来源：中国资产管理

作者：陈奕伦   泰康资产管理有限责任公司常务副总经理

陈奕伦

现任泰康保险集团股份有限公司管理委员会成员、泰康资产管理有限责任公司董事、常务副总经理，兼任中国银行保险资产管理业协会副会长、北京泰康投资管理有限公司董事长、泰康基金管理有限公司董事长等职务，长期从事境内外资产配置、公开市场、股权投资、资金运用等资产管理领域投资、研究和管理工作。

摘要：在低利率和高波动的市场环境中，保险资金负债成本、久期匹配和偿付能力承压，多资产多策略成为重要应对方式。本文比较主流资产配置模型，提出以夏普比率为核心的投资理念框架。该框架通过明确风险目标，设定资产配置中枢，利用策略间的低相关性和单品种夏普比率的提升，优化组合整体风险收益特征。实践表明，精选优秀品种 Beta、持续稳定组合 Alpha、辅以动态资产配置，可构建高夏普比率的稳健组合。展望未来，行业需坚定拓展多资产配置边界，探索 "AI+ 资管 " 深度赋能，践行耐心资本理念，提升长期复利能力。

一、低利率高波动市场环境中保险资产配置面临的主要挑战

（一）负债端压力加剧，资产负债管理难度上升

一是负债成本调整具有滞后性。近年来，行业虽然持续推动负债成本压降、产品结构向分红险转型，但受存量负债规模较大和续期保费流入等因素影响，整体负债成本下降的速度滞后于资产收益率的变动。

二是债券市场呈现低利率、高波动和收益率曲线陡峭化并存的特征，资产负债管理难度加大。在利率下行阶段，拉长资产久期有助于缩小久期缺口；但利率波动加剧时，资产久期管理更具战术灵活性。同时，《保险公司资产负债管理办法（征求意见稿）》明确有效久期缺口为监管指标，分红险账户的有效久期缺口因产品特性而明显缩短甚至转正，其拉长资产久期的需求相应减弱。此外，在利率曲线非平移变动时，寿险公司需加强对关键利率久期的管理。

三是寿险公司偿付能力面临资产负债双重压力，对权益资产配置形成硬约束。资产端，利率上行将导致以市值计量的固定收益资产账面价值下降；负债端，750 日移动平均国债收益率曲线仍处下行通道，推动准备金计提不断增加。二者共同侵蚀偿付能力口径下的净资产，使偿付能力充足率承压。由于权益类资产的监管比例上限和偿付能力充足率挂钩，且权益资产资本占用较高，偿付能力约束限制了权益资产的配置空间。

（二）资产配置结构变化，组合波动性上升

近年来，寿险行业资产配置呈现股票和债券占比同步上升、成本类资产占比持续下降的态势。截至 2025 年末，股票和债券占比分别为 10.1% 和 51.1%，证券投资基金占比 5.1%，存款占比 7.6%，长期股权投资占比 7.8%，其他投资占比 18.2%。其中，债券占比自 2023 年以来因利率趋势下行、合意非标供给相对稀缺和久期匹配需求而持续提升。股票占比在 2024 年和 2025 年持续提升（2025 年占比提升 2.5 个百分点），既反映行业主动增配，也得益于权益市场上涨。证券投资基金占比近年稳定在 5% 左右。以存款和其他资产为代表的成本类资产占比受存量到期、合意非标供给相对稀缺影响延续下降趋势。长期股权投资占比经历 2022 年至 2024 年持续下降后，于 2025 年趋于稳定（见图 1）。

资料来源：国家金融监督管理总局

图 1   寿险行业大类资产配置比例

保险资金投资组合波动性显著上升。公开市场权益方面，2025 年末行业股票和基金占比合计 15.3%，为 2013 年以来最高；上市险企公开市场权益资产占比均值约 18%，显著高于行业整体。新会计准则实施后，股票市场波动直接影响寿险公司利润表，2026 年一季度权益市场回调导致上市险企归属于母公司净利润同比下降 17%。债券方面，2025 年末行业债券占比提升至 51%，为 2013 年以来最高水平，资产久期大幅拉长，在市值管理要求下，对公司净资产和利润形成一定压力。

在此背景下，通过多资产、多策略构建投资组合，利用分散化降低波动，是实现长期稳健收益的重要途径。一方面，引入黄金等新型投资品种可改善组合风险收益特征。2025 年监管放开黄金投资业务试点，黄金具备较好的收益水平且与股债相关性较低，纳入投资组合有助于降低系统性风险、提升收益。另一方面，强化各品种策略的绝对收益要求，加大绝对收益策略的开发和配置，有助于组合更稳定地实现长期收益目标。

二、资产配置理论模型和比较

构建多资产、多策略投资组合，关键在于有效整合不同资产和策略，实现更优的风险收益特征。学术界和实务界已形成均值 - 方差模型（以下简称均方模型）、Black-Litterman 模型（以下简称 B-L 模型）、风险平价模型等主流配置模型。

均方模型以最大化组合夏普比率为核心，依托分散化降低非系统性风险。该模型需输入各资产的预期收益率和协方差矩阵，输出夏普比率最优的组合权重。其优势在于数学推导严谨、最优性明确，但对输入参数较为敏感，难以有效处理高相关性资产的配置问题。

B-L 模型旨在解决均方模型的参数敏感问题。该模型从市场均衡收益出发，运用贝叶斯方法将投资者主观观点融入先验分布，得到后验预期收益。B-L 模型在一定程度上降低了参数敏感，但加入了多个需主观设定的参数，增加了策略应用的干扰因素。

风险平价模型的核心在于使各资产或策略对组合总风险的边际贡献相等。该模型基于波动率矩阵等输入数据，通过迭代算法调整资产权重，直至各资产边际风险贡献趋于均衡，实现风险在各资产、策略上的均匀分散。其优点在于无需预测收益，可落地性较强；但仅在各类资产夏普比率相等的理想条件下，输出权重才等同夏普最优权重。此外，投资者需深入理解各资产的共性驱动因素，否则可能导致风险过度集中于某类宏观因子。

上述三类模型在理论严谨性和实践可操作性之间呈现不同的权衡特征（见表 1）。风险平价模型的落地性较强，适用于高相关性资产配置；B-L 模型需依赖长期可靠的收益序列回测参数，且要求策略间低相关性；均方模型在满足低相关性要求基础上，还需对投资者观点的准确性提出较高要求。实践中，应根据资金性质、风险偏好和数据可得性等因素综合选择适配模型。

表 1 资产配置理论模型与比较

三、构建有效多策略组合的分析框架

构建有效的多策略组合，需在理念层面明确投资目标、底层资产配置中枢和组合优化路径。实践表明，以夏普比率为核心的框架可较好解决上述问题。

（一）夏普比率的定义

资料来源：泰康资产

图 2   夏普比率和不同维度正收益概率的关系

实践中，若要求组合季度亏损概率控制在 10% 以内，年化夏普比率需高于 2.6。若要求年度亏损概率控制在 10% 以内，则年化夏普比率需高于 1.3。尽管现实中组合收益分布常呈现有偏、厚尾和波动聚集特征，正态假设下的计算结果仅为近似值（见表 2），但其对理解夏普比率和组合实现绝对收益目标能力的关系仍具有重要参考价值。

表 2   不同周期下组合亏损概率对应的年化夏普比率要求

（二）基于夏普比率的资产配置框架

1．确定投资目标

投资实践中通常较难精确设定收益目标，但设定风险目标相对可行。例如，可要求 " 固收 +" 组合年度亏损概率较低，或低波动 " 固收 +" 组合季度亏损概率较低。基于不同属性的资金来源，可得到较为明确的夏普比率目标。

2．确定底层资产配置中枢

确定长期目标后，可使用均方模型或改良风险平价模型确定底层资产配置中枢。以均方模型为例，基于股债长期收益预期，可测算不同股票配置比例下的股债组合夏普比率。若要求季度亏损概率小于 10%，即组合夏普比率超过 2.6，则股票配置中枢为 2.5%~5%；若要求年度亏损概率小于 10%，即夏普比率超过 1.3，则股票配置中枢可提升至 15%~20%（见图 3）。

图 3   不同股票中枢对应的股债组合夏普比率

3．构建多资产、多策略组合

上述框架指明了有效优化方向：一是提升单品种策略的夏普比率；二是利用策略间的低相关性增厚组合夏普比率。以股票策略为例，2020 — 2025 年间年化夏普比率超过 1.5 的产品即为优秀，可保证年度亏损概率控制在 5%~10% 水平（见图 4）。在策略搭配上，应优先选择低相关的品种组合，而非简单增加策略数量。模拟结果显示，以提升组合夏普比率为目标，精选相关系数较低的单品种策略效果优于简单扩大策略数量（见图 5）。

注：2020 — 2025 年数据

资料来源：Wind，泰康资产

图 4 不同类型优秀同业产品夏普情况

注：模拟单策略的年化收益为 8%，年化波动率为 10%

图 5 不同策略数量、相关系数下组合夏普比模拟结果

短期战术调整方面，可引入多维择时信号，适度摆动组合仓位，以把握阶段性投资机会或规避潜在风险。

综上，从负债特性出发确定夏普比率目标，结合均值方差或风险平价模型确定长期配置中枢，并在各层面持续优化夏普比率，即可形成多资产、多策略配置框架。

四、多策略组合的实践运行

在实践中，依据上述配置框架构建的资产组合初步取得了较好的配置效果。

一是对于底层资产配置中枢设定，目标为打造长期高夏普比率的低波动 " 固收 +" 组合。依据可投资产的历史风险收益特征和未来展望，结合长期夏普比率目标，使用改进风险平价模型确定配置中枢，并通过三个层次提升组合夏普比率，优化风险收益特征（见图 6）。

图 6   三层次提升组合夏普比率

二是精选优质品种 Beta。例如，可转债等权指数近三年 / 五年的年化收益分别高于中证转债指数 2.5 个和 4.4 个百分点，近五年夏普比率也高于中证转债指数（见表 3）。因此，在转债单品种策略研发中应重点考虑这一因素，并进一步挖掘具备相对优质指数夏普优势的单品种策略。

表 3   可转债等权指数与中证转债指数收益和夏普对比

注：数据截至 2026 年 5 月 20 日

三是持续稳定的组合 Alpha。利用不同策略的低相关性和互补性，有效降低回撤风险，平滑收益曲线，从而提升组合夏普比率和卡玛比率。

四是组合层面的动态配置调整。在基准配置比例基础上，依据择时信号进行动态调整，把握阶段性投资机遇，适度规避潜在回撤风险。

基于上述理念和方法构建的资产配置，在 2020 年 12 月 1 日至 2025 年 7 月 17 日回测区间内，年化收益率为 6.23%，最大回撤 1.45%，夏普比率达到 5.47，月度正收益概率超过 90%（见图 7）。同期，该组合跑赢同期一级债基指数和 95% 债券 +5% 权益组合（见表 4）。

注：数据区间为 2020 年 12 月 1 日至 2025 年 7 月 17 日

图 7 资产配置组合历史收益特征

表 4   资产配置组合与不同基准的风险收益特征对比

多资产、多策略的投研方法和实践仍有较大提升空间，资产配置模型 / 组合需持续迭代进化。一方面，应深化现有资产范围内的多策略研究，如在纯债内部挖掘久期、杠杆、曲线结构、信用等策略，在股票内部拓展成长、红利、价值、景气等多维度策略，以丰富收益来源、降低单一策略依赖。另一方面，应逐步拓宽多资产配置边界，从传统股债向商品、REITs、量化对冲和其他低相关资产延伸，借助差异化风险收益特征强化分散配置，提升组合在不同市场环境中的适应性，进一步优化长期复利能力。在低利率时代，多策略、多资产策略和资产配置模型 / 方法的有机结合，是提升组合夏普比率的重要方向。

五、总结和展望

面对低利率和高波动交织的复杂市场环境，保险资产管理公司需要进一步研发跨越周期的资产配置方法。依托以夏普比率为核心的资产配置框架，通过精选优秀品种 Beta、深挖持续稳定的组合 Alpha，并辅以严谨的宏观战术动态择时，所构建的资产配置组合展现出较为优秀的运行效果，印证了多资产、多策略投资的实践价值，有望助力行业缓解资产负债的双重压力。

展望未来，资管行业发展要求机构持续拓宽能力圈。一方面，应坚定拓展多资产配置边界，在深耕传统股债基础上，稳步向商品、REITs、量化对冲等低相关性资产延伸，以更全面的风险分散构筑投资组合 " 压舱石 "。另一方面，科技革命正在重塑投研生态，应全面拥抱人工智能，探索 "AI+ 资管 " 的深度赋能模式。利用大模型和前沿算法处理海量非结构化数据，人工智能有望在宏观趋势推演、复杂资产精准定价、多维风险预警和高频战术择时中发挥潜力，助力突破目前认知和操作能力边界，进一步提升组合胜率和收益稳定性。