经济指标周期及领先性确认的数理方法

请务必阅读正文后的声明及说明 (Table_MainInfo) (Table_Title) 证券研究报告 / 金融工程研究报告 经济指标周期及领先性确认的数理方法 报告摘要： (Table_Summary) 本文是在近年来宏观、中观基本面量化兴起的背景下，针对量化手段该如何有效触及经济数据的问题，提供一个方法论的视角。我们对世界主流经济研究机构所用的处理手段进行整理，同时引入此前并未广泛使用但适用的模型，以及我们自己设计的部分算法，形成一套研究周期性、领先性的数理流程。这些方法一方面可以作为宏观、策略研究中对传统以观察为主的工作提供量化视角，另一方面也可为目前方兴未艾的基本面量化研究提供契合经济数据特性的抓手。 本文第一、二部分梳理了经济指标周期性、领先性研究的数理化流程，对主要模型进行介绍。我们将整个流程分为两部分，第一部分为数据的预处理及信号分离，分离出主要研究的、或易于处理的信号，为识别拐点作准备；第二部分为从极值点到拐点的确认，以及两条时间序列间拐点的对应，进而通过综合评估来确认两者之间可能存在的领先性。 本文第三部分以工业增加值、水泥产量的同比增速为例，实证前述模型效果。我们详述了操作步骤，尤其是季调消除春节效应、经验模态分解平滑数据，以及在拐点确认过程中，极值点如何通过层层筛选被标记为拐点。 本文第四部分探讨了前述几个关键步骤的重要性。我们通过对比，说明了传统回归法求领先性存在局限性，而拐点识别与对应不仅能获取额外的周期信息，还能计算对应拐点平均间隔，可与回归法互为印证，综合确认领先期数。同时，我们也讨论了季调与平滑不论是对拐点识别还是传统回归法，都有重要意义。 最后，我们总结上述内容，对此流程可应用的领域及相关后续研究做展望 风险提示：以上结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。 (Table_Invest) (Table_PicQuote) 工业增加值拐点识别结果 Table_Trend) (Table_IndustryMarket) 拐点对应结果 Table_Trend) (Table_Report) 相关报告 《大类资产配臵“全解析”专题研究之三：Mozaic 指数——是指数更是交易系统》 2018-12-17 《大类资产配臵“全解析”专题研究之二：“少即是多”朴素美林时钟模型》 2018-10-24 《大类资产配臵“全解析”专题研究之一：风险平价性质深入探究》 2018-09-28 (Table_Author) 证券分析师：肖承志 执业证书编号：S0550518090001 021 2036 3215 xiaocz@nesc.cn 联系人：周飞鹏 执业证书编号：S0550119120012 021 2036 3216 zhoufp@nesc.cn 发布时间：2020-01-01 请务必阅读正文后的声明及说明 2 / 30 (Table_PageTop) 金融工程研究报告 目 录 1. 引言 ....................................................................................................... 42. 预处理与信号分离 ................................................................................ 52.1.频率对齐: 让不同频率成为可比 ...........................................................................52.2.季调：剔除季节性影响...........................................................................................52.2.1. 一般模型.................................................................................................................... 62.2.2. 剔除节日效应............................................................................................................. 72.3.去趋势：分离趋势与波动.......................................................................................82.3.1. Baxter-King（BK）滤波 ............................................................................................. 82.3.2. Christiano-Fitzgerald（CF）滤波 ................................................................................. 82.3.3. Hodrick-Prescott（HP）滤波 ....................................................................................... 92.4.平滑：剔除高频噪声.............................................................................................102.4.1. 经验模态分解（EMD） ............................................................................................ 103. 周期、阶段、拐点及领先性的确认 .................................................... 123.1.拐点识别：从局部极值到全局拐点.....................................................................123.2.拐点对应：