金工深度研究：宏观因子指数回顾、改进与应用

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 金工 宏观因子指数回顾、改进与应用 华泰研究 研究员 林晓明 SAC No. S0570516010001 SFC No. BPY421 linxiaoming@htsc.com +86-755-82080134 联系人 徐特，PhD SAC No. S0570121050032 xute@htsc.com 相关研究 1.《金工：行业配置策略：投资时钟视角》2021.07 2.《金工：工业社会的秩序》2021.05 3.《金工：中观行业景气度：Nowcasting 初探》2021.09 4.《金工：行业配置策略：中观景气视角(1)》2022.01 资料来源：华泰研究 2022 年 2 月 12 日│中国内地 深度研究 对华泰金工-宏观因子指数进行改进，大类资产投资时钟策略表现优异 本文对前期报告《行业配置策略：投资时钟视角》（2021-07-06）提出的宏观因子指数进行了回顾与改进，并将其应用于大类资产投资时钟策略。主要改进体现在以下三个方面：1) 优化了增长、通胀、信用、货币因子指数的代理指标与构建细节；2) 优化了相位判断法预测宏观观点的细节，提升了宏观预测鲁棒性；3) 在评价宏观因子对大类资产配置的增强效果时，排除趋势和估值因素干扰。回测区间 2010-12-31 至 2022-01-28 内，大类资产投资时钟策略每年收益均为正；年化收益 8.67%，夏普比率 1.87，最大回撤-6.95%，卡玛比率 1.25，月度胜率 73.7%。 改进宏观因子指数的构建细节，提升指数的领先性、平滑性和解释力 宏观因子指数构建细节的改进主要体现在：1) 完善了信用因子和货币因子的代理指标，能更全面地刻画广义流动性（实体经济流动性供需）和狭义流动性（银行体系流动性供需），提升了其对股票和债券资产的解释力；2) 改进了价格类指标的预处理步骤，使得通胀因子和货币因子的走势更平滑，便于观点预测；3) 使用 Simple-Nowcasting 填充增长因子代理指标在2 月和 3 月的部分缺失值，保持增长因子的领先性。 通过识别宏观因子-大类资产映射关系，评价宏观因子指数的构建质量 使用拐点自动识别算法，划分宏观因子指数上行/下行区间，统计典型大类资产在上行/下行区间内的月均收益率和胜率，识别宏观因子-大类资产映射关系，以评价宏观因子指数的构建质量。统计结果符合经济学常识：增长上行利好股票、商品，利空债券；通胀上行利好商品、黄金；信用扩张利好股票；货币宽松利好债券。以上规律和美林时钟的规律基本一致，而且其信息维度比美林时钟更为丰富。 提升相位判断法的鲁棒性，融合观点兼具因子动量法和相位判断法优点 宏观观点预测使用因子动量法和相位判断法。其中，相位判断法通过重采样取出现次数最多的结果、对拟合不佳的因子序列不发表观点、对顶部区间和底部区间单独讨论等方式，进一步提升宏观预测鲁棒性。两种方法各有千秋：因子动量法擅长“抓细节”，在因子处于震荡状态时依然能够给出明确的观点；相位判断法擅长“抓大势”，能够及时捕捉因子中期方向。结合两种方法的优点，最终给出融合观点。 基准组合引入趋势和估值因素，以公允评价宏观因子对策略的提升效果 为了尽可能公允地评价宏观因子对大类资产配置策略的提升效果，基准组合引入了可能与宏观因子存在直接或间接联系、对策略也有提升的趋势和估值因素。趋势用 120 个交易日的截面夏普动量刻画。估值用股票风险溢价（ERP）指标刻画。两者对基准组合的回测业绩均有小幅提升。大类资产投资时钟策略每年都能够取得正收益。相对于动量和 ERP 增强的基准组合，投资时钟策略的夏普比率提升了 0.26，卡玛比率提升了 0.19。 风险提示：模型根据历史规律总结，历史规律可能失效。宏观因子-大类资产映射关系基于资产的长期表现统计，与短期走势或有出入。报告中涉及到的具体资产不代表任何投资意见，请投资者谨慎、理性地看待。 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 2 金工研究 正文目录 本文研究导读 ................................................................................................................................................................ 3 宏观因子构建 ................................................................................................................................................................ 4 指标库构建：增加货币维度的备选指标 ................................................................................................................ 4 指标预处理：改进价格类指标的预处理步骤 ......................................................................................................... 4 领先指标筛选：发掘 DTW 距离提示领先滞后关系的能力 .................................................................................... 5 使用 DTW 距离分析领先滞后关系 ................................................................................................................. 5 宏观代理指标筛选结果 .................................................................................................................................. 6 因子指数合成：2 月和 3 月数据缺失时改用 Nowcasting ...................................................................................... 7 通用的 Simple-Nowcasting 模型 ...........................................................................................................