Portfolio Management for Macro Hedging on AWS

#trading #ai #fintech #aws

宏觀對沖的組合管理在亞馬遜雲 Portfolio Management for Macro Hedging on AWS

核心觀點

第二代宏觀對沖，包含三個部份：宏觀面、技術面、交易交易系統。但2025年有三大痛點：①第一，遲疑了未戰略轉移到權益資產，錯過了2025年的中歐美權益共舞。②第二，遲疑原因，是未懂如何去回測宏觀對沖的几何收益路徑。③第三，因此未知風險的恐懼令我做錯了，即使2025年是實現每月正收益。
如何破局？我要避免陷入半夏宏觀的“忘記了自己的看家本領”，同時提升宏觀對沖的組合管理工藝。因此，我定了兩個KPI指標：①每月正收益實現率，Pure-Alpha絕對淨值。②Sharpe vs Sortino，宏觀對沖下跌風險的工藝。
第三代宏觀對沖系統，在現有的架構上升級了：①Quarterly Correction Assets，強化宏觀叙事面的戰略轉移。②90-Day Rolling Window Correction Assets，強化Sharpe vs Sortino 即提減低風險同時提升收益率。③蒙地卡羅回測宏觀對沖的組合管理，即几何收益路徑來決定“風險+收益率”表現。

Core Idea

The second generation of macro hedging has three parts: macro view, technical view, and trading system. But in 2025, there are three big problems: ①I hesitated to shift strategy to equity assets and missed the U.S.–Europe equity rally in 2025. ②The hesitation came from not knowing how to backtest the geometric return path of macro hedging. ③Fear of unknown risks led to mistakes, even though 2025 delivered positive monthly returns.
How to Break Through? I must avoid falling into the trap of “forgetting my core skill” and improve portfolio management for macro hedging. So, I set two KPIs: ①Monthly Positive Return Rate and Pure Alpha Net Value. ②Sharpe vs Sortino to refine risk control in macro hedging.
Third-Generation Macro Hedging System. The upgraded system adds three key features: ①Quarterly Correction Assets – strengthen strategic shifts based on macro narratives. ②90-Day Rolling Window Correction Assets – improve Sharpe vs Sortino to reduce risk and boost returns. ③Monte Carlo Backtest for Macro Hedging Portfolio Management – simulate geometric return paths to measure combined “risk + return” performance.

1.0 Quarterly Correction Assets

強化戰略轉移。負相關是Macro Hedging的核心。如果所有資產都正相關，即黑天鵝危機全部市場下跌。
Strengthen Strategic Shifts. Negative correlation is the core of macro hedging. If all assets move together, a black swan event will crash every market.
所有資產趨正相關時，宏觀對沖表現不佳。由2020-Q1至2025-Q4，有5個季度出現所有資產趨正相關。其中3次是所有資產下跌（2020-Q2、2022-Q2、2024-Q1），宏觀對沖的大盤同步大幅回撤，即宏觀對沖失去了分散風險的效果。其中2之次是所有資產上升（2025-Q3、2025-Q4），宏觀對沖收益率跑輸大盤。在近8年後疫情大動蕩，宏觀對沖失去了分散風險的效果，收益率也跑輸大盤，如果只是每月正收益但續效不甚理想。
剖析過往5次所有資產趨正相關。①一致性下跌：2020-Q2是疫情之始環球量化寬松。2022-Q2是量化寬松副作用+中歐美經濟不及預期。2024-Q1是高息周期+經濟修復觀察。②一致性上升：2025-Q3和2025-Q4是環球AI共舞+中歐美經濟熱絡。
因此，宏觀收益流模型用來強化戰略轉移。因每個資產的質地隋時間變化，我們利用宏觀收益流模型，提取每個資產當刻的三個關鍵收益流，分隔開組合的風險和收益，從而強化戰略轉移的敏捷度。

✅2020-Q2 美債：安全港、美元信用、疫情
✅2020-Q2 黃金：安全港、通用貨幣、疫情
❌2022-Q2 美債：加息周期、滯脹（通脹+經濟不及預期）
✅2022-Q2 黃金：通用貨幣、對沖滯脹（通脹+經濟不及預期）
✅2024-Q1 商品：經濟修復觀察
❌2025-Q3 商品：中歐美經濟熱絡

提取每個資產的質地。①在2020-Q2美債和黃金是“安全港”，但到2022-Q2是量化寬松副作用，“通脹”主線下，對美債是加息風險，而黃金則是收益良機。②在2024-Q1是“經濟修復觀察”，利好商品交易，因供需雙邊彈性都大，但到2025-Q3“中歐美經濟熱絡”反而是利空商品交易，因壓縮了供需雙邊彈性。
潛在風險：所有資產趨正相關。①一致性下跌，如環球疫情、地緣戰爭、國家危機。②一致性上升，如環球AI共舞，中美歐經濟需求熱。

2.0 90-Day Rolling Window Correction Assets

減低風險同時提升收益率。通過時間可視化 Sharpe波動率 vs Sortino下跌風險。
Lower Risk and Raise Returns. Use time-based visualization of Sharpe (volatility) vs Sortino (downside risk).
把時間當成朋友，而非敵人。長遠地看哪些資產在近三十年，哪些資產組合最有效率地對沖。
首先，90天中周期合適做月度正收益，而240天長周期合適做超額收益。90天中周期波動率在+-10%，而240天長周期波動率在+-30%。但頻率上看，90天中周期有2~3次+10%收益機會在一年內，但240天長周期只有1次+20%收益機會在一年內，但伴隨著更大的虧損風險。因此，我會選擇90天中周期來做基線，來實現每月正收益宏觀對沖。

❌2022-03 HSI恆生指數 長周期（-37%） 中周期（-17%）
❌2022-10 HSI恆生指數 長周期（-41%） 中周期（-23%）
❌2024-01 HSI恆生指數 長周期（-30%） 中周期（-11%）
❓2024-11 HSI恆生指數 長周期（+10%） 中周期（-14%）
✅2025-03 HSI恆生指數 長周期（+46%） 中周期（+23%）

其次，長周期只是能回本，但虧損風險和中周期是一樣。如近5年的HSI恆生指數，長周期和中周期同樣遭遇3次熊市（2022-03、2022-10、2024-01），因長周期的3次虧損更深，最終只能回本。只有一次是例外，2024-11長周期的第一波牛市回調，但只要堅持到2025-03第二波牛市，兩者皆能盈利，而長周期跑出一倍收益。因此，我會選擇90天中周期來做基線，把風險虧損控制在10%以內。
潛在風險：180日以上的長周期趨勢。①長牛市，跑出一倍以上的超額收益。②長熊市，，跑出一倍以上的超額虧損。

3.0 蒙地卡羅回測宏觀對沖的組合管理 Monte Carlo Backtest for Macro Hedging Portfolio Management

几何收益路徑才是首要關注，而不是平均收益。
Focus on Geometric Return Path. The priority is the return path, not the average return.
通過蒙地卡羅回測200萬次几何收益路徑，找出5%~95%置信區，剖析了各種不同風險的形態，同時減少了未知的恐懼壓力。
幾何算術vs平均算術。簡單來說，幾何算術是單獨計算每個獨立字宙的結果，然後觀察最好&最差的字宙結果。而平均算術是總納了所有獨立字宙的結果。但在交易世界，人每次只能選擇一次，人生路是亦因亦果，因此，要用幾何算術，勇敢地面對過往的成敗，而不能用“假設”的其他字宙平均期望值。
宏觀對沖目標不是跑嬴大盤，而是細水長流，穩穩地踏實做交易。以NAV=100來計算，最好的宏觀對沖組合，Q50是103，Q75是108；而SP500的Q50是103，Q75是113；即是在多個宇宙SP500的收益率，都優於宏觀對沖組合。但以風險來看，SP500的Q75是93，Q5是85；而宏觀對沖組合Q75是98，Q5是83；即是在多個宇宙宏觀對沖組合的下跌風險，都優於SP500。因此，我會選擇宏觀對沖，細水長流。
200萬次Block Bootstrap Monte Carlo。與上一代的回測比較，今次更著重了宏觀對沖的兩大看家本領“擇時+配置”。因每個時間點上，風險形態和收益質地都不一樣，所以主動選擇90days風險曝光，來量度各時間點的宏觀敍事下，風險收益的形態質地。而上一代回測，只著重“倉位，買賣，資產”這三大支柱。
潛在風險：黑天鵝危机。進入了5%置信區，蒙地卡羅模型失效。

4.0 宏觀對沖實務 Macro Hedging in Practice

每個“資產、時間、收益、風險”皆不平等。有些資產，天生是“時間+收益”的朋友，“風險”的敵人。
Every asset, time, return, and risk is unequal. Some assets are natural friends of time + return and enemies of risk.

4.1 第一不平等：沒效率的對沖 First Inequality: Inefficient Hedging

“富時A50指數+中證商品指數+黃金”是低效的對沖資產。因中國是以經濟政策市主導，二者皆有錯位順周期的屬性。當強政策出台，三個資產趨正相關，也導致了中國宏觀交易表現不佳。xin9-ccicfi-gld，90days-q50是101.7，270days-q50是105.5；對比hsi-tlt-gld 90days-q50是102.2，270days-q50是106.5。

4.2 第二不平等：時間等於風險 Second Inequality: Time Equals Risk

“恆生指數+二十年美債+黃金”的時間等於風險。因恆生指數與上證指數相關性高，收益流同是“經濟政策市+非美元資產”主導，所以“美債+黃金”不能對沖背後的收益流，因此增加時間曝光提高了風險，但未提升收益。hsi-tlt-gld，90days-q25是97.8，而270days-q25是98.5；90days-q5是91.3，而270days-q5是87.7。

4.3 “擇時+配置”兩大核心，在美國市場既有效率對沖，也有時間收益，而減少風險。 Timing + Allocation — make U.S. markets efficient for hedging, while also giving time-based returns and reducing risk.

“長慢牛，短快熊”是SPX的時間收益，加上“美債+黃金”有效對沖SPX的收益流。spx-tlt-gld，90days-q5是93.9，270days-q5是92.9，下跌風險明顯降低，較前兩個組合。而spx-tlt-gld，90days-q25是99.5，270days-q25是102.2，即增長時間曝光可提升收益。