AI赋能资产配置(三)：DeepSeek与风险“再平价”

请务必阅读正文之后的免责声明及其项下所有内容证券研究报告 | 2025年3月3日AI赋能资产配置（三）DeepSeek与风险“再平价”证券分析师：董德志 021-60933158dongdz@guosen.com.cnS0980513100001总量策略 · 资产配置联系人：郭兰滨010-88005497guolanbin@guosen.com.cn证券分析师：王开021-60933132wangkai8@guosen.com.cnS0980521030001请务必阅读正文之后的免责声明及其项下所有内容摘要Ø DeepSeek 与风险“再平价”——三类路径探索风险贡献度调整：DeepSeek结合宏微观经济数据、资本市场指标、分析师观点等，优化各资产的风险贡献度，基于周期特征进行微调，增强组合的收益潜力回溯周期的调整：DeepSeek通过动态调整回溯期，根据不同市场周期优化风险平价策略的时间窗口，采用AI智能学习历史数据ETF组合配置：DeepSeek结合传统指标（如跟踪误差、溢价率、汇率波动性等）与前瞻性市场判断（如市值规模、持有结构等），优化ETF选取。实现从指数框架到ETF配置的综合优化，增强投资组合的管理效率和风险控制Ø 风险平价模型优化Ø 以国内股债商组合为例：年化收益从3.85%提升至4.2%，夏普比率提升至1.137（风险贡献调整），年化收益率从3.85%提升至4.46%，夏普比率增至1.137(回溯周期调整)Ø 以海外组合为例：年化收益率由8.11%提升至14.15%，夏普比率从 0.590提高到1.018Ø 以全球市场组合为例：组合年化收益6.8%→8.3%，组合配置夏普比率1.048→1.281Ø ETF组合配置优化ETF组合配置：AI选出的ETF组合年化收益率为7.18%，相较于非AI选基的6.75%，表现更优AI赋能风险平价：策略表现在年化收益率和夏普比率上皆有优化，在国内、海外和全球配置中均已得到有效体现Ø 风险提示：模型过拟合风险，DeepSeek的训练依赖于投喂的框架语料与底稿数据，多维框架下存在过拟合风险；数据口径调整风险，宏观指标统计口径的调整可能带来AI配置结论的改变；AI推理的不稳健性，AI模型的输出结论具备一定随机性，多次生成可能产生不同的结果请务必阅读正文之后的免责声明及其项下所有内容图1：DeepSeek 实现全球资产配置风险平价逻辑示意图资料来源：Wind、国信证券经济研究所整理全球风险平价的三维结构Ø三维一体，构建覆盖全球市场的风险平价策略：Ø全球+国内资产风险平价：关注海外股与国内股债、黄金的相对配置。Ø国内资产风险平价：细分A股风格、A债，重塑国内股债配置。Ø海外资产风险平价：实现全球股票市场的风险均衡，因为海外债难以通过ETF配置，场外申购受限，所以暂不考虑海外债券配置。第一层：海外资产 + 国内资产Ø海外资产：[全球股] Ø国内资产：[A股][国债][黄金]Ø风险平价模型实现：通过计算海外资产（全球股）、国内资产（A股、A债）及黄金的波动率与协方差，通过风险平价优化资产权重，使各类资产的风险贡献均衡，实现跨市场、多资产类别的风险平价配置Ø风险平价模型原理：目标使不同资产的风险贡献均衡，而非仅按市值或收益进行分配。该方法主要依赖资产波动率（标准差）、协方差矩阵(θ)、边际风险贡献（MRC）和总风险贡献（TRC） 进行权重优化Ø目标函数为：最小化各资产间风险贡献差异Ø并满足权重约束第二层：国内资产[风险平价的实现]ØA股：大盘（沪深300）中盘（中证500）、小盘（中证1000）小微盘（中证2000）、红利指数ØA债：十年国债指数Ø商品：黄金Ø在国内资产面，基于风险平价原理，计算A股、A债和黄金的配比第二层：海外资产[风险平价的实现]Ø海外股：美国、法国、日本、印度、德国、中国香港Ø计算海外各大股市的波动率与协方差矩阵，优化权重，使各市场的总风险贡献（TRC）均衡，平衡区域市场的波动性与收益稳定性，实现全球资产配置的风险分散与优化 − 2 = 1, ≥ 0请务必阅读正文之后的免责声明及其项下所有内容图3：DeepSeek 智能调优追溯期，突破固定窗口限制精准算协方差资料来源：Wind，国信证券经济研究所绘制情绪周期AI第一个引入点：风险平价的AI应用Ø 风险贡献度的确定：DeepSeek 结合宏观环境（工业增加值、M1、社融）、资本市场（信用利差、期限利差、情绪指数）及AI调研（分析师观点）等因素，确定不同时点的资产风险权重，进而计算配置比例。该策略的核心思路仍是平价，但风险分配并不等权，会随着宏观等指标在一定范围内浮动调整，类似主被动结合的Smart β思路Ø 追溯期的智能调整：在风险平价策略中，协方差矩阵的计算至关重要，其样本时间窗口的选择直接影响权重稳定性与优化效果。传统方法通常采用3、5年固定窗口，难以动态适应市场变化。DeepSeek通过智能学习历史数据，解析宏观周期与资产轮动周期，调整计算最优追溯期图2：DeepSeek 根据宏观、资本市场环境及联网资料给出风险贡献度资料来源：Wind，国信证券经济研究所绘制工业增加值M1、M2、社融央行分歧指数宏观RSIKDJMACD技术指标政策脉冲指数BOLLWR信用利差期限利差资本市场指标债市情绪指数股市情绪指数行业轮动指数股债货币信用前瞻指数政策最近的分析师观点联网财经热点、舆情Deepseek风险贡献度股债商汇表现……6个月1年3年5年康波周期房地产周期朱格拉周期基钦周期流动性周期风险平价策略原始协方差人为设定追溯期Deepseek追溯期通常固定多为1、3、5年AI设定追溯期AI调整协方差学习不同周期下股债商汇风险表现传统固定窗口难以适应市场变化，短期窗口易引发权重剧烈波动，长期窗口则可能导致策略滞后，忽略宏观环境变化并增加交易成本 通过智能学习市场波动、宏观数据与资产相关性，动态调整追溯期，使风险平价策略更具适应性，提升稳健性VOL债市预警指数请务必阅读正文之后的免责声明及其项下所有内容图4： 助力风险平价策略精准落地——ETF选择中的风险规避资料来源：Wind、国信证券经济研究所绘制AI第二个引入点：指数到落地的指引Ø 指数 → 资产：大多数风险平价模型基于指数，我们希望借助，将配置落地到ETF，实现更精准的资产配置Ø 识别核心风险：从指数到配置，标的选择面临风险，如：Ø 炒作风险：部分海外资产（QDII配置海外ETF）因市场炒作溢价过高，偏离实际价值Ø 汇率风险：部分海外资产未锁汇，受汇率波动影响收益Ø 通过识别核心风险，优选可落地的ETF投资组合。风险阐释Qdii限额使得资金愿意以溢价持有部分ETF资产规模小、二级市场交易活跃，易被资金短期炒作，出现远超指数表现的高溢价海外资产配置受汇率影响海外ETF面临汇率风险，配置时需要考虑汇率因素对收益的影响AI追踪ETF溢价/贴水率、成交量、资金流向，判断是否被短期炒作AI结合全球市场指数、基本面，预测 ETF价格趋势，理解溢价合理ETF的特征识别炒作风险识别汇率风险收集 ETF 收益率 vs. 指数收益率 + 汇率变动幅度，投喂AI学习AI 分析 ETF 真实收益是否超出指数收益 + 汇率变动，判断锁汇效果结合历史数据