• 跨国跨资产的价值与动量因子均存在正溢价，但两者的相关性为负，且两者的等权组合仍有正溢价，这对传统资产定价模型提出挑战 [page::0][page::1]

- 全球CRR因子模型基于工业产值增长率（MP）、未预期通胀（UI）、预期通胀变化（DEI）、期限利差（UTS）及违约利差（UPR）五个宏观指标构造，采用全球GDP加权计算因子暴露 [page::2][page::3]

• 48个跨国跨资产的价值与动量组合实证显示，价值与动量在全球CRR因子上的暴露符号通常相反，尤其是MP和UPR因子，合并组合因暴露异号但绝对值差异显著，导致组合正溢价。价值和动量组合的模型收益率相关系数比实际收益率更低（负相关更显著），全球CRR因子模型有效解释其负相关性。

[page::6][page::7]

• 全球CRR模型对48个价值与动量组合的定价回归结果显示，MP、DEI和UPR因子风险价格显著，其中MP因子风险价格约为0.37，表明多暴露一单位月收益增加0.37%，年化约4.5%。R2达到50.5%，说明模型拟合效果较好。实际收益率与模型收益率高度一致，证明模型能较好解释跨资产、跨国市场的异象。

| 因子 | 风险价格 | t统计量 |
|-------|----------|---------|
| MP | 0.371 | 3.521 |
| UI | -0.027 | -0.662 |
| DEI | -0.217 | -4.513 |
| UTS | -0.021 | -1.059 |
| UPR | -0.017 | -4.164 |
| R2(%) | 50.5 | |
| Avg.P.E. | 0.144 | |

[page::4][page::5]

• 滚动窗口分析显示因子暴露较为稳定，无明显趋势性，且价值与动量组合暴露呈异号，进一步验证了全球宏观因子对负相关性的解释能力。动量和价值组合全球溢价波动在2000年前后明显，反映宏观经济环境影响。

[page::8][page::7]

• 与Asness, Moskowitz and Pedersen (2013)三因子模型及Fama-French (2017)五因子模型比较，全球CRR因子模型表现更优（R2达46.4%，定价误差0.138，显著解释价值和动量跨国跨资产组合收益差异），且各宏观因子风险价格符号与以往研究一致，模型稳定性较好。

| 模型 | 因子 | 风险价格 | t统计量 | R²(%) | 平均定价误差 |
|---------------------------|--------------|----------|---------|-------|--------------|
| AMP三因子模型 | 市场、价值、动量 | | | 25.3 | 0.181 |
| Fama-French五因子模型 | 市场、规模、价值、盈利、投资 | | | 27.0 | 0.165 |
| 全球CRR五因子模型 | MP, UI, DEI, UTS, UPR | 0.34, 0.414, -0.049, -0.057, -0.037 | 5.553, 3.741, -1.234, -0.841, -2.644 | 46.4 | 0.138 |

[page::9][page::10]

• 扩展到103个组合的测试集中，全球CRR因子模型表现略有下降（R2在25%-32%之间），但仍与Fama-French五因子模型表现接近，表明全球CRR因子具有较强的跨资产跨策略的解释能力。

- 全文总结强调全球CRR宏观因子模型不仅能够很好解释全球市场中价值与动量因子的溢价与负相关特性，也为理解跨资产风险提供了宏观经济视角，是连接宏观经济与资产价格的重要桥梁。宏观因子具备较强的可解释性和跨市场有效性，值得后续进一步研究细分至行业和风格因子的影响 [page::11].

【国君金工 学界纵横系列】全球宏观风险因子模型研究——深度解析报告

---

一、元数据与报告概览

• 报告标题：【国君金工 学界纵横系列】全球宏观风险因子模型研究

- 作者：陈奥林，徐忠亚，Allin君行

• 发布机构：国泰君安证券研究所

- 日期：2021年8月19日

• 主题：全球宏观风险因子对跨国家、跨资产的价值与动量溢价的解释能力

核心论点：
报告围绕价值与动量这两个资产定价中的经典现象展开，基于陈、罗尔、罗斯（CRR）1986年提出的五个宏观经济因子，构造了全球宏观CRR因子体系。实证发现这一全球版本的宏观因子模型能更好地解释跨国家、跨资产市场中价值和动量溢价的谜团，尤其是两者负相关关系及其组合的正溢价，对现有基于收益率构造的因子模型形成有效补充与挑战。报告主要传达出全球宏观风险是驱动多资产、多市场收益的一致来源，全球CRR因子模型具有良好的经济学理论支撑和实证表现。

---

二、逐节深度解读

1. 摘要与研究背景

• 报告指出价值与动量在全球范围的多个资产市场中均呈现出显著的正溢价，但二者相关性呈负值，这与传统资产定价模型难以解释的“悖论”形成挑战。

- 使用5个宏观指标：工业增加值（MP）、未预期通胀（UI）、预期通胀变动（DEI）、期限利差（UTS）、违约利差（UPR）构建全球CRR因子，以解释价值和动量溢价及其组合的表现。

• 实证表明全球CRR模型在对48个价值动量组合的定价能力上超越AMP三因子模型和Fama-French五因子模型，且对额外103个资产组合也具备良好解释力。[page::0,1]

2. 研究动机与核心问题（第1节）

• 价值与动量不仅是因子，更是学界定义中的“异象”：即当前定价模型无法完全解释的现象。

- Asness等（2013）提出三个主要难题：
1. 价值和动量均存在正溢价，但二者相关性为负；
2. 两者的等权组合仍然存在正溢价；
3. 其他风险因子难以解释这两个异象的溢价。

• 报告尝试通过全球版本的CRR宏观因子模型统一解释跨国、跨资产市场的价值和动量风险溢价。[page::1]

3. 数据描述与实证设置（第3节）

• 样本涵盖美国、英国、欧洲、日本的股票市场，股指期货、货币、政府债券和商品期货，数据来源于AQR扩展数据，时间范围为1983年4月至2018年12月。[page::2]

- 表1详细展示了不同市场资产中，分为价值（V1、V2、V3）与动量（M1、M2、M3）层级组合的平均月度超额收益及其统计显著性，整体证实价值动量效应在大多数市场显著（如美国、欧洲、英国等），股市效应普遍大于非股市。

• 表2总结跨国家和跨资产的整体价值（V）、动量（M）及其组合（C）的溢价水平，均为正，且统计显著。

- 表3揭示各市场和资产类别中价值和动量的相关系数均为负，验证负相关性存在性。

• 说明虽然价值与动量互为负相关，但二者各自在各市场都表现出正超额收益，且其组合亦然，这构成资产定价挑战。[page::2,3]

4. 全球宏观CRR因子构建与定义

• 利用工业产量增速（MP）、未预期通胀（UI）、预期通胀变动（DEI）、期限利差（UTS）、违约利差（UPR）五大宏观指标构建全球CRR因子。

- 各指标采用OECD、CRSP、Datastream等权威数据库的全球GDP加权数据，覆盖OECD主要发达国家。[page::3]

• 度量方式详细且具统计严谨性，如UI为未预期通胀，用短期利率和预期实际收益率之间的差计算，期限溢价及违约利差体现债券市场信用风险及市场流动性风险。

- 这些因子皆具有明确宏观经济意义，意味着理论上的风险补偿，是资产价格横截面差异的重要决定因子。[page::3]

5. 全球CRR模型的截面资产定价实证（第4节）

• 采用经典Fama-MacBeth两步回归方法，第一步时间序列估计每个资产/组合对全球CRR因子的暴露β，第二步截面回归估计因子风险价格λ。

- 结果显示工业产量增速因子（MP）风险价格为0.37，显著且正，暗示该因子正向反映经济生产风险溢价，股票暴露大于非股票资产，对应年化贡献分别约2.36%和0.98%。

• 预期通胀变化因子（DEI）风险价格为-0.22，表示投资者厌恶推动通胀预期上升的风险，股票和固定收益资产对其暴露为负，商品暴露为正，反映通胀对各类资产不同的影响机制。

- 违约利差因子（UPR）风险价格为-0.02，体现信用风险因素，与信用状况变差时资产亏损关联。

• 全模型对48个价值与动量组合的解释能力较强，回归的R²达50.5%，定价误差约0.14%，说明全球宏观风险因子的稳定有效性。[page::4,5]

6. 价值与动量负相关的宏观解释（4.2节）

• 重点分析价值和动量组合对CRR因子的暴露，揭示两者暴露方向相反。

- 图2展示不同市场中，价值组合和动量组合的各宏观因子暴露，尤其工业产量因子MP、预期通胀变动DEI及违约利差UPR暴露符号通常相反，这就是负相关背后的驱动力。

• 动量组合多数市场MP暴露为正，价值组合在多个市场呈负暴露，组合因暴露大小差异其合并组合亦有正暴露，致使合并组合也有正溢价。

- 此项结果同时验证了经济周期对策略表现的影响：动量策略表现顺周期，价值策略表现逆周期。[page::6]

7. 因子暴露的时间变异性（4.3节）

• 使用5年滚动回归检验因子暴露的时间稳定性。图3显示暴露无明显趋势性，存在均值回归现象，特别在1990年代末和2000年代初波动较大，对价值和动量收益波动产生影响。

- 该时间波动进一步体现了宏观因子对投资组合收益影响的动态性，但整体因子暴露的稳定验证了设定模型的合理性。[page::7,8]

8. 全球CRR模型与其他主流因子模型的比较（4.4节）

• 对比Asness, Moskowitz & Pedersen (AMP)三因子模型和Fama-French（FF）五因子模型的定价表现，采用缩短的1990年7月至2018年12月样本期。

- AMP三因子模型对48个组合的解释力较差，R²为25%，FF五因子模型稍优（27%），且部分因子风险价格符号不符合预期（如SMB和CMA为负）。

• 全球CRR因子模型依然具有更高R²（46%）和更小的定价误差，显示其在跨资产、跨国家背景下更强解释力，且模型因子方向比较稳定。

- 说明宏观经济风险因子在跨资产配置中的有效性和优势，弥补传统基于市场收益率构造的因子模型不足。[page::8,9]

9. 对扩展测试集的解释能力（4.5节）

• 为验证全球CRR因子作为跨资产共通风险的能力，将测试集扩展至103个组合，包括BAB（betting-against-beta）组合、质量组合及Fama-French分类的32个规模、账面市值比、投资、盈利相关组合。

- 实证结果显示在扩展资产集上，全球CRR模型的拟合力有所下降（R²在25%-32%区间），部分因子显著性下降和风险价格符号发生变动，但整体模型依然表现良好，定价误差维持低位。

• 对比FF五因子模型，在扩展资产集的表现大致相当，说明全球CRR模型在解释更多资产类别风险溢价的能力接近主流国际模型，具备一定稳健性和广泛适用性。

- 该结论强化了宏观风险因子作为全球市场共通风险来源的地位和对资产定价的解释价值。[page::9,10]

10. 结论与思考

• 全球CRR模型有效解释了跨国、跨资产的价值与动量溢价，尤其是二者负相关及其组合为正溢价这一难题。

- 全球宏观经济变量密切影响金融市场风险，全球宏观因子为深入理解多市场、多资产收益驱动因素提供了坚实理论与实证支持。

• 除了价值和动量组合，全球CRR因子对按规模、账面市值比、盈利能力、投资、贝塔和质量划分组合都有良好解释力。

- 宏观因子模型对投资者，特别是全球多资产、多市场投资者极具参考价值。未来研究可进一步探讨宏观因子对行业、风格甚至个股收益的解释能力变化及表现时序波动。

• 报告最后指出全文及研究详情可查询国泰君安20210614发布的专题研究报告。[page::11]

---

三、重要图表深度解读

表1：价值与动量组合的平均超额收益

• 展示了8个国家/市场的9个价值与动量多空组合的月度平均超额收益和对应t统计量。

- 多数组合显示溢价正且显著（如美国V3组合收益0.68%，t=3.20），显示价值效应与动量效应稳固存在。

• 不同市场溢价程度和显著性差异体现出宏观环境及市场特性影响投资因子的不同表达。

- 该统计为后续因子解释提供实证基础，说明价值与动量的正溢价普遍存在，但相关性的负值仍未解释。[page::2]

表2：跨国家和跨资产的价值与动量溢价

• 综合统计全球范围内的价值（V）、动量（M）及组合（C）超额收益平均值（单位应为%），均表现为正溢价。

- 统计显著性对应括号中t值（如All市场动量溢价0.34，t=3.49）表明结果可靠性强。

• 进一步验证了跨资产跨市场均存在价值与动量效应的总体态势。[page::3]

表3：价值与动量因子间的相关系数

• 统计各市场与资产类别间价值与动量组合收益率的相关性，所有均为负，且强度不一，如美国为-0.67，全球为-0.64。

- 这正是导致传统定价模型难以处理的关键矛盾：两异象同时为正但相互负相关，理论解释难度大。[page::3]

表4：全球CRR五因子的风险价格估计（48个组合）

• 显示五个因子的风险价格估计值和t统计量：

- MP为0.37，t=3.52，显著正。
- DEI为-0.22，t=-4.51，显著负。
- UPR为-0.02，t=-1.06，边际显著或弱显著。
- UI和UTS未显著。

• 回归的总R²为50.5%，平均定价误差0.144，表现出较优的定价能力。

- 表明宏观因子在捕获资产风险溢价方面表现出强解释力。[page::5]

图1：实际收益率与模型预期收益率散点图

• 图形显示48个组合的样本点大致分布于45度线周围，表明模型预期收益与实际收益高度符合。

- 这进一步视觉化验证了全球CRR模型较高的拟合优度和定价能力。

• 表中的定价误差及AR/ER指标显示出模型在股票和非股票资产间均有较好表现。[page::5]

图2：价值、动量及组合在各宏观因子暴露

• 多幅柱状图分别展示价值组合（灰色）、动量组合（棕色）及其组合（浅色）在MP、DEI、UI、UPR和UTS五个因子上的暴露差异。

- 主要观察点：价值与动量在多个因子上的暴露符号多为相反，尤其在MP（经济产出）和UPR（信用风险）因子上。

• 组合组合（浅色柱子）暴露大小介于两者之间，且大多数表现出正暴露，说明合并策略仍捕获宏观因子的风险溢价。

- 这说明宏观风险因子是价值与动量负相关性及组合正溢价的微观机制。[page::6]

表6：价值与动量组合相关系数对比（实际 vs 模型收益）

• 表中明显，模型拟合的价值与动量组合间相关性均为负，且绝对值大于实际相关（如美国-0.95 vs -0.67）。

- 这证实全球CRR模型能够很好地捕捉两者负相关性，强化了对价值和动量共生机制的解释。

• 模型解释出的相关性比实际更极端，体现模型在风险因子驱动效应上的精准把握。[page::7]

图3：因子暴露5年滚动窗口估计

• 五幅折线图分别呈现价值（黑线）和动量（蓝线）组合在五大宏观因子上的因子暴露动态变化。

- 刻画了90年代末、2000年代初暴露出现强烈波动，之后呈现均值回归。

• 价值和动量沿这些因子的暴露呈周期性反向波动，支持负相关性恒定存在。

- 该动态研究展现了因子暴露的稳健性及其经济周期性质。[page::8]

图4：价值和动量组合的全球溢价时间走势

• 两幅条形图以时间序列形式展示价值与动量组合超额收益的波动，呈现阶段性的牛市熊市演替。

- 时间序列波动与滚动暴露波动呼应，说明风险因素变化直接影响策略表现。

• 展示宏观风险因子与策略超额收益的时序相关性。[page::8]

表7、8、9：不同因子模型下的风险价格与定价能力对比

• 表7（1990-2018样本期）显示AMP三因子模型与FF五因子模型的R²分别为25%及27%，均低于全球CRR因子模型的46%，且全球CRR五因子风险价格在符号和显著性方面表现更稳定。

- 表8（扩大组合测试集）显示全球CRR模型R²下降至25%-32%，但与FF五因子模型（29%-42%）表现相近，定价误差水平相近。风险价格符号有变化，因其宏观性质对不同组合的特定敏感性。

• 表9为FF五因子模型在相同测试集表现，进一步对比辅助说明全球宏观因子模型虽非基于收益率构造，但依然表现竞争力。

- 综合来看，宏观CRR因子模型展示了对全局不同类型资产的多样化组合风险解释能力，具有跨市场适用性。[page::9,10]

---

四、估值与模型方法解析

• 报告核心估值/定价方法为Fama-MacBeth截面资产定价，结合时间序列回归估计因子暴露β，再以截面回归估计因子风险价格λ。

- 五大宏观因子均有明确经济含义：
- MP（工业产出增长率）反映经济生产风险，正溢价因承担系统性风险。
- UI（未预期通胀）与DEI（预期通胀变动）反映通胀动态对资产价值的影响，投资者厌恶通胀正冲击。
- UTS（期限利差）体现金融市场期限结构风险。
- UPR（违约利差）反映信用风险溢价。

• 因为因子暴露和风险价格均通过回归估计，宏观因子模型较纯基于收益率构造的因子模型更易受噪声影响，表现反映了数据质量与模型坚韧性的平衡。

- 通过滚动回归对暴露的时间动态分析，验证模型的稳定假设。

• 与现有AMP、FF模型对比，全球CRR模型在跨国、跨资产定价问题上表现出更优的解释能力和经济学合理性。

---

五、风险因素评估

报告未专门列出风险因素，但隐含风险点包括：

• 宏观因子数据质量与稳定性的风险：因宏观变量存在测量误差、数据修订，可能影响模型估计稳健性。

- 模型假设风险：如因子暴露时间不变性假设，虽然实证支持该假设，但潜在结构性变化可能降低未来适用性。

• 宏观经济环境变化风险：极端事件（例如疫情、金融危机）可能导致宏观风险因子特征剧变，影响模型预测准确度。

- 跨市场集成风险：全球市场一体化程度的假设存在不完全性，不同市场结构和制度可能影响模型通用性。

• 报告建议今后关注宏观因子对行业、风格、个股深入研究，需防范因数据不同粒度引入的新风险。（此处为报告暗示和扩展内容，措辞谨慎）

---

六、批判性视角与细微差别

• 报告宏观因子模型表现优异，但与FF和AMP模型的样本期不同、资产组合选择及因子定义细节差异可能导致比较结果存在一定的偶然性。

- 宏观因子数据的噪声与估计误差被告知为负面影响因素，但模型表现优异，是否受其他未披露调节影响需谨慎对待。

• 动量与价值组合暴露异号解释负相关性，模型对溢价解释力虽强，但深层经济机制（投资者行为、市场摩擦）仍有待探究。

- 测试集变化对因子风险价格符号影响较大，显示模型在不同环境下的参数稳定性存在不确定性。

• 该研究基于发达市场宏观指标和数据，针对新兴市场的适用性未涉及，仍是一潜在限制。

- 报告强调宏观因子模型的重要意义，但对流动性、政策风险等其他全球风险因子尚未详述，留有扩展空间。

---

七、结论性综合

本报告通过细致实证验证，清晰地展示了基于全球宏观风险因子（全球CRR模型）对跨国家、跨资产的价值和动量组合溢价的强大解释力：

• 价值与动量异象的负相关性及组合正溢价得到了宏观因子暴露异号及其大小差异的宏观经济根源式解释。

- 全球CRR五因子模型的拟合能力优于传统AMP三因子及Fama-French五因子，在短期和扩充资产组合测试中均表现稳健。

• 跨国和跨资产构建的宏观因子模型确认，全球市场在风险结构上存在整体性，证明宏观风险因子是全球资产价格的重要驱动力。

- 因子暴露的稳定性以及滚动窗口分析说明理论框架具备较好的时间一致性，增强了投资实务和风险管理的参考价值。

• 报告为未来宏观因子在行业、风格、个股层面解释能力的研究提供方向，强调宏观因素在金融市场中的重要战略地位。

图表和数据充分支撑了上述结论，其中价值和动量组合在全球宏观因子上的因子暴露和溢价水平是揭示其关系和验证模型有效性的关键证据。

综合来看，全球CRR宏观因子模型为全球跨资产资产定价理论和实务提供了创新且有力的工具，是多资产投资者和研究者不可忽视的重要参考。[page::0-11]

---

参考图片

• 封面图（page 0）:

- 全球CRR五因子模型实际收益率与预期收益率对比（page 5）:

• 价值与动量组合因子暴露柱状图（page 6）:

（以及MP、DEI、UI、UPR、UTS因子暴露图见同页）

• 跨市场因子暴露滚动估计（page 8）: 及类似的UI、UPR等因子滚动图

- 价值和动量组合全球溢价时间序列（page 8）: 、

---

总体评价

本报告在理论和实证层面结合宏观经济学与资产定价，构建全球多资产多国家统一的风险因子框架，为价值动量等资产定价异象提供宏观风险解释路径，具有非常高的学术创新和实践指导意义。报告逻辑严密，数据和实证方法规范，结果丰富且具有深远启示，尤其对跨国资产配置和全球宏观风险监测提供重要参考。未来可进一步探索宏观因子在更细粒度资产上的表现及其稳定性，深化宏观经济与金融市场的联动理解。

---

[全文引用页码：0-11]

报告