量化专题报告：宏观逻辑的量化验证映射关系混沌初开-20190213-国盛证券-32页 (2).pdf

请仔细阅读本报告末页声明请仔细阅读本报告末页声明 证券研究报告|金融工程研究 2019 年 02 月 13 日 量化专题报告量化专题报告 宏观逻辑的量化验证：映射关系混沌初开宏观逻辑的量化验证：映射关系混沌初开 本系列报告尝试构筑宏观经济指标与资产价格关系的发现与跟踪体系本系列报告尝试构筑宏观经济指标与资产价格关系的发现与跟踪体系。资产价格受到宏观经济因素驱动，而宏观经济指标是宏观经济因素的抽象刻画方式，这两者之间相互映射，逻辑关系复杂。但我们认为有用的宏观-资产逻辑关系一定能从数据上得到验证，并能够被持续跟踪。本报告采用状态匹配法进行宏观本报告采用状态匹配法进行宏观-资产映射的研究资产映射的研究。宏观经济数据时间跨度长，受到政策经济环境变化影响异方差性大，投资者更为关注指标的增量变化或者说趋势性。状态匹配法对宏观经济指标划分不同的状态，在不同的状态划分下检验资产价格涨跌幅的共性特征，从而搜索所有统计显著的宏观指标状态-资产价格表现关系，构建显著映射关系库。状态匹配法获得状态匹配法获得的显著宏观的显著宏观-资产关系是统计关系，有失效的风险需辅以逻资产关系是统计关系，有失效的风险需辅以逻辑的相互强化辑的相互强化。通过状态匹配法获得的显著关系大部分持续时间短，仅有少部分关系能够在样本外长期持续有效，这部分关系背后蕴含强逻辑的概率高，通过深挖数据背后的逻辑，以其他数据作为辅助相互印证，对资产配臵有较大借鉴意义。本报告对挖掘到的部分长期有效的显著宏观本报告对挖掘到的部分长期有效的显著宏观-资产关系进行了展示资产关系进行了展示。本报告使用了 121 种宏观经济指标对 324 种资产进行了状态匹配研究，构建了显著宏观-资产关系库。我们分别并展示了部分大类资产、股票因子资产、股票多空资产的显著宏观-资产关系，以及部分显著关系的逻辑强化过程。风险提示风险提示：以上结论均基于历史数据和统计模型的测算，如果未来市场环境发生明显改变，或者统计数据口径调整变化，不排除模型失效的可能性。作者作者 分析师分析师 叶尔乐叶尔乐 执业证书编号：S0680518100003 邮箱： 分析师分析师 刘富兵刘富兵 执业证书编号：S0680518030007 邮箱： 相关研究相关研究 1、量化周报：市场的日线级别反弹远未结束2019-02-10 2、量化周报：50 将带领市场迎来一波日线反弹2019-01-27 3、量化周报：市场本周或将确立方向2019-01-20 4、量化专题报告：华夏中小板 ETF 投资价值分析2019-01-17 5、量化专题报告：多因子系列之一：多因子选股体系的思考2019-01-16 每日免费获取报告1、每日微信群内分享7+最新重磅报告；2、每日分享当日华尔街日报、金融时报；3、每周分享经济学人4、行研报告均为公开版，权利归原作者所有，起点财经仅分发做内部学习。扫一扫二维码关注公号回复：研究报告加入“起点财经”微信群。2019 年 02 月 13 日 P.2 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 内容目录内容目录 1.宏观量化框架探讨.4 1.1.宏观量化的优缺点.4 1.2.宏观逻辑验证思路.5 2.状态匹配思路研究.7 2.1.匹配关系显著的定义讨论.7 2.2.显著关系的样本外持续性.10 2.2.1.ANOVA 方差检验法.11 2.2.2.择时策略检验法（绝对收益）.11 2.2.3.择时策略检验法（相对收益）.12 3.显著宏观-资产关系分析.13 3.1.大类资产显著关系分析.14 3.1.1.沪深 300.14 3.1.2.南华工业品.18 3.1.3.其他商品指数.19 3.2.股票因子组合显著关系.20 3.2.1.风格因子：市值因子.20 3.2.2.风格因子：波动率因子.21 3.2.3.风格因子：杠杆因子.22 3.2.4.行业因子：石油石化.23 3.2.5.行业因子：煤炭.24 3.2.6.行业因子：电力及公用事业.24 3.2.7.行业因子：房地产.25 3.3.股票多空组合显著关系.25 3.3.1.中证 1000-沪深 300.25 3.3.2.中证 500 成长-中证 500 价值.26 3.3.3.沪深 300 周期-沪深 300 非周期.27 总结与展望.27 附录.28 风险提示.31 图表目录图表目录 图表 1：宏观经济与资产价格关系.4 图表 2：经济活动变量.5 图表 3：回测金融资产类别.6 图表 4：美林时钟象限划分.6 图表 5：全天候策略象限划分.6 图表 6：滤波与趋势判断示例.7 图表 7：显著关系示例.8 图表 8：单变量状态检验显著性最高前 10 正向关系.8 图表 9：利率下降对成长风格择时结果.9 图表 10：货币净投放下降对动量因子择时结果（仅多）.10 图表 11：货币净投放下降对动量因子择时结果（多空）.10 2019 年 02 月 13 日 P.3 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 图表 12：构建显著关系库.10 图表 13：显著关系库每月保留、新增、删减显著关系统计（ANOVA 方法）.11 图表 14：显著关系库每月保留、新增、删减显著关系统计（择时（绝对收益）方法）.12 图表 15：显著关系库每月保留、新增、删减显著关系统计（择时（相对收益）方法）.12 图表 16：显著关系入库次数分布统计.13 图表 17：沪深 300 显著宏观经济指标择时结果.14 图表 18：不同 CPI 指标对比.15 图表 19：彩电产量与销量关系对比.15 图表 20：住宅商品房销售面积（现房与期房对比）.16 图表 21：彩电产量高峰与现房销售、期房竣工高峰同步性较高.16 图表 22：彩电产量趋势与期房销售趋势对比.17 图表 23：彩电、空调、家用电冰箱、家用洗衣机生产周期对比.17 图表 24：南华工业品指数显著宏观经济指标.18 图表 25：指标间相关系数.18 图表 26：南华工业品指数多指标择时结果.19 图表 27：南华商品指数间相关系数.19 图表 28：各商品指数显著宏观经济指标.19 图表 29：市值因子显著宏观经济指标择时结果.20 图表 30：债券发行量指标对比.21 图表 31：波动率因子显著宏观经济指标.21 图表 32：市值因子多指标择时策略结果.22 图表 33：杠杆因子显著宏观经济指标.22 图表 34：杠杆因子多指标择时结果.23 图表 35：石油石化显著宏观经济指标.23 图表 36：石油石化显著宏观经济指标择时结果.23 图表 37：煤炭显著宏观经济指标.24 图表 38：煤炭显著宏观经济指标择时结果.24 图表 39：电力及公用事业显著宏观经济指标.25 图表 40：房地产显著宏观经济指标择时结果.25 图表 41：中证 1000-沪深 300 显著宏观经济指标择时结果.26 图表 42：中证 500 成长-中证 500 价值显著宏观经济指标择时结果.26 图表 43：沪深 300 周期-沪深 300 非周期显著宏观经济指标择时结果.27 图表 44：宏观细分指标.28 2019 年 02 月 13 日 P.4 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 1.宏观量化框架探讨宏观量化框架探讨 资产价格的资产价格的变化受到宏观经济因素的驱动变化受到宏观经济因素的驱动。整个经济系统过于庞大，无法通过描述每个细节变量进行经济状态的刻画，当前的宏观经济指标提供了一套整体和抽象的刻画方式，能对经济运行的主要方向提供线索。宏观经济指标按照影响资产价格的方式大致分为两类：政策变量政策变量和统计数据统计数据。政策变量更多的通过直接作用于定价机制对资产价格起作用，相对快速高效。而统计数据则更多通过影响人们的预期，然后通过交易影响资产的价格，而，而在当前市场中宏观预期的形成在当前市场中宏观预期的形成以及宏观以及宏观预期到价格的传导需要时间，这也是研究宏观经济指标对于资产价格预期到价格的传导需要时间，这也是研究宏观经济指标对于资产价格预测研究预测研究的意义。的意义。图表 1：宏观经济与资产价格关系 资料来源：国盛证券研究所 由于宏观经济指标体系抽象，涉及的逻辑链条错综复杂，和资产价格联系遥远，所以人们对资产价格的预期有的时候往往通过许多中间变量中间变量（大类、板块、行业的某个细分数据）的改变形成。这使得这使得宏观经济指标变成了任人打扮的小姑娘宏观经济指标变成了任人打扮的小姑娘：某个经济指标和资产价格的对应关系可能有好几条逻辑链条串联，逻辑链条中又掺杂了其他不可验证的数据和观点，最终导致了每种宏观状态事后总有可解释的逻辑，而可解释的逻辑也因为叠加了太多额外的数据和观点仅在某个时刻有用。如果缺少持续跟踪验证的过程，对于宏观经济指标的研究将永远困于事后解释和挖掘全新条件进行逻辑的补充。量化的研究方法提供了一种解决方案，通过量化的统计验证，我们虽然无法获得宏观经济逻辑传导的复杂机理，也有可能获得伪逻辑和不合常理的逻辑，但是我们能够在一定的臵信水平下信任我们的逻辑将会在概率角度提供给我们较为准确的预测辅助。我们相信有效的宏观逻辑一定是能被数据量化我们相信有效的宏观逻辑一定是能被数据量化验证的验证的。1.1.宏观量化的优缺点宏观量化的优缺点 宏观经济指标到资产价格变动的传导时间是不确定的，有的可能在指标公布的当天反应，有的可能在指标公布后的一段时间持续反应，我们采用的量化验证方法主要从资产配臵的角度出发，因此暂时不考虑指标公布对资产价格的瞬时影响。2019 年 02 月 13 日 P.5 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 投资者对资产价格的预期不仅仅受到宏观经济指标的影响，政策、突发事件等都会有影响且领先宏观经济指标，这部分影响较难量化，本篇报告暂且只尝试找寻对政策和突发事件不敏感的相对稳定的逻辑关系。同样量化相对其他方式也难以有发散性，叠加的条件和数据维度增加的情况下相应的数据量就显得不足了。要获得显著的统计特性，本报告暂时放弃过于复杂的逻辑链条。总的来说从量化的视角进行宏观分析有如下几方面的优势优势和不足和不足：优势优势：1、统计验证统计验证保证结论的科学严谨性和可追溯性；2、批量处理批量处理可以短时间内对各类宏观因素和资产类别进行处理；3、遍历搜索遍历搜索可以帮助发现被忽略的关系。不足：不足：1、宏观因素影响期限未知，用统一的窗口进行检验可能捕捉不到关系；2、宏观链条受到政策、事件影响断裂或更改，历史检验无法考虑到；3、条件高维下历史数据量小，验证得到的关系不一定可靠，无法进行发散演绎。因此我们在运用量化工具进行宏观分析的时候必须注意归纳和演绎的结合，注重对结果的解释和理解，对于不合理的逻辑关系进行剪枝和修正。1.2.宏观逻辑验证思路宏观逻辑验证思路 一个经济体的主要经济活动有：生产、分配、交换、消费生产、分配、交换、消费等等。其中生产、消费导致经济增长，分配、交换影响分配效率，伴随着这些经济活动，衍生出了一系列的经济活动变量，我们在所有的经济活动变量中选取了较为有代表性的 13 个大类的经济指标，并且在大类中选取了共 121 个细分指标。详细的指标说明详见报告附录。图表 2：经济活动变量 资料来源：国盛证券研究所 资产端本报告主要选取大类资产大类资产、股票因子组合股票因子组合、股票多空组合股票多空组合一共 324 种代表指数作为回测使用的金融资产池。大类资产与市场风格的表现与宏观状况息息相关，相比于单一的证券更能被宏观状况所解释和分析。2019 年 02 月 13 日 P.6 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 图表 3：回测金融资产类别 资产大类资产大类 资产小类资产小类 代表指数代表指数 大类资产大类资产 股票 沪深 300 指数 债券 中债 10 年期国债财富指数 商品 南华工业品指数、南华农产品指数、南华金属指数、南华能化指数、SGE 黄金 9999 指数 股票因子组合股票因子组合 风格因子组合（纯因子组合）规模、Beta、动量、波动率、非线性市值、价值、流动性、盈利、成长、杠杆 行业因子组合 中信一级行业指数-沪深 300、中信二级行业指数-沪深300、中信三级行业指数-沪深 300 股票多空组合股票多空组合 小市值-大市值 中证 500-沪深 300、中证 1000-沪深 300、沪深 300-上证50、中证 500-上证 50、中证 1000-上证 50 成长-价值 沪深 300 成长-沪深 300 价值、中证 500 成长-中证 500价值 周期-非周期 300 周期-300 非周期 资料来源：国盛证券研究所 宏观指标的低频性导致了要获得足够的分析数据必须跨越较长的时间，从而由不同的政治、经济、文化环境导致的指标异方差特性比较明显，因而相比宏观指标的绝对值水平，投资者更为关注宏观指标的增量变化或者说趋势性。利用宏观指标的趋势状态划分经济活动周期是一种常见的分析方法。著名的美林时钟美林时钟和全天候策略全天候策略就是利用经济增长和通货膨胀的趋势对经济周期进行象限的划分，从而使得各个象限内的经济状况、政策倾向、使得各个象限内的经济状况、政策倾向、资产价格共性更为突出资产价格共性更为突出，本质上这是利用附加条件，本质上这是利用附加条件提高概率的手段提高概率的手段。图表 4：美林时钟象限划分 图表 5：全天候策略象限划分 资料来源：Merrill Lynch,国盛证券研究所 资料来源：Bridgewater,国盛证券研究所 本报告的研究思路也将遵循这种状态匹配状态匹配的思路的思路，所谓的状态匹配即划分宏观经济指标的状态，研究不同状态下各类资产表现的差异。我们将通过批量的处理，获得任一种经济指标的状态划分，在不同的状态划分下检验资产价格涨跌幅的共性特征，从而搜索所有统计显著的宏观指标状态宏观指标状态-资产价格表现资产价格表现关系关系。要进行上述检验，首先必须划分宏观指标状态。宏观数据发布频率低，常常以同比、环比等形式发布，导致了宏观数据量小，延迟性高，噪音较多等问题。常用的获得趋势的 2019 年 02 月 13 日 P.7 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 方法是对宏观经济指标进行滤波处理，比如移动平均法或者 HP 滤波法（Hodrick，Prescott）。这两者有一个较大的区别：移动平均法得到的移动平均法得到的历史历史数据不会随着数据不会随着新增数据新增数据而而改变，而改变，而 HP 滤波法得到的滤波法得到的历史历史数据随着数据随着新增数据新增数据改变改变。换句话说使用 HP 滤波法对某一个时刻的趋势判断可能是会改变的。从回测的角度来说，这就要求我们仅使用每个时仅使用每个时刻的可得数据完成对当时宏观经济指标趋势的判断刻的可得数据完成对当时宏观经济指标趋势的判断。移动平均法较为适合宏观经济数据处理：宏观经济数据一般是月度或者季度发布，存在月份或者季节效应，因此按照参数 3、4、6、12 等参数构建的移动平均线能够一定程度剔除这两种效应使得数据的毛刺消除，获得相对平滑的趋势走势。我们以发电量为例，可以看到发电量本身由于一些季节因素影响噪音较多，经过 6 个月的移动平均后，极端值被较好的去除，趋势更加的明显，并且整体趋势的延迟又不至于和真实序列差别太大。之后可以用 HP 滤波进行趋势划分过滤噪音的影响。图表 6：滤波与趋势判断示例 资料来源：Wind，国盛证券研究所 当然对于一些预期敏感的低频数据，我们将按照实际当前值与上一期值的比较来划分趋势，或者直接使用 HP 滤波来划分。不同类型的宏观经济指标处理方式各异。2.状态匹配思路研究状态匹配思路研究 2.1.匹配关系显著的定义讨论匹配关系显著的定义讨论 什么样的宏观指标状态宏观指标状态-资产价格表现资产价格表现关系关系可以被称为显著？最直接的我们可以通过ANOVA 方差检验从分布的角度给出定义：2019 年 02 月 13 日 P.8 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 关系关系显著显著 1：通过 ANOVA 方差检验，宏观经济指标宏观经济指标 A 在状态状态 b 下的资产资产 C 其收益率分布的均值=显著不同于资产 C 全样本收益率的分布的均值，特殊状态=历史上至少发生过 n 次。如果特殊状态均值大于全样本均值：=，我们称为正向关系显正向关系显著著，如果特殊状态均值小于全样本均值：=货币政策预期货币政策预期-沪深沪深 300 CPI 下行预示着经济存在通货紧缩的风险，从而货币政策倾向于宽松，有利于股票市场，而 CPI 上行阶段预示着经济存在通货膨胀的风险，从而货币政策倾向于紧缩，不利股市。因此 CPI 趋势的拐头改变着市场对于货币政策倾向的预期，在历史上曾多次对股票市场的拐点作出了准确的预判。在 CPI 的各种细分指标里，非食品 CPI 对沪深 300 择时的效果最好，非食品 CPI 剔除了食品的影响但又没有像核心 CPI 一样剔除能源的影响，其更侧重于第二产业和第三产业总体的价格水平波动，因而与权益市场相关程度更高。2019 年 02 月 13 日 P.15 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 图表 18：不同 CPI 指标对比 资料来源：Wind，国盛证券研究所 产量产量:彩电彩电:当月同比当月同比的可能逻辑链条：彩电产量的可能逻辑链条：彩电产量-彩电销量彩电销量-房地产后周期房地产后周期-房地产房地产销售周期销售周期-投资需求资金量变化投资需求资金量变化-沪深沪深 300 这是一个较为复杂的逻辑链条，首先为了构建彩电的产量与实际消费者对彩电需求的关系，我们对比了彩电产量的当月同比与创维数码国内彩电销量的当月同比，两者同步性较高，近几年产量略提前于销量。这代表了彩电产量基本能够同步反映消费者对彩电的真实需求量。图表 19：彩电产量与销量关系对比 资料来源：Wind，国盛证券研究所 而而彩电的销量一般与房地产后周期相关彩电的销量一般与房地产后周期相关，本文所指房地产周期是指包含：拿地、开工、施工、预售、竣工、交付等的开发周期，而非价格周期。此周期一般需要 2-3 年左右的时间，在此之后购房者将进行家电、家具、建材购买等衍生消费行为即对应房地产后周期。2019 年 02 月 13 日 P.16 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 图表 20：住宅商品房销售面积（现房与期房对比）资料来源：Wind，国盛证券研究所 通过上图数据对比我们发现：住宅现房与期房的销售周期同步率较高，反映出房地产市场可能主要由需求端驱动，而非供给端。而需求端的变化反映了具有投资需求的资金量具有投资需求的资金量的变化的变化，投资资金量大能够给牛市创造一定的基础条件。从图中可以看到 2007 年牛市、2009 年牛市、2013 年初反弹、2015 年牛市都有相应房地产现房与期房销量同比上升的现象。图表 21：彩电产量高峰与现房销售、期房竣工高峰同步性较高 资料来源：Wind，国盛证券研究所 房地产后周期一般在现房售出或者期房竣工房地产后周期一般在现房售出或者期房竣工后后开启开启，通过数据对比，我们可以看到彩电产量的当月同比周期与这两者存在较强的同步关系，尤其是与房屋竣工面积同比较为同步，这是由于期房的销售面积一般远远高于现房的销售面积（大约 5 倍关系）。2019 年 02 月 13 日 P.17 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 图表 22：彩电产量趋势与期房销售趋势对比 资料来源：Wind，国盛证券研究所 由于我们对于资产收益率的预测都以上月末可得数据出发，因此所利用的宏观经济指标一般滞后 2 个月，在滞后 2 个月的情况下，彩电产量同比的 6 个月移动平均部分与商品房销售面积周期错开一个象限，也即部分彩电产量下降周期对应房地产销量上升周期，从而彩电产量到沪深 300 的逻辑链条得以构建。不过，虽然这个逻辑能解释大部分择时判断，但其不能解释所有的择时判断（2017 年及之后），2017 年出现了大市值与小市值板块的背离，以及现房与期房销售面积的背离，单一数据难以完全解释。图表 23：彩电、空调、家用电冰箱、家用洗衣机生产周期对比 资料来源：Wind，国盛证券研究所 补充逻辑：补充逻辑：为什么同是家电，彩电产量与房地产开发周期相对空调、冰箱、洗衣机等其他家电产量频率更相近？彩电是黑色家电的代表，解决的是人们的娱乐休闲需求，属于半导体电子产品，空调、冰箱、洗衣机是白色家电的代表，解决的是人们的功能性需求，过去一直属于机械产品。因此黑电更新换代速度快，引发的成本波动大，存货贬值速度快，而白电产品更新换代速度较慢，库存保值增值可能更高。这导致了黑电生产周期相 2019 年 02 月 13 日 P.18 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 对更短，对于需求的反映速度更快。3.1.2.南华工业品南华工业品 对南华工业品指数择时效果最显著的指标如下，每一个指标的预测效果都没有特别好，择时策略净值的夏普率都在 0.6-0.7 左右，择时胜率略高于 50%。从这些指标我们可以看到，工业品价格主要与汇率、宏观景气、货币、利率有关。图表 24：南华工业品指数显著宏观经济指标 指标指标序号序号 宏观经济指标宏观经济指标 状态状态 择时策略择时策略夏普率夏普率 择时策略择时策略月胜率月胜率 择时次择时次数数 1 USDCNY:NDF:1 年-USDCNH:即期汇率 上升 0.71 54.79%5 2 银行结售汇差额:当月值 下降 0.69 54.55%5 3 宏观经济景气指数:先行指数 上升 0.67 55.95%20 4 公开市场操作:货币净投放 上升 0.67 59.52%38 5 中长期贷款利率:5 年以上 不变 0.66 55.95%18 资料来源：Wind，国盛证券研究所 但是这一些宏观经济指标的状态相关性较低，将其结合将会有效果的提升。图表 25：指标间相关系数 指标序号指标序号 1 2 3 4 5 1 1-0.22 0.05 0.11-0.21 2-0.22 1-0.10-0.13 0.32 3 0.05-0.10 1-0.01 0.11 4 0.11-0.13-0.01 1-0.08 5-0.21 0.32 0.11-0.08 1 资料来源：Wind，国盛证券研究所 我们按照简单等权的方式将五个指标结合进行择时判断，也即给每个指标的判断配臵 25%的仓位。结合后总体择时策略的夏普率能够提高到 1.10，胜率提高到 60.12%。2019 年 02 月 13 日 P.19 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 图表 26：南华工业品指数多指标择时结果 资料来源：Wind，国盛证券研究所 3.1.3.其他商品指数其他商品指数 由于各类商品收益率之间的相关性高，其绝对收益的关键宏观影响因素较为类似。图表 27：南华商品指数间相关系数 指数名称指数名称 南华工业品南华工业品 南华农产品南华农产品 南华金属南华金属 南华能化南华能化 南华工业品南华工业品 1 0.52 0.93 0.87 南华农产品南华农产品 0.52 1 0.42 0.51 南华金属南华金属 0.93 0.42 1 0.66 南华能化南华能化 0.87 0.51 0.66 1 资料来源：Wind，国盛证券研究所 图表 28：各商品指数显著宏观经济指标 宏观经济指标宏观经济指标 资产名称资产名称 状态状态 择时策略夏普率择时策略夏普率 择时策略月胜率择时策略月胜率 USDCNY:NDF:1 年-USDCNH:即期汇率 南华农产品指数 下降 0.75 56.16%宏观经济景气指数:先行指数 南华农产品指数 上升 0.58 54.76%国债收益率期限利差（10 年-2 月）南华农产品指数 上升 0.56 54.76%债券发行量:地方政府债:当月值 南华农产品指数 上升 0.54 53.06%出口金额:当月同比 南华农产品指数 上升 0.53 55.36%中长期贷款利率:5 年以上 南华金属指数 不变 0.80 57.74%个人住房公积金贷款利率:5 年以上 南华金属指数 不变 0.79 57.74%短期贷款利率:6 个月至 1 年(含)南华金属指数 不变 0.75 57.14%占固定资产投资完成额比重:房地产开发 南华金属指数 下降 0.65 56.60%银行结售汇差额:当月值 南华金属指数 下降 0.64 54.55%USDCNY:NDF:1 年-USDCNH:即期汇率 南华能化指数 上升 0.86 60.27%公开市场操作:货币净投放 南华能化指数 上升 0.81 61.90%宏观经济景气指数:先行指数 南华能化指数 上升 0.77 58.33%GDP:不变价:其他行业:当季同比 南华能化指数 下降 0.71 57.74%银行结售汇差额:当月值 南华能化指数 下降 0.70 58.59%资料来源：Wind，国盛证券研究所 2019 年 02 月 13 日 P.20 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 3.2.股票因子组合显著关系股票因子组合显著关系 3.2.1.风格因子：市值因子风格因子：市值因子 市值因子纯因子组合由总市值的自然对数作为因子值，由于历史市场长期偏好小市值股票，因此我们在计算的过程中使用负的市值因子。市值因子在中国市场 2017 年以前一直表现较好，虽然 2014 年 12 月有较大的回撤，但是逻辑变化不大，平均每年能贡献10.95%的收益率。小市值股票资本扩张能力强，叠加壳价值，科技概念，新兴产业等等逻辑，过去一直有较高的成长性预期。2017 年之后两年，市值因子每年平均贡献-6.9%的收益率，去杠杆去泡沫等一系列变化打破了成长预期的趋势，导致市场更偏好盈利较为稳定，抗风险能力较强的大市值股票。在本报告的检验过程中，对市值因子有一定择时作用的指标为债券发行量债券发行量:地方政府债地方政府债:当月值当月值与债券发行量债券发行量:超短期融资券超短期融资券:当月值当月值，两个指标都做了 12 个月的移动平均，本质上与同比类似。图表 29：市值因子显著宏观经济指标择时结果 资料来源：Wind，国盛证券研究所 地方政府债和超短期融资券的发行量反映了地方政府和中小企业新增负债的情况，两个指标最主要的择时判断即 2016 年底对市值因子进行看空。2016 年上半年企业盈利恶化导致内部现金流下滑，违约风险集中爆发导致融资环境骤变，在融资成本剧烈上升的环境下，中小企业相对大企业面临更大的困难，未来的成长和盈利预期被打破。因此这两个指标实际反映出的逻辑链条为：融资环境融资环境-盈利预期盈利预期-市值偏好市值偏好。2019 年 02 月 13 日 P.21 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 图表 30：债券发行量指标对比 资料来源：Wind，国盛证券研究所 3.2.2.风格因子：波动率因子风格因子：波动率因子 波动率因子纯因子组合由过去一年日超额收益率的标准差、累计波幅和残差波动率加权得到，由于历史市场较为偏好低波动率股票，因此我们在计算过程中使用负的波动率因子。波动率因子长期来看年化贡献 0.89%的收益率，表现不够稳定。高波动股票表现较好的时间段有：2008 年 9 月到 2009 年 10 月，2014 年 10 月到 2015 年 3 月，2015 年7 月到 2015 年 11 月。共同特征为市场快速上涨、反弹预期高涨。其他时间低波动股票的超额收益相对更高。对波动率因子择时效果最为显著的宏观经济指标如下，总体最有效果的指标为汇率期限汇率期限结构结构，择时策略月胜率达到了 67.12%。对波动率因子有显著择时效果的宏观经济指标与汇率期限结构、进出口、利率期限结构汇率期限结构、进出口、利率期限结构等因素有关。图表 31：波动率因子显著宏观经济指标 指标指标序号序号 宏观经济指标宏观经济指标 状态状态 择时策略择时策略夏普率夏普率 择时策略择时策略月胜率月胜率 择时次择时次数数 1 USDCNY:NDF:1 年-USDCNH:即期汇率 下降 0.93 67.12%5 2 债券发行量:中国进出口银行债:当月值 上升 0.79 58.70%44 3 国债收益率期限利差（10 年-2 月）上升 0.76 59.42%22 4 进出口金额:当月同比 上升 0.67 59.42%12 5 债券发行量:地方政府债:当月值 下降 0.66 62.24%8 资料来源：Wind，国盛证券研究所 我们按照简单等权的方式将五个指标结合进行择时判断，也即给每个指标的判断配臵 25%的仓位。结合后总体择时策略的夏普率能够提高到 1.23，月胜率提高到 63.04%。2019 年 02 月 13 日 P.22 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 图表 32：市值因子多指标择时策略结果 资料来源：Wind，国盛证券研究所 3.2.3.风格因子：杠杆因子风格因子：杠杆因子 杠杆因子纯因子组合由市场价值杠杆率、债务资产比、账面价值杠杆率加权得到，长期来看具有负收益。杠杆因子收益率最高在 2007 年 6.05%，第二高在 2014 年 2.97%，最低在 2013 年-7.31%，第二低在 2018 年-2.30%，一般在经济表现较好时高杠杆股票表现较好，在经济表现较差时低杠杆股票表现较好。对杠杆因子择时效果最为显著的宏观经济指标如下，总体最有效果的指标为汇率期限结汇率期限结构构，多空择时策略月胜率达到了 65.75%，做空择时策略月胜率（月收益不小于 0）89.04%。对杠杆因子有显著择时效果的宏观经济指标与汇率期限结构、进出口、利率汇率期限结构、进出口、利率等因素有关。图表 33：杠杆因子显著宏观经济指标 指标指标序号序号 宏观经济指标宏观经济指标 状态状态 择时策略择时策略夏普率夏普率 择时策略择时策略月胜率月胜率 择时择时次数次数 1 USDCNY:NDF:1 年-USDCNH:即期汇率 下降（做空）0.88 89.04%14 2 USDCNY:NDF:1 年-USDCNH:即期汇率 上升 0.85 65.75%15 3 债券发行量:中国进出口银行债:当月值 上升 0.64 57.97%44 4 进出口金额:当月同比 上升 0.60 62.32%29 5 中债国债到期收益率:1 个月 上升 0.58 58.70%19 资料来源：Wind，国盛证券研究所 我们按照简单等权的方式将五个指标结合进行择时判断，也即给每个指标的判断配臵 25%的仓位。结合后总体择时策略的夏普率能够提高到 0.96，月胜率提高到 65.22%。2019 年 02 月 13 日 P.23 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 图表 34：杠杆因子多指标择时结果 资料来源：Wind，国盛证券研究所 3.2.4.行业因子：石油石化行业因子：石油石化 对石油石化行业择时效果最为显著的宏观经济指标如下，一个是工业增加值工业增加值:当月同比当月同比，另一个是 PPI:全部工业品全部工业品:当月同比当月同比。当工业增加值上升或 PPI 上升时，石油石化行业有超额表现，反之石油石化行业表现较差。图表 35：石油石化显著宏观经济指标 指标序号指标序号 宏观经济指标宏观经济指标 状态状态 择时策略择时策略夏普率夏普率 择时策略择时策略月胜率月胜率 择时次数择时次数 1 工业增加值:当月同比 上升 0.58 54.94%27 2 PPI:全部工业品:当月同比 上升 0.57 54.94%22 资料来源：Wind，国盛证券研究所 图表 36：石油石化显著宏观经济指标择时结果 资料来源：Wind，国盛证券研究所 2019 年 02 月 13 日 P.24 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 3.2.5.行业因子：煤炭行业因子：煤炭 对煤炭行业择时效果最为显著的宏观经济指标如下，一个是 RPI:当月同比当月同比，另一个是CPI:当月同比当月同比。当 RPI 和 CPI 上升时，煤炭行业有超额表现，反之煤炭行业表现较差。图表 37：煤炭显著宏观经济指标 指标序号指标序号 宏观经济指标宏观经济指标 状态状态 择时策略夏择时策略夏普率普率 择时策略月择时策略月胜率胜率 择时次数择时次数 1 RPI:当月同比 上升 0.90 58.02%47 2 CPI:当月同比 上升 0.71 54.94%48 资料来源：Wind，国盛证券研究所 图表 38：煤炭显著宏观经济指标择时结果 资料来源：Wind，国盛证券研究所 3.2.6.行业因子：电力及公用事业行业因子：电力及公用事业 对电力及公用事业行业择时效果最为显著的宏观经济指标为国债收益率期限利差（国债收益率期限利差（10年年-2月）月）。当期限利差处于历史均值-标准差到均值之间的时候做多电力及公用事业行业，其他时间做空电力及公用事业行业，能够将电力及公用事业行业的月胜率从 47.53%提高到 54.94%。2019 年 02 月 13 日 P.25 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 图表 39：电力及公用事业显著宏观经济指标 资料来源：Wind，国盛证券研究所 3.2.7.行业因子：房地产行业因子：房地产 对房地产行业择时效果最为显著的宏观经济指标为工业增加值工业增加值:当月同比当月同比。当工业增加值下降的时候做多房地产行业，其他时间做空房地产行业，能够将房地产行业的月胜率从51.02%提高到 61.22%。图表 40：房地产显著宏观经济指标择时结果 资料来源：Wind，国盛证券研究所 3.3.股票多空组合显著关系股票多空组合显著关系 3.3.1.中证中证 1000-沪深沪深 300 2019 年 02 月 13 日 P.26 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 对中证 1000-沪深 300 择时效果最为显著的宏观经济指标为债券发行量债券发行量:地方政府债地方政府债:当当月值月值，在指标上行的时候做多多空组合，反之做空能获得稳定的收益相对收益。由于中证 1000-沪深 300 类似市值因子的收益，因此显著的宏观经济指标也和市值因子相似。图表 41：中证 1000-沪深 300 显著宏观经济指标择时结果 资料来源：Wind，国盛证券研究所 3.3.2.中证中证 500 成长成长-中证中证 500 价值价值 对中证 500 成长-中证 500 价值择时效果最为显著的宏观经济指标为 SHIBOR:1 个月个月和工业增加值工业增加值:股份制企业股份制企业:当月同比当月同比。在 SHIBOR 处于历史均值-标准差到均值之间的时候或者工业增加值上升的时候做多多空组合反之做空，能够分别将月胜率从 47.48%提高到 59.71%，从 46.58%提高到 57.14%。成长与价值的相对收益往往受到较多利率的影响。图表 42：中证 500 成长-中证 500 价值显著宏观经济指标择时结果 资料来源：Wind，国盛证券研究所 2019 年 02 月 13 日 P.27 请仔细阅读本报告末页声明请仔细阅读本报告末页声明 3.3.3.沪深沪深 300 周期周期-沪深沪深 300 非周期非周期 对沪深 300 周期-沪深 300 非周期择时效果最为显著的宏观经济指标为债券发行量债券发行量:地方地方政府债政府债:当月值当月值。沪深 300 周期指数由金融保险、采掘、交通运输仓储、金属非金属、房地产等 5 个具有较强周期性特征行业的股票构成样本股，沪深 300 非周期指数由除这几个行业外的股票构成样本股，总体市值上沪深 300 周期偏大市值，沪深 300 非周期偏小市值，因此也与债券发行量:地方政府债:当月值有较强的相关关系。图表 43：沪深 300 周期-沪深 300 非周期显著宏观经济指标择时结果 资料来源：Wind，国盛证券研究所 总结与展望总结与展望 利用宏观经济指标对资产收益率进行预测面临着三大挑战：1、宏观经济指标和资产收益率关系是时变的、宏观经济指标和资产收益率关系是时变的。在本报告的 2.2 章节中我们对于找到的显著宏观-资产关系进行了滚动的样本外跟踪，我们发现大部分所谓的“显著”关系样本外推时间较短，只有非常少的几个关系能够长期持续下去。同时利用同一宏观经济指标库