主被动结合的大类资产配置新思路：从宏观友好度评分到BL模型观点矩阵

层面量化指标宏观友好度评分指标系将投资时钟与宏观因子进行融合国泰君安主动配置团队将所从事的beta研究定义为四个层次。针对第一（大类资产轮动（跨市场轮动（风格轮动研究，主要采用自上而下的方法；针对第四层（行业轮动）研究则主要采用自下而上的方法。基于对投资时钟和周期嵌套模型的理解，我们将某个经济体的某类周期的环境压力程度进行量化，从而形成若干个具有鲜明周期特色的底层宏（宏观友好度评分。简言之，我们为各类资产定制了专属的宏观基本层面量化指标，成为我们理解资产价格表现、形成主观观点矩阵的重要依据。图1：国君主动大类资产配置团队宏观友好度评分指标数据库逻辑导图（截至2024年3月）数据来源：B2024年风-INR升值动力评分》等底层宏观因子是搭建各类资产友好度评分的原材料底层宏观因子是我们构建各类风格专属宏观友好度因子的原材料，也是下文的分析基础。因子的构建方式并不复杂，我们已在《如何以宏观友》等报告中做过介绍。2025115的底层宏观因子及对应的周期友好度评分指标未来一年的运行趋势大致如下：CN金融周期友好度震荡下行；CN库存周期友好度震荡上行；CN美林周期友好度下行；金融周期友好度小幅上行；库存周期友好度先下后上；美林周期友好度小幅上行；库存周期友好度震荡走平；CN出口景气度评分下行；ININ库存周期友好度小幅上行。图2：预计2024年9类周期宏观友好度评分指标走势分化100806040202019-122020-022019-122020-022020-042020-062020-082020-102020-122021-022021-042021-062021-082021-102021-122022-022022-042022-062022-082022-102022-122023-022023-042023-062023-082023-102023-122024-022024-042024-062024-082024-102024-12CN金融周期友好度评分 CN库存周期友好度评分 CN美林周期友好度评金融周期友好度评分 库存周期友好度评分 US美林周期友好度评分库存周期友好度评分 CN出口景气度评分 库存周期友好度评分数据来源：Bloomberg注：真实数据截至2023年12月31日，市场一致预期数据源于彭博，更新于2024年1月15日并展望至2024年12月31日。底层宏观因子的预测数据基于市场宏观一致预期数据计算得到，具体计算与预测方式总结如下：宏观周期 宏观因子 底层指宏观周期 宏观因子 底层指标 宏观因子计算方式中国库存周期 滞销指标 PMI生产、PMI库存 (PMI库存－50)－(PMI生产－50)美国库存周期 滞销指标 PMI生产、PMI库存 (PMI库存－50)－(PMI生产－50)预测方式使用彭博提供的GDP合预测。使用彭博提供的GDP合预测。印度库存周期 滞销指标印度制造业展望生产增（印度制造业展望生产增加－印加、印度制造业展望生度制造业展望生产降低）－（印产降低、印度制造业展度制造业展望库存增加－印度制使用彭博提供的工业增加值宏观一致预期数据进行拟合预测。望库存增加、印度制造造业展望库存减少）业展望库存减少韩国库存周期 滞销指标 BSI生产、BSI库存BSI库存－BSI生产中国金融周期 货币缺口 社融、M2社融÷M2美国金融周期 美债实际利率10年期TIPS收益率10年期TIPS收益率印度金融周期印债实际利率10年期印度国债收益率10年期印度国债收益率－印度采用库存滞销指标对韩国工业生产指数、韩国出口同比、OECD综合领先指标G7主成分的滞后项、库存滞销指标滞后项的回归结果直接使用彭博与万得提供的社融与M2宏观一致预期数据。以美联储紧缩动力评分指标的领先性对未来6合预测，而对于未来7-12个月则使用彭博提供的美债名义利率与通胀宏观一致预期数据进行拟合预测。主要使用实际利率指标的领先性进行预测，其余部分使用彭博提供的名义利率与CPI通胀宏观一致预期数据进行预测。中国美林周期 滞胀指标、印度CPI制造业PMI、CPI、PPICPI根据波动率调和加权的通胀－制使用彭博提供的GDP与工业增加值宏观一致预期数据并进行拟造业PMI合预测。美国美林周期 滞胀指标制造业PMI、CPI、PPI根据波动率调和加权的通胀－制使用彭博提供的GDP与工业增加值宏观一致预期数据并进行拟造业PMI 合预测。数据来源：注：所有的数据均经过移动平均或滤波平滑、标准化与百分位调整处理。基于上述公式，使用截至2024年1月15日的宏观一致预期数据进行指标外推，我们据此形成关于2024年的全球大类资产表现的预期。做这件事的意义是，工作。资产参考报告宏观友好度构建方法A股资产参考报告宏观友好度构建方法A股《如何以宏观友好度评分辅助权益仓位管理》（2022年9月7日）1、宏观友好度评分反映宏观环境对中国权的逆序百分位数。评分越高，中国权益资产获得正回报的求逆序百分0-100。2、CN宏观综合压力指标（Equity）=30%×货币缺口指标+50%×滞销指标+20%×滞胀指标3、货币缺口指标=社融同比/M2同比，反映宽信用与宽货金融周期友好度评分。评分越高，中国金融环境越宽松。4（PI库存-50（PI-50去库存的难度，其逆序百分位数为库存周期友好度评分。评分越高，中国实体经济越景气。5险越低。H股《择木而栖：A（2023年22日）1宏观友好度评分反映宏观环境对中国香港权益资产2、宏观友好度=67%×CN库存周期友好度评分+33%×US金融周期友好度评分美股《宏观友好度视角下的中年12月22日）1宏观友好度评分反映宏观环境对美国权益资产的友宏观综合压力指标的逆序百分位数。评宏观综合压力指标逆序百分位得到。2、US宏观综合压力指标=25%×10Y美债实际利率+50%×滞销指标+25%×滞胀指标3、10Y金融周期友好度评分。评分越高，美国金融环境越宽松。4、US滞销指标=（ISM_PMI库存-50）-（ISM_PMI生产-50库存周期友好度评分。评分越高，美国实体经济越景气。5、滞胀指标=（PMI-50）-美林周期友好度评分。评分越高，美国经济的类滞胀风险越低。日股P宏观友好度评分指标年2月21日）1JP滞销指标日本生产者出货指数－100）2、JP实际利率指标＝日本十年期国债收益率－日本CPI3、JP滞胀指标＝基于波动率调和加权的综合通胀－（日PMI－50）4的涨跌幅进行标准化与JPY升值指标。5、JP宏观综合压力指标＝35%×JP滞胀指标＋15%×JP滞30（12M的JP20%×JPY升值指标。JP宏观友好度评分。印股《印度权益资产配置展望：年12月7日）1IN实际利率指标＝CPI2、IN滞销指标＝（印度制造业展望生产增加－印度制造业展望生产降低）－（印度制造业展望库存增加－印度制造业展望库存减少）3、IN宏观友好度评分=0.50×IN库存周期友好度评分+0.50×滞后四期的IN金融周期友好度评分。国债《债市牛熊背后的周期线2月13日）1反映宏观环境对中国债券的逆序百分位数。评分越高，中国债券资产获得正回报的概率越高。2、CN宏观综合压力指标（Bond）=30%×货币缺口指标-50%×滞销指标-20%×滞胀指标。美 债（TIPS）《美债实际利率中期向下拐点将于春季确认年月23日）1、美联储紧缩动力评分=f(-4×失业率指标+5×居民通胀指标+2×景气度指标+5×期限利差指标)f()26预测十年期美债实际利率趋势。需要注意的是美债实际利率要低于美债名义利率，若需要预测美债名义利率还需加上通胀预期。商品《国际大宗商品配置价值年7月15日）1收益率版=0.65×韩国库存周期友好度评分+0.2×中国库存周期友好度评分（滞后6M）+0.15×地缘环境变化友好度评分。2商品指数解释力度较强。美元《人民币兑美元汇率即将开启一轮升值趋势年10月21日）1、RMB升值动力评分=0.35×中国出口景气度评分+0.50×（100-CN-US金融周期友好度评分）+0.15×CN-US库存周期友好度评分。2该评分在中长周期维度可以较好拟合和预测离岸人民币兑美元汇率：2018更是达到了0.81，解释力度显著。印度卢比《印度卢比兑美元汇率2024年1月25日）1120的参数对2010年第一季度至2022年第四季度数据进行HP滤波以平滑曲线并进行标准化处理，最后对数据取逆序百分位排序，可得到IN进口压力评分指标。2、IN-US金融周期友好度评分=IN金融周期友好度评分-0.5×US金融周期友好度评分3IN-US库存周期友好度评分=1.5×IN库存周期友好度评分4INR升值动力评分0.5×(IN-US1.5×(IN-US库存周期友好度评分1季度进口压力评分。数据来源：上述宏观友好度评分指标仅描述了各类资产以当地货币计价的表现预期，对于使用人民币配置各类海外资产的投资者而言，如果对于海外资虑当地货币计价的表现预期即可。若投资组合仍然保留外汇风险敞口，则需综合汇率宏观友好度评分，对海外资产未来表现进行评估。例如：INRIN宏观友好度才可以BL模型由于不同资产价格变化的驱动因素有所不同，资产分散化配置可以降低称资产配置多风险平价/马科维茨（HarryMarkowitz）在1952年提出了著名的“均值-方差模型”n-rnceptmtonod均值方差模型开启了量化配置时代马科维茨在1952年提出了著名的“均值-方差模型”，将大类资产配置带入到量化配置时代。该模型是一个双目标决策模型，以投资组合的期望收益(均值)和风险(方差)为目标，导出了投资组合选择的均值-方差有效组合和有效前沿等概念，以简明的方式解释了资产分散化的意义。在均值--方差模型有效资产组合中选出最适合投资者风险偏好的投资组合权重。O模型是大类资产配置理论的重要基础，其突出贡献在于（提约束+最优解（采用均值和方差来刻画资产收益与风险，使得进行量化配置成为可能；（3）同时考虑风险与收益，指出最优的投资组合并非单纯追求最高收益或最小风险，而是在两者之间找到平衡。均值-方差模型的输入值包括三部分：收益、风险、反映投资者风险偏好的参数。Markowitz提出的均值-方差模型基于以下几个假设：投资者可以自由获得投资组合的收益和风险的信息。市场是非常有效的，对信息的反应是及时且准确的。投资者是风险厌恶的，并希望让投资组合风险最小，收益最大。投资者基于预期收益和收益的标准差或方差做出投资决策。在给定风险水平下，投资者更喜欢高收益的投资组合。BL模型改善了模型实践中的不足MVO模型在理论上具有开创性意义，但在实践中遇到了诸多问题。比如作为模型输入参数的资产期望收益率难以准确估计，实际应用效果大打折扣；模型计算结果对输入参数，尤其是预期收益率非常敏感，使得为了解决这些缺陷，学界和业界不断提出新的理论和方法进行改进。模型是传统的均值-方差模型的改进。1990FisherRobert（简模型1992模型采用模型有效地解决了均值-模型的基本原理是基于先验的收益率分布，结合投资者对收益的预期，两者结合之后，得到新的结合后的分布，然后在此分布的优化框架得到投资组合。其基本逻辑是一种资产的期望收益等于市场均衡收益和投资者主观期望收益的加权平均，如果投资者对自己的主观观点信心很大，则主观的期望收益就会被赋予较大的权重，资产的期望收益就会向主观期望收益靠拢；反之，如果投资者对自己主模型的理论推导与实现细节可以参考国泰君安量化配置团队研究报告《手把模型——大类资产配置量化模型研究系列之BL模型的主要实现步骤为了便于说明将主动配置观点加入BL模型的过程，此处简要介绍Black-ttrmnL1）通过逆向优2）将投资3）将先验收益分布和主观观点分布结合，使用贝叶斯方法计算得到资产预期收益的后验估计；4-方差模型中进行优化求解，得到具体的资产配置比例。其中，市场均衡收益、后验分布的计算是重点，参数设置的合理性、主观观点的预测准确性是模型效果的关键。第一步：框架下反解先验分布假设各资产的未来实际收益率r𝜇Σ的正态分布，即：𝑟~𝑁(𝜇,Σ)这里𝑟是资产收益向量，𝜇是资产的未来收益率均值。由于其隐藏在资产未来实际收益率背后，我们只能通过对𝜇进行估计，得到收益率估计𝜋。换言之，我们可以把𝜇视为关于𝜋的一个随机变量：𝜋𝜇~𝑁(𝜋,Σ)𝜋π是没有主观观点下的先验收益率。假设投资者效用函数：U=wTΠ−λwTΣw，2其中U：投资者效用，也是投资组合优化的目标函数w：投资组合中每个资产的权重Π：市场均衡条件下每个资产的超额收益λ：市场的风险厌恶系数（代表市场的平均风险厌恶程度）Σ：由于投资者追求效用最大化，市场均衡时的市场效用函数为：Um=wm

TΠ−λwm2m

TΣwm，Um表示的全市场的效用函数，wm是市场均衡权重，市场的各个资产市值占比可以反映均衡收益下的配置权重。由一阶条件dUm=0，得dwmΠ=λΣwm。等式两边同时乘上𝑇CAPME(r)=rf+β(rm−rf)，其中𝐸(𝑟))=𝑤𝑇Π+为无风险收益𝑚率。𝜎2为市场投资组合的方差，这里𝜎2=𝑤𝑇Σ𝑤。代入公式wm𝑚wmTλΣwm，可得

TΠ=2λ=(E(r)−rf)/σ，m（𝜋。在Black和Litterman（1992）的假设下，Σπ=τΣ，τ为一个常数，其大小设定影响了主观观点对模型的影响程度，τ越大，表明投资者的主观观点对模型结果的影响越大。令𝑃(A)表示在没有提供任何主观观点的情形下，资产先验收益率的分布。则P(A)~N(Π,τΣ)第二步：投资者的主观观点nkPk*nQk*1Ω：是观点误差的协方差矩阵。Ω是一个k*k矩阵。Black和Litterman（1992）假设，不同投资观点之间是没有影响，不相关的。故Ω是一个对角阵，其对角线上每一个元素是观点误差的方差，反映了投资者对该观点的信心水平。Ω-1则表示投资者观点的置信度。综上投资者的主观观点为𝑃∗𝜇=𝑄+𝑣，𝑣~N(0𝑃(𝐵|𝐴)~𝑁(𝑄,𝛺)相应的，投资者观点在资产空间上，服从分布可表示为：𝑃(𝐵|𝐴)~𝑁(𝑃−1𝑄,[𝑃𝑇𝛺−1𝑃]−1)第三步：结合先验分布和主观观点得到后验分布由贝叶斯公式、P(A)~N(Π,τΣ)、P(B|A)~N(Q,Ω)可得后验分布ΠP(AB)~N(Π,̂)Π其中是给定主观观点后得到的资产收益率均值，̂ [( 1

T

−1 −1Π=E(R)=

τΣ)

Π+PΩ

Q]

+PΩ P]TT[ =Π+τΣPPτΣP+Ω] [Q−PΠ]是后验估计中收益率均值的协方差矩阵：Π̂ ((

T −1 ΣΠ=

τΣ)

+PΩ P)=τΣ−τΣPT[PτΣPT+Ω]−1PτΣ则后验预期收益率的协方差矩阵为：=Σ+=Σ+−𝜏Σ𝑃𝑇[𝑃𝜏Σ𝑃𝑇+Ω]−1r Π因此，r𝑟~𝑁(,̂)r图3：先验分布和主观观点结合得到后验分布的过程图（第一至三步）风险厌恶系数

样本协方差矩阵

市值权重逆向优化得到市场均衡收益第一步：先验分布

观点收阵 观点误阵第二步：观点分布和主观观点结合得到后验预期收益分布数据来源：ASTEP-BY-STEPGUIDETOTHEBLACK-LITTERMANMODE(Idzorek,T.2007)第四步：使用后验分布求解投资权重把经过BL和协方差矩阵带入均值-方r差模型的最优化函数。可求解最优投资权重𝑤=(𝑤1,𝑤2,…,𝑤𝑛)𝑇𝑚𝑎𝑥𝑤𝑇̂𝑤𝑛

𝜆r−2r

𝑇̂𝑤𝑠.𝑡. ∑=1, 0≤≤1,𝑖∈{1,2,…,𝑛}1考虑实际投资中面临限制再通过求解带约束的最优化问题得到各个资产的投资权重。图4：Black-Litterman模型与MVO模型步骤对比数据来源：BL本文的目的是将国泰君安主动配置团队搭建与维护的宏观友好度评分配置研究新途径。在本文第一章中，我们介绍了国泰君安主动配置团队如何利用底层宏观因子构建各类资产、风格专属宏观友好度的研究框架。下面考虑如何将主观观点融入到第二章所介绍的BL模型中。大部分目标资产直接根据宏观友好度评分设定主观观点关于可投资的大类资产范围，我们假设国内人民币投资者可选的权益资AH8种构建了专属的宏观友好度评分指标，具体包括：1、A股：CN宏观友好度评分指标E，针对万得全A指数。2、港股：HK宏观友好度评分指标，针对恒生指数。N-(总值)4、美股：US宏观友好度评分指标，针对标普500指数。5、印股：IN宏观友好度评分指标，针对SENSEX30指数。6、日股：JP宏观友好度评分指标，针对日经225指数。7、商品：CRB商品宏观友好度评分R指标，针对CRB商品指数。8、美元兑人民币汇率：RMB升值动力评分指标，针对离岸人民币汇率。对于上述资产，我们直接依据宏观友好度评分指标定量设定观点矩阵。ATT（一致T+1A资产专A资产历史上的收益率与其专属T+1A资产的预期收益（一致）预期数据，这比获得历史宏观实际数据难度大很多。替代的回测方案有两种，其一是基于历史报告进行“casebycase”的案例分析，缺点是正确的预测进行回测，缺点是即使回测效果非常好，也仅能说明正确的宏观分析具有限，我们暂时先采用第二种方案进行回测，主要考虑是数据的客观性、连贯性，以及实践中宏观预测的胜率可以通过修正一致预期和提高修正预测的频率进行优化。“An个月平均收益率×α+Am个5年的历史数据进行滚动计算。其定义为：宏观友好度评分)=[过去5年最低日收益率+该资产宏观友好度评分/100×(过去5年最高日收益率−过去5年最低日收益率)]经测试，n1、m6nm0.5，这一设置可以较好体现主观观点的逻辑性，在后文的策略回测中也表现出最好的综合效果。PQ的特模型所需的输入变量。对于宏观友好度评分指标系使模型的初学者非常便利，同时也便于投资者在宏观友好度评分基础上进行加工或频率调整。Ω的选取问题，Jay总结有四种（1与资产先验协方差矩阵成正比23（Idor（2005（1Ω根据美联储紧缩动力评分指标对美债预期收益进行评分目前尚未正式发布针对美债的宏观友好度评分指标。我们基于现有研究，2022美联储紧缩动力评分=f(-0.5×失业率指标+0.6×居民通胀指标+0.3×景气度指标+0.6×期限利差指标)，其中f()代表顺序百分位处理。6个月，且解释力度较强，在中长周CPICPI我们使用美联储紧缩动力评分指标的逆序百分位数作为近似美债预期收益率评分观点。黄金相关观点结合初级黄金公式框架进行特殊处理黄金作为一种特殊的资产，其价格由避险需求和保值需求共同决定，其中保值需求主要由美债实际利率和物价等经济基本层面信息决定，可测“黄金基本价格商品综合指数－226×美债实际利率”可以用实际金价与初级黄金公式计算出的理论基础金价之差推测，某些20241282024图5：黄金实际价格隐含风险溢价处于历史高位500.02005-012005-102006-072005-012005-102006-072007-042008-012008-102009-072010-042011-012011-102012-072013-042014-012014-102015-072016-042017-012017-102018-072019-042020-012020-102021-072022-042023-012023-10

1000.0800.0600.0400.0200.00.0-200.0-400.0隐含风险溢价（右轴） 黄金基本价格（美元/盎司黄金实际价格（美元/盎司）数据来源：，(风险溢价)在预测期内维持当前水平，根据黄金保值需求（基本价格2006年-2023黄6R指标和美联储紧缩动力评分指标进行回归，得到：𝐶𝑂𝑀𝐸𝑋黄金6𝑀−𝑀𝐴收益率=α+β1×𝐶𝑅𝐵商品宏观友好度评分𝑅+β2×美联储紧缩动力评分我们使用该线性模型对黄金收益率进行估计，为了与其他资产观点保持统一，我们使用线性回归模型预测收益率的顺序百分位数作为简化版黄α=1.60E3β1=1.27E4β2=−1.82E−4。对于宏观友好度评分指标尚未完成的资产进行留白处理对于尚未正式发布对应宏观友好度评分指标的资产，如德股，我们采用Ax1时效果较好。宏观友好度评分及宏观友好度评分所对应的预期收益率详细数据参见附录7.1和7.2表格。资产选择和模型主要参数设定主观观点构建完成后，我们开始使用BL模型构建月度资产配置策略。A500指数、Sensex30指数、中债-国债总财富(总值)指黄金，模型对各类资产权重进行计算，构建相应的资产配置组合。资产代表指数构建方式权益万得全A指数万得全A由京沪深三地交易所全部A股组成，指数以万得自由A股上市股票价格的整体表现，具有较高的市场代表性，可作为投资标的和业绩评价基准。资产代表指数构建方式权益万得全A指数万得全A由京沪深三地交易所全部A股组成，指数以万得自由A股上市股票价格的整体表现，具有较高的市场代表性，可作为投资标的和业绩评价基准。恒生指数标普500指数50050080%400402040性和产业变动反应的敏锐程度同样重要。日经225指数225家主要公司的股票。孟买Sensex30指数代表印度股市的表现，包含了孟买证券交易所上市的30家主要公司股票。德国DAX指数代表了在法兰克福证券交易所上市的达到一定实力和盈利能力的40家公司的表现。指数成份股筛选基于自由流通市值。债券中债-国债总财富(总值)指数该指数成份券由银行间市场、柜台以及交易所市场流通的记账式也是中债指数应用最广泛指数之一IBOXX美元债总回报指数追踪以美元计价的债券的总回报表现，包括利息收入和本金的价值变动。它涵盖了多种类型的债券，包括政府债、企业债、高收益债等，是投资者评估美元计价债券市场整体表现的一个重要工具。商品路透CRB商品指数一个衡量全球商品市场表现的指数，包括了能源、金属、农产品等多种商品。外汇美元中间价指中国人民银行公布的美元对人民币的交易中间价，反映了人民币兑美元的汇率。黄金COMEX黄金纽约商品交易所(隶属于芝加哥商业交易所集团)中的一个交易品种，经常被称为纽约金，属于美式黄金交易。大多以买卖期货及期权为主，实际黄金实物的交割只占很小的比例。数据来源：,模型参数进行设定。在这里我们沿用了国泰君安量化配置团队研究报告《手把手教你实现模型——数方法。表4：Black-Litterman模型参数设定方法回测时间2019/01/2-2024/02/29调仓时间每月月末最后一个交易日投资范围1（均调整以人民币计价H美日印德（中美、商品、美元、黄金BL模型期望收益过去5年滚动平均日收益率BL模型协方差过去5年滚动日收益率协方差风险厌恶系数λ10观点权重参数τ参考Walters(2009)方法，设为1/（60-11）主观观点构建方法过去1个月平均收益率×0.5+[过去5年最低日收益率+资产宏观友好度评分/100×（过去5年最高日收益率-过去5年最低日收益率）]×0.5（德股：以过去1M的日均收益率作为收益率预测观点）交易费用无换手率限制无无风险利率货币基金指数数据来源：引入主观观点后BL为了对比主观观点BL模型的提升效果，我们选取了两种不同基准策略作为对比：等权参照组合：各资产等权重配比，月度再平衡。模型-1M1M平均收1M模模型策略保持一致。模型策略1M11.0%0.63。而加入宏观友好度模型策略年化收益率可达17.2%，夏普比率可以达到1.225年收益率超过202491%模型策7.3表格。1月及之20242月之后的评分3.1节中提到使用滞后68月及之后的调仓均是基于宏观一致预期数据进行。4所示，策略对做空进行了限制。如果将单一资产仓位限制改为(-100%,100%)，则宏观友29.3%，但放开做空限制后策0.50。图6：宏观友好度观点BL模型策略表现优于对比策略，年化收益率达到17.2%2.5 21.510.5 02018-12-28 2019-12-28 2020-12-28 2021-12-28 2022-12-28 2023-12-28宏观友好度观点模型 等权参照组合 1M平均收益观点模型数据来源：，。注：数据区间为2019年1月至2024年2月。表5：宏观友好度观点BL模型策略的分年表现整体优于两类对比策略策略名称等权参照组合BL模型-1M平均收益观点BL模型-宏观友好度观点年份年化收益最大回撤年化波动夏普比率年化收益最大回撤年化波动夏普比率年化收益最大回撤年化波动夏普比率201917%3%6%2.4816%8%13%1.0513%3%4%2.6220207%19%14%0.3412%13%17%0.623%11%17%1.2120216%4%7%0.470%8%12%-0.2224%5%14%1.612022-2%9%10%-0.3630%8%19%1.519%10%13%0.5720239%6%7%1.060%13%9%-0.249%6%8%0.79202412%2%7%1.4517%3%9%1.6291%3%18%5.06合计7%19%9%0.5711%13%14%0.6317%11%12%1.22数据来源：，。数据区间：2019年1月至2024年2月。BL模型效果上述测试结果可以说明宏观友好度评分指标系观点在BL框架下可以大幅度提升策略效果。尽管回测效果良好，但观点构造在精度上仍有不足，对于美元以外的各类外币资产而言，汇率波动因素是影响最终本币计价1月的平均总回报率进行反映。在本节中，我们对观点矩阵进行再次调整加工，将外币资产宏观友好度与其对应的外币汇率宏观友好度进行加权组合，再次模型测试。外币观点的权重设定综合考虑了汇率的波动情况和变化幅度。表6：引入汇率的宏观友好度观点构建：将各类资产宏观友好度结合对应外币汇率友好度资产代表指数构建方式权益万得全A指数过去1个月平均收益率×0.5+该资产6个月后的宏观友好度评分所对应的预期收益率×0.5恒生指数过去1个月平均收益率×0.5+该资产6个月后的宏观友好度评升值动力评分）×0.15标普500指数过去1个月平均收益率×0.5+该资产6个月后的宏观友好度评升值动力评分）×0.15日经225指数过去1个月平均收益率×0.5+该资产6个月后的宏观友好度评分所对应的预期收益率×0.5孟买Sensex30指数过去1个月平均收益率×0.5+该资产6个月后的宏观友好度评升值动力评分）×0.10+6INR升值动力评分×0.05德国DAX指数过去1个月平均收益率债券中债-国债总财富(总值)指数过去1个月平均收益率×0.5+该资产6个月后的宏观友好度评分所对应的预期收益率×0.5IBOXX美元债总回报指数过去1个月平均收益率×0.5+该资产6个月后的预期收益率评升值动力评分）×0.15商品路透CRB商品指数过去1个月平均收益率×0.5+该资产6个月后的宏观友好度评升值动力评分）×0.15外汇美元中间价过去1个月平均收益率×0.5+（100-6个月后的RMB升值动力评分）×0.5黄金COMEX黄金过去1个月平均收益率×0.5+该资产6个月后的简化宏观友好度评分所对应的预期收益率升值动力评分）×0.15数据来源：模型23.1%，夏普比率可以1.52。引入汇率的宏观友好度观点BL模型策略配置比例数据参见附录7.4表格。图7：引入汇率的宏观友好度观点BL模型策略表现再次得到提升，年化收益率达到23.1%3.5 32.5210.5 02018-12-28 2019-12-28 2020-12-28 2021-12-28 2022-12-28 2023-12-28宏观友好度观点BL模型 等权参照组合引入汇率的宏观友好度观BL模型 1M平均收益观点BL模型数据来源：，。注：时间区间为2019年1月至2024年2月。表7：引入汇率的宏观友好度观点BL模型策略的分年表现再次提升策略名称等权参照组合BL模型-1M观点BL模型-宏观友好度观点BL模型-引入汇率的宏观友好度观点年份年化收益最大回撤年化波动夏普比率年化收益最大回撤年化波动夏普比率年化收益最大回撤年化波动夏普比率年化收益最大回撤年化波动夏普比率201917%3%6%2.4816%8%13%1.0513%3%4%2.6213%3%5%2.1720207%19%14%0.3412%13%17%0.6023%11%17%1.2137%10%17%2.0920216%4%7%0.470%8%12%-0.2224%5%14%1.6118%5%13%1.302022-2%9%10%-0.3630%8%19%1.519%10%13%0.5721%10%17%1.1120239%6%7%1.060%13%9%-0.249%6%8%0.7920%12%14%1.28202412%2%7%1.4517%3%9%1.6291%3%18%5.0691%3%18%5.06合计7%19%9%0.5711%13%14%0.6317%11%12%1.2223%12%14%1.52数据来源：，。注：时间区间为2019年1月至2024年2月。需要再次强调的是，上述回测方法出于简化过程的考虑，将某资产的宏观友好度评分的历史实际值视同为某种100%正确的预测进行回测。缺点是即使回测效果非常好，也仅能说明正确的宏观分析对资产配置具有增益效果。好在，宏观经济数据预测并不是配置研究团队的核心工作，投资者在实践中首先可以通过选择采信长期胜率更高的分析师观点，其次可以自行对市场一致预期观点进行主观调整来提高预测胜率，最后可以通过持续修正观点贝叶斯式地逼近事实。作为配置研究团队，我们的主要工作是为投资者提供一个逻辑简单清晰又可不断优化的主客观结合的思考框架。结论与配置建议本篇报告是我们将主动配置观点融合配置量化模型研究系列的第一篇报告。报告简单介绍了主动配置宏观友好度评分指标系的构建方法和底层逻辑；随后，重点梳理Black-Litterman模型发展过程和构造方法；最后将主动配置宏观友好度观点融入BL模型，通过策略回测的方法验证了宏观基本维度量化思想对于提升大类资产配置模型效果的一定作用。未来我们会定期发布上述方法所得出的大类资产配置结论，就当前而言，1月末资产配置集中于日本权益资2月末的配置比例保持不变。本期模型结果显示日股与其他经济2024221JP宏观友好度评分指标》报告结论一致。参考文献F.,&(1990).AssetcombininginvestorviewswithmarketSachsIncomeResearch,115(1),7-18.F.,&(1992).analysts48(5),28-43.Idzorek,(2007).Astep-by-steptotheIncorporatinguser-specifiedconfidenceInForecastingexpectedreturnsthemarkets(pp.17-38).Press.R.,&G.(1999).Theblack-littermanmodelportfolios.SachsInvestmentResearch.(2009).ThemodelatSSRN1314585.附录A股美股H股A股美股H股印股日股中债美债商品黄金RMB升值动力INR升值动力2012/1/313.050.334.234.252.480.855.965.52012/2/294.353.234.435.256.678.250.261.82012/3/306.057.935.535.558.875.646.358.12012/4/279.062.641.434.853.272.540.746.02012/5/3115.868.644.633.855.870.847.254.896.92012/6/2912.863.541.733.257.966.448.756.296.42012/7/3114.562.240.232.860.563.845.350.294.62012/8/3113.758.839.334.562.264.748.254.488.42012/9/2813.254.939.835.871.166.042.145.187.62012/10/3110.751.138.037.279.668.233.633.979.22012/11/3014.147.340.941.575.869.526.521.886.22012/12/3117.948.644.646.267.371.725.120.993.82013/1/3119.652.045.050.970.773.818.814.495.12013/2/2824.755.447.358.266.975.220.716.296.02013/3/2923.557.145.267.369.074.322.918.694.22013/4/2626.459.246.781.769.474.723.119.589.82013/5/3129.856.646.491.768.676.027.529.380.52013/6/2831.558.345.693.465.676.533.739.066.32013/7/3131.160.546.194.461.877.845.457.655.32013/8/3032.865.645.695.060.076.934.240.451.32013/9/3034.970.349.895.754.178.731.837.259.22013/10/3139.271.155.795.450.780.043.453.968.12013/11/2940.974.954.994.746.079.542.652.061.52013/12/3151.176.659.394.041.377.339.446.960.12014/1/3054.574.560.092.740.073.435.140.057.52014/2/2853.269.059.685.740.571.246.653.458.42014/3/3149.866.059.328.574.040.967.739.344.162.320.92014/4/3043.563.054.328.565.943.562.941.844.657.920.92014/5/3041.861.853.028.560.945.255.546.649.365.920.92014/6/3038.861.351.436.959.250.349.847.547.963.737.22014/7/3142.268.152.436.960.349.047.648.147.465.037.22014/8/2943.973.254.236.962.946.944.645.343.773.437.22014/9/3050.776.257.929.369.343.040.745.742.774.334.82014/10/3150.378.859.129.380.742.233.747.743.278.334.82014/11/2848.180.057.529.390.441.825.440.727.979.634.82014/12/3147.379.654.519.893.742.618.443.330.672.139.52015/1/3039.677.550.619.896.446.414.547.935.369.939.5

大类资产宏观友好度评分2015/2/2742.672.448.719.896.751.512.752.742.356.139.52015/3/3140.569.444.036.597.455.411.057.145.550.032.52015/4/3041.365.243.936.598.057.19.252.638.653.032.52015/5/2946.960.945.236.598.759.28.360.649.756.632.52015/6/3052.055.845.734.599.459.68.853.641.355.755.82015/7/3155.454.147.834.5100.063.910.148.232.550.855.82015/8/3156.648.146.934.599.769.812.341.622.745.155.82015/9/3060.544.350.227.899.068.113.632.612.541.574.42015/10/3067.339.249.027.898.474.515.828.88.834.974.42015/11/3070.334.947.027.897.778.819.719.05.529.274.42015/12/3172.830.348.411.197.078.323.221.66.025.695.32016/1/2973.723.951.711.196.076.626.726.18.326.595.32016/2/2971.125.649.811.193.077.129.722.77.927.495.32016/3/3171.529.053.119.182.775.432.825.49.327.883.72016/4/2972.432.056.219.166.372.035.033.217.630.983.72016/5/3169.434.558.219.158.665.236.738.627.433.683.72016/6/3066.036.659.619.753.964.337.240.030.237.690.62016/7/2957.943.060.919.751.262.634.133.518.143.890.62016/8/3164.340.963.519.749.956.231.941.831.646.090.62016/9/3061.838.864.79.851.654.930.641.531.147.779.02016/10/3159.637.164.19.852.953.731.137.023.749.179.02016/11/3064.739.667.39.856.252.028.942.432.049.579.02016/12/3068.141.369.023.059.945.627.639.126.550.472.02017/1/2666.444.770.823.064.339.229.347.440.954.472.02017/2/2857.552.869.923.071.037.133.244.035.869.072.02017/3/3155.859.669.131.078.332.035.459.159.583.160.42017/4/2852.863.967.331.082.328.134.554.851.682.760.42017/5/3140.064.364.631.086.023.936.357.055.384.560.42017/6/3032.067.764.531.488.320.037.657.155.888.941.82017/7/3128.666.962.631.490.717.135.964.763.785.841.82017/8/3130.769.865.731.491.413.730.258.657.287.141.82017/9/2936.672.869.638.192.410.327.158.956.792.446.52017/10/3137.975.869.538.192.06.925.866.564.192.046.52017/11/3045.681.370.038.191.06.424.563.960.488.046.52017/12/2944.387.770.029.590.05.621.469.064.689.318.62018/1/3146.092.069.329.588.79.820.164.960.986.718.62018/2/2837.191.566.129.587.016.618.067.563.281.818.62018/3/3029.488.159.618.786.324.716.656.448.376.19.32018/4/2730.383.058.318.785.027.714.948.637.675.69.32018/5/3132.484.356.818.784.729.415.348.136.770.79.32018/6/2934.182.654.916.783.732.817.150.341.867.213.92018/7/3135.480.553.716.782.035.417.548.838.162.813.92018/8/3144.782.256.916.781.334.118.846.334.463.213.92018/9/2846.485.256.419.881.036.220.658.853.058.811.62018/10/3145.286.054.119.880.338.322.355.950.653.911.62018/11/3033.783.546.819.879.048.621.955.148.847.311.62018/12/2826.975.437.132.377.357.522.844.433.439.327.92019/1/3121.874.133.332.372.663.024.945.234.837.127.92019/2/2817.570.728.032.370.374.124.141.529.734.527.92019/3/2919.264.728.824.264.673.226.337.522.333.144.12019/4/3022.260.030.424.261.672.828.043.033.032.344.12019/5/3122.652.432.024.257.672.432.435.420.436.244.12019/6/2823.051.534.713.254.671.538.538.026.939.853.42019/7/3125.245.637.913.249.564.740.235.524.641.153.42019/8/3027.340.543.013.246.963.544.233.623.246.453.42019/9/3025.635.444.22.042.967.746.828.115.842.467.42019/10/3120.931.542.72.037.574.948.124.713.442.967.42019/11/2926.029.850.42.032.266.050.734.228.848.267.42019/12/3136.227.360.32.329.158.351.131.724.152.281.32020/1/2334.528.661.82.327.160.952.020.311.154.881.32020/2/285.630.729.72.325.194.152.933.328.340.781.32020/3/316.932.830.31.923.593.754.625.415.338.965.12020/4/307.324.731.61.921.893.256.424.214.842.065.12020/5/297.720.931.71.922.192.858.618.09.744.265.12020/6/308.626.432.05.623.892.060.317.710.246.993.02020/7/319.433.233.75.625.589.460.727.220.044.693.02020/8/3165.641.870.45.628.149.861.222.013.966.893.02020/9/3069.053.773.016.731.544.767.311.06.982.376.72020/10/3074.184.778.216.738.236.683.09.710.685.376.72020/11/3077.994.182.216.745.229.888.711.217.268.576.72020/12/3179.295.884.043.751.924.398.320.239.573.848.82021/1/2977.197.182.543.757.223.099.226.352.577.848.82021/2/2674.597.578.643.763.926.499.645.372.074.748.82021/3/3175.899.280.375.271.622.6100.067.891.675.286.02021/4/3067.799.674.575.278.028.698.771.990.676.586.02021/5/3156.2100.071.375.280.034.595.277.792.077.486.02021/6/3053.798.866.673.979.638.887.883.293.470.369.72021/7/3047.798.363.673.978.644.386.991.597.665.469.72021/8/3143.097.962.073.973.051.185.282.891.190.769.72021/9/3029.096.652.490.169.661.384.385.393.091.588.32021/10/2921.395.446.590.164.980.083.589.194.884.088.32021/11/3017.196.244.690.162.684.781.784.790.280.988.32021/12/3114.994.942.275.260.686.980.475.783.280.023.22022/1/2816.694.540.475.257.987.773.072.780.469.423.22022/2/2820.093.739.875.255.688.163.471.273.959.723.22022/3/3118.393.237.540.254.288.649.469.868.352.62.32022/4/2910.386.930.840.252.694.939.467.065.145.52.32022/5/319.873.728.740.250.696.221.065.462.338.42.32022/6/3011.566.427.551.048.995.811.865.660.029.60.02022/7/2911.154.523.551.047.597.57.071.362.719.40.02022/8/3115.445.221.151.045.597.96.273.261.315.90.02022/9/3028.136.220.550.044.297.14.970.258.615.06.92022/10/3152.431.125.050.042.590.73.564.846.513.26.92022/11/3054.122.622.250.040.992.42.258.236.212.86.92022/12/3038.317.516.249.239.296.61.446.716.712.316.22023/1/3148.614.514.949.238.895.40.535.97.43.516.22023/2/2854.912.014.749.239.894.50.027.64.60.416.22023/3/3158.39.015.169.841.991.50.924.93.20.862.72023/4/2862.63.915.769.843.591.11.823.92.71.762.72023/5/3166.94.317.069.845.989.02.721.42.31.362.72023/6/3078.35.224.359.748.587.33.121.31.82.625.52023/7/3179.66.926.359.750.285.64.020.21.39.725.52023/8/3176.67.723.359.753.686.44.424.34.19.225.52023/9/2876.210.724.865.056.686.05.322.63.73.951.12023/10/3177.510.324.265.059.683.95.713.40.00.051.12023/11/3078.88.127.965.062.380.56.613.20.42.251.12023/12/2974.99.822.458.665.381.37.513.00.94.44.62024/1/3169.89.818.258.668.680.910.512.91.33.04.62024/2/2970.77.322.658.671.377.914.015.33.84.84.62024/3/3172.04.728.851.072.373.719.312.22.611.030.22024/4/3068.65.627.851.073.676.228.413.64.613.730.22024/5/3165.26.427.451.074.377.538.014.95.010.630.22024/6/3063.06.026.045.075.079.242.817.76.96.658.12024/7/3163.58.627.745.077.081.847.216.16.65.758.1数据来源：，宏观友好度评分对应大类资产预期收益率表9：滞后6M宏观友好度评分对应大类资产预期收益率A股美股H股印股日股中债美债商品黄金美元2012/1/31-6.22%2.36%-1.84%-4.16%0.60%0.41%-5.49%1.50%-0.39%2012/2/29-5.84%1.54%-2.07%-3.71%0.65%0.44%-4.90%2.14%-0.34%2012/3/30-5.92%0.60%-1.94%-3.36%0.90%0.47%-6.15%0.72%-0.33%2012/4/27-6.37%-0.32%-2.41%-2.98%1.15%0.53%-7.91%-0.99%-0.27%2012/5/31-5.76%-1.24%-1.65%-1.83%1.04%0.56%-9.40%-2.84%-0.32%2012/6/29-5.09%-0.93%-0.64%-0.57%0.79%0.62%-9.69%-2.98%-0.38%2012/7/31-4.79%-0.11%-0.53%0.69%0.89%0.68%-10.99%-3.97%-0.39%2012/8/31-3.89%0.72%0.09%2.65%0.78%0.71%-10.59%-3.69%-0.40%2012/9/28-4.10%1.13%-0.48%5.09%0.84%0.69%-10.13%-3.33%-0.39%2012/10/31-3.59%1.64%-0.06%8.96%0.85%0.70%-10.10%-3.19%-0.35%2012/11/30-2.99%1.01%-0.14%11.64%0.83%0.74%-9.18%-1.69%-0.28%2012/12/31-2.69%1.42%-0.37%12.10%0.74%0.75%-7.89%-0.21%-0.16%2013/1/31-2.76%1.95%-0.22%12.36%0.63%0.78%-5.48%2.63%-0.08%2013/2/28-2.46%3.19%-0.37%12.53%0.58%0.76%-7.80%0.00%-0.04%2013/3/29-2.09%4.32%0.78%12.71%0.41%0.81%-8.28%-0.21%-0.11%2013/4/26-1.33%4.52%2.36%12.63%0.31%0.84%-5.88%1.70%-0.18%2013/5/31-1.03%5.44%2.16%12.45%0.18%0.83%-6.06%1.40%-0.13%2013/6/281.24%5.85%3.35%12.26%0.04%0.77%-6.71%0.58%-0.11%2013/7/311.80%5.34%3.54%11.91%0.01%0.67%-7.61%-0.53%-0.09%2013/8/301.59%4.01%3.43%10.03%0.02%0.61%-5.23%1.62%-0.10%2013/9/30-0.01%3.28%3.34%-2.70%6.89%-0.33%0.52%-6.74%-0.44%-0.13%2013/10/31-0.93%3.58%2.15%0.22%3.47%-0.28%0.39%-0.65%-0.37%-0.10%2013/11/29-1.33%1.05%-0.14%0.69%2.48%-0.24%0.20%-0.12%0.33%-0.16%2013/12/31-1.73%1.69%-0.52%3.07%2.15%-0.19%0.04%-0.02%0.12%-0.14%2014/1/30-1.27%2.64%-0.28%3.25%2.36%-0.22%0.17%0.05%0.04%-0.15%2014/2/28-1.05%3.35%0.14%3.25%2.88%-0.26%0.10%-0.26%-0.50%-0.22%2014/3/31-0.83%2.69%0.98%1.13%4.14%-0.33%-0.22%0.01%-2.08%-0.23%2014/4/30-0.88%3.01%1.25%1.13%6.40%-0.35%-0.34%0.22%-2.03%-0.26%2014/5/30-1.14%3.16%0.90%-3.00%8.32%-0.35%-0.49%-0.53%-3.77%-0.27%2014/6/30-1.24%3.11%0.21%-4.51%8.97%-0.34%-0.61%-0.75%-3.46%-0.21%2014/7/31-2.16%2.85%-0.71%-4.01%9.51%-0.27%-0.67%-0.31%-2.93%-0.19%2014/8/29-1.80%2.21%-1.14%-4.01%9.56%-0.17%-0.71%0.15%-2.13%-0.08%2014/9/30-1.81%1.83%-2.22%-1.91%9.70%-0.09%-0.74%0.56%-1.76%-0.03%2014/10/31-1.94%1.31%-2.25%-1.91%9.82%-0.06%-0.75%0.14%-2.55%-0.06%2014/11/28-1.34%0.77%-1.95%-1.91%9.96%0.15%-0.77%0.89%-1.29%-0.09%2014/12/31-0.79%0.13%-1.82%-2.17%10.10%0.16%-0.76%0.94%-2.24%-0.08%2015/1/30-0.43%-0.09%-0.17%-2.17%10.22%0.25%-0.73%-0.10%-3.25%-0.04%2015/2/27-0.30%-0.84%-0.28%-2.17%10.16%0.38%-0.68%-1.38%-4.36%0.01%2015/3/310.12%-1.32%0.10%-3.00%10.02%0.34%-0.65%-3.10%-5.53%0.03%2015/4/300.85%-1.96%-0.04%-3.00%9.90%0.48%-0.61%-3.83%-5.95%0.09%2015/5/291.11%-2.50%-0.26%-3.00%9.76%0.58%-0.53%-5.71%-6.33%0.13%2015/6/302.14%-3.07%-0.10%-5.08%9.62%0.57%-0.46%-5.22%-6.27%0.18%2015/7/313.98%-3.88%0.15%-5.08%9.43%0.53%-0.39%-4.36%-6.01%0.17%2015/8/313.34%-3.66%-0.07%-5.63%8.83%0.54%0.05%-5.01%-6.05%1.25%2015/9/303.42%-3.24%0.30%-4.58%6.79%0.50%0.15%-4.48%-5.89%1.24%2015/10/303.58%-2.86%1.52%-4.58%3.55%0.54%0.22%-3.00%-4.95%1.17%2015/11/303.03%-2.55%1.78%-4.58%2.03%0.42%0.28%-1.94%-3.83%1.05%2015/12/312.41%-2.28%1.97%-4.51%1.10%0.40%0.29%-1.69%-3.51%0.96%2016/1/290.92%-1.48%2.14%-4.51%0.56%0.37%0.19%-2.93%-4.89%0.81%2016/2/292.10%-1.74%2.48%-4.51%0.31%0.26%0.12%-1.34%-3.12%0.76%2016/3/311.64%-2.01%2.64%-5.81%0.77%0.23%0.08%-1.40%-3.18%0.72%2016/4/291.23%-2.22%2.56%-5.81%0.94%0.21%0.09%-2.25%-4.08%0.67%2016/5/312.17%-1.91%2.98%-5.81%1.39%0.18%0.02%-1.21%-3.07%0.66%2016/6/302.79%-1.69%3.20%-4.08%1.89%0.07%-0.02%-1.85%-3.74%0.64%2016/7/292.48%-1.27%3.44%-4.08%2.48%-0.05%0.03%-0.25%-2.00%0.54%2016/8/310.85%1.13%3.32%-4.08%3.39%-0.08%0.20%-0.91%-2.61%0.19%2016/9/300.54%1.79%3.22%-3.03%4.38%-0.18%0.27%1.98%0.26%-0.15%2016/10/31-0.01%1.57%2.97%-3.03%4.92%-0.25%0.24%1.16%-0.70%-0.14%2016/11/30-2.36%1.61%2.62%-3.03%5.42%-0.32%0.15%1.58%-0.25%-0.19%2016/12/30-3.83%1.90%2.61%-2.97%5.73%-0.55%0.20%1.61%-0.19%-0.29%2017/1/26-4.45%1.83%2.36%-2.97%6.05%-0.61%0.08%3.06%0.77%-0.53%2017/2/28-4.07%2.08%2.77%-2.97%6.15%-0.67%-0.12%1.88%-0.02%-0.56%2017/3/31-2.99%2.34%3.28%-2.10%6.28%-0.74%-0.23%1.96%-0.08%-0.71%2017/4/28-2.75%2.60%3.27%-2.10%6.23%-0.81%-0.28%3.42%0.82%-0.70%2017/5/31-1.33%3.07%3.33%-2.10%6.09%-0.82%-0.32%2.91%0.37%-0.59%2017/6/30-1.57%3.62%3.33%-3.23%5.96%-0.83%-0.43%3.88%0.88%-0.62%2017/7/31-1.26%4.00%3.24%-3.23%5.78%-0.75%-0.48%3.09%0.43%-0.55%2017/8/31-2.89%3.95%2.83%-3.23%5.55%-0.62%-0.55%3.60%0.71%-0.42%2017/9/29-4.31%3.66%1.97%-4.64%5.46%-0.46%-0.60%1.46%-1.10%-0.26%2017/10/31-4.14%3.22%1.80%-4.64%5.28%-0.40%-0.66%-0.03%-2.40%-0.24%2017/11/30-3.76%3.33%1.60%-4.64%5.24%-0.36%-0.65%-0.13%-2.50%-0.11%2017/12/29-3.44%3.18%1.35%-4.90%5.11%-0.29%-0.59%0.30%-1.89%-0.01%2018/1/31-3.21%3.00%1.19%-4.90%4.88%-0.24%-0.57%0.02%-2.34%0.11%2018/2/28-1.50%3.15%1.62%-4.90%4.78%-0.27%-0.53%-0.47%-2.78%0.10%2018/3/30-1.19%3.41%1.55%-4.49%4.74%-0.23%-0.46%1.93%-0.53%0.22%2018/4/27-1.41%3.48%1.24%-4.49%4.65%-0.19%-0.40%1.37%0.53%0.36%2018/5/31-3.52%3.26%0.29%-4.49%4.55%0.02%-0.42%1.22%0.36%0.54%2018/6/29-4.77%2.56%-0.99%-2.85%4.33%0.20%-0.38%-0.84%-0.95%0.77%2018/7/31-5.70%2.45%-1.49%-2.85%3.71%0.31%-0.31%-0.68%-0.82%0.83%2018/8/31-6.49%2.16%-2.18%-2.85%3.40%0.53%-0.34%-1.38%-1.29%0.90%2018/9/28-6.18%1.64%-2.08%-4.38%2.65%0.51%-0.26%-2.16%-1.97%0.94%2018/10/31-5.63%1.23%-2.29%-4.38%2.26%0.50%-0.20%-1.11%-0.99%0.96%2018/11/30-5.55%0.58%-2.07%-4.38%1.73%0.49%-0.04%-2.56%-2.15%0.85%2018/12/28-5.48%0.58%-1.70%-5.61%1.34%0.47%0.17%-2.07%-1.55%0.75%2019/1/31-5.08%0.06%-1.26%-5.61%0.67%0.34%0.23%-2.54%-1.76%0.72%2019/2/28-4.69%-0.38%-0.56%-5.61%0.32%0.32%0.37%-2.91%-1.89%0.57%2019/3/29-5.00%-0.83%-0.40%-6.86%-0.20%0.40%0.46%-3.96%-2.57%0.68%2019/4/30-5.87%-1.18%-0