20221013-中原证券-宏观专题_量化宏观基本面框架_动态因子模型_9页_1012kb

量化宏观基本面框架：动态因子模型总结

核心内容概述

本报告围绕动态因子模型（Dynamic Factor Model）展开，探讨其在宏观经济追踪预测中的应用。该模型作为计量经济学领域的重要工具，已被美联储、欧央行等主要货币当局广泛采用。报告通过构建高频宏观数据系统，对通胀（CPI与PPI）、PMI与GDP等关键宏观经济指标进行追踪预测，并提取出增长、货币、通胀等隐含因子，以辅助宏观经济分析和投资决策。

主要观点

1. 动态因子模型的逻辑与结构

• 模型思想：动态因子模型是一种状态空间模型，由观测方程和状态转移方程组成。

  • 观测方程：假设大量宏观数据由少量隐含因子驱动。
  • 状态转移方程：隐含因子服从向量自回归（VAR）过程，反映其动态演化。

• 模型优势：

  • 对宏观大数据进行降维处理；
  • 解决混频与缺失问题，通过卡尔曼滤波与EM算法填补数据空白；
  • 反映时变特征，状态转移矩阵随时间变化；
  • 自动分配权重，采用主成分分析法识别因子载荷，避免主观赋权的误差。

• 模型应用：用于Nowcasting（实时预测），对GDP、PMI、CPI、PPI等指标进行高频追踪预测。

关键信息

1. 指标筛选与处理

• 通胀指标（CPI与PPI）：

  • CPI分为食品、烟酒、衣着、交运、医疗、文娱六类；
  • PPI分为能源、化工、有色、钢铁、粮食、建材六类；
  • 各子类下筛选出70个高频指标，时间区间为2015年至2022年9月。

• GDP与PMI指标：

  • 从工业生产、下游消费、景气指数等维度筛选16个指标；
  • GDP采用同比追踪预测，PMI采用环比追踪预测；
  • 数据处理包括季节性调整与混频统一（统一为周度数据）。

2. 模型实证结果

• 通胀追踪预测：

  • 对CPI与PPI的环比增速解释度高于同比增速；
  • 对PPI增速的解释度高于CPI增速；
  • 根据2022年9月数据，预测10月PPI同比增速为1%，CPI同比增速为3%。

• GDP与PMI追踪预测：

  • 模型对PMI与GDP增速的拟合效果较好，能够反映2020年初疫情冲击；
  • 2022年9月29日PMI预测值为50.14，次日公布值为50.1，预测接近度高；
  • 当前模型对三季度GDP增速预测为4.1%。

• 经济指数提取：

  • 模型提取出增长因子、金融因子、通胀因子；
  • 各因子均与历史经验相符，可用于全局追踪与外推预测。

模型构建与估计方法

• 数据处理步骤：

  1. 筛选底层经济指标，考虑其相关性、公布频率、可得性；
  2. 将模型写成状态空间形式，设定观测方程与状态转移方程；
  3. 采用PCA+EM算法进行因子估计，尤其适用于高维系统。

• 估计过程：

  • PCA用于获取因子载荷的初始估计；
  • EM算法迭代计算因子序列与参数，直到似然估计变动小于设定阈值。

风险提示

• 模型预测结果仅供参考，实际经济环境变化可能影响预测准确性；
• 报告中的数据与观点不构成投资建议，投资者应结合自身情况审慎决策。

投资评级说明

• 行业投资评级：

  • 强于大市：未来6个月内行业指数相对大盘涨幅10%以上；
  • 同步大市：涨幅在**-10%至10%之间**；
  • 弱于大市：跌幅10%以上。

• 公司投资评级：

  • 买入：未来6个月内公司相对大盘涨幅15%以上；
  • 增持：涨幅在5%至15%之间；
  • 观望：涨幅在**-5%至5%之间**；
  • 卖出：跌幅5%以上。

附注

• 分析师信息：

  • 周建华，登记编码：S0730518120001；
  • 研究助理：钮若洋；
  • 联系人：马嶔琦，地址：上海浦东新区世纪大道1788号16楼，邮编：200122。

• 报告来源：中原证券股份有限公司，具有证券投资咨询业务资格。