本文的目的是给出一个股债均衡配置策略构建方法。本文采用t-GARCH-时变Copula模型对股债相关性进行分析。根据已有参考文献,本文选取了部分可能可以解释股债市场相关性的变量进行模型数值估计。本文首先对GARCH模型进行了小幅的修正,以解决股票市场高波动的情况。之后,本文使用两步法对t-GARCH-时变Copula模型的参数进行了最大似然估计,并发现CPI增速,M2增速,银行超额储备增速,股票市场换手率,债券市场换手率,以及股票与债券市场波动率相对水平的差值这些变量在统计学意义上对股票与债券市场相关性有显著的解释作用。针对模型的预测功能,本文采用ARMA模型对解释变量进行预测,进而带入t-GARCH-时变Copula模型得出短时间内相关系数的预测值。在与实际结果对比中,发现使用t-GARCH-时变Copula模型有两个明显的优点:一是可以迅速捕捉到如换手率与波动率这样的高频因子,解释效果更强;二是由于线性相关系数具有明显的延迟性,而非线性相关系数模型可以更快的捕捉到股票与债券市场相关性的变化,相比线性相关系数模型延迟性有明显的降低,预测时效性更强,更适宜在策略中发挥预测作用。在策略构建阶段,本文主要从三个角度进行分析,将一个完整的股债均衡配置策略拆分为三个部分:股票策略部分,债券策略部分以及股债平衡策略部分。在股票策略部分,本文提出了两种创新性的策略:隐波控制策略以及波动率调整动量策略。隐波控制策略的核心思想是,通过维持恒定的策略净值预期标准差来控制策略的整体风险。另外我们分析了常见动量策略的本质内涵,针对波动率不同的股票风格的判断问题,提出了使用波动率修正动量以反映市场的风向。由于债券策略提升空间较小,本文仅采用债券止损策略以大幅减少债券策略的回撤。这三个策略都不能从提高收益的角度提高策略的表现,而是通过减少策略的波动的角度提升策略的表现,以提升策略的夏普比率。最后,本文将已经得出的股债相关性预测模型带入策略中,在股票与债券市场相关性显著为负的时候采用杠杆策略,在相关性显著为正的时候减少股票的仓位的方式控制策略的整体风险。最终,通过设置不同的股票基准仓位比例,展示了策略的回测结果,整体结果令人满意。本文仅给出一种策略的构建方式以供选择。