高维宏观周期重构下的市场长期驱动逻辑-20230907-国海证券-45页_10mb

高维宏观周期重构下的市场长期驱动逻辑总结

核心内容

本报告探讨了基于高维宏观变量构建的市场配置策略，旨在通过多维度的宏观因子分析，提升对宽基指数、风格轮动及行业配置的预测能力。报告指出，传统宏观因子和周期划分在短期预测上效果有限，因此提出了结合五个宏观维度（经济景气、通胀、利率、库存、信用）构建宏观周期识别框架，以增强对市场趋势的判断能力。

主要观点

• 单一宏观因子难以准确预测市场短期变化，需结合多信号进行综合判断。
• 采用单边HP滤波器处理宏观数据，减少短期波动对趋势判断的影响。
• 利用因子动量和时序百分位划分宏观趋势和状态，以提高周期识别的稳定性。
• 不同宏观变量的边际变化与状态组合，对股指和行业的收益驱动存在差异，需综合分析。
• 宏观因子变量之间无多重共线性，适合构建多维组合模型。
• 宏观变量对行业盈利和ROE的预测具有非线性关系，需通过回归R²加权合并预测值。

关键信息

宏观变量构建

• 五大宏观组合变量：经济增长、通胀、利率（流动性）、库存、信用。
• 指标后置：将宏观变量取月频数据并后置一期。
• 宏观变量处理：对PMI、利率等百分比数据采用同比差分处理。
• 回归分析：对每个细分指标进行1000次随机时间窗口回归，选取t值显著的变量构建宏观因子。
• 加权方式：用过去一年标准差倒数对宏观因子进行加权。

宏观周期识别

• 趋势划分：使用因子动量，定义为当前因子值与过去两期均值之差。
• 状态划分：基于HP滤波值的百分位，划分高、中、低位。
• 组合策略：通过两两宏观变量的组合，提升预测能力。

指数择时与风格轮动

• 中证全指择时：在宽信用、通胀低位上行的复苏阶段配置中证全指，年化收益15.08%，相对中证全指超额9.14%。
• 红利指数择时：年化收益17.96%，相对红利指数超额13.44%。
• 风格轮动：根据信用、经济、通胀等变量配置小盘、价值、成长等风格，年化收益15.76%，相对风格等权超额9.72%。

行业轮动

• 行业配置策略：基于宏观变量预测行业盈利和ROE的边际变化，年化收益13.76%，相对行业等权超额9.27%。

宏观变量的升维

• 升维必要性：单一宏观变量对股指和行业的传导不一致，需结合趋势与状态进行分析。
• 宏观变量组合：流动性+库存、流动性+信用是较为有效的组合，预测值相关性较低，信息互补性强。

预测模型

• 期限结构：预测远期收益的准确性高于短期收益，采用LWMA对预测值进行平滑处理。
• 阈值设定：流动性+信用组合预测值高于60%时，配置中证全指较为合理。

参数选择

• 流动性+库存：在预测未来2个月叠加LWMA5期时表现最佳。
• 流动性+信用：在预测未来3个月叠加LWMA5期时表现最佳。

风险提示

• 本报告基于公开信息，不构成投资建议。
• 样本数据有限，存在无法代表整体市场的风险。
• 结论基于历史数据，不保证未来表现。

结构与方法

• 宏观因子构建：通过回归分析与加权方法，选取显著变量构建宏观因子。
• 趋势与状态划分：使用单边HP滤波器和因子动量法进行趋势划分，百分位法进行状态划分。
• 组合优选：从宏观变量两两组合、预测未来价格变动区间、LWMA预测值期数三个维度优选组合。
• 策略回测：通过样本内外的回测验证策略的稳定性与有效性。

结论

本报告通过构建高维宏观周期体系，提升了对市场趋势的判断能力，为指数择时、风格轮动及行业配置提供了有力支持。基于多信号分析，有效组合如流动性+库存、流动性+信用在预测未来收益方面表现出色，具有较强的实用价值。