宏观风险因子构建与验证 [page::5][page::6][page::8]

• 采用主成分分析识别中国宏观经济中六大风险：利率风险、经济增长风险、通胀风险、汇率风险、信用风险、期限利差风险。

- 因子通过资产组合或高相关宏观指标合成，如经济增长风险由工业增加值同比、PMI和社会消费零售总额同比加权形成。

• 各风险因子与传统经济指标、金融资产表现高度吻合，验证其有效性。

宏观风险因子对资产收益影响及单因子轮动策略 [page::16][page::18][page::19][page::20]

• 研究显示宏观风险因子上行/下行趋势对大类资产收益影响显著优于高低位划分，因子动量定义明确资产配置信号。

- 不同因子状态下股票、债券、商品、黄金等资产表现差异明显，支持以宏观因子状态指导资产配置。

• 单因子因子轮动模型回测年化收益10.35%，夏普率0.82，但波动风险管理不足，存在单因子信号冲突限制表现。

投资时钟模型引入及其资产配置优化 [page::21][page::22][page::23]

• 结合“美林时钟”（增长-通胀）与“利率-信用时钟”，构建复合宏观状态模型，体现因子间联动，细化资产偏好差异。

- 引入风险预算框架调整资产风险敞口，使投资组合风险分配合理，降低波动性和回撤。

• “时钟法”轮动模型年化收益7.5%，夏普率1.15，最大回撤6.31%，表现较单因子模型波动显著改善。

宏观风险因子拐点识别的周期相位判断法及绩效提升 [page::24][page::25][page::26][page::27]

• 通过傅里叶变换发现六个宏观风险因子均受到约38个月周期驱动，周期相位用于辅助判断因子状态转折，改善传统因子动量法在拐点识别中的滞后。

- 引入相位判断法后，资产配置拐点及时性提升，实证表明如2016年黄金拐点提早识别，增强配置敏感度。

• “时钟+拐点改善”模型回测年化收益9.93%，年化波动率6.83%，夏普1.45，回撤率6.31%，显著提升组合收益风险表现。

| 模型 | 年化收益率 | 年化波动率 | 夏普比率 | 最大回撤率 | 胜率 |
|-----------------|----------|----------|--------|---------|-----|
| 单因子模型 | 10.35% | 12.64% | 0.82 | 13.21% |64.10%|
| 时钟法 | 7.50% | 6.52% | 1.15 | 6.31% |68.59%|
| 时钟+拐点改善法 | 9.93% | 6.83% | 1.45 | 6.31% |73.08%|

东吴金工“宏观量化”系列研究（一）宏观风险因子构建与大类资产配置应用——详尽深度分析报告

---

1. 元数据与概览（引言与报告概览）

• 报告标题：东吴金工“宏观量化”系列研究（一）宏观风险因子构建与大类资产配置应用

- 作者：高子剑，证券分析师

• 发布机构：东吴证券研究所

- 发布日期：2024年2月1日

• 主题：围绕中国宏观经济环境，构建一套科学合理的宏观风险因子体系，基于此进行主动型大类资产配置模型的研究与实证。

- 核心信息：报告提出宏观风险因子的六维体系（经济增长、通胀、利率、信用、汇率、期限利差），基于这些因子揭示其对资产收益最关键的变量是因子的上行或下行趋势而非绝对高低，并进一步融合“美林时钟”“利率—信用时钟”联动模型，最终构建“时钟+拐点改善法”资产配置策略，取得年化收益9.93%，夏普比率1.45的优异表现。报告同时强调了风险提示，如未来市场变化、单一模型风险及数据测算误差等。">page::0,4,28]

---

2. 逐节深度解读

2.1 引言（第4页）

报告定位于构建“以风险为核心”的主动资产配置模型，基于中国宏观经济视角识别宏观基本面和资产价格的映射关系。区别于现有风险平价（被动）策略如桥水“全天候策略”，本研究选择主动配置方式，试图通过对宏观风险因子的深入分析和预测，实现更优资产波动控制与收益提升。

理论基础涵盖经典风险溢价理论（CAPM、APT），强调资产是多风险因子组合，资产配置即风险配置，深入理解和预测风险将助于更有效掌握资产价格波动机会。[page::4]

2.2 宏观风险因子构造（第5-15页）

2.2.1 宏观风险因子识别（主成分分析法，PCA）

利用沪深300、中证500等9大类股票、债券、商品及美元指数资产的同比收益率数据（2010-2023年），通过PCA提取主成分。结果显示：

• 第一主成分解释率40.93%，第二主成分28.73%，第三主成分12.42%，前三主成分累计贡献率超80%，前六主成分累计贡献率达96.83%。

- 结合资产负载，前六主成分对应六个风险维度：利率风险（与债券及美元正相关，商品负相关）、经济增长风险（与股票、商品正相关，债券弱负相关）、通胀风险（商品显著相关）、汇率风险（美元指数相关）、信用风险（长期国债与信用债相反暴露）、期限利差风险（短、长期国债相反暴露）。

• 详见图2-7 展示每个主成分提取的风险暴露结构，资产的正负暴露清晰定义了各风险因子的概念。

不过作者指出PCA局限：资产选择主观、时间截面变化敏感、主成分正交性与宏观风险关联性矛盾、难以区分信号与噪声，因此PCA结果仅用作风险类别识别，不作为最终因子体系。[page::5-7]

2.2.2 因子构建逻辑与方法选择

采用贝莱德BlackRock提出的Factor Mimicking方法（即用资产组合复制宏观因子），克服宏观数据的低频滞后短板，建立宏观风险与资产的直接映射关系。

中国市场实操难点包括：

• 资产类别较少，部分宏观因子无直接资产代理（如美国通胀相关的TIPS在中国不存在）。

- 市场成熟度不足，股票价格对基本面敏感度较低，导致直接用资产复制增长风险不稳定。

因此，结合两种方法：

• 有直接资产代理则优先用资产组合复制（高频因子）。

- 无资产代理则选取相关宏观月频数据，并以波动率倒数加权合成因子（低频因子）。

本报告构建的宏观风险因子为月频低频系列，符合宏观经济周期特点、避免过度捕捉短暂波动。

六大风险因子如下：

• 经济增长风险（利用工业增加值同比、社会消费品零售总额同比、PMI，波动率倒数加权合成）：数据滞后处理，HP滤波去噪，最后该因子与GDP同比高度匹配，显示良好的经济增长走势反映能力。图8演示了两者的贴合趋势。

- 通胀风险（CPI同比、PPI同比组合）：同样滞后HP滤波处理，构成通胀因子并与猪肉、螺纹钢、布伦特油价同比线型趋势相关，见图9-11，有效代表国内价格变动风险。

• 利率风险（用中债国债(1-3年)总财富指数与货币基金等权投资组合计算同比收益率）：利率因子上升寓意市场利率下降、宽松货币环境，故利率风险因子与1年期国债到期收益率呈逆相关走势（图12）。

- 信用风险（构造企业债AAA做多与国债总指数做空的久期中性多空组合）：信用利差扩大反映紧信用环境，因子走势与M1同比及金融机构存款余额同比呈负相关，反向代表信用紧缩（图13-14）。

• 汇率风险（以无抛补利率平价理论为基础，构造上海金做多伦敦金做空构建组合）：代表人民币兑美元的贬值升值情况，与美元兑人民币中间价同比高度吻合，正确反映汇率风险（图15）。

- 期限利差风险（做多中短期债券财富指数做空长期债券财富指数，保持久期中性）：该因子曲线与10年减1年国债利差走势平滑且贴合良好（图16）。

表1总结了每个因子的数据源、滞后期、合成方法及经济含义。相关矩阵分析（图17-18，表结构数据）中，因子之间相关性合理，最大的关联性在利率与期限利差之间（接近0.84，符合经济直觉）但大多数系数控制在0.4以下，表明六因子的独立性较好，满足后续资产配置模型使用需求。[page::5-15]

2.3 总结

整体构建了覆盖中国宏观面多维度的风险因子体系，既使用资产组合的直接复制，也采纳宏观经济指标合成，解决中国市场特殊性，保证因子的经济可解释性和统计有效性，为下一步主动型资产配置模型提供坚实基础。[page::14]

---

3. 基于宏观风险因子的大类资产配置模型（第16-28页）

3.1 宏观风险因子的主要矛盾（第16-17页）

核心问题：宏观风险因子对资产价格影响的主要矛盾是因子的“上/下行趋势”还是“高/低位”的绝对数值？

定义：

• 高/低位：将因子当前值与过去36个月中位数比较，超过为高位，反之为低位。

- 上/下行（因子动量法）：基于因子值与过去3个月值平均的差异，连续两个月正为上行，连续两个月负为下行，否则维持上期状态。

采用夏普比率为主要资产表现评判指标，综合年化收益和月均收益辅助。结果表明，因子的上/下行趋势判定远胜“高/低位”划分：

• 以经济增长风险为例，增长上行对应股票夏普比率明显优于增长下行，增长因子处于高位时股票却表现较差，违背经济学直觉。

- 其他因子类似，资产收益表现与因子的趋势状态匹配更紧密。

表3展示了详细不同状态下的各类资产（大盘股、小盘股、债券、商品、黄金）夏普比率。推荐以后续决策以趋势状态为核心指标。[page::16-17]

---

3.2 大类资产投资时钟规律梳理（第18-23页）

3.2.1 单因子资产轮动模型

构建基于单宏观因子状态的资产轮动模型（“单因子法”），步骤：

1. 预测逻辑假设未来宏观状态延续本期状态。

2. 各因子状态对应资产多空得分（+1看多、-1看空、0无观点），合计得分决定资产权重调整。

1. 权重基于预设资产比重（大盘股、小盘股、债券、商品、黄金为1：1：0.5：0.5），根据得分翻倍或减半。

4. 2011年至2023年回测。

结果：

• 年化收益10.35%，总收益达259.89%，优于等权组合（4.78%）。

- 年化波动率高达12.64%，夏普0.82，最大回撤13.21%。

• 星巴克收益虽高，但风险和回撤较大，且信用因子对股票的多空观点不一致，信用因子区分力不足。

- 忽略因子间关联，单一因子判断导致部分矛盾（如经济增长与通胀皆上行时观点冲突）。

• 图25和表5详细展示净值与绩效指标。[page::19-20]

3.2.2 引入“美林时钟”“利率-信用时钟”联动模型

从经济周期和货币信贷实际关系出发:

• “美林时钟”：经济增长和通胀周期交互四阶段（复苏、过热、滞胀、衰退），对应资产表现各异，比如复苏及过热期利好股票、商品，滞胀与衰退利好债券、黄金。

- “利率-信用时钟”：反映货币政策参数与信用环境四阶段，宽松利率阶段利好债券，紧货币宽信用阶段利好股票，小盘股表现更抗跌。

图26-27展示两个时钟模型及对应资产多空逻辑。表6将资产表现打分[-2, 2]量化。该模型区分大盘、小盘差异，适度控制信用及利率因子对非现金流定价类资产的观点，体现合理经济学逻辑。

结合时钟模型与风险预算方法，构建“时钟法”大类资产轮动模型。其资产配置权重由风险预算而非纯资本权重调整，令模型回撤和波动降低。图28和表7显示：

• 年化收益降低至7.5%（相比单因子10.35%），波动率几乎减半6.52%，夏普提升至1.15，最大回撤6.31%。

- 总体收益风险表现更均衡、稳定。[page::21-23]

---

3.3 宏观状态识别：拐点改善（第23-27页）

识别问题：

• 拐点识别的迟滞，因动量法需连续两期同向信号，导致拐点滞后2期响应（图29）。

- 配置决策基于当前状态预测下一期，极易错失转折窗口，影响收益。

创新解决方案：

• 发现六个宏观风险因子均存在约38个月的共同周期性驱动（基于傅里叶变换分析，图30-35）。

- 设计“相位判断法”：用正弦波拟合因子滚动序列，判断当前周期中所在相位区间。

• 相位细分为上行、下行、顶部、底部区间，根据相位与前期因子走势判断上/下行状态或无观点。例如顶部处若因子仍上升则维持上行，否则无法判断。

- 结合动量法（短期趋势捕捉灵敏）和相位法（拐点识别优），两者优势互补。

案例分析（2016年5-6月）：

• 拐点改善前模型错过5月拐点，认为5-6月仍处于过热，股票和商品配置偏高。

- 改善后提前识别切换为滞胀，调整资产配置，提升黄金配置，黄金实际5-6月收益显著（图36，6月+9.6%收益率）。

• 提前拐点识别带来更优回撤控制和收益捕捉。

回测结果（图37，表10）：

• “时钟+拐点改善法”年化收益9.93%，波动率6.83%，夏普1.45，最大回撤6.31%，

- 与“时钟法”相比，收益提升明显，波动略升但仍低于单因子法。

• 胜率提升至73.08%，表现更稳健高效。[page::23-28]

---

3. 图表深度解读

• 图1（主成分分析解释率）：前六个主成分累计贡献超过96%，说明九大资产中绝大部分风险可以通过六个风险因子近似表示，后续因子构造可靠。[page::5
• 图2-7（六主成分各资产暴露）：

- 利率风险（图2）：与债券正相关，商品负相关，解释利率变动对债券价格影响。
- 经济增长风险（图3）：与股票、商品资产正相关，反映经济繁荣时资产上涨。
- 通胀风险（图4）：商品尤其明显，原材料价格敏感。
- 汇率风险（图5）：美元指数相关，人民币汇率表现反映国际资本流动。
- 信用风险（图6）：企业债利差波动对整体信用环境敏感。
- 期限利差风险（图7）：短、中、长期债券间收益率差异体现利率期限结构风险。">page::6

• 图8（经济增长因子与GDP同比）：两条曲线走势趋同，表明因子有效捕捉经济增长动态。

- 图9-11（通胀因子与猪肉、螺纹钢、布伦特原油同比）：通胀因子与这三类代表性商品价格高度相关，侧面验证通胀风险定义合理。

• 图12（利率因子与1年期国债到期收益率反相关）：反映利率上升导致债券价格与组合同比收益下跌。

- 图13-14（信用风险因子与M1、金融存款同比反向关系）：信用紧缩时流动性下降，M1及存款同比下行，表现良好。

• 图15（汇率风险因子与美元兑人民币汇率）：同步且走向吻合，验证人民币汇率风险代理合理。

- 图16（期限利差风险因子与期限利差）：期限利差周期性明显，因子更平滑有助趋势捕捉。

• 图17-18（月频与周频相关系数）：周频相关系数更低，表明低频因子具有更稳健、广泛的信息含义，利于资产配置稳健性。

- 图19-24（各宏观因子上下行对资产影响的夏普比率对比）：清晰显示经济增长上行大盘小盘股资产夏普优于下行阶段。以此类推，通胀、利率、信用、汇率、期限利差各因子不同阶段对资产影响均符合经济逻辑。

• 图25（单因子轮动模型净值）：累积增长显著，明显优于等权组合基准。

- 图26-27（增长-通胀、利率-信用时钟图示）：着重表现不同时钟阶段对应资产多空逻辑，构建组合提供策略依据。

• 图28（“时钟法”轮动模型净值）：波动明显下降，表现较单因子更加稳健。

- 图29（动量法拐点滞后示意）：揭示动量法识别临界点存在信号延迟，影响及时调仓。

• 图30-35（6个宏观因子拟合38个月周期的周期曲线）：显示所有宏观风险共同驱动周期，支持相位判断法设想。

- 图36（2016年黄金价格拐点）：黄金价格在拐点判断有效后的及时反弹，验证改善策略效果。

• 图37（时钟+拐点改善模型净值走势）：显著优于仅时钟法，回撤控制与收益性均有增强，夏普提升明显。

---

4. 估值分析

报告主要通过宏观风险因子构建资产配置策略，未直接涉及传统的企业估值模型（如DCF、市盈率法）。其“估值”意义在于用风险因子算法模型衡量资产配置中的风险-收益权衡。

资产配置权重调整基于风险预算思想，结合资产多空得分调整投资组合风险暴露，体现了动态权重下风险平衡与收益优化的估值逻辑。

此外，报告引入了因子周期相位判断，帮助进行对宏观环境态势的“估值”与预测，提前识别周期高低切换点，是一种动态时序的宏观估值补充。

---

5. 风险因素评估

报告披露了三大风险警示：

1. 未来市场风险变化：所有结果基于历史数据，未来宏观经济与市场环境可能突破历史经验，模型有效性可能受限。

2. 单一模型风险：仅依赖宏观风险因子模型可能忽略其他重要因素，实际应用需结合资金管理及其他风险控制措施。

1. 数据测算误差风险：数据本身存在测算误差，模型输出具近似性质，不应机械复制或视为确定性结论。

报告没有详述具体缓解策略，但这提醒使用者应综合风险管理和动态调节。[page::28]

---

6. 批判性视角与细微差别

• 模型假设的滞后局限：尽管报告尝试通过周期相位判断缓解动量法的滞后性，但相位法本身对短期趋势不敏感，拐点预测仍有不确定性。

- 资产类别代表性：部分因子依赖于市场资产表现，如股票市场基本面关联度低且波动大，未来成熟度影响因子稳定性应持续关注。

• 市场演变影响模型稳定性：新兴市场宏观经济波动和政策不确定性较大，模型基于过往一段时间数据，面临外生剧烈事件时应谨慎。

- 模型与现实执行落差：报告未详述交易成本、流动性问题，实际操作中需考虑这些因素对绩效的影响。

• 关联性解读：因子间相关系数虽适中，但不少因子仍呈一定相关性，可能导致多因子共振风险和模型过拟合，需动态监控调整。

- 周期长度的统一设定：38个月周期为平均值，实际因子周期或有偏差，可能影响相位判断准确性。

• 单因子看法偏向于中长期，忽视短期波动，与投资者短线需求存在区别。

总体来看，报告在理论和应用层面均表现扎实，科学结合量化与经济学解释，较好平衡学术严谨和实践可行，但对快速突变及宏观结构变化的适应力仍需持续检验。

---

7. 结论性综合

东吴证券“宏观量化”系列研究首篇报告，系统构建了包含经济增长、通胀、利率、信用、汇率和期限利差六个维度的中国宏观风险因子体系。相对于传统被动均衡策略，利用主动识别因子上/下行趋势，更科学地判断并利用宏观风险变化对大类资产收益的影响。单因子方法虽有效，但风险和信号孤立。报告通过引入经典的“美林时钟”与“利率—信用时钟”模型，结合风险预算方法，建立“时钟法”资产轮动模型，显著提升组合夏普比率并降低波动率和回撤。

为解决因子动量法的滞后性，报告发现宏观因子由38个月共同周期驱动，创新引入“相位判断法”辅助识别拐点，实现更早周期切换识别。结合两法，形成“时钟+拐点改善法”，回测年化收益达9.93%，夏普1.45，最大回撤6.31%，实现高收益兼顾低风险的资产配置。

报告数据充分，方法严谨，图表详实，明确展现每个因子的经济含义及资产响应规律，体现了中国市场宏观量化资产配置的先进水平。提醒投资者关注模型假设局限、市场环境变动与执行实务风险。

---

附：关键图表示例Markdown引用

• 图1主成分贡献率示意图

• 经济增长风险因子与GDP同比对比（图8）

• “时钟+拐点改善”资产轮动模型净值走势（图37）

---

总体结论

本报告系统构建并实证验证了基于中国宏观环境的创新宏观风险因子体系，并将其高效应用于资产配置策略中。通过融合因子多维度交互作用及周期拐点识别，实现了风险与收益的优化平衡，在低波动、低回撤的环境下提供接近双位数的年化收益，具有较强的实用价值和发展潜力。

---

参考文献与数据来源

• Wind数据库

- 东吴证券研究所宏观量化系列研究

[page::0-29]

报告