宏观经济专题研究：降息预测模型的探索-20230824-国信证券-16页_1mb

宏观经济专题研究：降息预测模型的探索总结

核心内容

本报告探讨了构建一个较客观、可量化、易理解的降息预测框架，即“拇指法则”。该框架基于央行的四大目标（币值稳定、经济增长、内外平衡、金融稳定）构建了8个子模型，通过集合学习（ensemble learning）的方法进行“投票”决策，从而提高预测的准确性和稳定性。

主要观点

• 降息预测难题：降息是市场高度关注的宏观事件，但其预测一直是宏观研究的“老大难”，主要问题在于缺乏理论基础的“黑箱模型”和过于复杂的“具象”模型。
• 策略原则：提出两条核心原则：一是从央行根本思维逻辑出发，遵循“自上而下”原则，避免因果倒置；二是采用“集合学习”思想，通过多个简单模型的“集合决策”提升整体预测能力。
• 模型构建：构建了一个由8个子模型组成的“8因子模型”，从不同维度反映央行可能的降息决策逻辑。
• 模型表现：在回溯期内（自2016年政策利率“换锚”以来），模型表现出色，单次预警命中率60%，连续两次命中率75%，连续三次命中率100%。且无预警降息情况未出现，模型未提示时未来3个月内降息概率较低。
• 模型验证：7月模型构建完成后发出降息预警，8月15日降息超预期落地，验证了模型的有效性，将单次预警准确率提升至62.5%。
• 模型潜力：模型初步达到预期目标，具备良好的优化和拓展潜力，如应用于降准预测等其他政策工具分析。

关键信息

模型构成

• 子模型I：制造业PMI，算法为“连续两个月低于过去5年同期平均数”。
• 子模型II：新增人民币贷款，算法为“低于季节性水平”。
• 子模型III：就业人员平均工作时间和制造/非制造从业人员PMI。
• 子模型IV：CPI通胀率，算法为“连续3个月同比上行”。
• 子模型V：PMI出厂价格，算法为“持续走弱”。
• 子模型VI：美联储政策利率，算法为“政策利率上行”。
• 子模型VII：人民币汇率，算法为“持续走弱”。
• 子模型VIII：1年期AAA同业存单到期收益率与MLF利率偏离度。

预警机制

• 集合决策：通过“投票”方式决定是否发出降息提示，设定为“8进6”。
• 预警时间窗口：有效预测时间为三个月，即提示后三个月内降息视为有效。
• 预警准确度：
  • 单次预警命中率：60%
  • 连续两次预警命中率：75%
  • 连续三次预警命中率：100%
  • 无预警降息情况未出现。

模型优势

• 横向加强：通过多个子模型并行决策，提升整体判断能力。
• 纵向加强：连续预警具有累积效应，命中率随预警次数增加而提升。
• 可解释性：模型逻辑清晰，避免了“黑箱”问题，具有较强的可理解性。

潜在风险

• 央行操作框架调整：若央行政策逻辑发生变化，可能影响模型预测。
• 模型外变量主导：在某些时期，模型外的变量可能对降息产生更大影响，如2023年10-11月模型预测落空。

模型应用与展望

• 应用验证：7月模型发出降息预警，8月15日降息落地，验证模型的有效性。
• 未来趋势：模型在年内发出强降息提示（连续两次及以上）的概率较低，主要由于价格指标有望修复，信贷投放波动性增加，以及美联储政策可能保持紧缩。
• 拓展潜力：模型思路具有可拓展性，可用于其他政策工具如降准的预测分析。

附录信息

• 分析师：董德志（国信证券）
• 联系人：田地
• 免责声明：本报告仅供参考，不构成投资建议，不承担因使用报告而产生的任何法律责任。

投资评级标准

模型特点

• 逻辑清晰：从央行四大目标出发，构建具有理论基础的模型。
• 算法透明：避免使用黑箱算法，提升模型的可解释性。
• 稳定性强：模型在回溯期内表现稳定，且未出现无预警降息情况。
• 可优化性：模型具有进一步优化和拓展的潜力。

结论

本报告提出的降息预测模型初步验证了其有效性，构建了一个基于央行目标的客观、可量化、易理解的分析框架。模型通过集合学习的方式，提高了预警的准确性和稳定性，具备良好的应用前景。