• 本文提出经济周期和流动性周期两维度代理指标体系，通过PCA方法降维合成周期指标，有效表征宏观经济状态（见图表17、36）。

- 经济周期主要由自然资源（CRB、PPI、CPI）与信贷资源（10年期国债收益率、社融存量同比）构成，流动性周期通过宏观流动性指标（1年期国债收益率、M1、M2及M1-M2）减去经济周期得出（图表4、25）。

• 宏观状态分为四种：经济周期和流动性周期的不同上/下行组合（图表40），形成不同资产表现的投资时钟。

- 不同宏观态势下，大类资产表现明显差异，经济周期上行与流动性宽松时股票优于债券和商品，经济周期下行流动性宽松时债券表现最好，经济下行流动性收紧时债券和黄金为避险核心（图表52）。

• 股票细分板块、债券久期及商品细分品种表现遵循宏观时钟规律，周期、金融板块适合经济上行，成长板块受益于流动性宽松，黄金在经济下行流动性收紧期表现卓越（图表57、61、65）。

- 构建基于经济周期与流动性周期的自上而下资产配置体系，使用风险预算方法分配股债商品比重及细分资产权重，兼顾左侧预判（相位判断法）和右侧跟随（趋势外推法）的择时策略（图表68、82）。

• 回测显示，相位判断法年化收益9.55%，夏普比1.92；趋势外推法年化收益9.87%，夏普比1.94；加入黄金后，趋势外推法年化收益提升至10.13%，夏普比增至2（图表83、100）。

- 策略稳健性良好，月度正收益占比超77%，交易成本影响有限，趋势外推法对拐点捕捉灵敏、噪音敏感度略高，相位判断法具左侧预判优势（图表88、94、95）。

• 最新持仓显示，2019年6月相位判断法看好经济周期上行+流动性宽松，配置周期和金融板块及长债；趋势外推法视角下经济周期下行与流动性宽松，偏好金融、成长及长债（图表111）。

金工研究：基于经济周期和流动性周期的资产轮动及定量配置体系详尽分析

---

1. 元数据与报告概览

• 报告标题：再探周期视角下的资产轮动——华泰行业轮动系列报告之八

- 作者：林晓明（执业证书编号：S0570516010001），李聪

• 发布机构：华泰证券研究所

- 发布日期：2019年7月2日

• 研究主题：基于经济周期与流动性周期的资产轮动规律，构建定量资产配置体系，聚焦股票、债券、商品组合的历史回测与实证分析

核心论点：

本文通过梳理经济周期（代表实体经济景气度）和流动性周期（代表资金宽裕度）两个核心维度，用代理指标主成分分析法构建综合指标，并构造宏观状态划分和投资时钟。基于投资时钟融合风险预算模型，形成自上而下的定量资产配置体系。策略实测显示，基于趋势外推法的资产配置策略在2008年1月至2019年6月期间，股债组合年化收益率达9.87%，夏普比1.94，引入黄金后收益略升至10.13%，夏普比提升至2.0，策略表现稳健且兼顾风险控制[ pidx::0] [pidx::1]。

---

2. 深度章节解读

2.1 基本面定义与指标降维（引言及基本面刻画）

作者指出基本面本质是金融经济体的内生高维状态，无法直接测度，需通过多类宏观指标（产出、通胀、财政货币政策）和金融资产价格的多重视角进行观测。资产价格与宏观指标不应被割裂来看，两者是“同源异象”，即同一个基本面在不同维度的反映，但存在相位领先与滞后关系。系统性的周期波动通过这些指标传递扩散，任何单一指标无法代表整体景气度[ pidx::5]。

通过股息贴现模型（DDM）视角，基本面影响拆分为分子端（企业盈利，经济周期驱动）和分母端（折现率，流动性周期驱动）。两者的交叉互动引发资产轮动，经济下行搭配宽松流动性通常利好债券，经济上行伴随流动性宽松利好股票，反之则表现不佳，动态演变形成轮动规律[ pidx::6]。

2.2 代理指标筛选与合成方法

• 经济周期代理指标从自然资源（CRB综合现货对数同比、PPI、CPI）及信贷资源（10年国债收益率、社融存量同比）角度选取，兼顾价格和量的视角，价格指标同期价格波动更稳定，量的指标多为噪声大且数据缺失，故量指标有限选用[ pidx::8]。

- 流动性周期代理指标涵盖1年期国债收益率（利率，负相关）、M1、M2及M1-M2（货币供给量差异反映活期存款相对增减）多维度指标。流动性周期定义为宏观流动性减去实体经济流动性（即减去经济周期合成结果），反映纯金融市场资金宽裕度[ pidx::13]。

周期驱动性通过频谱图展示，在基钦周期42个月附近能量峰明显，回归拟合优度普遍超过40%-70%，证明代理指标对三个经济周期（基钦、朱格拉、库兹涅茨）均有显著驱动效应[ pidx::9] [pidx::14]。

合成步骤包括：指标对齐起始时间、3个月滚动均值去噪、方向统一（涨跌方向和预期趋势保持一致）、去趋势标准化和PCA提取主成分。经济周期合成指标对比库存及工业利润走势验证了其有效性，流动性周期合成后能反映金融机构有价证券投资的同比变化，体现良好的经济金融联动关系[ pidx::11] [pidx::16]。

2.3 宏观状态划分及资产轮动规律

结合经济周期和流动性周期正负方向定义四种宏观状态：

| 状态序号 | 经济周期 | 流动性周期 | 代表含义 |
|----------|----------|------------|----------------------------------|
| 1 | 上行 | 上行 | 经济复苏，资本充裕 |
| 2 | 上行 | 下行 | 经济上升，流动性收紧 |
| 3 | 下行 | 上行 | 经济衰退，流动宽松 |
| 4 | 下行 | 下行 | 经济衰退，流动性收紧，风险偏好低 |

实证发现：

• 股票受双周期正向影响明显，牛市多出现在两个周期共振上升期。

- 债券受经济周期负向、流动性正向影响，经济下行且流动宽松时表现最好。

• 商品价格多由经济周期驱动，流动性影响较弱，黄金在经济周期下行阶段展示避险价值。

四状态下大类资产轮动规律形成投资时钟，呈如下顺时针轮动逻辑，决策框架直观易用[ pidx::18] [pidx::22]：

• 经济↓ 流动↑：债券择优，股票存在阶段机会，商品相对弱

- 经济↑ 流动↑：股票最佳，商品次之，债券最弱

• 经济↑ 流动↓：股票和商品表现尚佳，债券表现逊色

- 经济↓ 流动↓：债券避险最佳，股票商品表现较差

股票、债券与商品细分资产内部亦显现明显轮动趋势，股票板块中周期和金融受益于上行与宽松环境，成长板块对折现率下降敏感，消费板块抗跌性较强；债券不同久期受经济周期和流动性影响，长久期债价对利率更敏感，景气下行有较强优势；商品中工业品及金属弹性大，黄金避险属性凸显，尤其经济低迷期表现突出[ pidx::23] [pidx::26] [pidx::29]。

2.4 定量资产配置模型构建

基于以上周期驱动的投资时钟框架与对应的资产细分池，构建三层资产配置体系：

1. 宏观择时：根据代理指标最终合成的经济周期和流动性周期阶段，确定大类资产风险预算比例（E：B：C）。

2. 中观配置：根据投资时钟，将大类资产风险预算均等分配给适合配置的细分资产板块。

1. 组合优化：运用CCD法或牛顿法，实现风险预算归一化，确定最优权重分配，完成投资组合构建。

该体系同时支持不同宏观状态下灵活调节大类资产配置比例，且中观层面细致区分资产板块和久期，反映市场细分轮动[ pidx::30] [pidx::31]。

2.5 两种周期预测方法

• 相位判断法：基于PCA合成指标42个月基钦周期滤波信号的相位，结合实时指标环比变化，设计底部（拐头看多）和顶部（拐头看空）区域标准，赋予一定的灵活性和确认机制，避免信号钝化和提前滞后问题，具备一定的左侧预判能力[ pidx::32] [pidx::33]。

- 趋势外推法：采用局部加权回归(LOWESS)对合成指标趋势进行平滑，基于平滑后最新数据环比判断趋势延续方向，典型右侧跟随策略，趋势捕捉灵敏但对指标震荡较为敏感[ pidx::35]。

实证中两方法表现均稳健，长期年化收益9.55%-9.87%，夏普比率均约1.9，月胜率77.5%。趋势外推法对16年后市场走势反应更及时、精准，相位判断法则具备一定提前指标拐点的优势，彼此可相互印证补充[ pidx::37] [pidx::43]。

2.6 策略实证回测：股债及股债＋黄金组合

• 股债组合：

- 股债风险预算随宏观状态调整（最高20:1，最低1:1）
- 股票覆盖周期、金融、消费、成长板块，债券分配1年以下短债及7-10年长债
- 2008年至2019年间，策略累计收益177%-186%，夏普比近2，远超大盘及单一债券指数表现，波动率4.9%-5.1%；
- 交易频率低，平均8个月1次调仓，手续费影响有限，表现稳健；
- 策略股票仓位平均约13%-14%，高峰约52%，偏债券配置[ pidx::38] [pidx::39]。

• 股债＋黄金组合：

- 加入黄金替代商品资产进攻及避险角色
- 经济周期与流动性周期共振下行阶段，用债券+黄金取代股票，优化风险收益结构
- 引入黄金使趋势外推法收益率提高约0.26%至10.13%，夏普比提高至2.0，控制波动略有改善
- 相位判断法则因错失部分股票行情表现略降
- 黄金配置在极端下行阶段有效降低组合整体波动，规避市场风险[ pidx::41] [pidx::42]。

---

3. 图表深度解读典型示例

• 图表1（基本面与低维指标）：揭示基本面高维复杂性，不同宏观及金融指标皆为其“投影”，强调理解观测变量的领先滞后，强调研究中需综合各指标[ pidx::5]。
• 图表2（DDM模型与资产轮动机制）：清晰展示经济与流动性周期切分DDM资产定价模型的分子和分母，阐释两周期叠加对资产轮动的驱动逻辑[ pidx::6]。
• 图表18、36（经济周期与流动性周期合成结果）：多线指标经PCA合成后的平滑趋势符合理论周期，经济周期与库存、利润对应，流动性周期与金融机构有价证券投资同比吻合[ pidx::11] [pidx::16]。
• 图表52、57、61、65（大类及细分资产投资时钟）：分别给出经济与流动性周期四状态下股债商及各细类资产组合轮动建议，具体定位优选资产，操作指导意义明确[ pidx::22] [pidx::25] [pidx::27] [pidx::29]。
• 图表73、74（相位判断法逻辑）：展示相位滤波提取及灵活范围设定的流程与示意，优化判断拐点的可靠性和适用性[ pidx::33]。
• 图表83-96（策略回测表现）：净值曲线、收益率及仓位展示了两种预测方法的相对优劣，交易成本敏感度低强调策略稳定性[ pidx::38] [pidx::40]。
• 图表98-109（股债黄金回测及绩效对比）：引入黄金后趋势外推法收益和夏普比显著提升，持仓合理，回测统计表明盈利稳定性加强[ pidx::41] [pidx::44]。

---

4. 估值与配置模型剖析

报告采用基于经济和流动性周期的主成分合成指标进行宏观择时，根据投资时钟划分大类资产风险预算比例，随后在中观层面均分配置细分资产类别（股票板块、债券久期段、商品品种），最后应用CCD法或牛顿法等组合优化算法实现风险预算的归一化与资产权重落地，构建动态轮动投资组合。模型输入关键是：

• 经济周期代理指标（CRB、PPI、CPI、10年国债收益率、社融同比）

- 流动性周期代理指标（1年期国债利率、M1/M2同比及M1-M2）

• 对应合成指标相位和趋势预测信号用于宏观场景判定

该组合优化不仅考虑资产相关性和波动率，更平衡了不同宏观周期下风险敞口，确保变动风险符合预设，显著提升实证性能及稳定性[ pidx::30] [pidx::31] [pidx::68].

---

5. 风险因素及限制

• 模型过拟合风险：基于历史经济规律统计，存在关键驱动因素变异或出人意料事件导致模型失效的可能，特别是极端宏观金融环境下策略表现不确定。

- 预测滞后与误判：趋势外推法滞后于真实拐点，导致信号迟缓，相位判断法虽具领先优势但因数据震荡可能产生误判。

• 数据完整性和指标选择限制：代理指标因时序数据缺失或噪声存在需谨慎选择及预处理，可能影响合成指标的准确性。

- 宏观经济结构变化：经济体结构改变（如金融深化、监管政策变化）可能削弱经济周期和流动性周期指标的代表性。

• 组合策略集中风险：尽管策略涵盖多资产、多板块，但因模型以周期信号为核心，在出现信号失效或周期异常时，可能导致组合集中暴露风险。

- 交易成本与流动性风险：尽管回测中交易成本影响有限，但实时交易环境、市场冲击和流动性约束仍可能对策略实施带来挑战。

• 策略适用时段有限：研究基于2003年至2019年数据，未来市场环境变量增多，对扩展至不同宏观经济条件下的适用范围存在不确定。

报告在风险提示中指出市场可能出现超预期波动，导致资产拥挤交易和模型失效，并强调投资时钟基于区间累计收益与短期价格波动的差异，提醒投资者谨慎对待模型输出[ pidx::0] [pidx::44].

---

6. 精要总结与综合评述

6.1 研究成果概括

• 报告成功整合经济周期和流动性周期两大核心宏观维度，突破传统单一指标或线性模型限制，采用信号处理与主成分分析技术构建综合指标，实现经济基本面抽象变量的低维刻画。

- 明确划分宏观经济四状态，依据经济和流动性周期交叉信号，构建系统全景的资产轮动投资时钟，实证验证股票、债券、商品以及细分板块间显著轮动规律。

• 基于投资时钟和风险预算展开多层级组合配置，运用CCD/牛顿法等现代优化技术实现风险贡献均衡，组合表现稳定，显著优于单一资产或市场基准。

- 两种创新周期预测方法（相位判断法与趋势外推法）互为补充，回测表明均具备稳健收益与合适风险控制能力。趋势外推法在追踪市场拐点上表现有所领先。

• 黄金资产引入有效提升组合避险性能，特别在经济流动性周期双下行阶段，其低相关性和避险属性显著优化组合风险收益特征。

- 实证数据支持宏观周期投资策略的有效性和实际可操作性，为资产管理者提供了科学严谨且动态响应的资产配置框架。

6.2 亮点与创新

• 多周期信号的主成分和滤波技术应用先进，能有效提炼信号核心降低噪音。

- 抽象基本面概念与资产价格内生性理论充分结合，提升理论解释力。

• 全面覆盖宏观经济、信贷和流动性多角度变量，提升建模全面性和鲁棒性。

- 兼顾左侧预判（相位判断）与右侧跟随（趋势外推），形成动态平衡。

• 明确细分资产轮动策略，指导具体板块调仓。

6.3 需审慎关注点

• 经济基本面极端转折点可能带来模型误差或失效风险。

- 模型依赖历史经济周期规律，面对未来不确定政策和经济结构变化，适用性需持续检验。

• 代理指标选择相对固定，未来可考虑引入更多实时或高频数据增强时效性和准确性。

- 模型默认资产流动性理想，实操中需考虑流动性约束和滑点风险。

• 策略频率较低，不能捕捉快速市场变化，需要结合其它短期策略辅助。

6.4 总结

本报告基于扎实的宏观经济理论、系统化的数据处理及信号提取方法，构建了经济周期与流动性周期驱动的资产投资时钟体系，并实现科学、动态、风险预算驱动的资产配置模型。实证数据显示，策略长期表现优异，稳健且适应不同宏观环境，尤其引入黄金后显著提升组合防御能力。两种预测方法的比较也在实际应用中提供了多样化决策支持。大量精细化的图表和数据为结论提供了坚实支撑，尤其是周期合成指标与细分资产表现统计数据，清晰呈现出了宏观周期与资产收益的内在联系。

尽管存在模型基于历史规律、极端事件风险、数据局限等不确定性，报告依然为以宏观周期为核心的资产配置和轮动提供了强有力的定量研究方法论和操作框架，具有重要的现实指导意义和策略实用价值。整体来看，报告立场谨慎积极、论述严谨全面，展现出对经济与流动性周期结合资产配置趋势的深刻洞察。

---

综上所述，本研究报告通过系统量化方法，揭示经济周期与流动性周期驱动下的资产轮动规律，构建动态资产配置体系，实证验证策略长期稳健超额收益，尤其引入黄金资产进一步优化绩效。报告全面细致论述了指标选择、周期合成、策略构建及回测验证，分析清晰严谨，值得投资者和资产管理机构深入研判与应用。 [pidx::0][pidx::1][pidx::5][pidx::6][pidx::7][pidx::8][pidx::9][pidx::10][pidx::11][pidx::12][pidx::13][pidx::14][pidx::15][pidx::16][pidx::17][pidx::18][pidx::19][pidx::20][pidx::21][pidx::22][pidx::23][pidx::24][pidx::25][pidx::26][pidx::27][pidx::28][pidx::29][pidx::30][pidx::31][pidx::32][pidx::33][pidx::34][pidx::35][pidx::36][pidx::37][pidx::38][pidx::39][pidx::40][pidx::41][pidx::42][pidx::43][pidx::44]

附图示例

报告