开源量化评论（48）：宏观择时，多维度结合下的新视角-20220213-开源证券-24页_2mb

金融工程研究团队与宏观择时模型总结

核心内容

本报告由开源证券金融工程研究团队发布，主要探讨宏观择时模型的构建及其在股票市场中的应用，结合经济状态和货币松紧两个维度，提出了一种基于“货币-经济周期”框架的择时策略，并进一步拓展至股债轮动和风格轮动领域。团队成员包括魏建榕（首席分析师）、张翔、傅开波、高鹏（分析师）以及苏俊豪、胡亮勇、王志豪、盛少成、苏良（研究员）。

主要观点

1. 宏观周期的界定：

   • 宏观周期通常通过经济、通胀、货币、信用等维度划分。
   • 常见框架包括经济-通胀周期（美林时钟）、货币-信用周期、货币-经济周期。
   • “货币-经济周期”框架更适合中国市场，因其在货币和经济维度上更具代表性。

2. 经济状态的衡量：

   • 通过选取金融条件、产出、价格三个维度的领先指标（如社融存量同比、M1同比、PMI等）来逼近经济状态。
   • 使用一阶差分序列、季调、极端值剔除和低参HP滤波等方法对指标进行预处理。
   • 定义经济强弱指标为上升指标个数/总指标个数，若大于0.5则为经济上行，否则为下行。

3. 货币松紧的衡量：

   • 使用M2-社融同比（广义流动性）和Shibor_3M（狭义流动性）进行衡量。
   • 结合十年期国债利率，通过12月均线判断货币松紧状态。
   • 货币宽松与紧缩的划分基于多个指标的综合判断。

4. 宏观择时模型的构建：

   • 模型基于经济状态和货币松紧，构建出四个宏观状态：货币宽-经济下、货币宽-经济上、货币紧-经济上、货币紧-经济下。
   • 不同宏观状态下，Wind全A的收益存在显著差异，其中货币紧-经济下的收益最低。
   • 隐含变量（利率、通胀、风险溢价、信用）在不同周期下具有不同的影响作用。
   • 在货币宽-经济下，信用为主要矛盾；在货币宽-经济上，风险溢价为主要矛盾；在货币紧-经济上，利率为主要矛盾。

5. 模型效果：

   • 纯多头年化收益率为20.48%，多空对冲年化收益率为28.19%。
   • 模型在不同宏观周期下的胜率表现较好，尤其在货币宽-经济下，胜率高达67.35%。
   • 模型在2020年以来的择时胜率为72%，整体表现较为稳健。

6. 拓展应用：

   • 股债轮动：根据宏观择时信号调整股债配置比例，实现年化收益8.78%，信息比例1.97。
   • 风格轮动：基于成长/价值风格的轮动策略，年化收益为13.8%，信息比例1.05，月度胜率62.4%。

关键信息

• 宏观择时框架：以“货币-经济周期”为核心，结合经济状态和货币松紧进行市场判断。
• 经济状态判断：使用工业增加值同比、PMI、社融存量同比等指标，通过预处理和趋势判断方法得出经济上行或下行。
• 货币松紧判断：使用M2-社融同比、Shibor_3M、十年期国债利率进行综合判断。
• 隐含变量：利率、通胀、风险溢价、信用等变量在不同宏观周期下具有不同影响。
• 择时信号：融资当月净流入作为辅助信号，用于规避极端市场情况。
• 模型表现：在全历史区间内，多空对冲策略年化收益达28.19%，胜率65.14%。
• 参数稳健性：宏观择时中的参数（如6月均线、24月均线）对结果影响不大，模型较为稳健。
• 风险提示：模型测试基于历史数据，未来市场可能发生变化。

图表目录

• 图1：货币、信用、经济、通胀为宏观周期划分依据
• 图2：市场动态到择时观点需经历宏观周期、隐含变量、中间变量的传导
• 图3：宏观指标选取从金融条件、产出、价格三维度出发
• 图4：预处理后的工业增加值消除季节效应
• 图5：经济状态划分与实际经济状况基本一致
• 图6：流动性三大维度：狭义、广义、市场流动性
• 图7：广义与狭义流动性走势存在背离
• 图8：货币松紧判断与实际流动性状况基本一致
• 图9：不同宏观状态的持续时间差异
• 图10：不同宏观状态下的Wind全A收益均值
• 图11：不同宏观周期下隐含变量状态比例差异
• 图12：隐含变量状态对Wind全A收益的影响
• 图13：融资当月净流入与市场走势相关
• 图14：宏观择时流程图
• 图15：宏观择时表现
• 图16：股债轮动净值表现
• 图17：股债权重变化
• 图18：成长/价值风格的相对走势
• 图19：隐含变量对风格收益的影响
• 图20：风格配置轮盘
• 图21：板块轮动净值表现
• 图22：不定期择时下的表现
• 图23：不定期择时下的信号分布

表格目录

• 表1：参与经济状态衡量的领先指标
• 表2：Wind全A收益的切割规律
• 表3：融资当月净流入择时能力
• 表4：股债轮动实现年化收益8.78%
• 表5：风格强弱的切割规律
• 表6：风格轮动多空收益13.76%
• 表7：宏观择时参数敏感性分析
• 表8：2020年以来Wind全A择时胜率72%
• 表9：宏观择时信号在宽基及行业上有效

结论

本报告提出了一种基于“货币-经济周期”的宏观择时模型，通过经济状态和货币松紧的划分，结合隐含变量进行精细切割，构建了有效的择时策略。该模型在不同市场阶段表现出较好的择时能力，特别是在货币宽-经济下和货币宽-经济上，其胜率和收益表现尤为突出。此外，模型在股债轮动和风格轮动方面也展现出一定的应用潜力，未来可进一步优化和拓展。