20221223-国盛证券-宏观经济量化系列之二_宏观预期差量化与超预期策略_33页

报告摘要

本文是《宏观经济量化系列》的第二篇，聚焦于宏观预期差的量化分析，旨在解决宏观量化中的“力度判断”问题。通过分析预期差的定义、标准化处理、货币政策预期差的刻画方法以及预期差指数的构建，探索宏观预期差在资产配置中的应用，为投资者提供更精准的策略参考。

宏观预期差的意义：
- 宏观领先指数属于一阶导信息，而宏观预期差是二阶导信息，有助于识别宏观变化的加速或减速。
- 预期差的标准化是关键，可以更准确地衡量不同指标的预期差强度。
经济数据预期差的刻画：
- 采用Bloomberg宏观一致预期数据，包括6个信用类、13个经济类和2个通胀类指标。
- 传统预期差标准化方法存在异方差性问题，因此引入预测分歧和预测机构数量进行标准化，提出Standard_Surprise3方法。
货币政策预期差的定义：
- 中国货币政策预期差采用“政策事件法+市场利率法”的组合方式，具有更好的逻辑性、普适性和有效性。
- 美联储货币政策预期差则以FOMC会议为政策事件点，结合联邦基金利率期货隐含利率变动，构建了综合评分体系。
宏观预期差指数构建：
- 借鉴高盛(2013)的MAP指数方法，通过单一信号打分、大类得分汇总和时间序列平滑&标准化三步骤构建了货币政策、信用、经济和通胀四个维度的预期差指数。
预期差策略的应用：
- 根据资产类型，设计了经济-通胀预期差时钟、货币-信用预期差时钟和美联储货币政策预期差策略。
- 固收+预期差增强型策略在不同风险偏好下表现良好，年化收益达6.4%，波动和回撤控制较好。

预期数据来源：Bloomberg和Wind，其中Bloomberg数据质量更高，包含预测中位数、标准差等字段。
标准化处理：引入预测分歧（标准差）和预测机构数量，解决传统方法中异方差性问题，提出Standard_Surprise3公式：
$$
Standard_Surprise3 = K \cdot |[P(z_N \leq K) = P(z_t \leq \frac{real - fmedian}{disagreement})]|
$$
预期差得分：基于t分布调整后的zscore，结合指标对资产的区分度，将预期差分为5档，赋予1-5的重要性得分。

中国货币政策预期差：
- 政策事件法：降息降准得+3分，加息升准得-3分。
- 市场利率法：采用SHIBOR-1W作为市场利率代理指标，ΔSHIBOR-1W<0为超预期宽松，ΔSHIBOR-1W>0为超预期收紧。
美联储货币政策预期差：
- 政策事件法：FOMC会议时点，联邦基金目标利率变动方向为+1、0、-1分。
- 市场利率法：使用3个月联邦基金利率期货隐含利率在FOMC会议前后30分钟的变动方向，Δ<0为+2分，Δ=0为0分，Δ>0为-2分。
- 最终得分：政策事件得分 + 市场利率得分，如降息且ΔSHIBOR-1W<0得+3分。

编制步骤：
1. 单一信号打分：基于标准化预期差强度和重要性得分，得到每个指标的预期差得分。
2. 大类得分汇总：将同一维度下各指标的得分加总，得到货币、信用、经济和通胀四个大类的预期差得分。
3. 时间序列平滑&标准化：采用90天窗口进行移动平均，消除数据尖峰和短期噪声。

资产配置策略：
- 经济-通胀预期差时钟：适用于权益、大宗商品等经济敏感型资产。
- 货币-信用预期差时钟：适用于债券等流动性敏感型资产。
- 美联储货币政策预期差：适用于黄金、美债等美元流动性敏感型资产。
固收+预期差增强型策略：
- 稳健型（权益上限10%）：年化收益6.4%，波动2.6%，最大回撤2.7%。
- 平衡型（权益上限15%）和进取型（权益上限20%）策略也展现出良好的风险收益特征。