行业轮动系列研究之宏观篇：量化模型与宏观逻辑的碰撞

敬请参阅最后一页特别声明 -1- 证券研究报告 2020 年 4 月 24 日 金融工程 量化模型与宏观逻辑的碰撞 ——行业轮动系列研究之宏观篇 金融工程深度 本篇报告聚焦于宏观状态的识别及其在行业轮动上的应用。报告采用量化模型结合主观逻辑的方法，并通过中观重点指标验证宏观状态，构建了宏观视角下的大类行业轮动模型。  同类行业共享宏观逻辑，多维特征划分大类行业。作为行业配置的前提，我们需合理划分特征相似的大类行业板块。将不同市场行情下的收益率、ROE、营收增速等数据作为板块特征，结合 K-Means、模糊 C-均值聚类进行行业的聚类，通过少量逻辑调整将行业划分为周期上游、周期中游、周期下游、可选消费、一般消费、金融、科技七大板块。  动态宏观情景聚类：有效缓解历史信息依赖。我们采用经济、通胀、货币等宏观数据，通过层次聚类区分宏观情境，并统计相似情境下大类行业的收益表现。动态聚类模型配置较为灵活，可有效缓解静态聚类下过多配置长期强势板块的问题。但其统计过程相对黑箱，难以获得投资逻辑的支撑。且由于无法结合投资者的主观判断，在应用中具有一定局限性。  量化复刻“政策-经济”逻辑：特征明显时准确率达 70%。为解决量化模型投资逻辑上的缺陷，我们基于对历史周期的主观复盘结论，统计了不同阶段下的宏观、中观数据典型特征，并结合量化方式识别所处阶段。模型采用货币政策指数（MPI）度量货币政策，并通过主成分降维提取物价、工业需求、消费需求波动的共同因子。在数据特征明显时，模型判断准确率可达 70%。  逻辑+统计交叉印证：轮动策略年化超额 8%。动态聚类模型及“政策-经济”模型在多数时间内观点吻合。模型观点一致时，对宏观状态的量化判断有一定逻辑支撑，且大类行业表现能够验证配置逻辑；而在观点分歧较大时，驱动板块行情的主要因素可能并非宏观经济状态。宏观轮动策略配置通过交叉验证的大类行业，并在观点分歧较大时放弃使用宏观模型。综合策略表现明显提升，测试期（2016 年 7 月至2020 年 3 月）内年化超额 8%，信息比率 1.23。  风险提示：模型根据历史数据构建，历史规律可能发生变化，模型有失效的可能。“政策-经济”周期初步复盘划分依赖主观判断，主观判断出现偏差时可能影响模型效果。 分析师 董天韵 (执业证书编号：S0930519070002) 021-52523682 dongty@ebscn.com 刘均伟 (执业证书编号：S0930517040001) 021-52523679 liujunwei@ebscn.com 谢超 (执业证书编号：S0930517100001) 010-56513031 xiechao@ebscn.com 周子彭 (执业证书编号：S0930518070004) 021-52523803 zhouzipeng@ebscn.com 联系人 沈思逸 021-52523659 shensiyi@ebscn.com 相关研究 《基于动态宏观情境聚类的资产配置策略——资产配置定量研究系列之五》……2019.10.08 《贞下起元，估值修复——2019 年 A 股投资策略》……2019.01.10 《大博弈下的弱元起——2019 年下半年 A股投资策略》……2019.06.13 《崭新方法把脉货币政策——中国货币政策指数》……2019.12.23 2020-04-24 金融工程 敬请参阅最后一页特别声明 -2- 证券研究报告 目 录 1、 如何识别宏观状态：量化与宏观逻辑的碰撞 ............................................................................. 5 1.1、 大类行业：多维度聚类指导行业划分 ...................................................................................................... 6 1.2、 量化聚类模型应用初探 ........................................................................................................................... 9 2、 以中观验证宏观：主观复盘的量化应用 .................................................................................. 11 2.1、 复盘“政策-经济”周期 ............................................................................................................................. 11 2.2、 统计周期阶段特征 ................................................................................................................................. 13 2.3、 量化识别周期阶段 ................................................................................................................................. 17 3、 逻辑+统计交叉印证：年化超额 8% ......................................................................................... 18 3.1、 “政策-经济”周期模型 ............................................................................................................................. 18 3.2、 动态宏观聚类模型 ................................................................................................................................. 20 3.3、 双模型结合效果提升：年化超额 8% ..................................................................................................... 20 4、 风险提示 .......