一定出现相关性的提升。这样的规律意味着，如果只关注资产之间的相关性，无法完全解决组合的回撤问题。大部分超过0.5%和1%的回撤都是由多资产一起下跌导致。传统的回撤识别方案均有一定的局限：命中率和遗漏率大部分指标都处于一个不太理想的状态，且两个指标难以兼顾。我们在本文基于已发生回撤的手段进行回撤控制。
　　本文采用虚拟的宏观因子构建框架：在传统的全天候框架里，主要关注增长和通胀的不同环境，力争在增长环境或通胀环境的不同变化下，组合能做到中性，实际上全天候是从资产本身的平价转移到了场景的平价。由于宏观数据的低频、不稳定性等特征，加上市场往往是交易预期，我们本文不采用实际的宏观数据构建因子，而是采用抽象的虚拟因子的模式。根据因子的宏观逻辑方向构建了6个因子，在遍历了所有六因子的三因子组合，最终选取中国增长、美国增长、通胀作为主要的三因子。
　　三因子中性的组合尽可能剥离了单一风险因素的影响。对该三因子实现中性，则降低了组合对单一风险的暴露，完成了两步走的第一步。三因子中性的因子全天候组合年化收益5.58%，波动率2%，最大回撤1.77%。
　　我们准备采用A+B方案，即A方案先通过动量等手段提升一次收益，最终再使用B方案控制回撤。方案B以监控当前回撤进行应对：由于不同指标对回撤的识别能力较差，我们在本文直接放弃波动率或者相关性对回撤事件的预测，转而以“应对”作为主要的方向，即面对已经发生的回撤，采取措施以避免回撤进一步加深。在应对上，B方案采用分档监控、执行不同动作的形式，即当前组合的回撤到不同幅度时，采用不同程度的防御手段。
　　 A+B方案可以大幅减少回撤超过1%的次数。A方案将年化收益提升后，在B方案的大幅保守特征下，A+B的年化收益反而比原始三因子中性更低，最大的好处是波动率进一步的下降，以及回撤超过1%的次数大幅下降。回撤幅度超过1%的次数从11次减少到3次，但最大回撤出现了上升。
　　风险提示与声明：本报告对于量化策略、指数的研究分析均基于历史公开信息，可能受指数样本股的变化而产生一定的分析偏差；阅读本报告时，投资者需结合自身风险偏好及风险承受能力，充分理解因子表现及量化策略的波动、风格、历史表现、风险等因素。模型根据历史数据构建，历史表现不代表未来，市场环境发生重大变化时可能失效。