高维宏观周期重构下的市场长期驱动逻辑.pdf

核心提要 ◆ 传统宏观因子、宏观周期的高维度体系构建 单一经济周期的稳定性较差，且不同宏观状态之间对应阶段和状态的差异化明显。传统周期的划分能够帮助我们理解宏观经济状态，但并不存在统一对股市的短期预测效用。 本文同时考虑经济景气、通胀、利率、库存、信用共计五个维度的指标，改善单一维度判断不稳定的问题，构建宏观周期识别框架。 宏观因子变量的构建：将宏观指数分别对宽基指数、代理宏观变量做回归，选取t值显著的细分宏观变量，用过去一年标准差倒数加权构建宏观因子变量。采用单边HP滤波器 对宏观经济数据进行调整，消除短期波动对长期趋势判断的影响。基于滤波变量，分别用因子动量划分宏观趋势（上行、下行）和用时序百分位划分宏观状态（高、中、低 位）。 宏观因子升维的必要性：宏观因子A对宽基、风格和行业的价格传导在A的不同边际变化不一致，且宏观因子A在宏观因子B的不同状态下驱动宽基、风格和行业的收益方向也 不同。同一状态及其边际变化所对应的周期混乱，我们需要将宏观变量的边际与状态结合，综合考虑宏观变量的变化趋势和所处的时序排位。 ◆ 多信号驱动下的指数择时、风格轮动 宏观因子对指数价格的传导有一定滞后性，单纯宏观波动不一定对短期交易的方向有很强的指示意义，预测远期收益的准确性高于短期收益。我们从宏观因子的两两组合、预 测未来宽基指数的价格变动区间、线性加权移动平均（LWMA ）预测值期数三个维度，对宏观变量组合进行优选。 中证全指择时：策略在宽信用、通胀低位上行的复苏阶段、主动补库存、被动去库存状态下推荐配置中证全指。2012年1月末起至2023年7月31 日，基于宏观变量组合构建中 证全指择时策略年化收益15.08%，相对中证全指超额9.14% 。 红利指数择时：2012年1月末起至2023年7月31 日，基于宏观变量组合构建红利指数配置策略年化收益17.96%，相对红利指数超额13.44%。 风格轮动：策略在信用上行配置小盘，低位配置价值和质量，高位配置小盘和成长；经济较差配置价值，较好配置小盘；通胀低位配置成长和质量，高位配置小盘和价值。 2014年9月30起至2023年8月10日，基于宏观变量组合构建风格轮动配置策略年化收益15.76%，相对风格等权超额9.72% 。 ◆ 宏观多维指标对行业长期预期盈利、成长性波动的敏感性分析 宏观变量对行业的定价效用并非线性，我们用盈利、ROE作为宏观影响行业价格变动的中间变量，把宏观变量的预测目标从收益率转换到盈利、ROE的预测上，再由行业盈利、 ROE的变化驱动行业价格变动。将行业盈利、ROE未来N月的边际变化转换为截面排名，筛选对盈利、ROE预测效果较好的组合宏观因子，用回归R2加权合并宏观组合预测 值，形成最终宏观变量预测盈利、ROE边际变化模型。 行业轮动：将盈利未来12个月、ROE_TTM未来10月边际变化的预测排名用过去12期ICIR加权，综合盈利、ROE单一策略模型。2014年12月末起至2023年8月10日，基于 宏观变量组合构建行业轮动策略年化收益13.76%，相对行业等权超额9.27% 。 ◆ 风险提示 本报告所有分析均基于公开信息，不构成任何投资建议；报告中采用的样本数据有限，存在样本不足以代表整体市场的风险，且数据处理统计方式可能存在误差；报告中结论 均基于对历史客观数据的统计和分析，但过往数据并不代表未来表现。 2 导语  宏观变量到宽基、风格、行业的收益驱动 ● 单一经济周期的稳定性较差，且不同宏观状态之间对应阶段和状态的差异化明显。传统周期的划分能够帮助我们理解宏观经济状态，但并不存在统一对股 市的短期预测效用。 ● 宏观因子A对宽基、风格和行业的价格传导在A的不同边际变化不一致，且宏观因子A在宏观因子B的不同状态下驱动宽基、风格和行业的收益方向也不同。 ● 本篇报告从五大类宏观变量的构建出发，以宏观变量的升维作为因变量，分析高维宏观变量对资产价格的传导逻辑，预测远期宽基、风格的价格变动及行 业未来盈利和ROE的边际变化。 预测远期 宏观变量的构建 宏观变量的升维度