• 盈利领先指标的构建流程：基于约400个宏观指标，涵盖货币、信用、经济及通胀四大维度，经过指标预处理、领先指标筛选及Nowcasting方法，形成周频盈利领先指数，领先A股真实盈利1-2季度，辅助实时盈利状况预判。[page::2]

• 盈利领先指数领先性显著，能捕捉A股盈利变化趋势，增强择时信号的及时性。[page::3]

• 估值压力指标构建：结合国内外货币政策指标（十年期国债利率、M2-社融同比及美国通胀预期），按照预设规则，对估值压力进行分类，发现估值压力与A股PE_TTM存在明显负相关关系。[page::3][page::4]

• 戴维斯双杀阶段（盈利下行且估值压力非零）A股表现最差，规避该阶段后，择时净值显著提升，下跌阶段有效规避风险，胜率达59.6%。[page::4][page::5]

• 商品择时采用美林时钟与美国通胀预期趋势相结合，利用PPI和CPI领先指数划分经济周期，并判断通胀预期变化，结果表明过热期及通胀预期上升阶段商品表现更好，组合策略回避了主要下跌波段。[page::5][page::6][page::7]

• 债券择时依据美林时钟划分宏观周期，数据显示债券收益在衰退期和滞涨期表现优于复苏及过热期，符合常规资产配置逻辑。[page::7]

• 基于风险预算模型对股债商配置权重进行动态调整，结合股票、商品、债券的择时信号，形成轮动策略，绩效优异，年化收益率9.61%，收益波动比1.86，最大回撤4.34%。[page::8]

• 成长/价值风格轮动基于盈利、估值压力和动量三维模型构建：

- 盈利择时效果一般，估值压力择时效果较好，动量择时具有一定辅助能力；
- 构造盈利-估值压力-动量三维度轮盘模型，实现更有效的成长/价值风格切换判断；
- 该轮动策略年化超额收益5.39%，信息比率0.74，月胜率58.4%。[page::9][page::10][page::11]

• 行业景气领先指标设计：结合宏观与行业特性，针对金融、周期、制造、消费及科技五大板块，挑选关联经济、流动性、产量及特有指标，合成行业景气指数。[page::12]

• 单行业择时表现差异明显，周期类行业表现优异，科技及部分消费行业择时效果不佳。整体约2/3行业择时有效，支持行业配置方案。[page::13]
• 行业配置策略实践：

- 高低配策略：根据景气指数决定行业资金是否持有，非景气行业持有宽基，超额年化收益2.62%，信息比率0.79，月度胜率61.95%。
- 优选多头策略：只持有景气良好的行业，超额年化收益6.73%，信息比率0.91，月度胜率60.18%。[page::14]

《宏观择时2.0：轮盘重构与应用升级》深度分析报告

---

一、元数据与报告概览

标题： 《宏观择时2.0：轮盘重构与应用升级》
作者与发布机构： 开源证券金融工程团队，负责人魏建榕，2023年6月11日发布
研究领域： 宏观量化择时模型、A股及大类资产配置、成长价值风格轮动与行业轮动
核心议题： 本报告围绕A股及大类资产择时展开，重点结合盈利和估值双维度构建宏观择时模型，进而升级成长/价值风格轮动与细分行业配置，最终形成大类资产间（股、债、商品）的风险预算配置框架。

主要结论：

• 结合近400个宏观指标，使用Nowcasting方法打造高频盈利领先指标，领先真实盈利约1-2个季度，提升盈利端择时能力。

- 从货币政策倾向度出发构建估值压力指标，反映A股整体估值风险。

• 剔除“戴维斯双杀”阶段（盈利下行且估值压力大）时段实现有效规避，显著提升择时胜率至59.6%。

- 大类资产配置结合美林时钟框架和美国通胀预期，实现股债商动量基风险预算配置，年化收益9.61%，最大回撤4.34%。

• 成长/价值风格轮动基于盈利、估值压力和动量三维度轮动轮盘，优选多头年化超额收益5.39%，信息比率0.74。

- 行业配置依托行业切割版块特点筛选宏观领先指标，优选多头策略年化超额收益6.7%，月度胜率60.2%。

整体来看，报告以更科学化、机械化的多维指标体系重建了宏观择时框架，并通过三大维度驱动完成指数、风格及行业的层层深入配置，体现了逻辑严密和实证有效的特点。[page::0,1]

---

二、逐章节深度剖析

2.1 A股择时框架：盈利与估值

盈利端分析

报告首先搭建近400个宏观指标的数据库，涵盖货币、信用、经济和通胀四大维度，指标频率涵盖月、周、日等多重尺度。数据经过频率对齐、缺失值填充以及季节性调整（考虑春节影响）等预处理，确保指标时序完整与一致性。

核心是盈利领先指标的甄选，采用三大逻辑筛选方法：

• B-B拐点匹配法：识别指标拐点与盈利拐点的一致性。

- 时差相关系数法：计算指标与盈利同比的滞后相关，寻找领先信号。

• 逻辑验证：剔除不符合经济传导逻辑的指标。

基于筛选出的盈利领先指标，使用动态因子模型（Nowcasting）以周为步长进行实时盈利状态的拟合，成功构建出领先真实归母净利润同比1~2季度的盈利领先指数（图2），可实时辅助投资者把握企业盈利趋势，提升择时信号的前瞻性。[page::2,3]

估值端分析

估值压力源于国内外流动性和货币政策差异影响，采用以下指标组合构建估值压力因子：

• 国内货币政策指标： 以十年期国债利率与M2与社融同比为组合，判断流动性宽松与否。

- 国外货币政策指标： 利用美国通胀预期（10年期美债与TIPs利差）判断美联储加息压力。

实证显示，当美国通胀预期超过2%时，意味着加息压力增大，常伴随外资流出，A股估值整体承压明显（图3）。综合国内外指标，构建的估值压力综合因子，当“国内外估值压力”均为0时视为估值无压力，为-1时视作估值压力状态（具体逻辑详见第4页）。

图4显示估值压力状态对应PE_TTM的显著下行趋势，揭示估值压力因子对市场估值波动的有效捕捉能力。[page::3,4]

规避戴维斯双杀阶段择时策略

戴维斯双杀指盈利下行且估值压制叠加的双重压力阶段。利用盈利领先指数与估值压力指标，把市场状态划分为四个象限，统计各象限下的Wind全A指数下月收益和胜率（表3）。

结果揭示，戴维斯双杀阶段A股表现最差，策略上空仓此阶段而其余阶段持有，胜率提升至59.6%（图5和表4）。这种简单直接的择时模型即有效剔除了主要下跌风险段，如2015年市场下跌一次原模型未规避外，其他下跌行情均有效规避。[page::4,5]

2.2 大类资产配置：股债综合择时

商品择时模型

考虑到商品无法像股票估值有现金流折现基础，报告采用美林时钟框架，将经济周期划分为复苏、过热、滞涨、衰退四个阶段，结合PPI与CPI的领先指标构建通胀前瞻指标（图6、7），划定宏观周期（图8），展示南华商品指数上涨主要发生在“过热”阶段，明显区分于非过热阶段（图9）。

为增强择时效果，进一步结合美国通胀预期趋势判断商品未来表现，在通胀预期上升阶段，商品表现显著优于下跌阶段（图10）。最终，两模型结合，任一看多时买入商品，提升择时净值及风险规避（图11）。[page::5,6,7]

债券择时模型

同样基于美林时钟框架，报告揭示债券指数（中债新财富综合指数）主要回撤多发生于经济复苏和过热阶段（图12），在衰退和滞涨阶段具备较好收益和较高胜率，符合债券市场经典避险逻辑（表5）。[page::7]

综合风险预算配置

结合股（Wind全A）、债（中债新财富）、商品（南华商品指数）各资产的择时信号，利用风险预算模型调整权重，设置多空信号对应不同风险预算值，使得资产配置更合理平衡风险与收益权衡。结果表现年化收益9.61%，信息比率1.86，最大回撤4.34%，表现显著优于等权风险预算（图13，14，表6）[page::8]

2.3 成长/价值风格轮动模型

报告基于股指择时维度，构建成长/价值风格轮动模型，采用国证成长指数与国证价值指数作为代表。

盈利与估值压力维度的风格择时

• 基于盈利变化：盈利上行看多成长，盈利下行看多价值。

- 基于估值压力：估值压力为0看多成长，非0则看多价值。

实证发现估值压力维度的择时效果明显好于盈利维度（图15,16）。2020年疫情后成长风格强势导致盈利择时和估值择时失效，部分原因在于政策边际收紧造成价值误判。[page::9]

动量维度补充

观察到风格切换存在惯性，前期趋势强势风格未必立即反转，报告增加12月滚动动量作为第三维度调节风格信号（图17），提升择时稳定性。[page::10]

盈利-估值压力-动量三维轮盘

构建基于盈利状态（上行/下行）、估值压力（无/有）和动量（强/弱）的四象限轮盘，实现更细腻的风格择时决策（图18）：

• 盈利下行且估值压力有负面，建议价值防御布局。

- 盈利下行且估值压力无压力，动量强则成长，否则价值。

• 盈利上行且估值压力无压力，看多成长。

- 盈利上行但估值压力有压力，动量强则成长，弱则价值。

此模型对应的风格多头组合超额年化收益5.39%，信息比率0.74，月度胜率58.4%，显著跑赢成长/价值等权组合（图19-20，表7）。[page::10,11]

2.4 行业配置：基于宏观景气指标

进一步深入行业层面，报告创新性梳理各行业特有的宏观景气领先指标，结合行业自身特点与产业链上下游需求：

• 股票板块与经济、流动性相关：金融类

- 周期行业与经济及量价库存指标高度相关

• 制造行业更贴近下游需求和生产量

- 科技与消费行业有较为独特的产业链指标（图21）[page::12]

渗透行业景气领先指标构建合成指数，针对单个行业相较Wind全A超额收益进行择时，周期类行业择时效果最佳（图22）。部分科技、消费行业择时效果较差，未能找到合适领先指标；国防军工、环保、综合行业缺乏数据支持被排除。[page::13]

行业配置两大策略

1. 高低配策略： 将资金按行业等权划分，景气看好的行业持有对应资金，景气不佳的替换为Wind全A指数。超额年化收益2.62%，信息比率0.79，月度胜率61.95%（图23，表9）。
2. 优选多头策略： 仅选择景气看好的行业进行投资，基准仍为行业等权。超额年化收益6.73%，信息比率0.91，月度胜率60.18%（图24，表10）。

优选多头策略效果更优，表明集中配置于周期景气较好行业带来更好收益表现。[page::14,15]

---

三、图表深度解读

• 图1（第2页）：整体指标筛选和合成流程图，从400个宏观指标库出发，经过数据预处理、领先指标甄选和Nowcasting融合，最终形成盈利领先指数。此流程体现了指标层面严谨的数据治理和多维度验证。

- 图2（第3页）：盈利领先指数与A股归母净利润同比对比，领先指标在大部分周期内明显领先盈利拐点，验证了方法的有效性。

• 图3（第3页）：美国通胀预期超过2%后，PE-TTM估值承压趋势明显，直观呈现美国通胀预期对A股估值的影响关系。

- 图4（第4页）：估值压力状态与A股PE-TTM的动态关系，灰色条表示估值压力事件发生区间，期间估值明显下滑，支撑估值压力指标构造的合理性。

• 图5（第5页）：剔除戴维斯双杀阶段后的择时净值提升，显著拉开收益差距，强化戴维斯双杀信号的实用性。

- 图6、7（第5页）：PPI和CPI领先指数与实际数据对比，美林时钟框架的基础通胀代理变量，供后续宏观阶段划分参考。

• 图8、9（第6页）：南华指数涨幅主要出现在“过热期”，非过热期趋势趋缓，验证美林时钟在商品择时的参考价值。

- 图10、11（第6、7页）：美国通胀预期趋势提升时，商品指数表现优异，结合美林时钟形成的择时模型有效规避多轮下跌。

• 图12（第7页）：中债新财富综合指数重大回撤集中在复苏及过热期，符合债券避险属性，指导债券择时。

- 图13、14（第8页）：风险预算模型动态分配股债商权重，牛市时期股票和商品权重明显提升，波动调整后的净值表现优异。

• 图15、16（第9页）：盈利和估值压力对成长/价值风格择时影响不同，估值压力为决策关键，尤其体现于成长估值承压时机。

- 图17（第10页）：动量指标辅助风格择时，显示成长/价值动量强弱可预测未来表现。

• 图18（第10页）：盈利-估值压力-动量三维度风格轮动逻辑流程图，设计严谨，覆盖不同宏观情景下风格切换。

- 图19、20（第11页）：三维度风格轮动表现优异，净值稳健提升，超额收益显著跑赢基准等权策略。

• 图21（第12页）：行业宏观景气指标结构图，按板块划分指标维度及覆盖范围，从宏观角度系统分析行业景气。

- 图22（第13页）：周期类行业择时累积超额收益，表现优异，对比科技、消费行业择时弱势。

• 图23、24（第14页）：基于宏观景气的行业配置表现，优选多头收益及信息比率优于高低配策略，数据显示明显超额收益。

总体而言，所有图表均严谨支持报告论点，指标筛选流程、择时效果以及收益回测均体现实证和逻辑严密性。

---

四、估值分析

本报告未直接使用传统股票估值模型（如DCF），而在估值端采用货币政策倾向、流动性状况及通胀预期等宏观变量佐证A股估值压力，并构建综合估值压力因子表达市场整体估值风险。

该指标在动态识别估值上升或承压周期中扮演关键角色，与盈利指标配合应用成为规避戴维斯双杀的核心驱动力。美林时钟被作为周期分析框架用于商品和债券分类情景，辅助资产配置决策。

估值指标的折现率、永续增长率等传统DCF参数未显式计算，侧重宏观变量与市场估值的相关关系。

风险预算模型用于资产风险权重动态调节，其关键输入依据各资产的收益波动和策略信号，确保组合整体风险符合预期。[page::3,4,8]

---

五、风险因素评估

风险提示： 报告提示模型基于历史数据测算，未来市场可能出现重大结构改变，从而导致模型表现失准。具体风险点包括：

• 宏观经济环境变化风险： 经济政策、国际政治形势等非预期冲击可能导致指标失效。

- 估值压力指标局限： 国内外货币政策组合和通胀预期可能快速变动，产生预测误差。

• 模型过拟合与样本外有效性： 尽管通过数据筛选防止过拟合，仍存在适应性风险。

- 行业模型针对性不均衡： 部分行业缺少有效景气指标（如军工、环保），风险较大。

• 外部因素极端影响： 例如疫情、战争和贸易冲突等不可控事件。

报告未详细披露对每项风险的缓解策略，但通过多维度指标融合与模型简洁性设计降低单一因子风险，且引入风险预算避险机制部分缓解系统性风险隐患。[page::15]

---

六、批判性视角与细微差别

• 盈利领先指标依赖大量宏观数据，数据质量或季调不准确可能影响模型稳定性。Nowcasting模型在经济剧烈变化时的拟合能力也需关注。

- 估值压力因子以简单的货币政策二元指标构成，可能忽视更细微的市场估值波动因素，如流动性宽松边际、风险偏好等。

• 戴维斯双杀信号规则虽然明确，但策略单纯空仓可能错失反弹机遇，回撤规避能力需结合其他风险控制。

- 商品择时过分依赖美国通胀预期与美林时钟，忽略中国政策弹性及全球商品供需深层变化，未来需关注局部结构性变动。

• 成长/价值风格轮动主要基于宏观驱动，未深入产业链及基本面创新逻辑，短期内可能因市场情绪大幅波动而误判。

- 行业景气指标虽结合板块特色，但部分指标滞后或难以捕获行业快变部分，如科技创新类。

• 部分择时模型出现阶段性失效，如2020年疫情后成长行情大幅跑赢，表明模型在极端行情适应力有限。

总体模型设计兼顾简洁实用与多元因素，但仍存在外部事件冲击与结构性变化带来的不确定性。[page::1-15]

---

七、结论性综合

本报告系统构建并升级了宏观择时2.0框架，核心在于将盈利与估值两大维度的领先指标结合，使用高频Nowcasting模型提升盈利预测的前瞻性，同时引入反映国内外货币政策倾向的估值压力指标，核心策略是规避戴维斯双杀阶段以规避重大市场回撤风险。

资产配置部分，报告使用美林时钟和美国通胀预期构建商品与债券择时模型，结合A股择时信号通过风险预算实现股债商品三者的有效动态配置，表现出色，年化收益达9.61%，最大回撤控制良好。

成长/价值风格轮动层面，上述盈利-估值压力-动量三维轮盘合理捕捉风格切换，超额收益显著且稳定，展现了风格内结构择时能力。

在行业配置方面，报告创新梳理各行业符合产业链特征的宏观景气领先指标，构建景气指数指导配置策略，优选多头表现最佳，周期类行业择时效果突出。

图表及数据分析清晰展现出盈利领先指标的领先性、估值压力的市场压力信号、美林时钟基础上的商品与债券市场周期划分以及成长/价值轮动的超额收益优势，为宏观择时领域提供了切实可行的新范式。

报告虽然承认模型基于历史数据，未来市场存在结构变化风险，但整体呈现出严密的方法论逻辑和多维度验证，是A股及大类资产宏观择时的前沿实践代表。[page::0-15]

---

以上分析涵盖了《宏观择时2.0：轮盘重构与应用升级》报告的关键论点、数据与图表解读、估值分析、风险评估及批判性视角，为投资决策及学术研究提供了重要参照。

报告