宏观经济模型综述与经济周期划分 [page::3]

• 采用经济周期模型、美林投资时钟模型，将经济状态划分为衰退、复苏、过热、滞胀四阶段。

- 金融周期模型通过国债收益率与信用利差判断货币与信用宽松与收紧状态。

• DDM模型使用季度ROE和10年期国债收益率分别代理现金流与折现率，辅助划分现金流与折现率的变化状态。

板块划分与表现分析 [page::7][page::8]

| 板块 | 代表行业 |
|------------|----------------------------------------------------|
| 上游资源 | 石油石化、煤炭、有色金属 |
| 中游制造 | 钢铁、基础化工、机械、电力设备及新能源、国防军工 |
| 下游消费 | 汽车、商贸零售、家电、医药、食品饮料、农林牧渔 |
| 基建与运营 | 电力、建筑、建材、交通运输 |
| TMT | 电子、计算机、通信、传媒 |
| 金融地产 | 银行、非银行金融、房地产、综合金融 |

• 近年上游资源表现整体较弱，下游消费及TMT板块表现优异，体现出板块结构性差异。

- 板块累计收益走势图显示精选板块组合长期跑赢等权基准组合。

宏观状态与板块配置对应关系 [page::9][page::10]

| 宏观经济状态 | 中游制造 | 上游资源 | 下游消费 | 金融地产 | TMT | 基建与运营 |
|--------------------------|--------------------|----------|---------------------------------|----------------|--------------------|------------|
| 衰退、宽货币紧信用 | 利好 | - | - | - | 利好 | - |
| 过热、滞胀、紧货币紧信用 | - | - | 利好 | - | - | 利好 |
| 复苏、宽货币宽信用 | - | - | - | 利好 | - | - |
| 现金流与折现率变化状态 | - | - | 利好（现金流上行折现率上下） | - | 利好（现金流下行） | - |

• 结合宏观经济周期、金融周期及DDM模型，构建板块在不同宏观状态下的收益预判。

- 推荐必选消费、TMT、基建与运营等作为当前重要配置方向。

量化策略测试与回测表现 [page::11][page::12]

• 利用宏观数据判断当期经济状态，挑选对应利好板块进行等权配置。

- 精选板块组合累计收益达到169.69%，年化收益率9.49%，大幅优于基准组合的37.06%和2.92%。

• 宏观因子融入盈利成长因子选股策略后，年化收益率由15.59%提升至17.73%。

近期宏观状态分析与投资建议 [page::13]

• 当前货币宽松，A股ROE回升，处于现金流上行折现率下行阶段，利好下游消费板块，疫情影响下更看好必选消费。

- PMI下降，CPI上涨，政策支持基建与运营板块。

• 金融周期处于宽货币宽信用，利好金融地产但地产面临政策风险。

- 受政策支持5G和软件自主可控，推荐TMT板块。

• 综合来看，建议重点配置必选消费、TMT及基建与运营板块。

宏观数据在板块轮动中的应用——金融工程专题报告分析

---

1. 报告元数据与概览

• 标题：《宏观数据在板块轮动中的应用》

- 作者：郝倞

• 发布机构：渤海证券股份有限公司研究所

- 日期：2020年3月5日

• 主题：该报告聚焦于宏观经济数据如何辅助股票市场中不同行业板块的轮动配置，通过经济周期、金融周期及股利贴现模型（DDM）三大宏观模型，量化划分经济状态，并测试宏观状态下各板块的表现及其业绩提升效果，结合选股策略提升整体投资收益。

核心观点

• 宏观数据结合定性模型（投资时钟、金融周期、DDM模型）划分经济状态，进而指导板块配置。

- 各宏观状态对应利好不同板块，例如中游制造板块在衰退及宽货币紧信用时表现良好，下游消费在过热、滞胀时表现优异。

• 板块精选策略相比等权组合，在2009年至2019年数据回测中累计收益由37.06%飙升至169.69%，年化收益提升至9.49%。

- 结合盈利成长因子选股策略后，年化收益率由15.59%提高到17.73%，增幅达1.83%。

• 当前经济环境下，推荐必选消费、TMT、基建与运营板块。

- 报告提醒模型存在过度拟合和失效风险。[page::0][page::3]

---

2. 逐章深度解读

2.1 前言

报告首先强调板块配置是获取超额收益的重要途径，指出以往行业轮动多以财务因子为主，鲜少结合宏观数据。本报告提出通过宏观变量与经典经济模型定性划分经济状态，进而推荐投资不同板块。

定性分析方法通过经济增长和通胀两个核心维度对经济周期建模，主要依托经济周期模型、金融周期模型和DDM模型对经济状态的动态把控。[page::3]

2.2 模型综述

经济周期模型（基于美林投资时钟）

• 利用CPI与产出缺口划分四阶段：复苏、过热、滞胀、衰退。

- 复苏阶段通胀下降，GDP回升，利润增长，央行货币宽松。

• 过热阶段通胀上涨，增速放缓，央行加息收紧货币。

- 滞胀阶段GDP低于长期趋势，通胀仍升高。

• 衰退期产能闲置、需求不足，价格和利润下降，央行降息刺激经济。

- 中国经济特别点在于长期潜在增速下降及滞胀趋势，模型适用性存在本土调整需求。[page::3][page::4]

金融周期模型

• 强调货币与金融机构对真实经济具有实质影响。

- 利用一年期国债收益率表征货币紧缩/宽松；AAA企业债与国债利差表示信用宽松/紧缩。

• 图3显示，信用利差见顶滞后于国债收益率见顶，且反弹的时序关系不固定，需结合具体政策环境判断。

- 该模型更细致反映信用市场对经济周期的影响。[page::4][page::5]

DDM模型（股利贴现模型）

• 股票市场价值由现金流和折现率决定。

- 使用季度ROE代表现金流，10年期国债收益率代表折现率，捕捉市场景气及资金成本。

• 描述经济中现金流与折现率的四种态势循环，反映经济状态变迁。

- 需要对季度数据通过插值和平滑处理，存在数据滞后问题。

模型逻辑围绕货币政策如何影响资金成本和企业现金流，继而波动股票估值水平。[page::5][page::6][page::7]

2.3 板块划分

• 结合中信证券上下游产业链法，将行业分为六大板块：上游资源、中游制造、下游消费、基建与运营、TMT、金融地产。

- 板块内行业组成详见表1，图6展示2009-2019年不同板块市值加权累计收益走势。

• 长期表现显示上游板块较弱，下游消费和TMT表现优异，这种结构性差异影响轮动测试效果。

该划分为后续模型的测试提供了基础框架。[page::7][page::8]

2.4 变量选择及经济状态划分

• 经济周期模型用PMI环比变化与CPI环比变化区分复苏、过热、滞胀、衰退。

- 金融周期模型以国债收益率及信用利差变化区分宽货币宽信用、紧货币紧信用等四种状态。

• DDM模型通过ROE与10年期国债收益率构造现金流与折现率变化的四种组合。

- 使用6期移动平均平滑数据，计算环比变化确定经济状态（表2）。

严格的变量选择与分类定义确保模型具备科学划分能力。[page::8]

2.5 模型测试及回测

• 表3呈现不同宏观状态下六板块的均值收益率、做多胜率及期望收益。

- 结合统计分析，确定各板块利好宏观状态（表4），如中游制造利好衰退与宽货币紧信用，下游消费利好过热、滞胀等。

• 历史回测（2009-2019）显示选好板块的等权组合，累计收益率达到169.69%，年化9.49%，远高于全部板块等权组合的37.06%累计收益和2.92%年化收益（表5）。

- 图7-8显示精选组合净值表现远优于基准组合，累计超额收益表现良好。

数据明确支持宏观状态指导板块配置的投资增值效果。[page::9][page::10][page::11]

2.6 与选股策略的结合

• 报告结合之前基于盈利成长因子的选股模型，提出用宏观状态给利好行业加分，与个股基本面得分结合。

- 图9展示组合策略框架，用宏观得分调整行业权重，提高策略适应性。

• 实证结果（图10）显示，加入宏观因子后策略净值明显提升，年化收益由15.59%升至17.73%，提升1.83%。

结合宏观与基本面选股的策略协同，显著增强收益表现。[page::12]

2.7 近期宏观状态分析及展望

• 当前货币宽松，A股季度ROE回升，DDM状态为现金流上升、折现率下降，利好下游消费，特别是疫情背景下偏好必选消费。

- PMI下降显著，但CPI相对稳定，呈类滞胀状态，政策推动基建与运营受益。

• 金融周期处于宽货币宽信用，利好金融地产，但地产政策风险需关注。

- 5G及软件自主可控政策推动TMT板块。

• 综合判断，推荐必选消费、TMT、基建与运营。

- 报告指出宏观数据绝对水平未纳入模型考虑，经济状态识别存在滞后，需持续关注变化和政策动态。

• 风险提示包括模型过度拟合和潜在失效风险。[page::13]

---

3. 图表深度解读

图1：经济周期状态示意图

• 以环形图展示经济周期四状态：衰退、复苏、过热和滞胀。

- 结构直观反映经济周期运动的顺序，为模型定性划分提供视觉辅助。

• 支持经济周期模型章节阐述的理论基础。[page::4]

图2：金融周期状态示意图

• 显示宽货币宽信用等四种金融周期状态。

- 通过箭头展示周期循环，清晰界定货币和信用松紧的组合。

• 支撑金融周期模型部分的宏观分类方法。[page::5]

图3：国债与企业债收益率走势

• 蓝线为1年期国债到期收益率，橙线为AAA企业债与国债收益率利差。

- 展示2007-2019年波动趋势，信用利差顶部滞后于国债收益率顶部。

• 反映信用紧缩/宽松与货币紧缩/宽松之间的动态差异。

- 有助于理解金融周期模型分辨信用风险与货币政策的影响路径。[page::5]

图4：DDM模型状态示意图

• 环形图表示现金流与折现率四种组合状况，体现市场资金成本与企业盈利的互动。

- 配合经济学解释帮助投资者理解股价的本质驱动。

• 该视觉简明阐述现金流和折现率同升同降对股票估值影响的循环规则。[page::6]

图5：季度ROE与10年期国债收益率走势图

• 蓝色曲线为10年期国债收益率，橙线为季度ROE。

- 2007年以来走势展现资金成本与企业盈利的关系及波动趋势。

• 明示数据的季节性与经济周期特征，对DDM模型的状态划分提供了量化基础。

- 数据调整说明也揭示模型因数据频率和发布时间带来的滞后影响。[page::6]

图6：板块累计收益走势图

• 各板块从2009年至2019的累计收益曲线，色彩区分六大板块。

- 显示中游制造与TMT表现较强，下游消费稳定增长，上游资源表现疲软。

• 图形验证长期板块结构差异，提示在模型测试时需考虑不同板块表现的自然偏好。[page::7]

图7：净值走势图 & 图8：累计超额收益走势图

• 图7展示以等权基准组合和精选板块组合的净值曲线，精选组合净值明显优于基准，尤其是2014-2016年涨幅显著。

- 图8反映累计超额收益稳定增长，表明模型实证效果持续且稳健。

• 两图联合证实宏观驱动板块精选策略带来显著投资价值。[page::11]

表1至表5

• 表1清晰划分板块与行业对应关系。

- 表2明确规则化的宏观状态划分，构建经济状态判定标准。

• 表3详细记录各板块在不同状态下的均值收益、胜率等，数据细致支撑理论假设。

- 表4总结各板块对应利好宏观状态，为投资组合构建提供决策指引。

• 表5对比精选组合与等权基准的收益、波动以及夏普比率，强化了选用宏观指标的优越性。

这些表格构成了报告的核心量化基础。[page::7-11]

图9：宏观因子与选股策略结合方式示意图

• 用简单的三段圆圈表示个股基本面因子加宏观状态得分合成股票池。

- 体现了策略集成思路，为之后的组合测试提供思路基础。[page::12]

图10：策略净值对比图

• 蓝线为结合宏观因子的选股策略净值，明显高于仅盈利成长因子策略（橙线）。

- 反映宏观因子对个股选股策略的叠加提升作用。

• 量化收益提升约1.83个百分点，显示模型有效性与实用价值。[page::12]

---

4. 估值分析

本报告核心不聚焦于传统估值（如DCF、PE、EV/EBITDA等）具体方法，而重在宏观经济状态划分及对应板块配置的逻辑，所得收益增厚来自于经济周期、金融周期、DDM模型等宏观模型指导的板块轮动。

DDM模型理念主要用于解释股票估值的经济逻辑（现金流与折现率变化），而非具体企业估值数值计算，故估值分析体现在组合收益表现的增益上，通过宏观趋势指导调整资产配置，实现价值投资与成长投资的有效切换。

---

5. 风险因素评估

报告点明了主要风险：

• 模型过度优化风险：历史数据的过拟合可能导致未来在不同宏观环境同样模型失效。

- 模型失效风险：宏观模型假设、变量选择在未来经济结构或政策环境变化后可能不适用。

• 政策风险：特别是金融地产板块，受房地产调控影响显著。

- 宏观数据滞后性：数据频率和发布时间导致经济状态判断有滞后，可能错失最佳调仓时机。

• 宏观状态绝对值未纳入：仅用方向性变量可能忽略绝对水平对市场影响的力度。

风险提示促使投资者在实操时结合动态调整与风险管理。[page::0][page::13]

---

6. 批判性视角与细微差别

• 报告核心使用的是定性宏观模型辅以统计实证，虽逻辑严谨，但依赖历史周期特征，未来经济环境若发生结构性变化，模型稳定性有待验证。

- 经济周期模型借鉴美林投资时钟，虽然中国经济特殊性被提及，但宏观变量和阶段划分仍较为粗糙，未深化到行业微观周期。

• 金融周期模型用简单利差和利率梯度描述信用状态，忽略了其他重要信贷市场波动指标（如影子银行、监管变化），模型可能存在不足。

- DDM模型使用ROE和国债收益率作为代理，季度数据通过插值调整，滞后性显著，可能影响时点判断精度。

• 选股策略结合宏观因子时，用的是简单加分法，权重设定未公开详述，权重和组合构建优化空间留待进一步研究。

- 板块配置中，上游资源板块表现较差且未来预期受供给侧结构转型影响，报告中未对如何处理结构性弱势板块提出具体对策。

• 虽然报告强调实时关注政策动态，但模型本身对政策冲击的敏感性不足，动态调整主要依赖人工研判。

- 报告风险提示简洁，未展开风险发生概率、缓解措施和潜在对冲策略，有待完善。

总体来看，报告展示出扎实基础和实效测试，但仍需结合更多多维度数据和动态参数调整，提升宏观模型的精细度和适应性。

---

7. 结论性综合

报告提出并验证了一个基于宏观数据驱动的股票板块轮动框架，利用定性经济周期模型、金融周期模型与DDM模型，将经济状态划分为多种组合情形，从而指导不同板块的配置策略。通过对中国A股市场2009至2019年的实证回测，结果显示：

• 宏观驱动的板块精选组合相较简单等权组合，实现累计收益从37.06%跃升至169.69%，年化收益从2.92%提高到9.49%，夏普率亦得提升。

- 具备风险中性盈利成长因子的多因子选股策略与宏观状态因子结合，年化收益率提升约1.83个百分点，反映宏观因子的策略叠加效应。

• 各板块在特定经济情形下表现差异显著，如中游制造板块利好于经济衰退及宽货币紧信用，下游消费板块在经济过热及滞胀等阶段表现优异，金融地产板块受益于复苏与宽货币宽信用环境。

- 当前经济环境（2020年初）货币宽松、ROE回升，宏观状态利好必选消费、TMT、基建运营板块，结合国家战略和疫情背景，推荐上述板块。

• 报告的宏观模型有助于提升投资策略对经济波动的适应能力，但应警惕模型的过度拟合风险及滞后性，需实时跟踪政策和经济数据变化。

图表和统计数据全方位支持了上述观点，从经济周期和金融周期的定性框架，到宏观指标的量化划分，再到板块历史表现与策略净值图，构建了理论与实证结合的投资框架。

综上，报告综合应用宏观经济数据与定性模型，对板块轮动实现有效指导，提升了资产配置效率和投资收益，展示了宏观视角下可操作的行业投资策略闭环。[page::0-13]

---

结语

本报告系统地梳理并验证了宏观经济指标在股市板块轮动和选股策略中的应用价值，融合中国经济特征提出适用的经济状态划分，支持投资者通过经济预判捕捉行业景气循环，提升投资组合的收益和风险调整表现。未来进一步优化模型精度、引入宏观绝对值指标和动态政策响应机制，将进一步增强策略的前瞻性和稳健性，为A股投资者构建更为科学的宏观驱动投资体系提供重要基础。

报告