研究框架及方法简介 [page::0][page::4]

• 资产配置分为资产选择、资产配权、组合构建三步。

- 利用宏观因子历史均值、滤波预测趋势，结合宏观经济状态划分，驱动动态资产权重调整。

宏观指标与资产及趋势判断方法 [page::7][page::8]

| 宏观指标类型 | 具体指标 | 频率 | 滞后 |
|---------|---------|-----|-----|
| 增长与景气 | 工业增加值、PMI、BDI | 月/日 | 0-1个月 |
| 通胀 | CPI同比、PPI同比、WTI原油 | 月/日 | 0-1个月 |
| 货币 | M2同比 | 月 | 1个月 |
| 利率 | 十年期国债收益率 | 日 | 无 |
| 外汇 | 美元指数 | 日 | 无 |

• 资产池涵盖股票(沪深300、中证500)、债券(国债、企业债)、商品(金银、农产品、金属、能化品)、货币基金。

- 趋势判断采用历史均线和HP滤波，趋势定义为指标当前值与前值比较。

单个宏观指标趋势对资产收益的统计显著性 [page::10][page::11]

| PMI 3月均线趋势 | 上行收益 | 下行收益 | t值 |
|----------------|--------|--------|----|
| 当月 | 2.86%~3.13% | -0.68%~-0.77% | 2.25-2.55 |
| 次月 | 2.12%-3.22% | -0.36%-0.80% | 0.48-2.33 |

• PMI上行趋势推动股票收益提升，CPI上行则压制债券收益。

基于单个宏观指标趋势调仓的资产配置策略及回测 [page::12][page::13][page::14]

| 组合类型 | 年化收益率 | 最大回撤 | 年化波动率 | 夏普比率 |
|---------|----------|--------|----------|---------|
| 基准组合 | 7.05% | 25.78% | 9.53% | 0.43 |
| 均线调整组合 | 12.24% | 14.40% | 9.79% | 0.94 |
| HP滤波调整组合 | 12.34% | 9.92% | 8.92% | 1.05 |

• 商品限黄金版本收益更优，最大回撤显著降低。

经济景气度和通胀划分宏观经济状态指标及趋势 [page::15]

| 经济状态 | 代表指标 | 指标处理方法 |
|---------|----------|--------------|
| 景气 | PMI | 标准化后3个月均线、HP滤波 |
| 通胀 | CPI、PPI、WTI | 标准化后加权平均9个月均线、HP滤波 |

BL模型融合资产历史收益与宏观趋势观点 [page::16][page::17]

• 先验均衡收益采用12个月历史均值，主观收益观点为不同景气与通胀状态下资产平均表现。

- 预测误差以均方误差衡量，加入宏观信息显著降低误差。

BL模型回测表现 [page::18]

| 策略类型 | 年化收益率 | 最大回撤 | 年化波动率 | 夏普比率 |
|---------|----------|--------|----------|---------|
| 均值方差组合 | 9.93% | 12.82% | 9.94% | 0.70 |
| BL模型均线组合 | 11.88% | 12.71% | 10.21% | 0.87 |
| BL模型滤波组合 | 12.26% | 13.02% | 9.90% | 0.94 |

宏观经济状态划分及资产表现差异 [page::19][page::20]

• 四类状态：景气上行+通胀下行、景气上行+通胀上行、景气下行+通胀上行、景气下行+通胀下行。

- 股票、工业品在景气上行阶段表现优异，债券在景气下行表现较好。

不同宏观经济状态下资产配置权重及组合构建 [page::21][page::22]

| 经济状态 | 景气趋势 | 通胀趋势 | 配置资产类别 |
|---------|---------|---------|-------------|
| 上行 | 上行 | 下行 | 股票、商品 |
| 上行 | 下行 | 上行 | 商品、货币 |
| 下行 | 上行 | 下行 | 债券、货币 |
| 下行 | 下行 | 上行 | 股票、债券 |



| 资产类别 | 权重（包含全部商品） |
|-----|-----------------|
| 沪深300 | 40% |
| 中证500 | 40% |
| 国债 | 40% |
| 企业债 | 40% |
| 黄金 | 10-20% |
| 农产品、金属、能化品 | 10-20% 各 |
| 货币 | 0-20% |

资产配置策略回测结果 [page::22][page::24]

• 历史均线判断下年化收益率达到15.16%-16.95%， 最大回撤约11%-13%，年化波动率11.8%-13.3%，夏普比率约1.03-1.05。

- HP滤波判断下年化收益率上升至17.8%-18.4%，最大回撤12.9%-16.2%，波动率12.0%-12.3%，夏普比率超1.22。

• 策略在各经济状态均获得正收益，景气上行阶段表现优异。

风险提示 [page::26]

• 文中假设及基于历史数据的模型存在抽象性，无法完全准确刻画现实并预测未来[page::0][page::26]

基于不同宏观经济状态下的资产配置策略——详尽深度解析

---

一、元数据与概览

• 标题： 基于不同宏观经济状态下的资产配置策略（量化资产配置研究之十）

- 作者/发布机构： 广发证券发展研究中心，主要分析师包括马普凡、严佳炜、李豪等

• 发布时间： 2017年后期至2018年间围绕该系列研究的多篇文献及报告同步发布，本文属于量化资产配置研究系列的最新篇章

- 研究主题： 宏观经济指标（景气度、通胀等）变化趋势对大类资产（股票、债券、商品、货币）收益的影响，及其指导下的资产配置策略构建与优化。

• 核心论点： 利用历史宏观指标数据（通过历史均线和HP滤波两种趋势判断方法），结合宏观经济不同状态划分（景气度与通胀的四种组合），有效指导资产的动态配置，能够显著提高组合的收益表现并控制风险，优于传统均值方差模型。

- 评级与结论： 本报告不涉及具体上市公司评级，但系统性展示了一套量化资产配置思路和模型框架。策略通过多样化资产池与模型调优，在多个宏观经济环境下实现稳定正回报，风险控制有效。

• 主要信息： 宏观经济趋势判断及组合回测验证了资产动态调整的重要价值，且利用BL贝叶斯模型将历史平均收益与宏观视角结合，提升收益预测准确性，实现高效资产配置。

---

二、逐节深度解读

1. 大类资产配置框架及宏观经济状态划分（第4-7页）

• 关键论点：

- 资产配置流程确立三大步骤：资产选择（基于收益需求与风险偏好），资产配置（战略配置与战术动态调整），组合构建（FOF基金落地）。
- 利用宏观因子动态趋势判断，分为极端走势（短期高低点等）与变化趋势（中长期上行/下行），侧重研究宏观指标的中长期“变化趋势”对资产表现的影响。
- 宏观经济状态以景气度（PMI为核心指标）与通胀（CPI、PPI、WTI油价组成）两个维度综合划分。

• 逻辑与假设：

- 假设宏观经济大类指标的趋势是判断资产走势的重要先行信号，因而可以通过宏观指标的均线和滤波判断趋势，进而预测未来资产收益。
- 规划两类资产池：含全面商品（农产品、工业金属、能源等）与只含黄金的商品池，以适应公募基金市场的现实限制。

• 数据与趋势判断方法：

- 采用历史均线法和HP滤波法判定宏观指标走势，前者简单平均，后者滤除短期波动保留趋势项，趋势由当前期与上期趋势值比较决定。

• 图表说明：

- 图1-6直观揭示资产配置框架及基于宏观因子的动态配置逻辑；
- 以PMI为例（图4-6），展示了极端走势与中长期趋势可能背离，报告聚焦后者。

---

2. 单个宏观指标变化趋势对资产收益率的影响及策略构建（第8-14页）

• 指标与资产选择（表2、表3）：

- 五类宏观指标：增长景气（工业增加值、PMI、BDI），通胀（CPI、PPI、WTI原油），货币（M2增速），利率（10年期国债收益率），外汇（美元指数）。
- 资产涵盖权益（沪深300、中证500）、债券（中证国债、中证企业债）、商品（黄金、农产品、基本金属、能源化工）和货币基金指数。

• 趋势判断细节（表4，图7-8）：

- 历史均线与HP滤波两法均用来判定趋势方向，趋势定义为T期值大于T-1期值为上行，反之为下行。

• 经济指标变化趋势影响的统计方法：

- 利用双样本t检验检测宏观指标处于上行与下行时资产未来收益均值的显著性差异。
- 实际考察t月指标变化趋势对t+1月资产收益的影响，增加投资操作的现实可行性。

• 典型结果示例：

- PMI 3月均线趋势显著影响沪深300月收益，当趋势上行时，沪深300平均收益3.22%，趋势下行时为-0.36%，t值2.33，统计上显著（表5-7，图9-10）。
- CPI同比3月均线趋势显著影响中证国债收益，上行时收益0.08%，下行时为0.58%，t值3.12，证明通胀上升对债券产生负向影响（表8，图11-12）。

• 资产配置策略设计（图13-15，表9-10）：

- 调仓周期为1个月，权重调整基于不同宏观指标对资产的显著影响方向。
- 策略通过历史均线和HP滤波两方法演示，区分包含全部商品及仅黄金两类资产池。
- 策略测算2006年至2018年，收益年化12%-14%，最大回撤较基准组合明显降低，夏普比率大幅提升，说明趋势跟踪提高投资效率。

---

3. 宏观经济状态与BL模型结合（第15-18页）

• 宏观经济状态双维度定义（表11-12，图16-17）：

- 景气度用PMI代表，通胀指标包含CPI、PPI及WTI油价，分别采用标准化处理后合成指标。
- 采用历史均线与HP滤波方法判定其动态趋势。

• BL模型简介与应用（图18-19，表13，图20-21）：

- 基于贝叶斯方法融合资产历史均值收益（先验均衡收益）与宏观状态对应的主观收益观点，产生后验收益预测。
- Q矩阵体现不同宏观经济状态对资产收益的观点，结合历史收益形成组合优化模型输入。
- 实证显示加入宏观趋势后预测均方误差（MSE）由1.34降低至1.18-1.22，表明模型提升了收益的预测准确度。

• BL模型回测结果（图22，表14）：

- 比较单纯均值方差法与加入宏观视角的BL模型，后者年化收益提升从9.93%至12%左右，风险指标（最大回撤、波动率）保持或略优，夏普比率显著上升。
- BL模型验证了宏观信息对资产配置的有用性及实用性。

---

4. 不同宏观经济状态下资产组合策略（第19-25页）

• 宏观状态划分（图23）：

- 四个状态组合：景气上行+通胀下行、景气上行+通胀上行、景气下行+通胀上行、景气下行+通胀下行。
- 不同状态下大类资产月均收益表现差异显著（图24-25），如景气上行阶段股票业绩显著优于下行阶段，债券表现相反。

• 资产配置逻辑与权重分配（表，图26-28）：

- 景气上行时配置股票和商品（权重W1），景气下行时配置债券和货币（W2），通胀上行偏商品、货币（W3），通胀下行偏股票、债券（W4）。
- 权重混合根据景气和通胀变化幅度的比值K线性插值调整，实现动态精细化调整。
- 资产细分权重具体分配详见表格，体现了股票（大盘、中小盘）、债券（国债、企业债）、商品（黄金、农产品等细分）及货币的精细搭配。

• 实证回测（图29-38，表15-16）：

- 使用历史均线判定，年化收益达15%-17%，最大回撤10%-13%，风险适中，夏普率均高于1，表明组合风险调整后的收益优良。
- 采用HP滤波判定，收益和风险控制更优，换手率更低。
- 不同状态下组合均实现了正回报，且资产配置策略表现出较强的抗周期能力和稳健性。

---

5. 总结与风险提示（第25-26页）

• 总结：

- 报告系统研究了宏观经济指标变化趋势与资产收益关联，对宏观经济状态进行划分并基于统计发现构建多资产动态配置策略。
- 证实宏观因子趋势对资产表现具有显著影响，通过结合贝叶斯方法提升收益预测与资产配置效果。
- 回测显示动态调整策略明显优于传统均值方差模型，且在不同宏观状态均有稳健表现。
- 充分考虑了资产池全覆盖与仅黄金两商品池两种实际运用场景。

• 风险提示：

- 模型基于历史数据和统计规律，理论上不保证未来表现。
- 对模型参数及宏观指标的选取、测算方法存在主观假设，实际经济环境变化可能削弱模型有效性。

---

三、图表深度解读

1. 图1-2（整体框架图）

描述资产配置框架：从目标设定到资产选择，战略配置及战术动态调整，到FOF组合建设的全流程；图2强调利用宏观因子数据在资产配置中的具体方法论，体现了宏观因子筛选、趋势判断、经济状态划分和资产配置的逻辑链条。

1. 图4-6

区分“极端走势”（短期）与“变化趋势”（中长期），以PMI为例展示短期趋势与中长期趋势可能不同，强调研究聚焦于中长期趋势。图6将宏观因子映射为趋势，再通过趋势划分经济状态，最终指导资产配置。

1. 图7-8（PMI趋势判断对比）

展示PMI指标及其不同周期历史均线与HP滤波趋势，验证两种处理方法的趋势识别效果，后者滤除噪音更平滑。

1. 表5-8与图9-12（单指标影响分析，以PMI和CPI举例）

PMI历史3月均线上升时沪深300过往表现优异（3.22% vs -0.36%），CPI同比3月均线上升时债券表现偏弱，符合经济常识。柱状分布图进一步展示资产收益在不同趋势状态下的差异。

1. 图14-15与表9-10（策略表现）

证明结合宏观指标动态调整权重，策略组合年化收益率提升约5%，最大回撤大幅降低，尤其HP滤波方法净值曲线更平滑，月均换手率较历史均线方法明显下降，增强实用性。

1. 图16-17（景气度及通胀指标的合成与趋势）

叠加多个宏观指标构成景气度和通胀指数，趋势判断方法一览，平滑化的HP滤波指标优于简单均线，提供更稳定的经济状态判断。

1. 图18-22与表13-14（BL模型及回测）

显示BL模型融合历史收益均值与宏观趋势观点提升了收益预测精度，历史均值预测误差较大，加入宏观变量后误差显著下降。回测显示，BL模型综合资产选择表现出优异风险调整收益。

1. 图23-28与表15-16（宏观状态划分及资产配置策略）

按景气度与通胀划分四个宏观状态，分别对应不同资产倾向配置，权重细化到单一资产（大盘股、债券类别、商品细分）。两种趋势判断方法均验证该策略有效。

1. 图29-38（策略回测表现，含状态分解收益）

策略在不同经济状态均能获得稳健正收益，且回撤优于基准，HP滤波趋势判读使组合换手率和波动率更低，收益表现更优。各经济状态的表现合理反映宏观对资产类别的影响，如景气上行偏股权收益突出。

---

四、估值分析

本报告侧重宏观资产配置策略研究，未直接涉及具体估值倍数或现金流贴现模型，但通过结合贝叶斯（BL）模型，将历史均值收益作为“先验均衡收益”，主观收益观点结合宏观状态作为“观点收益”，形成后验收益输入资产配置模型，实质为基于收益预期与风险的优化组合框架。

• 关键假设：资产收益符合均值方差前提，BL模型改善收益估计准确性。

- 优点在于信息整合，将市场先验与宏观经济主观信息融合，提升了收益及风险预测的合理性。

---

五、风险因素评估

• 模型依赖历史数据： 历史统计规律和关系无法完全保证未来成立，宏观经济环境的结构性变化可能导致模型失效。

- 指标选择及数据滞后： 部分指标存在发布滞后，可能影响趋势判断及时性。

• 估计误差及参数敏感性： BL模型和策略参数选择存在不确定性，优化结果对输入参数较为敏感。

- 市场极端状态： 极端市场条件下（如危机、政策突变）模型可能不适用。

• 资产池限制： 部分资产未能包含（如境外商品、多策略基金），限制了配置空间。

- 操作成本及换手风险： 尽管HP滤波方法降低了换手率，但频繁调整仍存在交易成本和滑点风险。

---

六、批判性视角与细微差别

• 趋势判断多方法并用： 历史均线简单易用但噪音大，HP滤波平滑但参数依赖较重，二者结果差异体现模型选择敏感性，投资者需结合实际调整。

- 宏观指标的代表性和替代性不足： 景气度用PMI，通胀用CPI/PPI和油价，但经济复杂多变，忽略了政策、国际环境等因素。

• 资产类别分布较为粗糙： 对风险、流动性、信用风险等维度考量有限，未来可进一步细化。

- 策略区间限制： 研究样本截止2018年，后续市场表现及新兴资产类别未纳入，适用范围受限。

• 因果推断谨慎： 相关性不完全等于因果，模型基于历史统计关联，可能误判宏观变量对资产的直接因果影响。

---

七、结论性综合

本文系统研究了宏观经济状态不同（基于景气度和通胀两个核心维度）下，宏观指标变化趋势对大类资产收益的显著影响，通过历史均线和HP滤波两种方法判定指标趋势，依据宏观状态划分四个经济时期，指导资产配置权重动态调整。利用贝叶斯（BL）模型将资产历史平均收益与宏观带来的主观调整相结合，实现了更为准确的收益预测。

策略长期回测表现优秀，年化收益达到12%-18%，最大回撤可控（8%-16%），夏普比率明显优于传统均值方差模型，且在包含全面商品以及仅含黄金的商品池中均有效，说明策略具有较强的适应性和鲁棒性。不同经济状态下资产配置轮动与收益呈现合理一致性，体现基于宏观经济趋势的资产配置策略较好地捕捉了经济周期对资产的影响规律。

图表分析贯穿全文，尤其是：

• 图6、图13、图23、图26等流程图清晰阐述了宏观因子到资产配置的逻辑脉络；

- 表5-8和图9-12具体数据展示宏观趋势对权益和债券收益的统计显著性；

• 图14、图15和图29、图34表现策略净值走势，清晰验证策略远超基准绩效；

- 表13和图20、图21则科学地量化了宏观趋势纳入后的收益率预测误差降低，提升了模型有效性。

总之，报告以详实的数据、严谨的统计方法和实证回测，证实了宏观经济指标动态趋势作为资产动态配置依据的价值，为量化资产配置提供了一套科学有效的框架和方法，值得投资管理领域进一步探索和应用。

---

参考溯源

• 宏观经济状态划分和资产配置策略基本框架[page::0,4,5,6,7,19]

- 单个宏观指标与资产收益关系及策略构建[page::8,9,10,11,12,13,14]

• 经济景气度和通胀指标定义及趋势判定[page::15,16]

- BL模型方法及回测结果[page::16,17,18]

• 宏观经济状态下资产组合权重及回测表现[page::19,20,21,22,23,24,25]

- 总结与风险提示[page::25,26]

---

图表示例

• 图1：大类资产配置框架

• 图6：基于不同宏观经济状态下的资产配置策略

• 图14：基于单个宏观指标变化趋势的资产配置策略——包含全部类型商品

• 图23：根据景气度以及通胀的变化趋势划分宏观经济状态

• 图29：基于不同宏观经济状态下的资产配置策略(历史均线判断趋势)

---

综上，报告贡献了宏观因子动态分析与资产配置的融合路径，验证了信息结合与动态调整可有效提升配置绩效，模型及框架具备实践价值与理论推广意义。

报告