数说资产配置研究系列之八：如何动态判断经济周期位置？

权益量化研究 权益量化研究 证券研究报告 2022 年 09 月 09 日 如何动态判断经济周期位置？ —— 数说资产配置研究系列之八 相关研究 证券分析师 沈思逸 A0230521070001 shensy@swsresearch.com 邓虎 A0230520070003 denghu@swsresearch.com 联系人 沈思逸 (8621)23297818× shensy@swsresearch.com 本期投资提示： ⚫ 从“使前瞻信号更前瞻”的角度刻画经济周期位置。本篇报告尝试在丰富的宏观及中观经济指标中找到周期性领先于 GDP 同比序列且与之高度相关的指标构成指标样本，将样本中各序列携带的周期信息进行整合，得到及时反映经济周期阶段的“前瞻综合指标”。进一步，我们尝试引入时间序列模型，对指标未来的周期项序列进行动态的外推，由一部分指标的实际值和一部分指标的预测值合成得到未来的“前瞻综合指标”，作为投资研究中预判未来经济周期走势的重要依据。 ⚫ 构建“前瞻综合指标”方法论。我们在 39 个指标样本中经过领先滞后分析共得到 24 个领先指标，最终根据显著性排序筛选得到了以 PMI、固定资产投资完成额累计同比、狭义乘用车销量当月同比、汽车产量当月同比、M2 同比、贸易差额当月同比、新增人民币贷款等为代表的 16 个领先指标构成前瞻信号样本，涵盖了企业生产经营、工业生产、消费、就业、货币供应量、进出口、信贷等多个维度。标准化处理 16 个领先指标周期序列并将各序列回推相应领先期数，计算平均得到“前瞻综合指标”。 ⚫ ARIMA 模型可以在新信息披露之前根据历史信息推演未来指标的周期位置，并持续根据新信息的加入动态地修正预测结果。虽然大部分经济指标领先期较长，其周期项实际值足够反映当前及未来数月的经济周期位置，但也存在一些领先期仅为 1 个月的重要指标。我们利用这类指标的周期项序列拟合 ARIMA 模型，根据模型外推得到未来的指标周期项数值，即可用这部分指标的模型外推值和其他指标的实际值合成前瞻综合指标在未来时点的数值。ARIMA 模型对未来 1~3 个月短期范围预测的准确性较高，虽然更远端的预测准确性会有所降低，但远端预测值能够帮助判断未来大致走势。另外，前瞻综合指标具有高时效性，每月的实际前瞻综合指标最早可以在当月 18 号左右计算得到，同时最早也可以在每月 18 号通过 ARIMA 模型预测下月及未来数月的前瞻综合指标值。 ⚫ 当前及后续经济周期位置如何变化？把 GDP 同比周期序列作为映射经济周期位置的参照，可以看到前瞻综合指标能够有效地刻画经济周期，并且在周期较为明确时的刻画更为准确。结合模型结果，我们判断 6 月至今经济仍处于周期的底部，未来 10 个月经济将逐渐复苏并在明年二季度到达顶点，明年年初经济周期位置上移的速率将趋于平缓。目前模型对于未来经济上行的预期较为明确，但修复力度尚需根据 8 月指标披露后做进一步的判断。 ⚫ ARIMA 模型与前瞻综合指标的结合能够有效判断未来经济周期位置变化。选取 2020 年上半年“衰退-复苏”以及 2014 年中下旬“过热-滞涨”的阶段对前瞻综合指标的有效性进行验证。结果表明，结合了 ARIMA 模型的前瞻综合指标能够较准确地提示未来近 6 个月的经济周期位置变化情况，实际投资场景中的可用性较高。 ⚫ 前瞻综合指标能够较准确地反映股票和债券资产的投资价值关系。我们发现经 24 个月滚动标准化处理后的股债性价比指标与前瞻综合指标的走势高度一致且同步。据此，前瞻综合指标能够帮助形成股债配置观点，并由此构建有效的择时观点。在常见的股债二八组合加入了月度及季度的仓位调整，整体来看，基于前瞻综合信号的股债择时策略在 2020 年初至 2021 年下旬区间表现最好。 ⚫ 风险提示：模型根据历史数据构建，历史表现不代表未来，市场环境发生重大变化时可能失效。 请务必仔细阅读正文之后的各项信息披露与声明 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第2页 共40页 简单金融 成就梦想 1. “前瞻综合指标”构建方法论 ........................................ 6 1.1 指标选样空间的构成 ................................................................................ 7 1.2 频率对齐：使不同频率指标成为可比 .................................................... 8 1.3 提取信号时间序列中的周期项 ................................................................ 9 2. 合成经济前瞻指标 ....................................................... 10 2.1 通过互相关性计算筛选领先指标，构成前瞻信号样本 .................... 10 2.2 前瞻综合指标的合成方法 ...................................................................... 13 3. 利用 ARIMA 模型预判指标未来走势 ........................... 14 3.1 ARIMA 模型介绍 .................................................................................... 15 3.2 以 PMI 为例：ARIMA 模型对指标的拟合外推效果 ....................... 15 3.3 以 PMI 为例：对训练集长度的改进 .................................................. 19 3.4 其他前瞻信号的拟合外推情况如何？ ................................................ 21 3.5 基于 ARIMA 模型构造的 9 月前瞻综合指标及各领先指标周期位置观点 .................................................................................................................. 23 4. 如何在实际投资中运用基于 ARIMA 模型的前瞻综合指标 ........................................................................................ 26 4.1 每月前瞻综合指标最早可在当月 18 号计算得到 ............................ 2