全球资产配置

🌍 全球配置 = 分散风险 + 抓住机会 —— 不把所有鸡蛋放在一个篮子里。

🎯 全球资产配置的优势

优势	说明
分散风险	单一市场风险有限
抓住机会	全球最优秀公司
汇率对冲	多货币分散
周期错开	各国经济周期不同
行业多样	跨产业链

📊 全球市场概览

市场	占比	特点
美股	60%+	全球最大
欧股	15%	成熟 / 工业
日股	6%	出口型
新兴市场	12%	高增长
中国	2-3%	监管严
其他	5%	中东 / 澳洲 / 加拿大

📐 主流市场 ETF

📌 美国

ETF	代码	跟踪
标普 500	SPY / VOO / IVV	大盘
纳斯达克 100	QQQ	科技
道琼斯	DIA	蓝筹 30
罗素 2000	IWM	小盘
标普 500 等权	RSP	等权

📌 欧洲

ETF	代码	跟踪
Euro Stoxx 50	EZU / FEZ	欧元区 50
德国 DAX	EWG / DAX	德国 40
英国 FTSE 100	EWU / ISF	英国 100
法国 CAC 40	EWQ / CAC	法国 40
欧洲 STOXX 600	EUFN / VGK	欧洲 600

📌 日本

ETF	代码	跟踪
日经 225	EWJ / 1321	日经 225
东证 TOPIX	1306 / 1305	东京全部
日经 225 ETF	513520（中国）	日经 225

📌 新兴市场

ETF	代码	跟踪
MSCI 新兴市场	EEM / VWO	24 个新兴市场
中国大盘	MCHI / FXI / KWEB	A 股 / 中概
印度	INDA / EPI	印度大盘
越南	VNM	越南
巴西	EWZ	巴西
韩国	EWY	韩国
台湾	EWT	台湾
沙特	KSA	沙特

🌉 桥水全天候策略（Risk Parity）

📌 核心思想

风险平价：每类资产贡献相同的风险
不预测市场：根据经济状态动态调整
抗周期：任何市场都赚钱

📌 经济状态识别

状态	增长	通胀	最佳资产
复苏	↑	↓	股票
过热	↑	↑	商品 / 黄金
滞胀	↓	↑	抗通胀债券
衰退	↓	↓	长期国债

📌 Python 实现

python

def risk_parity_allocation(target_risk=0.10):
    """
    风险平价配置
    """
    # 假设年化波动率
    assets = {
        '股票': 0.20,
        '长期国债': 0.10,
        '中期国债': 0.06,
        '黄金': 0.15,
        '大宗商品': 0.25,
    }
    
    # 反向波动率加权
    inv_vols = {k: 1/v for k, v in assets.items()}
    total_inv_vol = sum(inv_vols.values())
    
    # 归一化
    weights = {k: v/total_inv_vol for k, v in inv_vols.items()}
    
    # 计算组合波动率
    port_vol = sum(weights[k] * assets[k] for k in weights)
    
    # 缩放到目标风险
    scale = target_risk / port_vol
    final_weights = {k: w * scale for k, w in weights.items()}
    
    return final_weights

weights = risk_parity_allocation(target_risk=0.10)
print(weights)
# {'股票': 0.20, '长期国债': 0.40, '中期国债': 0.20, '黄金': 0.13, '大宗商品': 0.07}

📌 经典 All Weather（桥水）

资产	比例
股票	30%
长期国债	40%
中期国债	15%
黄金	7.5%
大宗商品	7.5%

📐 Black-Litterman 模型

📌 原理

结合市场均衡 + 个人观点
不需要明确预测
贝叶斯框架

📌 Python 实现

python

import numpy as np

def black_litterman(market_weights, cov, views, confidences, risk_aversion=2.5):
    """
    Black-Litterman 模型
    market_weights: 市场均衡权重
    cov: 协方差矩阵
    views: 个人观点 dict
    confidences: 信心度
    risk_aversion: 风险厌恶
    """
    # 简化版：BL 后验 = 均衡 + 个人观点调整
    # 实际实现需要更复杂的矩阵运算
    
    # 平衡权重
    pi = risk_aversion * cov @ market_weights
    
    # 加入个人观点（简化）
    posterior_weights = market_weights.copy()
    for view, view_return in views.items():
        weight = market_weights.get(view, 0)
        # 信心度调整
        adjustment = confidence := confidences.get(view, 0.5)
        posterior_weights[view] = weight * (1 + adjustment * (view_return - pi[weight]))
    
    # 归一化
    total = sum(posterior_weights.values())
    return {k: v/total for k, v in posterior_weights.items()}

# 示例
market_weights = {'股票': 0.6, '债券': 0.3, '黄金': 0.1}
cov = np.array([[0.04, 0, 0], [0, 0.01, 0], [0, 0, 0.0225]])
views = {'股票': 0.08, '债券': 0.03}
confidences = {'股票': 0.7, '债券': 0.5}
bl_weights = black_litterman(market_weights, cov, views, confidences)
print(bl_weights)

💵 美元周期

📌 美元周期对资产影响

美元阶段	表现好的资产
美元走强	美股、美元资产
美元走弱	大宗商品、新兴市场、黄金

📌 跟踪美元

指标	来源
美元指数 DXY	ICE
美元 / 人民币	央行
美元 / 欧元	ECB

📐 全球配置方案

📌 保守型（低风险）

A 股：沪深 300 ETF  20%
美股：VOO           40%
港股：盈富基金      10%
债券：长期国债 ETF  20%
黄金：黄金 ETF      5%
现金：货币基金      5%

📌 平衡型

A 股：沪深 300 ETF  30%
美股：VOO           30%
港股：盈富基金      10%
欧洲：EZU           10%
债券：长期国债 ETF  15%
黄金：黄金 ETF      5%

📌 激进型

A 股：科创 50 ETF    20%
美股：QQQ          30%
美股：VOO          20%
港股：科技 ETF      10%
新兴市场：EEM      10%
黄金：GLD          5%
现金：5%

📊 实战建议

📌 全球配置 5 原则

不预测市场：定期再平衡
低相关性：股 + 债 + 商品
控制成本：选低费率 ETF
税务优化：长期持有
再平衡：季度 / 年度

📌 跟踪再平衡

python

def rebalance(target_weights, current_weights, threshold=0.05):
    """
    简单再平衡
    threshold: 偏离超过 5% 才调整
    """
    actions = {}
    for asset in target_weights:
        diff = abs(target_weights[asset] - current_weights.get(asset, 0))
        if diff > threshold:
            actions[asset] = target_weights[asset] - current_weights.get(asset, 0)
    return actions

📖 相关阅读

来源

证监会公开公告
上交所交易规则
深交所 / 北交所规则
中国证券业协会（SAC）、中国证券投资基金业协会（AMAC）公开资料
国家金融监督管理总局、人社部、财政部、税务总局公开资料

💡 数据截至 2026-08；具体规则以交易所/监管机构最新公告为准。

全球资产配置 ​

🎯 全球资产配置的优势 ​

📊 全球市场概览 ​

📐 主流市场 ETF ​

📌 美国 ​

📌 欧洲 ​

📌 日本 ​

📌 新兴市场 ​

🌉 桥水全天候策略（Risk Parity） ​

📌 核心思想 ​

📌 经济状态识别 ​

📌 Python 实现 ​

📌 经典 All Weather（桥水） ​

📐 Black-Litterman 模型 ​

📌 原理 ​

📌 Python 实现 ​

💵 美元周期 ​

📌 美元周期对资产影响 ​

📌 跟踪美元 ​

📐 全球配置方案 ​

📌 保守型（低风险） ​

📌 平衡型 ​

📌 激进型 ​

📊 实战建议 ​

📌 全球配置 5 原则 ​

📌 跟踪再平衡 ​

📖 相关阅读 ​

来源 ​

全球资产配置

🎯 全球资产配置的优势

📊 全球市场概览

📐 主流市场 ETF

📌 美国

📌 欧洲

📌 日本

📌 新兴市场

🌉 桥水全天候策略（Risk Parity）

📌 核心思想

📌 经济状态识别

📌 Python 实现

📌 经典 All Weather（桥水）

📐 Black-Litterman 模型

📌 原理

📌 Python 实现

💵 美元周期

📌 美元周期对资产影响

📌 跟踪美元

📐 全球配置方案

📌 保守型（低风险）

📌 平衡型

📌 激进型

📊 实战建议

📌 全球配置 5 原则

📌 跟踪再平衡

📖 相关阅读

来源