• 预期数据选择与质量评估 [page::2][page::3]

- 选择Bloomberg一致预期数据，包含23个宏观指标，覆盖货币、信用、经济和通胀四大类。
- Bloomberg数据预测机构数量多、时间覆盖广，预测误差中位数接近零，数据无偏性和置信度较高。
- 部分指标存在春节效应，采取剔除或合并1-2月数据的处理方式。

• 宏观经济预期差标准化方法创新 [page::5][page::6]

- 传统基于时间序列标准化存在浪费历史数据和异方差问题。
- 创新引入横截面预测分歧和预测机构数量信息，结合小样本t分布转正态分布方法，提升预期差强度的横向可比性。

• 货币政策预期差多种定义方式比较及中国市场适用方案 [page::6][page::9][page::10]

- 四种定义法：政策事件法、一致预期法、固浮利差法、市场利率法。
- 事件驱动分析显示市场利率法与政策事件法的预测有效性优于其他两种方法。
- 结合两种方法优点，构建中国货币政策预期差综合评分（取值范围[-3,3]）。

• 美联储货币政策预期差构建及验证 [page::11]

- 结合FOMC会议政策事件方向与联邦基金利率期货变动，赋予不同分数进行量化。
- 事件驱动策略对美债TLT指数和黄金择时均表现良好。

• 宏观预期差指数编制及趋势验证 [page::12][page::13][page::14]

- 借鉴高盛MAP方法，采用单一信号打分（预期差强度×重要性）、大类得分汇总、时间序列平滑和标准化构建四大类预期差指数。
- 中国货币、信用、经济和通胀预期差指数显示与股债市场表现高度相关。

• 预期差多资产交易策略设计与表现 [page::14][page::16][page::17]

- 经济-通胀预期差针对经济敏感型资产，如沪深300、周期板块、大宗商品等，表现稳健，显著优于长期持有。
- 货币-信用预期差时钟适用于流动性敏感资产，如短中长期国债，提升收益率且降低最大回撤。
- 美联储货币政策预期差择时黄金，年化收益提升，回撤降低。
- 结合多资产策略设计固收+预期差增强型策略，涵盖稳健型、平衡型和进取型，实现风险分散与长期稳健收益。

• 报告总结与风险提示 [page::18]

- 完成宏观预期差量化的方向和力度判断，对宏观四大分析维度均实现规范化量化。
- 预期差交易策略具有阶段性风险，需关注宏观一致预期和资金面信号的局限性。
- 此研究为宏观量化系列之二，补充了宏观领先指数系列的不足。

深度解析报告：《宏观预期差量化与超预期策略——宏观经济量化系列之二》

---

1. 元数据与报告概览

• 报告标题：《宏观预期差量化与超预期策略——宏观经济量化系列之二》

- 作者/发布机构：国盛证券金融工程团队，联系人林志朋、刘富兵

• 发布时间：2022年12月23日

- 研究主题：宏观经济量化，重点在于宏观预期差的定义、标准化、指数构建及基于预期差的多资产交易策略设计

• 核心论点：

本报告继第一篇《中国经济领先指数 宏观经济量化系列之一》后，从国内投资者较少关注的宏观一致预期数据出发，解决宏观力度判断问题，提出更科学的宏观预期差量化方法，并设计对应的超预期投资策略。作者系统地定义了经济数据预期差、货币政策预期差，构建了预期差指数，验证预期差在资产配置中的显著效果，提出多资产的“固收+”预期差增强型策略，实证表现优异。[page::0]

---

2. 逐节深度解读

2.1 宏观量化研究与预期差的重要性

报告开篇回顾了第一篇《中国经济领先指数》的成果，构建了四个宏观领先指数（货币领先信用、信用领先经济、经济领先通胀），形成中国经济周期的经典范式（央行刺激—信用宽松—经济复苏—通胀上行—央行收紧—信用紧缩—经济衰退—通胀下行）。但领先指数强调方向判断，信息频率偏低，滞后性高，难以解决力度判断问题。

因此本文从宏观一致预期数据入手，提出了“宏观预期差”，即经济数据实际值与市场预期（即一致预期）之间的偏差，能补足趋势判断之外的力度判别。作者重点问询包括如何标准化不同指标的预期差、如何构建货币政策预期差、如何融合形成预期差指数以及预期差的资产配置应用。[page::1]

图表1系统描绘了中国经济周期范式中对应的各种指标和指数结构，图表3示范了预期差信息（如社融预期差）对宏观走势（如金融条件指数）起到的领先确认和滞后趋势验证作用，体现预期差弥补了传统宏观指标滞后的不足。[page::1]

---

2.2 预期数据的甄选与质量评估

• 数据来源选择：对比彭博（Bloomberg）和万得（Wind），两者均有宏观一致预期数据，但经过多维评价，彭博数据在信息丰富度、覆盖面（23个中国宏观指标，如LPR利率、社融、PMI、出口、CPI等）、历史跨度（最早2000年）、预测机构数量（均值26家）、实际数据可得性、无偏误性（预测误差中位数0.12%）及置信度（预测误差标准差1.3%）等多项指标均优于万得，成为报告后续研究的首选数据源。
• 数据处理：考虑春节效应对部分指标（如出口同比、M1同比）的冲击，针对春节期间（1-2月）数据出现异常波动，采用“剔除1-2月”或“合并1-2月”处理方式，消除节假日非正常波动对预期差测算的干扰。[page::2-4]

图表4-5实例具体展示了两大数据供应商对一致预期的采集及发布形式，图表8展示了宏观数据的发布时间线，图表9-10直观呈现春节效应对出口同比和M1同比的影响，体现了数据处理必要性。[page::2-4]

---

2.3 预期差的定义与标准化方法创新

这是报告的核心创新点之一：

• 传统方法：用实际值减去预期中位数后，再用预期差的历史标准差做时间序列标准化。该法简单但有明显弊端：浪费历史数据、忽略了异方差的问题、不同指标间的横向比较难以实现。并且M2同比和工业增加值同比均表现出预期差历史波动率异方差明显，表明历史波动率可能随时间剧烈变化。[page::5]
• 改进方案1（横截面标准化）：借鉴Pericoli和Veronese(2015)，纳入预测分歧（即一致预期中不同机构预测意见差异）信息，利用分歧代替历史标准差进行标准化，因为预测分歧越大，预期差的有效性越低。公式为：

$$ Standard\Surprise2 = \frac{real - fmedian}{disagreement} $$

即用实际值与中位数的差除以预测分歧，实现横向的同一时间点不同指标的比较。

• 改进方案2（小样本t分布修正）：考虑彭博一致预期覆盖机构数量相对有限，统计意义为小样本t分布而非正态分布。作者引入机构数信息，通过累计分布函数将t分布的Z-score转换成等量纲且可比的正态Z-score，实现跨时期、跨指标的统一标准化处理：

$$ Standard\Surprise3 = K | [P(zN \leq K) = P(zt \leq \frac{real - fmedian}{disagreement})] $$

图表14-16形象演示了这一复杂的统计转换过程，以及其对预期差标准化的显著改进。

综上，预期差的“强度”而非仅仅“方向”，包含了丰富的宏观市场信息，深入标准化提升了宏观预期差的信号质量及指标间可比性。[page::5-6]

---

2.4 货币政策预期差定义

中国货币政策工具复杂多样，被划分为四大类13个子类工具（短期政策利率、中期政策利率、央行定向工具、准备金率），自2005年以来累计调整317次。

货币政策预期差定义存在政策事件法、一致预期法、固浮利差法、市场利率法四类：

• 政策事件法（以降息降准视为超预期宽松，加息升准为超预期收紧），优点是简单适用所有工具，缺点是假设市场无任何预期能力，忽略市场信息；
• 一致预期法（基于Wind和Bloomberg对政策利率的预期比较），逻辑性强，但覆盖指标有限，仅涵盖LPR、MLF及部分基准利率，普适性不足；
• 固浮利差法（利用国开债与政策性浮动利率债的收益率差，作为市场对未来货币政策预期的隐含指标），仅适用于政策利率调整事件且浮动债规模小，债券市场反应不佳；
• 市场利率法（以SHIBOR-1W利率前后变动判断预期差方向，若货币政策发布后短期利率下行，说明超预期宽松），学术支持最强、逻辑和普适性均良好，实际验证中表现优秀。

作者基于逻辑性、普适性和有效性三个维度对四种方法进行评分，得出市场利率法>政策事件法>固浮利差法>一致预期法的综合评价。鉴于两者互补，报告提出将市场利率法得分设为±2，政策事件法得分为±1，二者加总作为终极定义，有效捕捉中国货币政策预期差，协助指导资产表现。[page::6-10]

---

2.5 美联储货币政策预期差定义

结合政策事件法与市场利率法，具体如下：

• 政策事件法：以FOMC会议为时间点，根据联邦基金目标利率变化（加息、不变、降息）赋予-1/0/+1分；
• 市场利率法：采用Jarociński(2018)提出的联邦基金期货隐含利率变动，即FOMC会议前后30分钟内3个月期货利率变化，><0分别赋±2分，=0为0分。

综合得分范围[-3,3]，作为美联储货币政策预期差指标。

实证中，该指标在美债ETF（TLT）和黄金表现出明显择时优势，验证预期差可有效反映市场对货币政策的预期及影响。[page::11]

---

2.6 宏观预期差指数构建及特征

借鉴高盛的MAP预期差指数方法，构建中国宏观预期差指数主要步骤：

1. 单一信号打分：

- 计算预期差标准化强度（货币维度用政策事件+市场利率定义，其余用t分布修正的zscore）；
- 预期差强度映射成五档得分（0-5）；
- 计算指标重要性得分（三个方案中采用基于信号对资产后续表现的区分度赋分，1-5分）；
- 两者相乘得到单一信号得分（预期差得分×重要性得分）。

1. 大类指数汇总：分别汇总货币类（13指标）、信用类（6指标）、经济类（13指标）、通胀类（2指标）得分，形成四大类预期差得分。
2. 时间序列平滑&标准化：用90天滑动窗口平滑大类指数，采用6年滚动窗口对平滑序列标准差标准化，保证不同维度指数间具有可比量纲。

图表49-56展示了四大类预期差指数与沪深300指数及10年期国债收益率的动态关系，预期差信号与资产表现呈现较强的同步性和领先性，验证构建方法的合理性。[page::12-14]

---

2.7 预期差交易策略设计

经济敏感型资产——经济-通胀预期差时钟

• 以经济预期差与通胀预期差交织构筑资产择时框架，类似于美林时钟理论，动态调整股票及周期板块持仓。

- 在沪深300指数及其周期相关行业（石油石化、煤炭、有色金属等）上测试表现显著优于基准，尤其周期性板块与消费板块响应明显，金融及稳定板块对预期差信号反应相对弱一些。

• 大宗商品指数（南华商品）择时策略年化收益达7.9%，远超长期持有4.1%的表现，最大回撤显著缩小，效果稳健。[page::14-15]

流动性敏感型资产——货币-信用预期差时钟

• 针对债券特别是期限较短（1-3年）和中长端（7-10年）国债，采用货币与信用预期差融合的择时策略。

- 优化后，1-3年期债券策略年化收益率提升至3.6%，最大回撤仅0.7%；7-10年期债券策略年化4.2%，最大回撤降至3.3%，显著提高风险调整后收益。[page::15-16]

美元流动性敏感型资产——美联储货币政策预期差

• 以美联储预期差信号择时黄金，信号≥1时持有黄金30个交易日，其余持有货币基金。

- 策略年化收益8.1%，优于基准6.9%；最大回撤24.8%，远优于基准44.7%，显示出较强的防御与增值效果。[page::16]

固收+预期差增强策略

• 将上述不同资产类别策略以资金通道模式多资产组合，通过设定三类风险偏好（稳健、平衡、进取）配置股票、商品、黄金、短债、长债，分别为：

| 策略类型 | 股票仓位 | 商品仓位 | 黄金仓位 | 短债仓位 | 长债仓位 |
| ------- | -------- | -------- | -------- | -------- | -------- |
| 稳健型 | 10% | 5% | 5% | 40% | 40% |
| 平衡型 | 15% | 10% | 5% | 35% | 35% |
| 进取型 | 20% | 15% | 5% | 30% | 30% |

• 交易成本考虑：股票与商品策略双边千分之五手续费，债券双边万分之五。

- 多资产策略显著降低单一策略阶段性失效风险，历史表现稳定，显示宏观预期差信号有助于战术资产配置与风险管理。[page::16-17]

---

2.8 结论与风险提示

• 报告回应了宏观量化分析中“力度判断”的关键短板，通过彭博宏观一致预期数据，完善了经济信用通胀三个维度的预期差定义，结合更为合理的货币政策预期差测算方法, 构建了四大类预期差指数。

- 核心贡献在于科学地标准化预期差信号，明确市场影响及资产跨维度的应用逻辑，成功建立起覆盖中国资本市场各类别资产的切实可行的量化预期差交易框架。

• 风险提示包括宏观一致预期可能未能完美代表市场全体预期，短期突发宏观冲击难即时反映预期差，市场利率法受流动性波动噪声干扰等。

- 该系列报告对宏观量化研究是方向判断（前稿）与力度判断（本稿）的深度补充，有助于投资者对宏观信息的有效捕捉与应对。[page::18]

---

3. 图表深度解读

报告包含大量高质量图表，以下归纳部分重点：

• 图表1（中国经济周期经典范式）：将货币、信用、经济及通胀依次刻画形成完整周期，右侧列举具体指标如SHIBOR、PMI、CPI等，是宏观领先指数体系基础。[page::1]
• 图表3（社融预期差与金融条件指数）：预期差作为高频信号领先或确认经济趋势变化，黄色柱状显示社融预期差波动，黑线金融条件指数下降，呈较好共振，验证预期差的前瞻性价值。[page::1]
• 图表6（彭博宏观一致预期数据质量）：展示数据覆盖、机构数量、误差统计等，支持选用彭博数据。[page::2]
• 图表9、10（春节效应）：出口同比与M1同比曲线中1-2月数据异常波动明显，显示节假日需特殊处理，确保信号真实性。[page::4]
• 图表12、13（预期差异方差性）：M2同比和工业增加值同比预期差滚动波动率变化大，揭示传统时间序列标准化缺陷，强调异方差和异质性。[page::5]
• 图表14、15（t分布修正原理）：利用经济学家预测分布来标准化预期差，针对样本量有限带来的统计偏误，理论支持方法创新。[page::5]
• 图表18-30（四种货币政策预期差定义事件驱动表现）：股票与债券策略表现趋势明显，市场利率法和政策事件法表现在沪深300和国债均较佳，固浮利差虽逻辑合理但债市效果差，确认方法优劣。[page::7-9]
• 图表32-37（中国货币政策预期差组合策略表现）：显示结合市场利率与事件法的最终定义，对沪深300和国债1-3年净价指数分别产生明显收益区分，策略实现显著超额收益。[page::10]
• 图表41-44（美联储货币政策预期差与资产择时）：美债TLT和黄金基于预期差的择时均获得正收益，说明该海外方法同样有效。[page::11]
• 图表45-56（四大类预期差指数计算及与资产相关性）：四类指数平滑标准化后，与股票和10年国债收益率紧密相关，图形直观展现预期差的信号特征和市场联动性。[page::12-14]
• 图表57-64（经济-通胀预期差择时策略）：沪深300及周期相关行业、大宗商品均有超额收益，表明经济-通胀预期差对经济敏感资产的精准把握。[page::14-15]
• 图表69-70（货币-信用预期差择时策略）：中债国债1-3年及7-10年财富指数策略路径平顺，超额收益明显，提高资产组合的风险调整回报。[page::16]
• 图表71（美联储货币政策预期差黄金策略）：黄金择时净值曲线稳健提升，最大回撤大幅收缩，呈现优秀风险控制能力。[page::16]
• 图表72-74（固收+预期差增强型策略）：多风险偏好配置持续跑赢风险平价策略，净值增长稳定，夏普率显著提升，表明多资产融合对冲单一策略阶段性风险的优越性。[page::17]

---

4. 估值与风险评估

本报告主要侧重于宏观经济预期差的构建与应用，未直接涉及公司或行业的传统估值模型如DCF或PE，只是为量化投资决策及资产配置提供了信号输入和择时依据。

风险明确指出：

• 一致预期数据代表的“市场共识”不等同于所有参与者，可能存在系统性偏差。

- 突发宏观冲击短期内难以迅速反映在预期数据里，导致信号滞后误判。

• 市场利率法由于依赖短期利率波动，可能受资金面临时性波动影响，存在噪声干扰。

报告未提供针对风险的具体缓解策略，但通过历史回测、信号标准化与多资产策略设计实现了风险的间接管控及分散。

---

5. 批判性视角与细微差别

• 报告对彭博和万得预期数据做了简要评估，但未提供万得数据的优劣细节，可能存在数据提供商偏好；

- 预期差的标准化创新依赖预测分歧和机构数等数据，实际是否对所有指标均有效尚需长期观察；

• 货币政策预期差的组合定义权重设定基于经验，缺乏系统优化分析，可能存在主观因素；

- 固浮利差法虽评价较低，但其核心理念在不同市场环境下可能有恢复作用；

• 事件驱动策略虽有表现优异，但未涉及交易成本、流动性影响及交易摩擦全面计入后的稳健性验证；

- 预期差策略的历史回测表现亮眼，但市场环境变化可能导致其未来表现不可复制，需动态调整与风控。

---

6. 结论性综合

本报告系统地从宏观一致预期数据出发，提出并实现了宏观经济预期差的创新定义和标准化，包括经济、信用、货币、通胀四大维度，尤其在货币政策预期差上巧妙融合市场利率法与政策事件法，打造了具备较强逻辑、普适性和实证有效性的预期差指标体系。

其成果是多维度宏观预期差指数的构建，展现出与沪深300、国债收益率、市价黄金等核心资产的紧密相关关系，证实了预期差作为重要宏观信号的价投价值。

基于这些指标，报告设计了针对经济敏感型资产（股票、周期板块、大宗商品）、流动性敏感型资产（各期限国债）、美元流动性敏感型资产（黄金）的量化择时策略，均表现出超额收益与风险控制能力，特别是通过固收+多资产策略融合，实现风险分散和收益稳健增长，策略年化收益达到6.4%-8.1%不等，最大回撤均较行业基准低。

图表解读部分揭示：

• 预期差不仅捕捉了经济趋势的高频波动，也反映了市场对宏观政策和数据的“力度”感知，显著弥补传统宏观指标的滞后缺陷；

- 政策事件与市场利率变化结合定义货币预期差，更科学刻划央行政策变化预期，加强了权益和利率资产的未来表现区分力；

• 结合宏观预期信号与资产表现设定指标权重和信号阈值，实现了信号的经济意义与投资适用性兼备；

- 不同资产反映宏观预期差的敏感性不同，多层次策略设计兼顾了顺周期、防御型和美元流动性资产的配置需求。

综上，报告创新提出的宏观预期差及其指数体系为中国宏观经济量化分析提供了“力度判断”的重要补充，并成功转换成了切实可行的多资产量化交易框架，具有较强的政策前瞻性与实操参考价值，为机构投资者在复杂经济周期中把握宏观转折与资产配置策略提供了有力工具。

---

总结

此份细致的研究报告从数据选择、预期差定义、指数构建到资产配置应用全链条展开，不仅在方法论上有显著创新（如基于预测分歧的小样本t分布预期差标准化），更辅以详实的事件驱动回测和多资产策略展示，极大增强了宏观量化投资策略的科学性和实用性。

报告关注点拓展了宏观量化由“方向”到“力度”的维度，弥合了传统宏观领先指标的低频率不足，为投资者识别政策与经济数据的“超预期”变化提供了数量化利器，是宏观量化领域颇具价值的贡献。

---

全文关键结论及数据均来源于国盛证券研究所所发布的《宏观预期差量化与超预期策略》报告，标注对应页码。

报告