20220331-国海证券-资产配置系列报告（二）_行业配置宏观篇_边际驱动的逻辑_39页_6mb

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，通过分析宏观因子本身的重要性变化及宏观因子传导到行业上的敏感性变化，为行业配置提供指引。研究指出，不同宏观周期下市场结构演变，优质行业赛道是特定宏观环境下的产物。通过构建综合动态模型，结合定量分析与向量自回归模型（VAR），研究者能够识别当前宏观因子对行业的驱动力，从而实现更有效的资产配置。

主要观点

1. 宏观因子的驱动逻辑

   • 宏观因子驱动行业价格的变化包括两方面：宏观因子本身重要性变化，以及宏观因子对行业的敏感性及方向变化。
   • 不同时期，市场对宏观因子的敏感度不同，某些行业在过去主要受流动性影响，而在新的周期可能由经济增长主导。

2. 宏观因子的综合刻画

   • 引入30个细分宏观指标，构建4个宏观扩散指数：经济增长、通胀、流动性、利率。
   • 数据处理中对部分宏观指标进行滞后一个月处理，并对齐到月频上进行分析。

3. 宏观敏感性与行业配置

   • 通过VAR模型进行分析，构建敏感性系数矩阵，用于预测下一期行业收益。
   • 依据预测值对行业进行排序，配置未来收益较高的一组行业。

4. 模型表现

   • 综合模型在2016年以来年化换手2.9倍的基础上，仍获得6.26%的超额收益。
   • 模型在不同时间段表现稳健，尤其在经济增长驱动的行业如石油石化、煤炭等表现良好。

关键信息

宏观因子的重要性变化

• 不同时期，主导行业收益的宏观因子不同。例如：
  • 2018年之前：石油石化行业主要受通胀驱动。
  • 2019年之后：经济增长对石油石化行业的驱动力增强，成为主要驱动因素。
• 宏观因子对不同行业的敏感性不同，例如：
  • 经济增长：对石油石化、煤炭、钢铁等周期性行业影响显著。
  • 通胀：对有色金属、消费者服务、农林牧渔等消费类行业影响明显。
  • 利率：对通信、计算机、家电等TMT行业影响显著。
  • 流动性：对电力设备及新能源、交运、电子等成长性行业影响明显。

宏观因子的敏感性分析

• 通过ADF检验，确认宏观因子的平稳性。
• 协整检验结果显示，大部分宏观因子与行业存在显著关系，仅少数如地产销售、PPI等未通过检验。
• 通过脉冲响应分析，判断宏观因子对行业收益的影响方向与敏感性。

VAR建模步骤

1. ADF检验：确认变量是否平稳。
2. 协整检验：检测变量之间是否存在长期关系。
3. AIC/BIC定阶：确定最优滞后阶数，确保模型稳定性。
4. 脉冲响应分析：判断宏观因子对行业收益的敏感性。
5. 预测与配置：利用模型预测下一期收益，进行行业配置。

回测分析

经济增长扩散指数回测表现

• 年化收益率：7.75%
• 波动率：7.97%
• 信息比率：0.97
• 最大回撤：17.21%
• 超额收益：第五组月均超额收益0.84%

经济增长扩散因子年度表现

• 2014年：超额收益为-3.76%，表现不佳。
• 2015年：超额收益18.86%，信息比率1.46。
• 2016年：超额收益-11.37%，信息比率-1.56。
• 2017年：超额收益20.03%，信息比率3.23。
• 2018年：超额收益8.11%，信息比率1.09。
• 2019年：超额收益10.38%，信息比率1.76。
• 2020年：超额收益13.67%，信息比率1.66。
• 2021年：超额收益24.18%，信息比率2.38。

风险提示

• 市场环境或政策因素发生不利变化可能导致行业发展不及预期。
• 报告数据仅供参考，存在样本不足以代表整体市场及数据处理误差的风险。

图表与数据说明

• 图1至图34展示了宏观因子走势、相关性、方差分解、脉冲响应等关键分析结果。
• 表1至表37提供了宏观因子相关性矩阵、ADF检验结果、协整检验结果、VAR模型统计量等详细数据支持。

结论

本文通过宏观因子驱动行业价格的逻辑分析，构建了基于VAR的综合模型，展示了宏观因子在不同周期对行业收益的影响。模型在2016年以来表现稳健，为行业配置提供了有效工具。