低频宏观因子间相关性普遍偏低 [page::2][page::3]

• 多数月频及季频宏观因子的相关系数绝对值均低于0.8，显示因子独立性较强。

- 相关系数较高的冗余因子包括百城住宅平均价格指数、固定资产投资累计增速和进出口金额累计同比（美元计价）等，应予剔除。

冗余因子剔除方案与结果 [page::4]

| 剔除因子 | 高相关因子 | 相关系数 |
|---------------------|---------------------------|----------|
| 百城住宅平均价格指数 | 中长期货款基准利率5年 | -0.82 |
| | 消费者信心指数 | 0.87 |
| | 固定资产投资累计增速 | -0.88 |
| 固定资产投资累计增速 | 规模以上工业增加值同比增速 | 0.81 |
| | 百城住宅平均价格指数 | -0.88 |
| | 社消累计同比增速 | 0.83 |
| 进出口金额累计同比 | 工业企业营业利润累计增速 | 0.82 |
| （美元计价） | 出口交货值同比增速 | 0.87 |

• 通过算法迭代剔除高冗余度因子，确保剩余池中因子间互相关系降低，提升因子组合多样性。

完备二分类方法及因子涨跌相关性结果 [page::5][page::6][page::7]

• 完备二分类将宏观因子值区分为两个子区间与利率涨跌关联，对经济学家信心指数最显著，SC 值0.5，上涨区间和下跌区间的胜率均超60%。

- 多数月频因子如社会融资同比增速上涨、下跌区间胜率均超过60%，表现优于其他因子。

优化单边与最优上下区间方法提升相关性胜率表现 [page::8][page::11][page::14]

• 拓宽区间定义，不受共同端点限制，实现多因子对应涨跌区间胜率进一步提升，部分季频因子上涨区间胜率超70%。

- 最高上涨胜率因子为城镇居民收入累计增速，优化后超过80%；经济学家信心指数优化区间上涨胜率达到80%，下跌区间73%。

• 具体最优上涨区间及胜率示例如下：

| 宏观因子 | 最优上涨区间 | 上涨区间胜率 |
|-------------------------|---------------|-------------|
| 经济学家信心指数 | 2.43 - 5.83 | 80.00% |
| 城镇居民收入累计增速 | 7.6 - 9.6 | 83.33% |
| 社会融资同比增速 | 12.5 - 14.96 | 78.95% |

• 相关优化方法为未来多因子低频交易模型构建拓展了可行路径。

研究展望与风险提示 [page::0][page::15]

• 计划基于划分的最优相关区间构建多因子低频交易策略，提高投资决策的确定性与鲁棒性。

- 风险包括国际政治环境突发事件及政策变动可能影响模型有效性。

低频因子与宏观利率相关性研究 — 深度分析报告

---

一、元数据与报告概览

• 报告标题： 低频因子与宏观利率相关性研究

- 报告类型： 金融工程专题报告

• 发布日期： 2021年3月6日

- 发布机构： 申港证券股份有限公司研究所

• 分析师： 曹旭特（执业证书编号：S1660519040001）

- 研究主题： 宏观经济低频因子与10年期国开债到期收益率（宏观利率）的涨跌关系研究

核心论点总结：
报告指出，大多数宏观经济低频因子之间相关性较低，且传统的线性相关性分析难以解释利率滞后性及市场反应。通过时间截面视角，报告研究了低频因子数值区间与利率涨跌之间的关系，尝试对因子进行分类和区间筛选。经济学家信心指数因子表现最优，能较为完整地通过区间划分反映利率涨跌走势。经过剔除冗余因子和区间优化调整后，多数因子上涨相关区间的收益胜率均超过70%，为后续多因子交易模型的构建奠定基础。报告同时提醒投资风险，尤其关注国际政治与政策变动风险。[page::0]

---

二、章节深度解读

2.1 低频因子间相关性研究

• 关键论点：

多数宏观低频因子相关性不高，不能直接从线性相关视角解释利率变化，须考虑滞后和非线性因素。报告采样2006年3月至2020年11月数据，采用数据对齐方法补齐不同因子的时间序列，确保分析期间重叠的有效样本。

• 推理与方法：

针对月频和季频因子分别计算Pearson相关系数，识别出相关度极高的冗余因子。相关度高于|0.8|的被标记为冗余，剔除规则严格保证因子独立性。

• 核心数据点：

- 月频因子如“百城住宅平均价格指数”、“固定资产投资累计增速”、“进出口金额累计同比”等存在高度相关关系（绝对值在0.8以上）[page::2][page::3]。
- 季频因子“企业景气指数”、“企业家信心指数”、“工业产能利用率”也是高度冗余。

• 图表说明：

- 图1和图2展示了月频和季频因子之间的相关系数，整体呈现低至中度相关趋势，但存在部分强相关峰值。[page::2]

2.2 冗余低频因子的剔除

• 关键论点：

通过迭代和加权剔除冗余度高的因子，降低因子池的多重共线性，保证后续分析的稳健性和因子独立性。

• 剔除规则详述：

依次剔除冗余度最高的因子，若多因子冗余度相同，则剔除与其他因子加权相关值最高的，直到冗余度降至1及零。

• 剔除结果：

- 剔除月频因子：百城住宅平均价格指数、固定资产投资累计增速、进出口金额累计同比
- 剔除季频因子：企业景气指数、工业产能利用率

• 意义：

这种因子池精简直接减少了后续的重叠效应，强化单因子对利率走势的独立性解读。[page::4]

2.3 低频宏观因子数值分类研究

• 完备二分类研究（2.1节）

- 对每个低频因子尝试找到最佳分界点Q，将因子数值分为两个子区间A和B，并检验其与利率涨跌的相关性。
- 分界点Q的选择基于综合胜率（SC值），要求SC≥0.49，并且上涨区间及下跌区间对应的涨跌胜率各超过60%。
- 结果显示，季频的经济学家信心指数是唯一满足严格完备二分类标准的因子，SC为0.5，上涨区间和下跌区间胜率分别达到80%和62.5%。月频中社会融资同比增速的SC也接近0.49且胜率超过60%。[page::5][page::6][page::7]

• 单边子集优化（2.2节）

- 由于完备性限制，某些重要中间区间可能被释放，故放宽要求，找到单侧覆盖度最低0.33的区间使其涨跌相关性最大。
- 多数因子局部区间涨跌相关性有所提升，但效果提升有限。
- 图9至图16揭示了月频与季频因子在单侧区间上的上涨胜率与下跌胜率的变化，月频因子上涨区间胜率普遍超过60%，季频因子的胜率更高。[page::8][page::9][page::10]

• 最优区间寻找（2.3节）

- 为打破边界限制，进一步搜索任意起止点的连续子区间，且区间覆盖率不低于33%，求得涨跌相关性的最大值。
- 结果显示，这一方法显著提升了涨跌预测能力，多个因子的上涨区间胜率超过70%，城镇居民收入累计增速上涨区间胜率超过80%。
- 图17至图26和表5详尽展示了优化后因子最优上涨和下跌区间及对应胜率，SC值与优化前对比也明显上升。
- 这为后续基于多因子优化区间的低频交易模型构建奠定了坚实依据。[page::11][page::12][page::13][page::14]

---

三、图表深度解读

• 图1与图2（月频及季频因子相关性）

- 描述低频因子之间的线性相关性，整体偏低，除个别因子间相关强烈（近0.9）以外，多数处于0.3~0.7的中低区间。
- 说明官方指标间宏观经济指标互相独立，降低多重共线性风险。

• 表1与表2（因子最相关因子与相关系数）

- 精准列出冗余因子及其对应强相关指标，支持剔除策略。

• 图3与图6（完备二分类的SC值）

- 显示大部分因子SC值均未达到关键阈值0.49，只有经济学家信心指数显著优于其他因子。

• 图4/图5及图7/图8（最佳分界点上涨/下跌区间胜率）

- 揭示即使完备二分类有一定约束，大部分因子上涨区间的胜率均超过50%，部分突破60%。

• 图9至图16（单边最优区间涨跌胜率及覆盖率）

- 涨跌相关区间覆盖率普遍不高（部分低于40%），但胜率显著提升，指示相应数值区间对涨跌走势有较强判别力。
- 季频因子表现优于月频因子，反映宏观季报数据在利率预测中优势。

• 图17至图26（最优区间涨跌胜率、覆盖率及SC值对比）和表5（详细区间及胜率数据）

- 最优区间胜率普遍提升5%-15%，多达数个因子的上涨相关区间胜率达到70%-80%。
- 经济学家信心指数、城镇居民收入累计增速、社会融资同比增速等因子表现最为突出。
- 结合覆盖率数据分析，报告提示未来交易模型需权衡胜率和回测样本量之间的平衡。

整体来看，图表与表格系统展示了从宏观因子间相关性到区间筛选与升华的完整逻辑链条，科学严谨支持了报告的中心论点。

---

四、估值分析

本报告为专项量化研究，未涵盖公司估值和资产定价内容，不涉及传统估值方法，如DCF或P/E倍数等。

---

五、风险因素评估

• 国际政治环境的突发事件

紧急事件可能瞬时打乱宏观经济走势及利率预期，冲击模型稳定性。

• 政策风险

宏观调控政策的调整可能影响因子表现及其与利率的关系。

报告强调风险提示明确，提醒投资者注意不可控因素对策略的潜在影响。未给出具体缓解策略，但暗示未来模型需具备一定弹性和动态调整能力。[page::0][page::15]

---

六、批判性视角与细微差别

• 模型与数据局限

- 由于依赖历史样本（2006-2020年），模型对未来结构性经济转型或极端事件的适应能力尚不明确。
- 完备二分类与区间筛选基于概率性胜率，尚需结合实盘交易的滑点成本与市场冲击做进一步测试。

• 数据频率差异

- 月频与季频数据混合使用，虽然通过对齐处理减少差异影响，但仍可能带来隐性偏差。

• 样本覆盖度与胜率权衡

- 部分因子优化区间覆盖度较低（低于40%），高胜率区间样本量有限，实用性可能受限。
- 报告指出未来将综合多个因子建立多因子模型，这将成为缓解单一因子局限性的关键。

• 隐含假设

- 对因子涨跌获胜率的统计假设市场反应为及时且持续，这在快速变化的市场中可能不完全成立。

以上问题均在报告框架内有迹可循，整体分析审慎，论据严谨。

---

七、结论性综合

此份申港证券研究所关于“低频因子与宏观利率相关性”的专题报告，系统地通过相关性过滤、冗余剔除、二分类与区间优化，找到了若干低频宏观因子与10年国开债收益率涨跌之间的统计学最优对应区间。特别是经济学家信心指数表现突出，能用完备的二分类有效分类利率涨跌概率区间，胜率达80%。进一步放宽条件寻找单边最优及双端最优区间后，绝大多数因子的上涨相关区间胜率提升至70%以上，说明低频因子虽然整体相关性不高，但存在价值明显的涨跌区间特征，可作为宏观利率趋势判断的重要工具。

报告通过丰富详细的图表与多层次统计指标，为构建多个低频宏观因子联动的交易模型提供了扎实的量化基础。未来结合多因子信号的交叉验证，将有望提升宏观利率预测及投资决策的准确性和稳健性。风险方面报告关注国际政治及政策变动风险，提示市场不确定性对模型表现的潜在干扰。

综上，该报告内容科学严谨、数据详实，是宏观金融领域运用低频因子进行利率走势研究的重要参考文献，也为相关量化策略构建提供了实证路径。研究成果特别适合进一步挖掘多因子组合下的协同效应，具备较强的应用价值与发展潜力。[page::0,2,3,4,5,6,7,8,9,10,11,12,13,14,15]

---

附：重要部分代表性图表展示

图1：月频因子相关性系数



图3：月频因子最佳分界点SC值



图6：季频因子最佳分界点 SC值



图17：月频因子最优上涨区间胜率



图25：月频因子最优区间SC对比



图26：季频因子最优区间 SC对比



---

以上为该份报告的极其详尽和全面的分析解读。

报告