基于宏观因子体系的资产选择模型：从绝对涨跌到相对比较

从绝对涨跌到相对比较——基于宏观因子体系的资产选择模型证券分析师：夏祥全 A0230519080009 2019年12月30日 主要内容1. 删繁就简，构建宏观因子观察体系2. 因地制宜，宏观因子结构性变点分析3. 综合分类驱动信号，构建资产选择模型4. 主要结论2 www.swsresearch.com31.1 宏观环境的变化是大类资产最主要的驱动因素 大类资产配置非常重视各类资产收益间的低相关性或负相关性，然而相关性只是结果，背后的驱动因素才是其表现差异的根本原因•分享实体经济的增长成果是投资于权益类资产最原始的出发点，稳定的票息收入是投资于债券的初衷•在不同的经济增长、通胀、货币与利率环境下，不同资产的潜在收益率的方向与程度往往有差异，进而表现出了低相关或负相关 宏观环境的变化是大类资产最主要的驱动因素，我们希望解决的是建立宏观环境的观察指标体系及其对各大类资产的选择模型•宏观指标披露具有滞后性•不同宏观因素之间相互影响，结构复杂•交易层面的因素也可能导致实际收益率和潜在收益率存在偏差 www.swsresearch.com41.2 多维度构建宏观因子观察体系 从经济逻辑和数据可得性角度，构建多维度宏观因子观察体系•涵盖经济增长、通胀、利率、货币、汇率、海外以及股债相对价值等七个维度•除使用已披露的历史数据外，部分指标可采用历史数据进行预测，如CPI、PPI以及社融增速等，进而构建预期及超预期类指标资料来源:WIND，申万宏源研究，以大类名+变量中/英文缩写代表变量，如G_PMI、Inf_CPI等多维度宏观因子观察体系宏观因子体系经济增长G通货膨胀Inf利率环境Int货币供应Mon汇率Exc海外因素For股债相对价值Rel工业增加值同比增速、PMI、GDPCPI、PPI、预测CPI/PPI、超预期CPI/PPI10年期国债收益率、期限利差、信用利差社融增速、M2同比增速、M2环比增速、预测社融增速、超预期社融增速美元指数、USDCNY、USDCNY1年期远期升水香港CPI、美国非农就业、美国十年期国债收益率、期限利差、美国CPI股权风险溢价ERP www.swsresearch.com51.2 “翘尾+新因素” ，预测通胀及社融变化 CPI、PPI、社融增速等市场普遍关注的同比数据，可以拆分为反映上年变化的“翘尾”部分和当年变化的“新因素”部分•以CPI为例，在T月数据的基础上，仅需对T+1月相对T月的物价环比变化进行预测，即可预测T+1月的CPI；而由于经济数据的季节性，T+1月相对T月的物价环比变化可以用历史同期平均值进行预测𝐼𝑛𝑓_𝐶𝑃𝐼_𝑃𝑁,𝑇+1 =𝑃𝑁−1,12𝑃𝑁−1,𝑇+1 ∗𝑃𝑁,𝑇𝑃𝑁−1,12 ∗ E[𝑃𝑁,𝑇+1𝑃𝑁,𝑇 ]-1=翘尾∗截至T月新因素∗ T+1月新因素-1 按照价格反映预期的理论，相关宏观变量的预期水平可能已经在其正式披露前反应在价格之上，那么超预期的部分更值得关注•在T月数据披露后，计算T月实际值与在T-1数据披露后预测的T月估计值的差异，作为超预期因素•以社融增速为例，由于金融机构对实体经济发放的本外币贷款同比多增较多，其在2017年大部分月份呈现超预期的状态 www.swsresearch.com61.2 “翘尾+新因素” ，预测通胀及社融变化 “翘尾+新因素”的预测方法能够较好的捕捉通胀和社融增速的走势•无论是CPI、PPI还是社融增速，其在大部分时间预测值和真实值差别并不大，仅在新因素和历史同期差异较大时不一致资料来源:WIND，申万宏源研究，“_P ”为预测值资料来源:WIND，申万宏源研究，“_P ”为预测值基于“翘尾+新因素”的 CPI预测与真实值基于“翘尾+新因素”的 PPI预测与真实值资料来源:WIND，申万宏源研究，“_P ”为预测值基于“翘尾+新因素”的 社融增速预测与真实值 www.swsresearch.com71.3 删繁就简，构建宏观因子观察体系 考虑到宏观变量之间相互关联，为尽量减少指标选取带来的人为权重差异，将各变量之间重复的部分进行剔除•约束一：每个变量尽可能贡献一部分其他变量所不能贡献的信息•约束二：保持每个变量的经济学意义 对于26个宏观变量，在每个月末基于可获得性对齐，并按如下步骤进行精简•（1）将26个变量整体作为初始保留变量组•（2）对于保留变量组中每个变量，滚动对其余保留变量回归，并按照拟合优度倒序排序，将拟合优度最高的变量从保留变量组中剔除，并纳入剔除变量组•（3）重复（2），直至每个保留变量对其他保留变量回归的拟合优度均在0.4以下，从而获得最精简的保留变量组，各变量拥有相对独立的信息•（4）对于剔除变量组，依次将每个变量对保留变量组的变量进行回归，将拟合优度最低的纳入保留变量组，并从剔除变量组中剔除•（5）重复（4），直至每个剔除变量对保留变量组中变量回归的拟合优度在0.8以上 www.swsresearch.com81.3.1 挑选最具独立信息的宏观因子 基于前文规则，通过(2)(3)逐步剔除，最终剩下如下9个变量，相互间的解释能力不足0.4•超预期CPI、超预期社融增速、超预期PPI等三个超预期因子均较难用其他因子解释•超预期CPI被解释的比例最低，其R方仅为0.17。尽管CPI和PPI均度量通货膨胀，但二者的非同步性和差异性，导致了相关超预期因子相互的解释能力并不高资料来源:WIND，申万宏源研究基于独立信息的宏观变量挑选结果被解释变量名被解释变量R方截距Inf_PPI_difInt_10YgbondMon_sfs_g_difG_PMIFor_USNNF Int_creditsMon_M2_gmomFor_USCPI Inf_CPI_dif超预期PPI Inf_PPI_dif 0.37 (6.26)-0.33 0.20 0.10 0.00 (0.24)(0.07)0.08 0.19 10年期国债收益率Int_10Ygbond0.37 1.01 0.10 -(0.04)0.04 (0.00)0.49 0.06 0.09 超预期社融增速Mon_sfs_g_dif0.29 (1.85)0.25 (0.22)-0.06 (0.00)0.20 (0.08)PMIG_PMI0.28 47.10 1.07 1.41 0.50 -0.00 (0.94)0.20 (0.69)美国非农就业For_USNNF0.28 (17.07)88.77 (60.50)(83.03)6.68 -54.29 (38.52)8.85 15.08 信用利差 Int_credits 0.27 0.65 (0.07)0.44 (0.02)0.00 -0.04 0.03 (0.04)M2环比增速Mon_M2_gmom0.18 (0.96)(0.14)0.33 0.03 (0.00)0.27 -美国CPIFor_USCPI 0.17 (0.70)0.25 0.65 (0.23)0.00 0.30 -(0.29)超预期CPI Inf_CPI_dif 0.17 3.77 0.29 0.47 (0.10)0.00 (0.22)(0.14)- www.swsresearch.com91.3.2 逐步添加，补充增量