当保本刚兑退出历史，如何寻找高收益资产成为稳健投资者面临的挑战。“固收+”产品应运而生，以债券为盾，以股票为矛，在低波动低收益的现金管理类产品和高波动高收益的权益性产品中间，建立了新的产品谱系。

市场大幅震荡中，CTA策略往往能够取得不错的收益，一定程度上抵冲权益资产的下跌，并且和股多、固收以及量化市场中性策略相关性都很低，可以很好地分散资产组合的风险。

而REITs基金跳脱股票或债券市场的框架，主要投资于不动产，来获得底层资产的经营收益和资产增值收益，彰显另类资产的魅力。

在朱雀基金“展望2023”系列的第四篇中，我们将为您一一揭示以上三类资产的特点，以及来年的展望。

1、今年是宏观大年，大类资产的表现与之密切相关，该如何把握？

王壮飞：对于固收+策略而言，最为核心是对于宏观经济的研究。经济基本面仍然是资产定价的核心，对于资本市场的长期趋势影响较强。

宏观经济方面首先是国内基本面的分析，经济存在较为显著的周期性波动，对于各类资产价格的影响也较为显著，对于周期性趋势的把控是宏观分析的基本要求。但在周期分析之外，同样需要对经济结构转型和政策目标转变带来的趋势性变化，予以足够的重视。

趋势性的变化会导致前期宏观分析框架中的部分经验范式不再奏效，例如M2和信贷的相关性在地产融资需求走弱，居民购房信心不足的情况下，出现了较大程度的背离。制造业投资在供给侧改革约束传统高耗能制造业投资，以及支持对新兴行业投资的情况下，对盈利周期也产生了一定的影响，制造业投资和GDP中制造业的占比也存在较大的影响。

总体来看，周期性因素是关注宏观经济研究的重要方面，但同样需要考虑到结构性和趋势性因素的影响。对不同的经济阶段而言，大类资产的相对走势会存在较大的差异，不能单纯依赖过往的经济逻辑进行分析，例如，在目前阶段需要更多关注全球产业政策的影响。此外，资本市场存在学习效应，边际变化的预期也会反应在资产价格上，所以宏观研究需要结合对资产相对价值的判断。

2、如何看待后续的宏观经济趋势？

王壮飞：国内的核心长期逻辑在于经济增长模式的切换，前期经济呈现出投资驱动尤其是地产驱动的特征，而当前人口趋势无法支持需求，地产企业尤其是民企高杠杆经营模式不具备持续性，地产的金融属性开始逐步剥离，地产投资对经济拉动作用将逐步降低。

经济增长的驱动力要转向全要素生产率的提升，最明显的是制造业的产业升级。2021年开始制造业占比逐步回升，尤其是高技术行业对经济的拉动显著增强，产业结构的升级调整成为宏观的重要命题，也会影响各类资产内部的结构选择。

短期来看，主题是居民和企业风险偏好的修复，疫情环境影响就业，且地产价格下跌影响居民资产负债表，造成居民储蓄意愿增强和存款快速上行。后续阶段地产融资政策有所企稳，而且疫情管控也开始向降低对经济社会的影响，失业率也逐步企稳，居民信心预计将有所改善。

企业层面上，盈利预期在政策力度加大和上游材料价格下降的情况下，开始出现一定改善，有利于后续投资力度的增强。根据央行测算，我国2023-2025年的潜在增速仍然在5%以上，预计2023年经济虽然仍然将受到前期疫情环境一定的影响，但将逐步向潜在增速靠拢，基本面整体呈现出结构性复苏的格局。

海外方面，美国通胀开始出现下降的趋势，全球金融环境逐步进入相对稳定的阶段，且美国经济体现出一定的韧性，后续需求虽然预计将有所下降，但考虑到个人消费层面的支撑，后续回落幅度和速度预计相对可控。

全球金融风险预计也将有所稳定，金融环境的企稳会减缓资本项的压力，而能源价格逐步回落也将改善欧盟和日本等主要经济体的贸易项的压力，外汇流动稳定性的增强将一定程度上平抑金融风险。

但从中长期来看，疫情之后发达经济体快速的杠杆扩张为后续阶段的金融体系留下了隐患，而全球供应链修复难度加大，通胀压力也导致利率环境很难恢复到疫情中的低位水平，中长期来看发达经济体的债务风险仍然是需要观察的主题。

3、如何看待明年的大类资产表现？

王壮飞：从资产配置的角度来看，宏观环境对权益类资产相对有利。

一方面，股债性价比反映市场的风险偏好，在风险偏好相对较为极致的情况下，后续阶段资产的相对价值容易出现较为显著的扭转，可以作为资产配置比例的参考指标，目前阶段权益类资产的相对性价比仍然维持高位。

另一方面，基本面层面上边际改善的概率相对较大，而海外金融环境也逐步企稳，而权益类资产中，高技术制造业无论从政策支持力度，还是自身景气度而言，都具备较好的趋势性机会，也是朱雀在投研实践中重点关注的领域，属于需要重点关注的资产。

债券收益率下行空间有限，但在复苏阶段流动性环境仍然较为稳定，总体来看上行风险也相对可控。

4、朱雀基金的固收+投研模式有何特点？

王壮飞：首先，我们将宏观趋势的把握作为核心要素，不仅仅局限和拘泥于周期理论，而是注重对于宏观经济大的趋势性方向的分析，重视宏观经济结构的调整，以及增长模式较为显著的变化，更多把握趋势而非注重阶段性波动。

其次，注重宏观和微观视角的结合，对企业和行业的观察，很多时候可以给宏观研究提供更为及时的边际变化的信号，通过自下而上的视角，通过团队协作的行业观察寻找经济脉络的信号，结合自上而下的逻辑，将信号转化为宏观逻辑，从而选择适宜的大类资产配置策略。

另外，我们的权益投资模式相对成熟，具有较强的自下而上择券能力，有利于固收+策略权益资产配置的丰富性。

最后，我们保持稳健的投资理念，以客户的利益为中心，重视对回撤的控制，维持产品资产配置的相对均衡，保持对极端和意外情景假设的警惕，努力争取获得相对平稳的收益。

1、CTA策略在怎样的市场中表现更好？

章晓珏：CTA策略的盈利包含了两个前提假设，一是价格走势本身具有可预测性，而非完全随机。二是价格走势的分布在不同时段上要具有一致性，这样模型从历史数据中学到的映射规律才能被应用于最新的市场环境。

因此，CTA策略往往在趋势性好、波动率高的市场中表现更好。 

A股中，由于投资者“追涨杀跌”的行为导致市场呈现出较强的动量效应，因此模型对历史数据的模仿导致它学到的也是价格走势的动量效应。而当趋势性好的时候，当前的市场环境就和模型从历史数据中所学到的较为契合，因此预测准确率也相对较高。

同时，当指数波动率较高的时候，市场的可预测性往往较高。并且在模型训练的过程中，目标函数的设置也会在一定程度导致模型把更多的注意力放在高波动的样本点上，因此波动率的提升也会有利于策略的表现。

2、今年各类CTA产品业绩为什么弱于往年？如何保持策略有效性？

章晓珏：一个原因就是指数价格的时间序列特征较历史发生了偏离，导致模型从历史数据中所学到的映射规律在今年的行情下有效性降低了。以股指为例，我们可以看到在今年市场中，极端下跌发生的概率显著上升了，同时高波动行情的持续性显著变差。

另外，今年指数的日内走势更接近随机游走，对模型来说预测难度显著提升。同样地，商品期货在今年四月以来也经历了超预期的持续震荡。这个现象背后反映的是市场有效性的边际提升。

为了保持策略的有效性，我们建立了一套成熟的分散化体系，并且机器学习领域多年深耕，积累了一些经验。

首先，分散化是最佳的风控手段。对于量化投资者来说，大家都希望可以找到穿越牛熊的稳定alpha，但现实是，这类alpha的盈利本质上来自于市场的错误定价，而同时量化模型会不断的把资金注入价值洼地来填平定价误差，从而推动市场有效性的提升，而这反过来又会蚕食alpha收益，因此我们需要承认alpha因子的波动。

我们可以通过模型优化来减小alpha随市场周期的波动，同时以资产配置的思路、通过分散化的手段来实现对alpha因子的配置，从而稳定净值。目前我们已经通过因子信息源的扩充、因子逻辑的分散、交易标的以及周期的扩充形成了全面的分散化投资体系。

其次，我们也在机器学习领域进行了多年的深入研究。由于金融数据的信噪比较低，因此简单地照搬标准化的机器学习流程是很难在CTA上取得好的效果的。我们必须根据股指和商品期货本身的特点对机器学习流程进行细节化的改造。

举例来说，像训练样本的抽取、目标函数的设置等等都会极大地影响模型最终的训练效果。我们在过去几年对这些细节做了充分的回测，并建立了一套从特征工程到模型训练到再策略评价的完整的开发流程。

同时我们也深入探索了不同类型的机器学习模型，像CNN、LSTM、transformer等，我们不仅对不同的神经网络结构做了细致的横向比较，也有针对性的测算了每种模型的细节配置。因此在机器学习上我们也建立了一定的护城河。

3、朱雀基金的CTA策略一直在迭代，今年又有哪些变化呢？

章晓珏：首先，今年七月中金所推出了以中证1000为标的的股指期货品种，我们也第一时间在产品中对其进行了配置。中证1000作为小市值的代表指数，具有收益弹性大、趋势性好的特点，因此天然地适合对其进行择时交易。从趋势性和波动率两个角度将中证1000与500做一个对比，可以看到中证1000的趋势性更好、波动率更高。

数据来源：wind，朱雀基金

并且我们也比较了相同逻辑的市场特征对不同指数走势的预测能力，在中证1000上因子池的有效性要显著高于中证500。当然未来随着中证1000指增及雪球规模的扩大，它的相对优势将有所衰减，但整体而言中证1000的引入将提升股指策略的表现。

其次，我们也继续优化了遗传规划算法，使之可以更高效地进行因子挖掘。我们对算法的优化主要是在四个方面：

第一，丰富了算子集和特征集，纳入了更多时间序列上的运算规则，并增加了简单的量价特征。

第二，引入了多目标优化机制，在演化过程中我们不仅会关注因子对价格走势的预测能力，也会综合考虑其分组单调性、因子间相关性等目标，以使得最终得到的因子可以更好的嵌入后续的机器学习框架里。

第三，在筛选下一代因子时我们引入了基于样本外数据的交叉验证机制，以预防过度拟合的发生。

第四，我们发现随着种群的不断迭代，种群中个体的差异度会逐渐减小，从而导致迭代效率逐渐降低，对此我们也开发了算法以保证在迭代后期种群内的个体仍具有多样性。

最后，在机器学习的模型结构上，我们今年尝试了自注意力机制，这是一种能让模型关注到重点信息并吸收学习的算法。相较于循环神经网络，它能够增强模型的预测能力，实现短距离和长距离的信息交互，运算速度也更快。

1、公募REITs为何火爆，目前发展如何？

江昊：公募REITs自2021年6月开始试点，覆盖交通基础设施、能源基础设施、市政基础设施、生态环保基础设施、仓储物流基础设施、园区基础设施、新型基础设施、保障性租赁住房和其他9大行业。

截至11月30日，产品由9只增至22只，总市值、自由流通市值分别从316、93亿元，增至828、349亿元。今年，在权益类市场低迷、公募REITs产品稀缺背景下，公募REITs认购倍数屡创新高，12只新发公募REITs产品有9只超过了百倍认购倍数。

从投资收益来看，分红是重要组成部分。目前，已有12只REITs实施分红，累计分红22次，累计分红24亿元。

此外，首批公募REITs迎来扩募，也有望提升收益率水平。扩募可以看做上市公司的增发，是对已有资产的有益补充，有助于分散资产的持有风险，同时具有较强的成长潜力，有利于基础设施资产持续稳定运营以及实现资产增值。

从流动性看，公募REITs的流动性整体较好。以11月为例，公募REITs的日均换手率达到1.26%，高于同期海外REITs和国内的股票和债券。

从市场容量看，华泰证券预计，2023年末REITs上市数量或达60只、市值1500亿元，未来3年至5年，万亿元级市场更值得期待。

其中，新能源REITs将成为每年快速扩张的新能源基建的助推剂。新能源REITs可以为项目开发商、建设商提供退出渠道，为筹措长期资金渠道提供了新模式新业态，更好地保障了“3060” 重大项目建设的资金需求。

据统计，存量市场中，符合发行REITs “大于4%”条件的公司资产规模分别有水电448亿、风电4395亿、光伏发电2015亿。

2、公募REITs在二级市场表现分化，新能源REITs的比较优势在哪里？

江昊：与公募REITs一级市场上火爆的认购场面相比，二级市场上公募REITs产品价格呈现下滑趋势。下滑的原因包括业绩不及预期、上市后涨幅过高部分投资者获利了结、股市与REITs的跷跷板效应、未来利率预期等。这种价格波动，也是回归内在价值的表现。

公募REITs底层资产业绩受经济波动影响，但大部分公募REITs环比经营数据趋向改善。清洁能源REITs和仓储物流REITs运营稳健，主要指标完成度较高，体现出较强的抗周期能力，高速公路REITs、生态环保REITs、产业园区REITs因疫情反复、成本上升等，呈现出“环比好转、同比仍为负增长”的局面。

相比之下，新能源资产非常适合发行公募REITs。首先，商业模式清晰，电价确认方式稳定，符合政策导向，抗周期属性强。其次，技术运营成熟，盈利能力与成本构成稳定。最后，电费结算及时，属于典型的现金牛资产。

3、如何评价新能源资产的质地优劣呢？

江昊：我们从规模、合规和效益三个维度进行评价。首先，装机容量较高、资产规模较大，单只REITs产品光伏资产规模最好不少于10亿元。其次，底层权属清晰，项目报批报建手续、发电资质需要完备。此外，项目全投资收益率IRR不低于6%是相对比较理想的。

注：本文件非基金宣传推介材料，仅作为本公司旗下基金的客户服务事项之一。

本文件所提供之任何信息仅供阅读者参考，既不构成未来本公司管理之基金进行投资决策之必然依据，亦不构成对阅读者或投资者的任何实质性投资建议或承诺。本公司并不保证本文件所载文字及数据的准确性及完整性，也不对因此导致的任何第三方投资后果承担法律责任。基金有风险，投资需谨慎。

本文所载的意见仅为本文出具日的观点和判断，在不同时期，朱雀基金可能会发出与本文所载不一致的意见。本文未经朱雀基金书面许可任何机构和个人不得以任何形式转发、翻版、复制、刊登、发表或引用。