华泰中观基本面轮动系列之二:行业全景画像,宏观因子视角-20200326-华泰证券-41页_2mb
报告摘要
文档总结
核心内容
本文是华泰证券“中观基本面轮动系列”第二篇,主要研究宏观因子对金融资产的影响,并构建了一套涵盖增长、通胀、利率、信用和汇率的宏观因子体系。通过实证分析,该体系对金融资产具备较高的解释能力,可用于投资时钟构建、主导因子挖掘以及宏观因子资产化等实际应用。
主要观点
- 宏观因子构建:综合国内投资实践和海外研究成果,构建了五个宏观因子(增长、通胀、利率、信用、汇率),每个因子通过筛选合适的代理指标并基于波动率倒数加权法合成,确保各指标对合成因子的贡献风险一致。
- 增长因子:采用PMI、基建投资和工业企业利润总额同比增速作为代理指标,合成增长因子。结果显示,增长因子在A股和港股上表现出显著差异,港股更偏向基本面驱动,而A股则与流动性关系更密切。
- 通胀因子:选取布伦特原油、猪肉价格和螺纹钢价格作为代理指标,合成通胀因子。结果表明,原油和螺纹钢对PPI有较高解释力,而猪肉对CPI影响较大。
- 利率因子:通过1年期和10年期国债到期收益率合成利率因子。结果显示,A股对短久期国债的反应更显著,港股则对长久期国债反应更强。
- 信用因子:基于AAA级信用利差(5年期)合成,该因子对债券类资产的解释力最强,且与利率因子走势高度趋同。
- 汇率因子:通过美元兑人民币中间价、人民币实际有效汇率等指标合成,汇率波动对商品资产走势有显著影响,尤其对黄金和上游资源品。
关键信息
宏观因子构建方法
-
增长因子:
- 代理指标:PMI同比差分序列、基建投资同比增速、工业企业利润总额同比增速。
- 合成方法:波动率倒数加权法。
- 预处理方法:滞后处理、缺失值填充、季节性调整、统一口径处理。
-
通胀因子:
- 代理指标:布伦特原油对数同比序列、猪肉价格对数同比序列、螺纹钢价格对数同比序列。
- 合成方法:波动率倒数加权法。
- 预处理方法:滞后处理、缺失值填充、季节性调整、统一口径处理。
-
利率因子:
- 代理指标:1年期和10年期国债到期收益率的同比差分序列。
- 合成方法:波动率倒数加权法。
- 预处理方法:滞后处理、缺失值填充、季节性调整、统一口径处理。
-
信用因子:
- 代理指标:5年期AAA中短期票据收益率与5年期国债到期收益率的差值的同比差分序列。
- 合成方法:波动率倒数加权法。
- 预处理方法:滞后处理、缺失值填充、季节性调整、统一口径处理。
-
汇率因子:
- 代理指标:美元兑人民币中间价、人民币实际有效汇率、人民币名义有效汇率、美元指数等。
- 合成方法:波动率倒数加权法。
- 预处理方法:滞后处理、缺失值填充、季节性调整、统一口径处理。
宏观因子对金融资产的影响实证
- 采用有放回抽样的单元线性回归方法,以不同金融资产的对数同比序列作为因变量,考察宏观因子对其的影响。
- 使用Newey-West自相关相容协方差方法减少异方差性对假设检验的影响。
- 结果显示,宏观因子对金融资产的解释力较高,且不同资产的风险画像具有明显区分度。
金融资产风险画像
- 构建风险归因体系,对不同金融资产进行风险画像。
- 通过正交化处理降低因子间的共线性风险。
- 多元线性回归分析显示,宏观因子对金融资产价格波动具有显著解释力。
宏观因子体系实证应用
-
投资时钟构建:
- 增长和通胀因子划分出四个宏观状态:复苏、过热、滞胀、衰退。
- 每个状态下推荐配置的金融资产基于因子暴露方向和显著度。
-
主导因子挖掘:
- 最新结论显示,利率和信用是当前市场的主导风险。
- 表明流动性对权益市场影响较大。
-
宏观因子资产化:
- 通过资产组合复制宏观因子走势,实现因子直接投资。
- 后续报告将继续推进相关研究。
风险提示
- 模型基于历史规律总结,存在历史规律失效的风险。
- 模型结论基于统计工具,极端情形下可能解释力不足。
总结结构
宏观因子体系
- 增长因子:PMI、基建投资、工业企业利润总额。
- 通胀因子:布伦特原油、猪肉价格、螺纹钢价格。
- 利率因子:1年期和10年期国债到期收益率。
- 信用因子:5年期AAA信用利差。
- 汇率因子:美元兑人民币中间价、人民币有效汇率指数等。
回归分析
- 增长因子:对A股和港股影响显著不同,港股更受基本面驱动。
- 通胀因子:对CPI和PPI有较高解释力,尤其对PPI影响显著。
- 利率因子:A股更受短久期国债影响,港股更受长久期国债影响。
- 信用因子:对债券类资产解释力最强,与利率因子走势趋同。
- 汇率因子:对商品资产影响显著,尤其对黄金和上游资源品。
风险归因与画像
- 通过多元线性回归分析金融资产在宏观因子上的风险构成。
- 各类资产的风险画像具有显著区分度,与直观逻辑相符。
应用分析
- 投资时钟构建:基于增长和通胀因子划分宏观周期状态。
- 主导因子挖掘:识别当前市场主导风险为利率和信用。
- 宏观因子资产化:通过资产组合复制宏观因子走势,提升投资效率。
图表目录
- 行业拆分与聚类结果图示
- 基本面轮动系列研究框架
- 本文研究框架
- 上证综指及其对数同比序列
- 十年国债到期收益率及其同比差分序列
- 增长因子代理指标池
- 通胀因子代理指标池
- 利率因子代理指标池
- 信用因子代理指标池
- 汇率因子代理指标池
- 宏观因子对金融资产的影响实证框架
- 大类资产对宏观因子的回归结果
- 主题板块对宏观因子的回归结果
- 细分行业对宏观因子的暴露结果
- 各行业在增长因子上的回归系数及T值
- 各行业历史ROE_TTM波动率
- 各行业在通胀因子上的回归系数及T值
- 各行业上游度系数
- 各行业在利率因子上的回归系数及T值
- 各行业历史平均资产负债率
- 各行业在信用因子上的回归系数及T值
- 各行业成分股平均市值从高到低排序
- 各行业在汇率因子上的回归系数及T值
- 各行业净出口诱发度系数
- 金融资产风险画像
- 增长与通胀因子走势对比
- 增长与利率因子走势对比
- 增长与信用因子走势对比
- 增长与汇率因子走势对比
- 信用与利率因子走势对比
- 汇率与利率因子走势对比
- 正交前因子相关系数
- 正交后因子相关系数
- 大类资产多元回归结果
- 主题板块多元回归结果
- 细分行业多元回归分析
- 细分行业风险画像
- 酒类行业对数同比序列与增长因子走势对比
- 电子行业对数同比序列与增长因子走势对比
- 增长和通胀因子下的投资时钟
- 宏观因子对细分行业单因子回归结果
- 单因子多空组合构建
- 各因子beta绝对值占比历史走势
- 各宏观因子beta绝对值占比最新值
- 增长因子及其beta绝对值占比走势
- 通胀因子及其beta绝对值占比走势
- 利率因子及其beta绝对值占比走势
- 信用因子及其beta绝对值占比走势
- 汇率因子及其beta绝对值占比走势
- 原增长因子与大类资产合成增长因子走势对比
- 原增长因子与板块资产合成增长因子走势对比
- 原增长因子与行业资产合成增长因子走势对比
结论
本文构建的宏观因子体系能够较好地解释金融资产价格波动,并具备较高的区分度。各因子对不同金融资产的影响存在显著差异,且在实际应用中展现出较强的解释力和指导意义。后续研究将继续推进宏观因子资产化等相关应用。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载