国盛-量化专题报告：宏观逻辑的量化验证，动态因子模型.pdf

证券研究报告 | 金融工程研究 2019 年04 月08 日 量化专题报告 宏观逻辑的量化验证：动态因子模型 本报告尝试解决宏观逻辑的结合与配权问题。宏观因素影响资产价格的逻辑 作者 与数据链条有很多，各链条影响程度不同。传统的配权方法如：1 ）简单结 分析师 叶尔乐 合法；2 ）时间加权最小均方误法；3 ）收缩估计法；4 ）时变参数权重法， 执业证书编号：S0680518100003 无法解决链条相关性导致的共线性问题，且从逻辑角度也较难解释和理解。 邮箱：yeerle@ 分析师 刘富兵 执业证书编号：S0680518030007 邮箱：liufubing@ 动态因子模型为宏观逻辑配权提供了解决方案。动态因子模型假设宏观变量 相关研究 是一个由“公共因子”和“特质扰动项”组成的随机变量，通过对“公共因 1、《量化周报：市场的中期上涨趋势更加稳健》 子”的估计能将大量宏观变量进行降维，从而解决宏观数据大N 小t 导致的 2019-04-07 参数无法估计的问题，以及宏观变量共线性的问题。其通常用于领先指标研 2 、《量化分析报告：量化方法测算 A 股壳价值》 究、经济周期研究、经济指标预测等方面。 2019-04-02 3、《量化周报：50、300 确认周线级别上涨》2019-03-31 4、《量化专题报告：多因子系列之四-对价值因子的思 本报告详细阐述了动态因子模型的构建。动态因子模型从模型的形式角度分 考和改进》2019-03-25 为动态与静态两类，从模型的假设角度分为严格与近似两类。从实际的应用 5、《量化周报：市场本周处于牛熊分界线》2019-03-24 角度，近似假设下的静态形式比较适用于大N 小t 问题的建模，在此形式下 “公共因子”的估计可以通过主成分分析进行。 通过动态因子模型的降维，大量宏观变量可用于预测资产收益率。我们构建 了从基础数据处理到最终收益率预测的完整框架。以400 个宏观变量构建了 包含787 个宏观因子的数据库，并展示了包括大类资产、风格因子、行业因 子等部分预测模型的样本内外预测效果。 关于噪音与信息损失的思考。为了更好的理解“公共因子”的逻辑，我们采 用 Occam 剃刀的原则精简“公共因子”中的宏观因子，能够排除一些噪音 干扰。动态因子模型以部分信息的扭曲和损失为代价换来了模型精炼和逻辑 的强化，因此我们建议增加主成分遍历和特质波动检验环节弥补信息损失。 风险提示：模型建立基于历史数据，在政策、经济结构等因素变化的情况下 模型可能失效。模型建立从数据出发，数量关系未必对应因果关系。 请仔细阅读本报告末