摘要

本文围绕美国股债的基准选择、宏观定价及配置应用，构建了一套由宏观因子向预期收益率和动态配置权重转化的定量研究框架。本文从指数沿革、编制方法、指数结构、行业分布及可投资性等角度比较了美国权益的宽基指数。综合考虑市场代表性、产品丰富度以及可投资性，本文选取标普500指数作为美国权益定量建模与策略回测的参考基准。

针对传统宏观周期模型在周期划分、因子权重和预期刻画方面的局限，本文不再主观划分宏观周期或预设静态权重，而是直接选取景气、通胀及流动性等底层宏观因子，并根据各因子与美国股债收益率的动态相关性自适应调整权重，合成美股与美债宏观势能指标。实证结果显示，经过平滑处理后，美股宏观势能指标与当期及次期美股收益率的相关系数分别约为74%和65%，美债宏观势能指标与当期及次期美债收益率的相关系数分别约为94%和91%，表明美股、美债宏观势能指标分别与美股、美债收益率中枢之间具有较为稳定的映射关系。

本文分别从美国股债宏观势能指标的历史分布位置和边际变化出发，构建分布信号与边际信号。分布信号基于美股宏观势能指标与下一月收益率具有一致分位结构的假设，将指标的历史分位映射至收益率经验分布；边际信号则通过滚动回归估计宏观指标变化对下一月收益率变化的影响。两类信号按照历史样本外RMSE的平方倒数动态加权，形成最终预期收益率，并以过去12个月次期预期收益率与次期实际收益率的相关性作为观点置信度。

美国股债宏观势能指标能有效辅助跨资产配置。应用了基于美国股债宏观势能指标的主动观点的Black-Litterman策略的长期夏普比率与卡玛比率显著高于标普500指数，风险管理能力显著提升。而以经典的“60%权益/40%债券”恒定股债比例指数作为参考基准的Black-Litterman股债轮动策略，在增厚收益的同时，亦提升了夏普比率与卡玛比率。

对美股而言，美国经济韧性较强，受地缘政治冲击相对较少，企业盈利预期或仍支撑美股中枢震荡上行。前期AI产业叙事动摇与地缘政治不确定性扰动市场情绪与全球宏观流动性预期，并使得以半导体为代表的科技类风险资产被超卖。当前美股进一步下行空间相对有限，企业盈利仍有望支持美股中枢上行；对美债而言，美国经济韧性尚存，地缘政治不确定性冲击或使得投资者反复修正美联储货币政策与全球宏观流动性预期，美债利率或高位震荡，配置性价比低于风险资产。结合主观逻辑与定量模型结果，建议8月战术性超配美股，低配美债。

风险提示：分析维度存在局限性，模型设计存在主观性，模型存在过拟合风险，量化模型局限性。

正文

1

美国权益市场主流宽基指数

美国股票市场涵盖传统蓝筹企业、大型综合性公司、科技成长型企业及各类中小市值资产。由于不同宽基指数在样本范围、加权方式、行业风格和成分股维护机制等方面存在较大差异，其对应的可投资产品亦存在差异。道琼斯工业平均指数、标普500指数、纳斯达克综合指数和MSCI美国指数是美国权益市场具有代表性的宽基指数。下文将从历史沿革、编制方法和内部结构等维度对四者进行比较，并从中选取更具代表性的指数以进行定量建模。

1.1.道琼斯工业平均指数

1.1.1.历史沿革

道琼斯工业平均指数全称为Dow Jones Industrial Average，简称道琼斯指数，是美国历史最悠久、市场知名度最高的蓝筹股指数之一。该指数由《华尔街日报》创办人、道琼斯公司联合创始人查尔斯·道于1896年5月26日正式发布，起始指数点位为40.94点，最初包含12家具有代表性的美国工业企业。1916年，道琼斯指数成分股数量由12只增加至20只；1928年10月1日，成分股数量进一步扩充至30只，此后长期保持30只成分股的基本结构。

此后，道琼斯公司陆续推出了一系列定位更加细分的市场平均指数，逐步形成道琼斯平均指数体系。其中，现行道琼斯运输业平均指数于1896年10月26日推出，主要衡量美国大型运输企业的市场表现；道琼斯公用事业平均指数于1929年1月2日推出，主要反映美国公用事业企业的表现；道琼斯综合平均指数于1934年1月2日推出，由工业、运输和公用事业平均指数的成分股共同构成。作为该指数体系的核心，道琼斯指数集中反映美国规模较大、经营历史较长且市场声誉较高的蓝筹企业表现，长期以来一直是全球投资者观察美国大型股市场及衡量美国资本市场表现的重要基准。

1.1.2.编制方案

道琼斯指数目前由标普道琼斯指数有限公司负责编制、管理和维护，成分股调整则由道琼斯平均指数委员会负责。该委员会通常由3名标普道琼斯指数代表和2名《华尔街日报》代表组成。与多数现代宽基指数不同，道琼斯指数采用价格加权方法，成分股权重主要取决于其股票价格，即股票价格越高，其在指数中的权重通常越大。指数在计算过程中使用专门的指数除数，并在股票拆分、分拆及其他公司行为发生时调整除数，以避免非市场价格变动造成指数点位不连续。价格加权方式具有计算直观、历史连续性较强等特点，但也会使高价股对指数表现产生较大影响，成分股权重未必能够充分反映企业的实际经济规模。

道琼斯指数对成分股设置了以代表性和市场影响力为核心的准入标准。指数采用以定性判断为主的成分股筛选机制。其候选范围为标普500指数成分股，但排除运输行业和公用事业板块。候选公司原则上应在美国注册并设立总部，且美国应为其收入的最大单一来源地。在具体选股过程中，指数委员会主要考察公司的市场声誉、持续增长能力、投资者关注度及行业代表性。由于指数采用价格加权方式，股票的绝对价格及成分股之间的价格差异也会被纳入考量。指数固定包含30只成分股，不进行定期重构，而是根据公司行动及市场变化按需调整。

道琼斯指数对已纳入指数的成分股建立了持续考察机制。指数委员会会根据公司并购、分拆、退市、经营状况变化以及行业代表性下降等情况，在必要时调整成分股。由于指数仅包含30只股票，成分股调整通常较为审慎，以维持指数历史连续性并避免过高换手率。一般情况下，指数调整会在生效前若干交易日向市场公告；公司行为发生后，指数除数也会相应调整，以保证指数在成分股变化前后的可比性。

1.1.3.指数结构

从市值结构看，道琼斯指数集中度较高。截至2026年7月31日，道琼斯指数共有30只成分股。由于指数采用价格加权方法，其成分股权重主要由股票价格而非公司市值决定，因此高价股对指数表现的影响相对更大。指数前十大成分股合计权重约为55.34%。其中，高盛集团、卡特彼勒公司和微软公司的权重分别为11.53%、9.23%和5.26%，三者合计为26.02%。道琼斯指数虽然覆盖多个行业的美国大型蓝筹企业，但仅包含30只股票，加之价格加权机制，使少数高价成分股对指数走势具有较大的边际影响。

从行业分布看，道琼斯指数的行业分布相对均衡，其中金融、信息技术与工业等行业拥有较高权重。截至2026 年7月31日，指数共覆盖金融、信息技术、工业、医疗保健、可选消费品、通信服务、必需消费品、材料和能源等行业。其中，金融是指数中的第一大行业，权重为27.71%；信息技术和工业行业分别位居第二和第三，权重为16.96%和16.42%。医疗保健和可选消费品行业的权重分别为13.43%和10.37%，通信服务、必需消费品、材料和能源行业权重分别为5.12%、3.89%、3.86%和2.23%。前三大行业合计权重达到61.10%，金融、信息技术、工业、医疗保健与可选消费品合计权重为84.89%。

1.2.标普500指数

1.2.1.历史沿革

标普500指数全称为Standard & Poor's 500 Index，简称S&P 500，是美国最具代表性的大盘股指数之一。1923年，标准统计公司推出股票指数，早期指数每周发布一次，涵盖233只美国股票；1926年，标准统计公司进一步推出由90只股票组成、每日计算的综合指数。1957年3月4日，标准普尔公司正式发布由500家公司构成的标普500指数，并借助电子计算技术实现指数的实时或高频计算。指数历史数据可追溯至1928年1月3日，定基期为1941年至1943年，基数设为10。

此后，标准普尔陆续推出了一系列覆盖不同市值层级的指数。其中，于1991年推出的标普中盘400指数主要衡量美国中型上市公司的市场表现，于1994年推出的标普小盘600指数主要反映美国小型上市公司的表现，而于1995年推出的标普综合1500指数则由标普500、标普中盘400和标普小盘600指数共同构成。作为该指数体系的核心，标普500指数覆盖美国约80%的可投资股票市值，集中反映美国规模较大、流动性较好且盈利能力较强的上市公司表现，长期以来一直是全球机构投资者衡量美国权益市场收益和构建投资组合的重要参考基准。

1.2.2.编制方案

标普500指数目前由标普道琼斯指数有限公司负责编制、管理和维护。指数采用自由流通调整市值加权方法，但不对单一成分股设置统一的固定权重上限。指数首先根据上市公司的股票价格和发行股份数量计算公司总市值，再按照公众投资者可实际持有和交易的股份比例进行调整，以形成自由流通调整市值。该数值越高，成分股在指数中的权重通常越大。这种加权方式能够更加直接地反映企业的可投资规模及市场影响力，但同时也会提高少数超大市值公司的权重，使指数对头部企业股价波动更为敏感。

标普500指数对成分股设置了较为全面且严格的准入标准。企业通常须被认定为美国公司，并在纽约证券交易所、纳斯达克等合格美国证券交易所上市，符合条件的证券主要包括普通股和房地产投资信托等权益类证券，而存托凭证、交易型开放式指数基金、封闭式基金、优先股、可转换债券及有限合伙证券等通常不被纳入。截至2026年7月，拟新纳入公司的总市值原则上不得低于227亿美元，单一证券的自由流通调整市值不得低于公司总市值准入门槛的50%，自由流通比例一般不得低于10%。上述市值门槛会根据市场整体变化定期调整。

此外，候选公司还须满足盈利能力和交易流动性要求。公司最近一个季度按照通用会计准则计算的净利润须为正，最近连续四个季度净利润之和亦须为正；新增成分股过去12个月成交金额与自由流通调整市值之比通常不得低于0.75，且在调整日前连续6个月的每月成交量原则上不得低于25万股。首次公开发行的公司通常还须具备至少12个月的上市交易历史。在满足上述条件的基础上，指数委员会再综合考虑行业分布、市场代表性和指数换手成本确定成分股，表明标普500指数不仅重视企业规模，也对盈利能力、交易活跃度及实际可投资性提出了较高要求。

标普500指数由指数委员会进行持续维护。委员会通常每月召开会议，对成分股资格、公司行为及市场结构变化进行审议。指数成分股数量原则上保持在500家公司，并在公司并购、退市、破产或不再符合代表性要求时进行必要调整。已纳入指数的公司即使暂时低于部分新增准入门槛，也不会被机械调出，指数委员会会综合评估相关变化是否具有持续性，以减少不必要的指数换手。同时，指数通常按季度更新成分股股份数量和自由流通比例，并在重大公司事件发生时进行临时调整，以确保指数能够持续反映美国大盘可投资股票市场的结构特征。

1.2.3.指数结构

从市值结构看，标普500指数对美国权益市场覆盖范围较广，但大型公司仍具有较高影响力。截至2026年7月31日，标普500指数成分股总市值约为74.87万亿美元，前十大成分股合计权重为41.37%。其中，英伟达和苹果的权重分别为6.68%和6.21%，Alphabet公司C类和A类股份的权重分别为6.00%和5.99%，微软和亚马逊的权重分别为4.75%和4.03%。尽管标普500指数覆盖约500家美国大型上市公司，但自由流通调整市值加权方式使超大市值公司自然获得较高权重，因此少数头部科技和互联网龙头仍然是影响指数表现的重要成分股。

从行业分布看，标普 500 指数覆盖全部主要行业，其中信息技术和通信服务行业占比较高。截至 2026 年 7 月 31 日，信息技术是标普 500 指数中的第一大行业，权重为 34.48%；通信服务行业位居第二，权重为 15.56%；金融行业位居第三，权重为 11.64%。可选消费品、医疗保健和工业行业权重分别为 9.19%、8.30%和 7.58%，必需消费品、能源、公用事业、材料和房地产行业权重分别为 4.71%、2.85%、2.21%、1.82%和 1.65%。信息技术、通信服务和金融三大行业合计权重达到 61.68%。

整体来看，标普500指数能够较好地反映美国权益资产的整体情况，并在科技领域有所侧重。一方面，指数覆盖 11个主要行业，金融、消费、医疗保健和工业等传统行业均具有一定权重，行业分布明显较纯科技主题指数更为均衡；另一方面，信息技术与通信服务两大行业合计权重已超过一半，且头部成分股主要集中于大型科技和互联网企业。

1.3.纳斯达克指数

1.3.1.历史沿革

纳斯达克综合指数全称为Nasdaq Composite Index，是覆盖纳斯达克证券交易所上市股票范围最广的综合性指数。该指数由纳斯达克于1971年2月5日正式发布，起始基准值为100，最初用于综合衡量在纳斯达克市场上市的普通股类证券表现。纳斯达克综合指数的成分股数量并不固定，会随纳斯达克市场新股上市、转板及退市情况动态变化。

此后，纳斯达克陆续推出了一系列定位更加细分的指数，进一步丰富了纳斯达克指数体系。其中，纳斯达克100指数主要从纳斯达克上市公司中进一步筛选规模较大的非金融企业，集中覆盖大型科技、互联网、通信及消费成长型企业。与纳斯达克综合指数相比，纳斯达克100指数更加突出大市值龙头和科技成长特征，是市场观察美国大型科技成长股表现的重要代表性指数；而纳斯达克综合指数则覆盖更加广泛的纳斯达克上市证券，更侧重反映纳斯达克市场的整体表现。

1.3.2.编制方式

纳斯达克综合指数目前由纳斯达克公司负责编制、管理和维护。指数采用总市值加权方法，各成分股的指数权重主要由股票最新价格与全部指数股份数量的乘积决定，公司总市值越高，其在指数中的权重通常越大。该方法能够较为完整地反映纳斯达克上市公司的整体市场规模，但由于既不进行自由流通调整，也不设置统一的集中度限制，少数超大市值公司可能对指数走势产生较大影响，指数表现对头部科技企业股价变化具有较高敏感性。

纳斯达克综合指数的成分股准入标准主要涉及上市地点和证券类型等方面。证券必须在纳斯达克证券交易所独家上市，符合条件的证券类型包括普通股、普通股等价证券、美国存托凭证、有限合伙权益、普通权益股份及受益权益单位等；封闭式基金、可转换债券、交易型开放式指数基金、优先股、权利、认股权证、复合证券及其他衍生证券通常不具备纳入资格。同一公司存在多个符合条件的上市股份类别时，各股份类别均可分别被纳入指数。

纳斯达克综合指数实行较为高频的动态维护机制。新上市且符合条件的证券可在形成有效交易价格后被纳入，不再符合上市地点或证券类型要求的证券则会及时调出；退市、并购、证券转换等公司事件也可能触发成分股变动。指数所使用的股份数量会根据增发、回购、拆股及其他公司行为进行日常更新。通过上述机制，纳斯达克综合指数能够及时反映纳斯达克市场上市证券范围及整体市值结构的变化。

在此基础上，纳斯达克100指数进一步侧重大市值非金融企业。其核心特征是从符合条件的纳斯达克上市公司中进一步筛选规模居前的100家公司，并排除金融类企业，从而形成更加集中的大型成长股组合。相较纳斯达克综合指数，纳斯达克100指数的样本数量显著减少，大型科技、互联网平台、半导体和消费科技企业的代表性进一步提高，两者在市场覆盖范围和投资风格上形成明显差异。

1.3.3.指数结构

从市值结构看，纳斯达克综合指数覆盖证券范围较广，但指数权重高度集中于少数超大市值公司。截至2026年7月31日，纳斯达克综合指数成分股总市值约为55.73万亿美元，前十大成分股合计权重达到56.90%。其中，英伟达和苹果的权重分别为9.10%和8.45%，Alphabet公司C类和A类股份权重分别为8.17%和8.16%，微软和亚马逊权重分别为6.46%和5.48%。由于纳斯达克综合指数采用总市值加权方式，且覆盖范围内存在一批全球超大市值科技企业，少数头部公司对指数整体走势具有较强影响。

从行业分布看，纳斯达克综合指数具有十分鲜明的科技成长风格。截至2026年7月31日，信息技术行业权重达到48.61%，接近指数的一半；通信服务和可选消费品行业权重分别达到20.58%和10.49%，三大行业合计权重达到79.68%。工业、医疗保健、必需消费品和金融行业权重分别为6.15%、5.33%、3.61%和2.97%，公用事业、材料、房地产和能源行业的权重均不足1%。

相较纳斯达克综合指数，纳斯达克100指数的大市值和科技成长特征更加突出。截至2026年7月31日，纳斯达克100指数成分股总市值约为46.34万亿美元，前十大成分股合计权重达到68.79%，较纳斯达克综合指数的56.90%高出约11.9个百分点。其中，英伟达和苹果权重分别达到11.00%和10.22%，Alphabet公司C类和A类股份权重分别为9.88%和9.86%，微软和亚马逊权重分别为7.81%和6.63%。

从行业分布看，纳斯达克100指数的科技成长属性也较纳斯达克综合指数进一步强化。截至2026年7月31日，信息技术行业权重达到52.45%，通信服务和可选消费品行业权重分别为23.65%和11.25%，三大行业合计权重达到87.35%，明显高于纳斯达克综合指数的79.68%。工业和必需消费品行业权重分别为5.51%和3.86%，医疗保健行业权重为1.87%，其余行业占比较低。

1.4.MSCI美国指数

1.4.1.历史沿革

MSCI美国指数全称为MSCI USA Index，由明晟公司编制，用于衡量美国大盘股和中盘股市场的整体表现。该指数属于MSCI全球标准指数体系，采用统一的跨市场编制规则，具有较强的国际可比性。该指数由明晟公司于1986年3月31日正式发布，基日为1969年12月31日，基数为100。截至2026年7月31日，MSCI美国指数共包含527只成分股。

1.4.2.编制方式

MSCI美国指数由明晟公司负责编制、管理和维护，具体遵循《MSCI全球可投资市场指数编制方法》。指数采用自由流通调整市值加权方法，但不对单一成分股设置统一的固定权重上限。指数在公司总市值的基础上，按照国际投资者可实际持有的股份比例进行调整，由此形成自由流通调整市值。该数值越高，成分股在指数中的权重通常越大。由于MSCI标准指数一般不设置统一的个股权重上限，因此头部公司的权重变化能够更加直接地体现其自由流通调整市值及实际市场影响力，但同时也会提升指数的个股集中度。

MSCI美国指数对成分股设置了统一且系统的可投资性筛选标准。指数首先确定归属于美国市场的股票样本空间，随后依次考察公司总市值、单一证券自由流通调整市值、交易流动性、自由流通比例、外国投资限制、新上市证券交易历史长度以及剩余外资投资空间等条件。通过基本可投资性筛选的公司，再按照MSCI在全球市场统一采用的规模划分框架，并结合美国市场的累计市值覆盖情况，划分为大盘股、中盘股和小盘股。MSCI美国指数由大盘股和中盘股构成，目标覆盖美国股票市场约85%的自由流通调整市值。整个筛选过程综合考虑企业规模、交易活跃度、自由流通程度以及国际投资者的实际可进入性，以保证指数的市场代表性和可投资性。

MSCI通过定期指数审议和公司事件调整，对美国指数进行持续维护。自2023年起，MSCI通常于每年的2月、5月、8月和11月开展季度指数审议，重新评估市场可投资范围、规模分层、股份数量和自由流通比例等关键参数，并据此调整指数成分股及其权重。在两次定期审议之间，并购、退市、增发、分拆等重大公司事件也可能触发临时调整。指数成分股数量并非固定不变，而是随市场结构动态调整：新上市或市值上升且符合可投资性要求的公司可能被纳入，规模、流动性或可投资性下降的公司则可能被调出。通过上述机制，MSCI美国指数能够持续反映美国大中盘可投资股票市场的结构特征及其变化。

1.4.3.指数结构

从市值结构看，MSCI美国指数覆盖美国大中盘股票市场，成分股市值分布具有较为明显的右偏特征。截至2026年7月31日，MSCI美国指数共有527只成分股，指数总市值规模约为64.49万亿美元，平均成分股市值约为1223.7亿美元，中位数市值约为407.6亿美元。平均值明显高于中位数，表明少数超大市值企业显著拉高了指数的平均市值水平。指数前十大成分股合计权重为36.66%，其中英伟达、苹果和微软权重分别为7.19%、7.03%和5.08%，头部大型科技企业对指数表现具有较大影响，但前十大成分股集中度总体低于标普500指数和纳斯达克相关指数。

从行业分布看，MSCI美国指数覆盖全部主要行业，其中信息技术行业占据主导地位。截至2026年7月31日，信息技术行业权重为36.28%，是指数中的第一大行业；金融行业位居第二，权重为12.32%；通信服务行业位居第三，权重为9.81%。可选消费品、医疗保健和工业行业权重分别为9.51%、9.25%和8.98%，必需消费品、能源、公用事业、材料和房地产行业权重分别为4.59%、3.45%、2.11%、1.88%和1.82%。信息技术、金融和通信服务三大行业合计权重达到58.41%。

整体来看，MSCI美国指数在保持大型科技公司较高权重的同时，行业分布相对更均衡，个股权重也更分散。指数同时覆盖美国大盘股和中盘股，目标覆盖约85%的美国自由流通调整市值，因此样本范围较标普500指数更为宽泛，前十大成分股合计权重也相对较低。相较于纳斯达克综合指数和纳斯达克100指数，MSCI美国指数的科技成长风格相对弱化，行业分布更为均衡；同时，MSCI全球统一的编制体系也使其更适合用于美国权益与其他国家和地区权益资产之间的横向比较。 

1.5.选择标普500指数作为定量建模参考基准

综合来看，标普500指数与MSCI美国指数均能够反映美国权益市场的整体表现。相比而言，标普500指数的蓝筹股特征更为突出，市场认知度较高，相关ETF、期货和期权等投资产品也较为丰富，因此更适合衡量美国大型龙头企业的表现，或作为美股相关金融产品的跟踪基准。因此，本文选择标普500指数作为定量建模参考基准。

2

宏观势能指标：宏观周期模型的进阶版本

2.1.现有模型存在的问题与改进思路

在此前的研究中，我们通过累加宏观周期而拟合大类资产收益率，在实践过程中存在若干问题：

（1）宏观周期的划分具有一定主观性，不同指标与方法往往给出差异化的周期判定结果，其指示意义在实际操作层面相对模糊。

（2）在不同的宏观环境与叙事体系下，市场对各类宏观因素的定价权重存在显著差异，事先预设的权重（尤其是静态权重）难以及时反映市场的动态定价过程。

（3）宏观数据本身并非大类资产定价的直接驱动因素，真正起作用的是宏观预期的边际修正，而现有第三方预测数据在获取与更新上均存在滞后，亦难以有效反映市场的真实预期变化。

针对上述问题，我们对原有基于宏观周期的定量模型进行了系统性改进。新的模型：

（1）不再对宏观周期进行主观划分，而是直接使用底层宏观因子进行建模。宏观周期本质上来源于关键宏观因子的规律性变化，对其再次进行抽象化反而增加信息损耗，直接使用因子更为简洁有效。

（2）不预设静态权重，而是基于因子与大类资产的动态相关性，对因子权重进行自适应调整，以更及时、准确地反映市场的定价结构。

（3）重点关注宏观数据的边际变化与趋势，而非过度依赖所谓的预期数据。从预期视角来看，市场预期并非独立存在，而是内生于关键数据之中。既然资产定价本质上反映的是预期的边际修正过程，那么对核心宏观数据边际变化的持续跟踪，同样能够有效反映预期的动态修正。

2.2.使用宏观因子合成美股宏观势能指标

我们基于定性分析框架主动筛选宏观因子。针对美股，我们构建并使用景气因子、内生性通胀因子、全球通胀因子与宏观流动性因子来合成美股宏观势能指标，以拟合美股表现。 

景气因子：我们使用美国ZEW经济景气指数构建景气因子。我们将ZEW经济景气指数进行差分处理后，对其进行标准化计算，再对其进行HP滤波[ 为避免使用未来数据，全文HP滤波均为单边滤波。]平滑处理，以得到景气因子。将景气因子与美股涨跌幅进行单因子测试，长期来看，景气因子与美股涨跌幅具备较强正相关性，较少存在负相关性的阶段性异常情况。

内生性通胀因子：我们使用美国ZEW通胀指数构建内生性通胀因子。我们将ZEW通胀指数进行差分处理后，对其进行标准化计算，再对其进行HP滤波平滑处理，以得到内生性通胀因子。将内生性通胀因子与美股涨跌幅进行单因子测试，长期来看，内生性通胀因子与美股涨跌幅具备一定负相关性，但短期存在正相关性的阶段性异常情况。

全球通胀因子：我们使用原油期货结算价格构建全球通胀因子。我们将布伦特原油期货结算价格数据进行差分处理后，对其进行标准化计算，再对其进行HP滤波平滑处理，以得到全球通胀因子。将全球通胀因子与美股涨跌幅进行单因子测试，长期来看，全球通胀因子与美股涨跌幅具备一定负相关性，存在正相关性的阶段性异常情况。

宏观流动性因子：我们使用美债实际利率构建宏观流动性因子。我们将十年期TIPS利率数据进行差分处理后，对其进行标准化计算，再对其进行HP滤波平滑处理，以得到宏观流动性因子。将宏观流动性因子与美股涨跌幅进行单因子测试，长期来看，宏观流动性因子与美股涨跌幅具备较强负相关性，极少出现正相关性的阶段性异常情况。

我们使用上述多维度因子合成针对美股的宏观势能指标。由于市场在不同的宏观环境与叙事体系下，对各类宏观因素的定价权重存在显著差异，因此我们不预设固定权重，而是基于因子与美股涨跌幅的动态相关性自适应调整因子权重。

通过HP滤波平滑处理的美股宏观势能指标与当期美股涨跌幅的相关系数约为74%，次期为65%。

2.3.使用宏观因子合成美债宏观势能指标

我们基于定性分析框架主动筛选宏观因子。针对美债，我们构建并使用景气因子、内生性通胀因子、全球通胀因子与宏观流动性因子来合成美债宏观势能指标，以拟合美债表现。

景气因子：我们使用美国ZEW经济景气指数构建景气因子。我们将ZEW经济景气指数进行差分处理后，对其进行标准化计算，再对其进行HP滤波平滑处理，以得到景气因子。将景气因子与美债涨跌幅进行单因子测试，长期来看，景气因子与美债涨跌幅具备较强负相关性，但短期存在正相关性的阶段性异常情况。

内生性通胀因子：我们使用美国ZEW通胀指数构建内生性通胀因子。我们将ZEW通胀指数进行差分处理后，对其进行标准化计算，再对其进行HP滤波平滑处理，以得到内生性通胀因子。将内生性通胀因子与美债涨跌幅进行单因子测试，长期来看，内生性通胀因子与美债涨跌幅具备较强负相关性，但短期存在正相关性的阶段性异常情况。

全球通胀因子：我们使用原油期货结算价格构建全球通胀因子。我们将布伦特原油期货结算价格数据进行差分处理后，对其进行标准化计算，再对其进行HP滤波平滑处理，以得到全球通胀因子。将全球通胀因子与美债涨跌幅进行单因子测试，长期来看，全球通胀因子与美债涨跌幅具备较强负相关性，极少出现正相关性的阶段性异常情况。

宏观流动性因子：我们使用美债实际利率构建宏观流动性因子。我们将十年期TIPS利率数据进行差分处理后，对其进行标准化计算，再对其进行HP滤波平滑处理，以得到宏观流动性因子。将宏观流动性因子与美债涨跌幅进行单因子测试，长期来看，宏观流动性因子与美债涨跌幅具备较强负相关性，极少出现正相关性的阶段性异常情况。

我们使用上述多维度宏观因子合成美债宏观势能指标。由于市场在不同的宏观环境与叙事体系下，对各类宏观因素的定价权重存在显著差异，因此我们不预设固定权重，而是基于因子与美债涨跌幅的动态相关性自适应调整因子权重。

通过HP滤波平滑处理的美债宏观势能指标与当期美债涨跌幅的相关系数约为94%，次期为91%。

3

将美国股债宏观势能指标应用于大类资产配置

3.1.通过宏观势能指标生成主动观点

在资产配置模型中，一个典型的市场观点可以表述为：“某资产未来N个月的预期收益率为E，观点置信度为X。”据此，本文旨在生成如下形式的主动观点：“某资产未来一个月的预期收益率为 E，观点置信度为X。”其中，预期收益率反映模型对下一月实际收益率水平的判断，观点置信度则衡量该预测在历史样本中的稳定性和可靠性，而非收益率实现的客观概率。

基于多维宏观因子构建的宏观势能指标，旨在刻画宏观环境与资产未来收益之间的映射关系，并据此形成资产的预期收益率和观点置信度。本文以标普500指数与iBoxx美元债总回报指数的实际月度收益率为预测对象，分别从宏观状态所处的历史分布位置和宏观环境的边际变化两个维度构建预测信号。

分布信号的核心假设是，当期宏观势能指标与领先一个月的资产收益率具有一致的分位结构。具体而言，模型首先分别构建美股宏观势能指标和领先一个月权益收益率的滚动经验分布，并将二者转换至统一的分位数尺度。在此基础上，进一步假设二者存在稳定的同分位对应关系：当美股宏观势能指标处于历史分布的第p分位时，次期资产收益率也倾向于处于其自身历史分布的第p分位附近。因此，模型先计算当期美股宏观势能指标的历史分位数，再将该分位数映射至资产收益率的经验分布，从而得到分布信号对应的预期收益率。该方法关注二者在各自历史分布中的相对位置，能够避免均值、波动率及量纲差异对信号映射的影响。

分布信号生成的预期收益率可以通过如下公式表示：

其中：

边际信号则用于刻画宏观环境变化对下一月收益率变化的影响，其核心假设是，宏观势能指标的边际变化与下一月资产收益率相对于当月的变化之间存在相对稳定的线性关系。具体而言，模型首先计算当期宏观势能指标相较上月的变化，并计算下一月收益率相较当月收益率的变化。在此基础上，使用过去一段时间的数据进行滚动回归，估计宏观指标每变化一个单位，下一月收益率相对当月平均变化多少个百分点。该方法以当月实际收益率为预测基准，因此不要求宏观指标与收益率在绝对水平、均值或波动率上完全一致，能够更直接地刻画宏观环境变化对下一月收益率变化的影响。

边际信号生成的预期收益率可以通过如下公式表示：

其中：

最后，模型将分布信号与边际信号所生成的预期收益率加权合成为次期预期收益率。两类信号的权重根据过去一段时间的样本外预测误差动态确定，权重与历史RMSE的平方倒数成正比，即预测误差更小、稳定性更高的信号获得更高权重。观点置信度则为过去12个月次期预期收益率与次期实际收益率的相关性。对资产配置需要的主动观点而言，预期收益率解释了“下一月预计获得多少收益”，而观点置信度则解释了“预测的可信度”。

最终的预期收益率可以通过如下公式表示：

其中：

由分布信号与边际信号加权合成的预期收益率，对美股次期实际收益率表现出较好的拟合能力和方向识别能力。从相关性来看，美股次期预期收益率与经HP滤波平滑处理的次期实际收益率中枢高度同步，相关系数达到0.78。从收益方向来看，在回测样本期内，模型对次期实际收益率正负方向的预测准确率约为62%，表明该模型对美股次期能否实现正收益具有较好的识别能力。

由分布信号与边际信号加权合成的预期收益率，对美债次期实际收益率同样表现出较好的拟合能力和方向识别能力。从相关性来看，美债次期预期收益率与经HP滤波平滑处理的美债次期实际收益率中枢高度同步，相关系数达到0.92。从收益方向来看，在回测样本期内，模型对次期实际收益率正负方向的预测准确率约为60%，表明该模型对美债次期能否实现正收益具有较好的识别能力。

3.2.使用宏观势能指标生成美国股债预期收益率以进行跨资产配置

对全球投资者而言，最具代表性的股债配置策略之一是“60%权益/40%债券”的股债恒定比例策略。除此之外，风险平价与均值方差最优化（Mean-Variance Optimization, MVO）也是常用的策略。

Black-Litterman模型旨在缓解均值方差最优化模型在实际应用中的不稳定问题。该模型认为，经典均值方差最优化框架中最脆弱的环节并非协方差矩阵，而是预期收益向量的设定。当投资者将主观预测直接作为输入时，模型往往会产生高度集中且对参数扰动极为敏感的组合权重。Black-Litterman模型在保留均值方差最优化框架的基础上，引入先验均衡收益与主观观点的融合机制，从而提升组合结果的稳定性与可解释性。

本文构建了一个基于Black-Litterman模型的股债轮动策略。如上文所述，我们通过宏观势能指标生成资产预期收益率与观点置信度以作为主动观点，并应用于模型。为检验策略的跨资产配置效果，我们选择标普500指数与iBoxx美元债总回报指数作为Black-Litterman股债轮动策略的可投资资产。

为了模拟投资中的实际情况，我们以60/40股债恒定比例策略为基准组合，设置Black-Litterman策略偏离幅度限额为10个百分点（即美股的配置权重为50%~70%，对应美债的配置权重为30%~50%），来检验其跨资产配置的效果。

4

研究结论

本文围绕美国股债的基准选择、宏观定价及配置应用，构建了一套由宏观因子向预期收益率和动态配置权重转化的定量研究框架。本文从指数沿革、编制方法、指数结构、行业分布及可投资性等角度比较了美国权益的宽基指数。综合考虑市场代表性、产品丰富度以及可投资性，本文选取标普500指数作为美国权益定量建模与策略回测的参考基准。

针对传统宏观周期模型在周期划分、因子权重和预期刻画方面的局限，本文不再主观划分宏观周期或预设静态权重，而是直接选取景气、通胀及流动性等底层宏观因子，并根据各因子与美国股债收益率的动态相关性自适应调整权重，合成美股与美债宏观势能指标。实证结果显示，经过平滑处理后，美股宏观势能指标与当期及次期美股收益率的相关系数分别约为74%和65%，美债宏观势能指标与当期及次期美债收益率的相关系数分别约为94%和91%，表明美股、美债宏观势能指标分别与美股、美债收益率中枢之间具有较为稳定的映射关系。

本文分别从美国股债宏观势能指标的历史分布位置和边际变化出发，构建分布信号与边际信号。分布信号基于美股宏观势能指标与下一月收益率具有一致分位结构的假设，将指标的历史分位映射至收益率经验分布；边际信号则通过滚动回归估计宏观指标变化对下一月收益率变化的影响。两类信号按照历史样本外RMSE的平方倒数动态加权，形成最终预期收益率，并以过去12个月次期预期收益率与次期实际收益率的相关性作为观点置信度。

基于多维度宏观因子构建的美国股债宏观势能指标能够较好地连接宏观环境、资产特征与主动观点，可作为单资产宏观择时的辅助工具。回测结果显示，美股次期预期收益率与HP滤波平滑处理后的实际收益率中枢相关系数达到0.78，对次期实际收益率正负方向的判断准确率约为62%。美债次期预期收益率与HP滤波平滑处理后的实际收益率中枢相关系数达到0.92，对次期收益率正负方向的判断准确率约为60%。

美国股债宏观势能指标能有效辅助跨资产配置。应用了基于美国股债宏观势能指标的主动观点的Black-Litterman策略的长期夏普比率与卡玛比率显著高于标普500指数，风险管理能力显著提升。而以经典的“60%权益/40%债券”恒定股债比例指数作为参考基准的Black-Litterman股债轮动策略，在增厚收益的同时，亦提升了夏普比率与卡玛比率。

对美股而言，美国经济韧性较强，受地缘政治冲击相对较少，企业盈利预期或仍支撑美股中枢震荡上行。前期AI产业叙事动摇与地缘政治不确定性扰动市场情绪与全球宏观流动性预期，并使得以半导体为代表的科技类风险资产被超卖。当前美股进一步下行空间相对有限，企业盈利仍有望支持美股中枢上行；对美债而言，美国经济韧性尚存，地缘政治不确定性冲击或使得投资者反复修正美联储货币政策与全球宏观流动性预期，美债利率或高位震荡，配置性价比低于风险资产。结合主观逻辑与定量模型结果，建议8月战术性超配美股，低配美债。

5

风险提示

分析维度存在局限性，模型设计存在主观性，模型存在过拟合风险，量化模型局限性。

5.1.分析维度存在局限性

研究框架基于分析师观点，分析维度或无法完全反映市场定价因素。

5.2.模型设计存在主观性

宏观因子模型的因子选择源自分析师经验与主观判断，或存在一定偏差。

5.3.模型存在过拟合风险

模型根据历史回测结果进行调整，可能存在一定的过拟合风险。

5.4.量化模型局限性

本结论仅从量化模型推导得出，与研究所其他研究团队的观点不重合。有关研究所其他研究团队对上述行业的观点，请参考相关已发布的研究报告。

注：本文来自国泰海通证券发布的《风起潮生：美国股债的宏观择时与跨资产配置 | 美国股债宏观因子定量建模研究》，报告分析师：方奕、王子翌