Chemin de la confusion : la stabilité et la sécurité deviennent le fil conducteur de l’allocation｜Plan mensuel d’allocation d’actifs macro de Guotai Haitong 202604

（Source : Une lecture des tendances macro）

Auteur : Fang Yi / Li Jian / Wang Zi-yu / Wang He / Guo Jiao-jiao

Principes clés : Sur la base du cadre de répartition des classes d’actifs de Guotai Haitong, nous estimons qu’en l’absence de clarté quant aux perspectives de la situation géopolitique au Moyen-Orient, les actifs de sécurité et de stabilité constituent la ligne directrice principale de la répartition des classes d’actifs. En avril, nous mettons l’accent sur les avantages des actifs chinois, la surpondération des actions A/au H, ainsi que l’or et le pétrole ; allocation standard aux métaux industriels.

Résumé

▶ Nous construisons un cadre de répartition des classes d’actifs de Guotai Haitong composé de « Allocation stratégique des actifs (SAA) — Allocation tactique des actifs (TAA) — Ajustement des délibérations des événements majeurs », afin de servir de guide global pour la prise de décision d’investissement. Sur la base de ce cadre, nous pensons que dans un contexte de restructuration accélérée de l’ordre mondial et d’aggravation tendancielle de la situation géopolitique, la sécurité redevient la ressource la plus rare, tandis que l’or constitue une matérialisation de la manière de faire face à cette incertitude. Nous recommandons une surpondération en avril pour les actions A, l’or et le pétrole.

▶ Il faudrait établir en avril 2026 un poids d’allocation des actions de 40,00 % : surpondérer les actions A (10,00 %), allocation standard aux actions H (7,50 %), allocation standard aux actions US (12,50 %), allocation standard aux actions européennes (5,00 %), allocation standard aux actions japonaises (5,00 %). Les marchés boursiers chinois présentent une résilience relativement forte : nous recommandons de surpondérer les actions A. La stabilité est rare : le marché chinois offre une prime de risque plus faible. Les chocs de négociation à micro-échelle ne dureront pas longtemps ; à ce niveau, il ne convient pas de vendre à découvert de manière aveugle. Le marché boursier chinois est susceptible de présenter un creux important et une zone de tir. Une position monétaire chinoise favorable, ainsi qu’une diversification des réserves / une croissance diversifiée, contribuent à briser plus rapidement le récit de risque.

▶ Il faudrait établir en avril 2026 un poids d’allocation obligataire de 40,00 % : obligations du Trésor à longue durée (10,00 %), obligations du Trésor à courte durée (10,00 %), bons du Trésor US à longue durée (10,00 %), bons du Trésor US à courte durée (10,00 %). Pour les actifs obligataires, (1) un renforcement ou un écrasement des anticipations d’inflation influencera la performance des obligations à longue durée. Le déséquilibre entre les besoins de financement et l’offre de crédit demeure une réalité objective ; cependant, la tendance centrale de la préférence pour le risque est à la hausse, de sorte que les ménages et les entreprises peuvent procéder à un rééquilibrage d’allocation d’actifs. La politique monétaire agit avec une intensité relativement prudente et contenue ; dans un contexte où la géopolitique fait monter les prix de l’énergie dans le monde, et où l’inflation endogène augmente au-delà des attentes, l’intérêt-coût des obligations à moyen et court terme est supérieur à celui des obligations à très longue durée. (2) L’économie américaine se rapproche progressivement d’une convergence marginale, et le renforcement des anticipations d’inflation pèse sur la performance des bons du Trésor US à longue durée. Le président de la Fed, Wosch, nommé par Trump, prône une réduction du bilan et une baisse modérée des taux d’intérêt de la politique monétaire ; par la suite, les taux des bons du Trésor pourraient baisser de manière relativement graduelle. Les politiques mises en œuvre par l’administration Trump ont fortement affaibli la solvabilité souveraine des États-Unis : les banques centrales mondiales et les grandes institutions de gestion d’actifs réduisent progressivement leurs positions en bons du Trésor. Sous l’effet d’un choc de risque géopolitique, des capitaux en quête de refuge pourraient adopter une allocation défensive, mais cela est freiné par l’arbitrage de la reprise inflationniste.

▶ Il faudrait établir en avril 2026 un poids d’allocation des matières premières de 20,00 % : surpondérer l’or (10,00 %), surpondérer le pétrole brut (6,25 %), allocation standard aux métaux industriels (3,75 %). Pour les matières premières, (1) il existe une dynamique haussière entre les anticipations d’inflation et le prix du pétrole ; la volatilité du prix de l’or pourrait s’intensifier par phases. Sur le long terme, la valeur stratégique d’allocation de l’or demeure : les politiques mises en œuvre par l’administration Trump font progressivement se désagréger l’ordre mondial après la Seconde Guerre mondiale. Dans un contexte de restructuration accélérée de l’ordre mondial et d’aggravation tendancielle de la situation géopolitique, la sécurité redevient la ressource la plus rare, et l’or constitue une matérialisation pour faire face à cette incertitude. Mais le retrait des capitaux spéculatifs et la poursuite du scénario de reprise inflationniste accentuent ou amplifient fortement les fluctuations à court terme. (2) La situation géopolitique au Moyen-Orient continue de se détériorer : nous recommandons de surpondérer le pétrole brut. La demande mondiale de pétrole est relativement faible ; les politiques de production de l’OPEC+ sont changeantes. Récemment, la situation géopolitique au Moyen-Orient s’est brutalement aggravée, avec une tendance à s’étendre davantage : dans le contexte d’un blocus continu du détroit d’Hormuz et d’une baisse progressive des stocks de pétrole brut dans les principales économies, le prix du pétrole brut pourrait encore conserver une dynamique haussière, mais l’incertitude concernant l’évolution géopolitique augmentera la volatilité du marché énergétique. (3) La stratégie de reprise inflationniste évolue vers une situation de stagnation avec inflation élevée, ce qui pourrait peser sur la demande de métaux industriels. Ces dernières années, l’essor d’équipements de construction liés à l’électricité et de véhicules de transport, ainsi que l’expansion de la puissance de calcul pour l’IA et la mise à jour des installations militaires ont apporté une demande supplémentaire aux biens industriels ; les métaux industriels, représentés par le cuivre, peuvent connaître par phases des déséquilibres offre-demande. Mais actuellement, la stratégie de reprise inflationniste mondiale évolue vers une situation de stagnation avec inflation élevée, ou pèse sur la demande de métaux industriels, et augmente la volatilité des prix.

▶ Indication des risques : il existe des limites dans les dimensions d’analyse, une part de subjectivité dans la conception du modèle, des écarts entre les données historiques et les données d’anticipation, des ajustements des anticipations consensuelles du marché, ainsi que des limites des modèles quantitatifs.

Table des matières

01

Récapitulatif de la performance des actifs et suivi macro

Nous examinons, sous forme de rapport mensuel, les événements et données importantes qui ont suscité un fort intérêt sur le marché en mars 2026 et qui ont eu un impact significatif sur les classes d’actifs, et nous procédons aux délibérations et commentaires nécessaires. Par ailleurs, sur la base du cadre de répartition des classes d’actifs de Guotai Haitong, nous analysons l’effet des changements marginaux de l’économie macro sur la prévision des classes d’actifs et sur la TAA (allocation tactique des actifs). Les vues d’allocation tactique reflètent nos anticipations du ratio risque-rendement d’un actif spécifique par rapport aux autres actifs sur les 1 à 3 prochains mois.

1.1. Cadre de répartition des actifs de Guotai Haitong

Le groupe d’allocation d’actifs de l’équipe de stratégie de Guotai Haitong se concentre sur la recherche en allocation d’actifs à grande échelle combinant activement le passif et l’actif. Nous utilisons activement l’analyse macro et des stratégies basées sur des modèles quantitatifs. Nous combinons de manière organique les avantages des deux approches afin de construire un cadre stratégique d’allocation d’actifs fondé sur la parité des risques liée aux facteurs macro, et un cadre tactique d’allocation d’actifs piloté par les anticipations des facteurs. En outre, nous utilisons activement l’expérience acquise dans l’étude des grandes tendances issue des travaux de stratégie afin de procéder à des délibérations sur les événements clés susceptibles d’influencer le marché des capitaux, et saisir les opportunités d’investissement clés.

1.2. Suivi des changements marginaux des anticipations macro consensuelles

Les variations des anticipations macro consensuelles affectent la tarification et la valorisation des actifs. Nous pensons qu’en guidant l’allocation d’actifs par une analyse macro, il faut accorder une attention particulière aux changements dans les anticipations consensuelles du marché. Des états économiques importants, tels que la croissance, l’inflation, etc., lorsqu’ils montent ou baissent rapidement, influenceront le prix des actifs via les changements de valorisation, ce qui, à son tour, affecte le rendement des actifs.

02

Allocation stratégique : diversification des risques grâce au modèle de parité des risques des facteurs macro

L’équipe de stratégie de Guotai Haitong a développé, pour l’étape de l’allocation stratégique des actifs (SAA), un modèle de parité des risques des facteurs macro. Ce modèle permet à la fois de tirer avantage de façon satisfaisante des avantages en matière de configuration factorielle tout en évitant les difficultés liées à la construction et à l’application de facteurs macro.

Contrairement aux modèles de facteurs macro utilisés dans certains travaux de recherche, le modèle de parité des risques des facteurs macro de Guotai Haitong met davantage l’accent sur le contrôle du risque macro, c’est-à-dire le risque de dépassement ou de sous-performance par rapport aux attentes des données macro réelles. Les prix des actifs reflètent principalement les anticipations concernant l’information future, et seules les « surprises » dépassant les attentes déclenchent des fluctuations des prix. Dans les modèles macro multi-facteurs, les rendements proviennent de la prime de risque associée à l’économie macro. Les lauréats du prix Nobel d’économie en 2013, Eugene F. Fama, auteur du modèle à trois facteurs Fama-French, a publié en 1970 « Efficient Capital Markets: A Survey of Theory and Empirical Work » (« Marchés de capitaux efficients : revue de la théorie et des travaux empiriques »), proposant l’hypothèse d’efficience des marchés (EMH), appliquant directement les anticipations rationnelles à la tarification des actifs. Cette théorie considère que, sur un marché efficient, les prix des actifs reflètent instantanément toutes les informations publiques, et que les investisseurs ne peuvent obtenir que des rendements normaux correspondant au risque, sans pouvoir battre le marché durablement. Cela suggère également que des anticipations macro alignées sur le marché ont du mal à générer des rendements dépassant ceux du marché.

Au moment de sélectionner les facteurs, nous utilisons des indicateurs macro réels pour construire des facteurs macro bruts. Cette approche évite que les facteurs macro soient perturbés par des facteurs de transaction et d’autres facteurs non macro affectant les prix des actifs. Dans l’étape SAA, l’objectif du modèle est de rechercher une diversification des risques et une relative stabilité des positions de répartition. Cela permet d’éviter les problèmes de fréquence des facteurs basés sur les indicateurs macro. La fréquence de réajustement de la SAA est bien inférieure à la fréquence de publication des indicateurs ; les retards de données sont presque négligeables pour l’investissement à long terme. Bien que les facteurs d’indicateurs macro ne puissent pas être investis directement, dans l’étape SAA, l’objectif consiste à utiliser les proportions de référence de chaque classe d’actifs au sein du portefeuille d’actifs calculé : il n’y a donc pas de conflit avec les méthodes d’investissement des facteurs investissables directement ou des actifs ; et il existe une articulation efficace avec des méthodologies d’investissement telles que l’analyse macro.

Par conséquent, nous traitons les données macro brutes pour produire les valeurs prévisionnelles obtenues après un traitement saisonnier STL, en prenant comme facteur de risque macro l’écart entre la valeur réelle et la valeur prédite, puis nous standardisons les différents facteurs.

Lors de la sélection des facteurs macro bruts, le modèle de parité des risques des facteurs macro de Guotai Haitong choisit les facteurs liés à l’économie intérieure et les facteurs de prime d’actifs à l’étranger. Les facteurs macro intérieurs contrôlant l’exposition au risque comprennent les facteurs de croissance, d’inflation, de taux d’intérêt, de crédit, de change et de liquidité. Les facteurs d’actifs à l’étranger incluent les facteurs des États-Unis, de l’Europe, du Japon et de l’Inde. Pendant l’estimation du modèle, nous utilisons une méthode similaire à celle de Barra ; l’avantage de ce type de modèle de facteurs explicites est qu’il construit des facteurs à partir des caractéristiques des actifs, ce qui correspond davantage au sens économique. L’orientation du modèle de parité des risques factorielle est également plus claire : éviter que l’exposition au risque non anticipé des facteurs macro soit trop concentrée.

Avant d’effectuer une régression sur l’exposition aux facteurs, nous établissons d’abord des priorités a priori subjectives, en spécifiant quels facteurs macro peuvent être liés à chaque classe d’actifs : par exemple, dans cet article, nous considérons que le facteur de crédit n’affecte que les prix des obligations de crédit et des obligations d’entreprise ; ainsi, nous n’incluons pas le facteur de crédit dans la régression multi-variée pour les autres actifs. Lors du calcul de la matrice d’exposition des facteurs des actifs à la fin de chaque mois, nous utilisons une régression linéaire multi-variée pour déterminer les coefficients de régression, avec une fenêtre de régression glissante sur les 5 dernières années, et une demi-vie de pondération des coefficients de régression de 1 an.

Les résultats de backtest de la stratégie valident l’efficacité du modèle de parité des risques des facteurs macro. Nous utilisons sept classes d’actifs représentatives, à savoir CSI 800, indice Hang Seng, S&P 500, obligations de taux d’intérêt, obligations d’entreprises, produits de base de Nanhua et or international, pour réaliser des backtests mensuels de rééquilibrage, et nous utilisons le modèle de parité des risques pour les mêmes sept classes d’actifs comme référence de base.

Les résultats de backtest montrent que, par rapport au modèle de parité des risques factoriels, le modèle de parité des risques des facteurs macro améliore significativement le rendement, mais que l’indicateur Sharpe diminue. Étant donné que ce modèle, dans l’étape SAA, vise une diversification des risques macro, les résultats sont jugés satisfaisants.

D’après la composition des positions, en l’absence de contraintes sur la position, bien que la stratégie de parité des risques des facteurs macro présente une volatilité de variation de position légèrement plus forte que le modèle de parité des risques factoriels, les proportions d’allocation entre les différentes classes d’actifs demeurent relativement stables et équilibrées. La proportion des actifs obligataires se situe entre 40 % et 50 %, les actifs actions autour de 50 %, tandis que l’allocation des actifs matières premières est inférieure à 10 %, ce qui correspond globalement aux besoins d’un investissement grand public.

Sur la base de l’analyse globale de l’environnement macro et de l’allocation d’actifs par le modèle ci-dessus, ainsi que par l’équipe de stratégie et d’allocation d’actifs de Guotai Haitong, nous utilisons les proportions d’actifs calculées par le modèle SAA de parité des risques des facteurs macro comme référence. Nous fixons les proportions de base des actions, des obligations et des matières premières à 45 %, 45 % et 10 %, avec une limite supérieure de déviation de 10 %.

03

Allocation tactique : stratégie BL combinant approche active et passive pour renforcer le rendement

3.1. De la modélisation par facteurs macro pour un seul actif à la rotation multi-actifs

La méthodologie TAA dans le cadre d’allocation d’actifs de Guotai Haitong s’appuie sur la compréhension d’un modèle imbriquant un « cycle d’investissement » et des cycles, tandis que la stratégie de rotation BL dépend de la méthodologie de cycles. Nous modélisons quantitativement l’environnement de pression de certains types de cycles d’une seule entité économique : nous quantifions ainsi le degré de pression environnementale associé à un cycle de type donné, afin d’obtenir plusieurs facteurs macro sous-jacents dotés de caractéristiques cycliques distinctes. Ensuite, nous appliquons un traitement par quantiles inversés à ces facteurs macro sous-jacents, semblables à des « matières premières », pour obtenir un indicateur de score macro pour ce type de cycle. Enfin, en combinant plusieurs indicateurs de score macro relatifs aux cycles, nous synthétisons, selon la corrélation et la logique économique, un indicateur de score macro global destiné à un type d’actif ou à un style spécifique. En bref, nous concevons des indicateurs quantitatifs de fondamentaux macro exclusifs pour chaque type d’actif, qui deviennent une base importante pour notre compréhension de la performance des prix des actifs et pour former notre matrice de points de vue subjectifs.

Dans le rapport thématique « Du score d’affinité macro à la matrice d’opinions du modèle BL — nouvelle approche pour une allocation d’actifs à grande échelle combinant activement le passif » publié le 11 mars 2024, nous transformons simplement l’indicateur de score macro global des actifs en opinions subjectives, puis nous l’intégrons au modèle Black-Litterman dans le modèle de configuration quantitatif. Le processus concret commence par la conversion des anticipations consensuelles des indicateurs macro en anticipations de l’indicateur de score macro global des actifs, puis la conversion en taux de rendement anticipés de chaque grande catégorie d’actifs, et enfin l’intégration dans la matrice d’opinions BL. Avec des actifs disponibles incluant actions (AH États-Unis, Japon, Inde), obligations (Chine, États-Unis), matières premières, dollar et or, la stratégie BL mondiale d’allocation d’actifs à grande échelle (c’est-à-dire une stratégie basée sur un modèle BL intégrant des opinions subjectives de score macro global des actifs, y compris les taux de change) peut atteindre un rendement annualisé de 23,1 % sur la période de backtest de 5 ans (2019/01/2-2024/02/29), ce qui est nettement supérieur aux autres stratégies de comparaison, montrant l’efficacité de la combinaison de recherches subjectives et quantitatives.

Lors des performances hors échantillon depuis mars 2024, la stratégie BL d’allocation mondiale d’actifs à grande échelle montre aussi une solidité, voire une performance encore plus remarquable. Le rendement de la stratégie atteint 24 % sur l’ensemble de l’année 2024, 52 % sur l’année 2025, et le ratio de Sharpe sur l’ensemble des périodes backtest est actuellement de 1,76. En observant les positions sur chaque période, on constate que la stratégie a réussi à capter le taureau historique sur l’or au premier trimestre 2025, ainsi que la réparation et la tendance à battre des records des actions A au deuxième trimestre. En tant que stratégie de rééquilibrage mensuel guidée par une logique de macroéconomie, sa performance peut être qualifiée d’excellente. Dans le nouveau cadre, nous utilisons la stratégie BL mondiale d’allocation d’actifs à grande échelle comme méthode d’amélioration du rendement pour l’étape TAA : bien que cette stratégie ait une concentration des positions relativement élevée, une fois que le modèle de parité des risques des facteurs macro établit les proportions de référence de chaque grande catégorie d’actifs à l’étape SAA, la stratégie ne s’écarte que de manière limitée des positions de référence à l’étape TAA, ce qui permet de résoudre efficacement le problème.

Le modèle TAA, c’est-à-dire la stratégie BL mondiale d’allocation d’actifs à grande échelle, réalise un rendement de 43,3 % en dehors de l’échantillon en 2025, et de 5,2 % YTD en 2026.

3.2. Combinaison de l’axe central de la configuration SAA et du renforcement du rendement via TAA : résultats remarquables

Nous utilisons, comme flux quantitatif standard, une solution d’allocation d’actifs qui combine l’axe central de configuration déterminé par le modèle de parité des risques des facteurs macro SAA + un enrichissement du rendement via la rotation des actifs TAA. Nous fixons comme référence du portefeuille une allocation stratégique déterminée par le modèle de parité des risques des facteurs macro ; les pondérations d’allocation des grandes catégories d’actifs sont respectivement de 45,00 % pour les actions (A : 7,50 %, H : 7,50 %, US : 15,00 %, Europe : 5,00 %, Japon : 5,00 %, Inde : 5,00 %), 45,00 % pour les obligations (dont obligations chinoises : 22,50 %, obligations américaines : 22,50 %), et 10,00 % pour les matières premières (dont or : 5,00 %, pétrole : 2,50 %, indice des matières premières Nanhua : 2,50 %).

Nous définissons des bornes d’écart des grandes catégories d’actifs de ±10 %. Pour la segmentation interne, les pondérations des actifs sont principalement basées sur les résultats d’exécution du modèle tactique d’allocation d’actifs Black-Litterman, et combinées à une configuration par analyse subjective. En combinant l’axe central SAA et le renforcement du rendement via TAA, cette stratégie peut contrôler efficacement la volatilité et le drawdown maximal, et renforcer le rendement de la stratégie d’allocation stratégique d’origine. En 2025, ce modèle réalise un rendement annualisé de 21,7 %, un ratio de Sharpe de 2,29, un ratio Calmar de 3,84, et un drawdown maximal sur l’année de 5,6 %.

04

Délibérations sur les grands événements macro et plan d’allocation

4.1. Délibérations sur les récents grands événements macro

L’équipe de recherche de stratégie et d’allocation d’actifs de Guotai Haitong s’efforce d’obtenir une combinaison efficace entre les modèles quantitatifs et l’analyse subjective. Dans le processus d’investissement réel, les délibérations et ajustements des événements majeurs constituent également une étape clé. Bien qu’ils semblent « subjectifs » dans un cadre d’allocation d’actifs hautement quantifié, dans l’application pratique, combinés à des stratégies quantitatives, ils permettent d’améliorer efficacement la précision et l’adaptabilité de la prise de décision d’investissement. L’évaluation subjective et les ajustements constituent également un « filet de sécurité » de l’investissement quantitatif, indispensable notamment lors d’événements extrêmes, de changements de politiques et d’échecs de modèles. Dans cette section, lors des délibérations d’événements, nous analysons principalement les événements majeurs susceptibles d’affecter la tendance mensuelle du marché.

4.2. Plan d’allocation tactique des grandes catégories d’actifs pour février 2026

Côté actions : Le marché boursier chinois dispose d’une forte résilience ; nous recommandons de surpondérer les actions A. La stabilité est rare : le marché chinois offre une prime de risque plus faible. Les chocs de négociation à micro-échelle ne dureront pas longtemps ; à ce niveau, il ne convient pas de vendre à découvert de manière aveugle. Le marché boursier chinois est susceptible de montrer un creux important et une zone de rebond. La position monétaire accommodante et la diversification des réserves / une croissance diversifiée de la Chine aideront à briser plus rapidement le récit de risque.

Côté obligations : (1) un renforcement des anticipations d’inflation ou leur écrasement influence la performance des obligations à longue durée. Le déséquilibre entre les besoins de financement et l’offre de crédit demeure une réalité objective ; mais avec une hausse tendancielle du niveau central de la préférence pour le risque, les ménages et les entreprises résidentes pourraient procéder à un rééquilibrage d’allocation d’actifs. La politique monétaire met l’accent de manière relativement prudente et contenue ; dans un contexte où la géopolitique fait monter les prix de l’énergie à l’échelle mondiale, et où l’inflation endogène augmente au-delà des attentes, la valeur de configuration (rapport coût-efficacité) des obligations à moyen et court terme est supérieure à celle des obligations à très longue durée. (2) L’économie américaine converge progressivement en termes marginaux ; le renforcement des anticipations d’inflation pèse sur la performance des bons du Trésor US à longue durée. Le président de la Fed, Wosch, nommé par Trump, prône une réduction du bilan et une baisse modérée des taux de la politique monétaire ; par la suite, les taux des bons du Trésor pourraient baisser de manière relativement graduelle. Les politiques mises en œuvre par l’administration Trump ont fortement affaibli le crédit souverain des États-Unis ; les banques centrales mondiales et les grandes institutions de gestion d’actifs réduisent de manière tendancielle leurs positions sur les bons du Trésor US. En cas de choc de risque géopolitique, les capitaux en quête de refuge pourraient effectuer une allocation défensive, mais cela est freiné par l’arbitrage de la reprise inflationniste.

Côté matières premières : (1) les anticipations d’inflation et le prix du pétrole disposent d’une dynamique haussière ; la volatilité du prix de l’or pourrait s’intensifier par phases. Sur le long terme, la valeur stratégique d’allocation de l’or demeure : la série de politiques mise en œuvre par l’administration Trump fait progressivement se désagréger l’ordre mondial après la Seconde Guerre mondiale. Dans un contexte de restructuration accélérée de l’ordre mondial et d’aggravation tendancielle de la situation géopolitique, la sécurité redevient la ressource la plus rare, tandis que l’or constitue une matérialisation pour faire face à cette incertitude. Mais le retrait des capitaux spéculatifs et la poursuite du scénario de reprise inflationniste accentuent ou amplifient fortement les fluctuations à court terme. (2) La situation géopolitique au Moyen-Orient continue de se détériorer ; nous recommandons de surpondérer le pétrole brut. Les besoins mondiaux en pétrole brut sont relativement faibles, et les politiques de production de l’OPEC+ varient beaucoup. Récemment, la situation géopolitique au Moyen-Orient s’est rapidement aggravée et présente une tendance à s’étendre davantage ; dans le contexte d’un blocage persistant du détroit d’Hormuz et d’une baisse progressive des stocks de pétrole dans les principales économies, le prix du pétrole brut pourrait conserver une dynamique haussière, mais l’incertitude sur l’évolution géopolitique accentuera la volatilité du marché de l’énergie. (3) Le scénario de reprise inflationniste évolue vers une situation de stagnation avec inflation élevée, ou pèse sur la demande de métaux industriels. Ces dernières années, le développement d’équipements de construction liés à l’électricité et de véhicules de transport, ainsi que l’expansion des capacités de calcul pour l’IA et la mise à jour des installations militaires, ont apporté une demande supplémentaire aux biens industriels ; les métaux industriels, représentés par le cuivre, peuvent présenter par phases un déséquilibre offre-demande. Mais aujourd’hui, l’arbitrage de reprise inflationniste mondial évolue vers une situation de stagnation avec inflation élevée, ou pèse sur la demande de métaux industriels, et amplifie la volatilité des prix.

Sur la base du cadre de recherche décrit dans la « Brève présentation du système de recherche sur l’allocation proactive des grandes catégories d’actifs » publiée en mars 2025, et des résultats de calcul du modèle TAA du chapitre 3 ainsi que des conclusions de délibération d’événements de la section 1 du chapitre 4, nous mettons à jour le plan d’allocation tactique des grandes catégories d’actifs de février 2026 comme suit :

Pondération des actions : 40,00 % : surpondérer les actions A (10,00 %), allocation standard aux actions H (7,50 %), allocation standard aux actions US (12,50 %), allocation standard aux actions européennes (5,00 %), allocation standard aux actions japonaises (5,00 %).

Pondération des obligations : 40,00 % : obligations du Trésor à longue durée (10,00 %), obligations du Trésor à courte durée (10,00 %), bons du Trésor US à longue durée (10,00 %), bons du Trésor US à courte durée (10,00 %).

Pondération des matières premières : 20,00 % : surpondérer l’or (10,00 %), surpondérer le pétrole brut (6,25 %), allocation standard aux métaux industriels (3,75 %).

05

Avertissements sur les risques

Il existe des limites aux dimensions d’analyse : le cadre de recherche s’appuie sur les points de vue des analystes ; les dimensions d’analyse pourraient ne pas refléter complètement les facteurs de tarification du marché.

Le modèle comporte une part de subjectivité dans sa conception : les choix de facteurs et de pondérations du modèle de facteurs macro reposent sur une combinaison du subjectif et de l’objectif ; la partie objective provient de backtests quantitatifs, tandis que la partie subjective provient d’expériences et de jugements, ce qui pourrait introduire certains écarts.

Il existe des écarts entre les données historiques et les données d’anticipation : les données historiques et les données d’anticipation utilisées dans le rapport pourraient ne pas représenter avec précision les anticipations réelles du marché.

Ajustements des anticipations consensuelles du marché : toutes les conclusions du rapport sont basées sur l’hypothèse neutre des anticipations consensuelles du marché ; si des événements dépassant les attentes surviennent et entraînent un ajustement des anticipations du marché et des facteurs macro correspondants, cela pourrait conduire à un changement des conclusions du modèle.

Limites des modèles quantitatifs : cette conclusion est déduite uniquement à partir du modèle quantitatif ; elle ne correspond pas à l’opinion des autres équipes de recherche du bureau. Pour les points de vue des autres équipes de recherche sur les industries mentionnées ci-dessus, veuillez consulter les rapports de recherche publiés correspondants.

Avis de non-responsabilité

Équipe de stratégie Guotai Haitong

Un volume massif d’informations, des interprétations précises, le tout dans l’application Sina Finance