资产配置系列报告（二）：行业配置宏观篇，边际驱动的逻辑-20220331-国海证券-39页_5mb

行业配置宏观篇：边际驱动的逻辑总结

核心内容

本文主要探讨宏观经济因素如何驱动行业价格变化，并通过构建综合动态模型，从宏观视角对行业配置进行分析。研究指出，宏观因子对行业的影响不仅体现在其重要性变化，还体现在其对行业敏感性的变化及方向上。通过引入30个细分宏观指标，构建经济增长、通胀、流动性、利率四个维度的扩散指数，并结合向量自回归模型（VAR）进行建模预测，以捕捉市场驱动力的变化。

主要观点

• 宏观因子的重要性变化：在不同宏观周期下，市场结构发生变化，某些行业的主要驱动因素也会随之改变。例如，石油石化行业在2018年之前主要受通胀驱动，2019年后经济增长成为主要驱动因素。
• 宏观因子的敏感性变化：宏观因子对行业的敏感性及方向存在变化，这为行业配置提供了依据。通过VAR模型的方差分解和脉冲响应分析，可以判断宏观因子对行业收益的影响程度。
• 综合动态模型：构建了一个综合模型，将四个宏观因子进行整合，以提高行业配置的准确性。该模型在2016年以来的年化换手2.9倍的基础上，仍获得了6.26%的超额收益，整体表现稳健。
• 模型构建与验证：模型构建过程包括ADF检验、协整检验、AIC/BIC选择最优滞后阶数、脉冲响应分析和预测值计算。通过回测分析，验证了模型的有效性和稳定性。

关键信息

1. 宏观因子的综合刻画

• 构建了四个宏观扩散指数：经济增长、通胀、流动性、利率。
• 每个扩散指数由30个细分指标加权平均得出，并对历史数据进行平滑处理。
• 通过ADF检验，确保变量的平稳性；通过协整检验，验证变量之间的长期关系。

2. 宏观敏感性变化与行业配置

• 行业收益对未来一期的预测值与宏观因子的敏感性系数密切相关。
• 行业配置模型基于敏感性系数矩阵，结合宏观因子值，对行业进行排序，选择未来收益较高的行业进行配置。

3. VAR建模步骤

• 第一步：ADF检验：确保变量平稳性。
• 第二步：协整检验：验证变量之间的长期关系。
• 第三步：AIC/BIC选择最优滞后阶数：减少模型复杂度，提高预测准确性。
• 第四步：脉冲响应分析：判断宏观因子对行业的影响大小和方向。
• 第五步：预测下一期相对收益：通过模型拟合，计算预测值并进行回测分析。

4. 回测表现

• 经济增长扩散指数：年化收益率为7.75%，波动率为7.97%，信息比率为0.97，最大回撤为17.21%。
• 通胀扩散指数：在2019年之后对食品饮料行业影响显著。
• 流动性扩散指数：在2020年对电力设备及新能源行业影响较大。
• 利率扩散指数：在2016年后对家电行业影响明显。

5. 行业配置结果

• 通过模型分析，经济增长对石油石化、煤炭、钢铁等周期行业影响为正，对银行、TMT行业影响为负。
• 通胀对有色金属、消费者服务等行业影响显著。
• 流动性对电力及公用事业、新能源等板块影响明显。
• 利率对通信、计算机、家电等行业影响显著。

6. 风险提示

• 市场环境或政策变化可能影响行业表现。
• 数据样本有限，可能存在代表性不足和统计误差。

行业配置逻辑

• 宏观因子变化：宏观因子的重要性及敏感性随时间变化，需动态调整。
• 行业响应：不同行业对宏观因子的响应不同，需结合具体行业进行配置。
• 模型验证：通过回测分析，验证模型的有效性和稳定性，确保行业配置的科学性。

结论

本文通过构建宏观扩散指数和VAR模型，深入分析了宏观经济因素对行业价格变化的影响逻辑。研究结果表明，宏观经济因素在不同周期下对行业的影响存在显著差异，且通过模型可以有效捕捉这些变化，为行业配置提供科学依据。