• 宏观-资产显著关系建模框架 [page::1]

- 通过宏观经济指标库与资产库，筛选并检验显著“宏观-资产”关系，构建稳健的择时策略。
- 利用差异检验、动态因子提取、多阶段模型定阶和预测，实现资产趋势的动态判断。

• 电子行业宏观显著指标及趋势分析 [page::2][page::3]

| 指标类型 | 指标名称 | 与行业超额收益关系 |
|------------|-------------------------------------|-------------------|
| 工业产品产量 | 微型电子计算机:当月同比 | 正向 |
| 货币 | 超额存款准备金率:金融机构（超储率） | 正向 |
| 景气调查 | 信息传输、计算机服务和软件业企业景气指数 | 负向 |
| 景气调查 | 计算机、通信及其他电子设备制造业景气指数 | 负向 |

- 电子行业超额收益主要受行业基本面与流动性驱动，超储率持续上升，反映流动性宽松，产量在2019年底回落后近期回升，宏观环境偏利好。

• 计算机行业宏观指标与流动性择时效果 [page::4][page::5]

| 指标类型 | 指标名称 | 与行业超额收益关系 |
|---------|-----------|-------------------|
| 利率 | 1个月Shibor | 负向 |

- 计算机行业与短期流动性高度相关，Shibor下滑利好行业，当前流动性宽松但近期有收紧迹象，行业前景中性偏乐观。

• 医药行业显著指标及成长性分析 [page::6]

| 指标类型 | 指标名称 | 与行业超额收益关系 |
|------------|---------------|-------------------|
| 利率 | 1个月Shibor | 负向 |
| 工业产品产量 | 原盐产量:当月同比 | 正向 |

- 医药行业成长性明显，超额收益与计算机行业高度同步，受到流动性指标明显影响，未来中性偏乐观，需关注流动性变化。

• 汽车行业显著指标及复苏趋势 [page::7][page::8]

| 指标类型 | 指标名称 | 与行业超额收益关系 |
|------------|------------------------------|-------------------|
| 工业产品产量 | SUV产量:当月同比 | 正向 |
| 进出口贸易 | 进出口金额:当月同比 | 负向 |

- 汽车行业受SUV产量和进出口贸易影响。SUV销量快速增长，国内占比高，出口减少有利于国产车市场份额提升。疫情冲击后生产回暖，行业复苏中性偏乐观。

• 建材行业显著指标与成本结构分析 [page::9][page::10]

| 指标类型 | 指标名称 | 与行业超额收益关系 |
|---------|--------------------------|-------------------|
| 价格 | 无烟煤价格:全国（元/吨） | 负向 |

- 建材行业成本端受煤炭价格影响显著，煤价下跌利好行业盈利。水泥和玻璃依赖煤炭，议价能力弱，成本下降为主要利好因素。当前煤价加速下跌，行业偏利好。

• 房地产行业主要宏观指标与周期特征 [page::10][page::11]

| 指标类型 | 指标名称 | 与行业超额收益关系 |
|------------|-----------------|-------------------|
| 工业增加值 | 当月同比 | 负向 |
| 工业产品产量 | 汽油:当月同比 | 正向 |

- 房地产行业超额收益与经济总体呈负相关关系，受政策压制，短期受疫情影响有所回暖。工业增加值需持续改善反转，短期偏多长期中性。

• 10年期国债利率动态因子模型及走势预测 [page::11][page::12][page::13]

- 利率由经济增长、通胀、债务杠杆及短期利率四因素决定，模型月度预测准确率达70%以上。
- 疫情短期冲击利率走势，5月数据反映经济回暖，6月利率仍有下行压力但整体趋于震荡，经济复苏可期。

深度分析报告：《当下宏观环境利好什么行业？ 宏观与配置量化观察（一）》

---

一、元数据与报告概览

• 报告标题：《当下宏观环境利好什么行业？ 宏观与配置量化观察（一）》

- 作者：叶尔乐、刘富兵

• 发布机构：国盛证券金融工程团队

- 发布日期：2020年06月08日

• 主题：基于量化方法构建宏观经济与资产价格的关联模型，识别当前宏观环境利好的行业，给出各行业的宏观判断和趋势预测。

报告核心观点

报告通过构建“宏观-资产”关系的量化框架，利用宏观状态匹配模型和宏观动态因子模型，深入挖掘宏观经济指标对不同行业及资产价格的显著影响因子。基于此，报告给出包括电子、计算机、医药、汽车、建材及房地产等核心行业的宏观趋势观点，整体呈现电子与建材行业较为偏多的利好信号，而汽车、计算机、医药行业则表现为中性偏乐观，房地产短期偏多、长期中性。同时，更新了10年期国债利率的动态因子模型预测，认为利率或进入震荡阶段，未来经济复苏可期。[page::0,1,11,12]

---

二、逐节深度解读

2.1 宏观-资产显著关系建模框架简介

报告指出传统宏观资产配置研究常面临样本数据稀少、验证周期长、目标模糊以及理论支撑不足的问题。为克服这些不足，作者构建了一个包含宏观经济因子库与资产库的系统，用“宏观状态匹配模型”来检验显著的“宏观-资产”关系，并通过“宏观动态因子模型”剔除指标噪音，提取公共因子，形成对中长期资产价格趋势的量化预测框架。该框架目前以中国宏观经济数据为核心，未来计划扩展至产业链及全球主要经济体因子库。

构建流程图（图1）明示了从宏观经济指标输入，经指标提取和资产选择，进而结合择时策略和显著性检验构建显著关系库的完整过程。 另外，方法模块层面（图2）展示了数据处理、因子选择、动态因子提取和预测模型建设的逻辑顺序，使用ANOVA、策略检验、最大似然估计（MLE）、主成分分析（PCA）等统计与机器学习方法，保证模型的科学性与稳健性。[page::0,1]

2.2 宏观-行业显著关系具体观察

2.2.1 电子行业

• 关键指标:

- 工业产品产量：微型电子计算机当月同比增速（正向）
- 货币指标：超额存款准备金率（超储率，正向）
- 企业景气指数（信息传输、计算机服务和软件业、计算机及电子设备制造业，负向）

• 逻辑阐述：

其中，产量和流动性指标直接促进电子行业盈利和资产表现提升，而企业景气指数出现负相关，报告推测这是领先/滞后效应导致的异象。超储率代表银行系统流动性的宽松程度，数值越高说明资金越充裕，有利于资本密集型的电子行业扩张与投资。近日，微型电子计算机产量自2019年末下降后于2020年4月再次回升，超储率持续上升，表明流动性宽松，宏观环境对电子行业仍然利好。

• 反复验证： 此数据关系经15年检验，验证了稳定的显著性。

图4和图5直观展示了指标与电子行业累计超额收益的双向走势和择时回报，剔除2014年小市值崩盘异常点后的走势表现良好。[page::2,3]

2.2.2 计算机行业

• 关键指标：1个月Shibor（负向）

- 逻辑阐述：计算机行业的超额收益与短期市场流动性密切相关。Shibor下降代表流动性宽松，有利于计算机行业表现。由于Shibor变化频繁，计算机行业表现波段明显。验证期限长达14年，择时效果优良，有效降低回撤。

• 近期表现：截至2020年5月，1个月Shibor整体下行，但6月初有所回升，流动性趋紧迹象存在，故整体观点中性偏乐观，需密切注意流动性变化。

图6-8展示计算机行业超额收益、Shibor走势和择时净值对比，验证择时策略有效性。[page::3,4,5]

2.2.3 医药行业

• 关键指标：

- 1个月Shibor（负向）
- 原盐产量当月同比（正向）

• 逻辑阐述：

医药行业超额收益与流动性指标及原盐产量高度相关。虽原盐与成本关联不大（医药毛利高且原材料占比低），原盐产量可能隐含地产周期影响，报告将此视为代理指标暂不深讨。
医药行业与计算机行业同属成长型行业，两者超额收益波动高度一致，特别是在2018年“劣质疫苗事件”和“带量采购”政策影响期间表现同步。因而认为医药行业同样受流动性影响，未来中性偏乐观，需关注流动性风险。

图10和图11提供相应指标走势和医药与计算机行业超额收益对比，厘清两类行业的高度相关性。[page::5,6]

2.2.4 汽车行业

• 关键指标：

- SUV产量当月同比（正向）
- 进出口金额当月同比（负向）

• 逻辑阐述:

汽车行业超额收益与产量和进出口数据密切相关。SUV作为增速最快的细分领域，是驱动汽车行业向好的主力。国内上市车企销量结构显示，以上汽集团为代表，SUV销量迅速增长，销售主要以内销为主，进出口下降背景下国产车竞争力相对提高。
当前进出口受贸易摩擦及疫情影响接近零增长，SUV产量自2019年触底后回升，工业增加值数据亦显示2020年汽车制造业已见底。综合疫情冲击和回升迹象，汽车行业宏观观点定为中性偏乐观。

图7、15展示了SUV产量及进出口金额的变化趋势及汽车行业的工业增加值情况，反映行业复苏信号。[page::6,7,8]

2.2.5 建材行业

• 关键指标：无烟煤价格（负向）

- 逻辑阐述：
建材行业成本端主要受煤炭价格影响（煤炭是水泥、玻璃等建材上游能源），行业议价能力弱，成本压力对利润影响显著。无烟煤价格与建材行业超额收益呈明显负相关，价格下降利好行业盈利。当前无烟煤价格处于加速下跌阶段，建材行业成本端压力减轻，未来仍偏利好。

图9、10展示无烟煤价格走势及建材行业收益择时效果，尤其6年间重要切换时点被很好的捕捉到。[page::9,10]

2.2.6 房地产行业

• 关键指标：

- 工业增加值当月同比（负向）
- 汽油产量当月同比（正向）

• 逻辑阐述：

房地产行业超额收益与整体经济指标表现高度负相关；经济下行时地产作为支柱行业受益，反之利空。2018年以来政策收紧抑制房地产，规律表现减弱但仍有作用。
2月疫情冲击工业增加值同比降至-25.9%，后续缓慢回升但整体趋势仍下行。短期内，地产行业可适当配置，搏市场预期反弹；但长期来看，若工业增加值恢复到5%以上水平，则经济复苏趋势或使地产行业吸引力减弱，逻辑或转向中性。

图20、21图表显示工业增加值与地产累计超额收益走势，反映这种宏观负相关关系。[page::10,11]

---

2.3 宏观-资产动态因子模型更新

动态因子模型通过融合多个有效宏观指标对应资产的公共波动，剔除噪声，增强预测能力。其中10年期国债利率模型较为成熟，构建基于经济增长、通胀、债务杠杆和短期利率四大因素的框架，历史上月度预测胜率高达70%以上，并在2019-2020年样本外表现依然稳健。

模型显示利率走势的驱动不仅包括名义增长率（经济和通胀），还需考虑资金需求方的债务和短期利率环境，使得模型更能反映实际市场资金供求关系。

具体预测显示，2020年工业企业整体未见明显复苏，但地产和消费见底迹象，结合刺激政策，预计利率有望回升。但疫情冲击使部分月份利率反向运动，模型能适时调整。进入2020年5月后，数据反映经济复苏信号明显，利率回升趋势继续，6月预计震荡波动。

图22-24图释模型动态与相关宏观指标走势验证该观点。[page::11,12,13,14]

---

三、图表深度解读（精选）

• 图1与图2（页1）：宏观-资产显著关系库与分析流程图，结构清晰梳理数据处理逻辑及方法论，有效把控模型构建全链条。

- 图4-5（页2-3）：电子行业指标与超额收益累计表现，体现产量提升与流动性宽松对行业盈利推动力。超储率持续上升对应电子行业超额收益抬升，景气指数的负相关性突显了调节滞后性。

• 图6-8（页4-5）：计算机行业与1个月Shibor负相关关系及择时净值提升表现，显示短期流动性变化对计算机的显著影响。

- 图10-11（页5-6）：医药行业超额收益与1个月Shibor及原盐产量走势对比，以及医药与计算机超额收益高度同步，说明宏观流动性为关键因素。

• 图7、15（页7-8）：汽车行业SUV产量和进出口金额指标与累计超额收益的对应关系，及汽车制造工业增加值走势，反映行业结构性复苏。

- 图9-10（页9-10）：建材行业与无烟煤价格动态，揭示成本端压力与行业盈利密切相关，煤价快速下降利好建材利润空间。

• 图20-21（页10-11）：房地产行业工业增加值与累计超额收益负相关展示，表明经济趋势是地产行业回报变化的重要驱动因素。

- 图22-24（页12-14）：10年期国债利率动态因子模型精准捕捉利率实际变动，反映经济与流动性形势转换，验证模型的预测与跟踪能力。

---

四、估值分析

本报告主要专注于基于宏观因子构建行业超额收益预测和资产配置框架，未涉及个股具体估值模型或传统DCF、市盈率等估值模型。重点在于行业趋势与配置指导，通过量化择时模型对宏观经济与行业超额收益间的相关性进行验证，从而指导策略资产配置方向。[page::全篇]

---

五、风险因素评估

报告风险提示中明确指出：

• 宏观环境和行业属性的深刻变化可能导致模型失效。

- 经济指标数据更新带来观点调整的风险。

• 基于历史数据总结的规律或在未来动荡或结构转换期产生偏差。

- 疫情等不确定性事件的冲击带来额外波动风险。

整体来看，风险因素主要围绕模型应用的稳定性和宏观经济结构变动带来的不确定性，而非单一行业风险。[page::14]

---

六、批判性视角与细微差别

• 模型局限性：虽然模型胜率较高，政策变动、结构调整或产业升级可能打破历史关联，报告中对此已有提醒。

- 指标解释的谨慎：如医药行业的“原盐产量”指标关联，报告未尝试过度解释，体现科学态度，避免因代理变量推断不精准带来的误导。

• 数据样本选择与异常剔除：对诸如2014年小市值崩盘异常值的剔除是合理但可能导致对极端风险覆盖不足，投资时需注意极端市场事件的潜在影响。

- 流动性波动敏感度：多个成长行业表现出高度的流动性依赖，流动性紧缩的快速反转可能带来较大波动风险，需要投资者重点关注。

• 房地产行业观点中的平衡：报告既指出地产短期信号偏多，同时提示若经济企稳反转可能导致地产逻辑弱化，体现观点的多维度和动态调整。

总体上，报告观点谨慎、理性，明确数据验证的逻辑和限制，较为符合专业金融分析标准。[page::全篇]

---

七、结论性综合

该报告构建并验证了基于中国宏观经济大数据的“宏观-资产”显著关联框架，通过深度量化方法识别了当前宏观环境下各行业的显著驱动指标和行业超额收益走势。其中：

• 电子行业：受行业基本面（产量恢复）和流动性宽松双重利好，未来形势偏好。

- 计算机和医药行业：均高度依赖短期流动性指标（1个月Shibor），流动性仍偏宽松，未来虽偏乐观但警惕流动性回落风险。

• 汽车行业：SUV产量回升驱动复苏，进出口下降利好国内品牌，行业基本面好转，观点中性偏乐观。

- 建材行业：成本端煤炭价格大幅下跌，成本压力减少，行业盈利改善，未来仍偏利好。

• 房地产行业：超额收益与经济工业增加值呈负相关，短期疫情和政策背景下偏多，中长期取决于经济恢复节奏，长期观点中性。

此外，10年期国债利率动态因子模型表现稳健，显示利率已到拐点，短期震荡，经济复苏预期增强。整体来说，报告提供了科学严谨的行业配置政策可操作框架，为投资组合调整提供了可靠的宏观量化参考。

---

报告重点图表索引

| 图表编号 | 内容 | 页码 |
|----------|--------------------------------|-------|
| 图1 | 宏观-资产关系构建流程图 | 1 |
| 图4-5 | 电子行业显著指标及走势 | 2-3 |
| 图6-8 | 计算机行业与Shibor关系和走势 | 4-5 |
| 图10-11 | 医药行业显著指标及医药与计算机超额收益对比 | 5-6 |
| 图7、15 | 汽车行业SUV产量、进出口及工业增加值走势 | 7-8 |
| 图9-10 | 建材行业无烟煤价格走势及择时效果 | 9-10 |
| 图20-21 | 房地产行业工业增加值与汽油产量 | 10-11 |
| 图22-24 | 10年期国债利率动态因子模型效果 | 12-14 |

---

总体评价

国盛证券金融工程团队本次报告以数据驱动为核心，利用严谨的统计检验和动态因子模型，科学梳理宏观指标与资产间的内在联系，所形成的行业配置观点具备较高的理论基础和实践指导意义。报告在数据完整性、模型验证和逻辑分析层面体现出专业深度，为宏观环境下的资产配置提供了强有力的量化分析工具。建议关注短期流动性指标的波动，对成长型行业的配置予以适时动态调整，同时警惕宏观政策或疫情冲击带来的结构性变化风险。

---

参考文献

• 国盛证券研究所，《当下宏观环境利好什么行业？ 宏观与配置量化观察（一）》，2020年6月7日发布。[page::0-15]

---

报告附件示意图示范（部分）

电子行业显著指标走势：



汽车行业SUV产量及进出口金额走势：



10年期国债利率动态因子模型效果：



房地产行业工业增加值走势：



---

以上为报告详尽分析，涵盖行业显著驱动指标、指标与超额收益的量化联系、具体案例解读及宏观资产预测模型，助力投资者理解当前宏观环境利好行业脉络。

报告