经济周期及传统周期时钟介绍 [page::3]

• 美林投资时钟将经济周期划分为四阶段，普林格时钟划分为六阶段，更贴合资产轮动规律。

- 华泰金工采用三周期滤波模型识别经济指标中约42、100及200个月的多周期特征，用主成分分析进行信噪比优化。

扩散指数构建及其优势验证 [page::6][page::7][page::8]

• 扩散指数定义为当前相对上一期增长指标数量占样本总数比例，核心在于衡量方向而非幅度。

- 相比PCA1，三周期滤波后扩散指数对极端值敏感度显著降低，周期性特征更明显且周期相位领先。

• 理论上扩散指数可视为资产或宏观指标时间序列的一阶差分，领先位相约1/4周期。

全球宏观指标扩散指数对比及三周期滤波拟合 [page::9][page::10][page::11]

• 各主要宏观指标（CPI、PMI、工业生产等）扩散指数均显示周期性更强，噪音更低。

- 全球股指、债券、商品、外汇及行业指数扩散指数展现出对极端值的优势，周期信号更明显。

宏观周期六状态划分与领先滞后指标关系分析 [page::13][page::14]

• 基于领先-同步-滞后扩散指数划分6种宏观周期状态，对应普林格时钟六阶段。

- PMI为同步指标，工业生产领先，CPI滞后明显，周期状态周期长度约43个月。

• 各类别指标及周期状态经三周期滤波去噪，顺序性总体稳定。

周期状态与全球资产收益映射关系 [page::15][page::16][page::17][page::18]

• 周期状态1~3为经济上行阶段，股票和商品资产表现强劲，状态1股票收益均值最高(2.14%)，商品最佳于状态3(1.86%)。

- 状态4~6经济下行，债券与外汇资产表现稳健，胜率数据正向验证收益分布。

• 全球发达与新兴市场行业指数走势与股票资产保持一致性。

- 2024年8-9月宏观周期预测处于状态3，商品类资产配置价值较高。
| 周期状态 | 股票 | 商品 | 债券 | 外汇 |
|---------|------|------|------|------|
| 状态1 | 2.14%| 1.19%| -0.10%| -0.38%|
| 状态2 | 0.81%| -0.87%| 0.27%|0.21%|
| 状态3 | 1.79%| 1.86%| -0.02%| -0.62%|
| 状态4 | -0.83%| -0.06%| 0.40%|0.71%|
| 状态5 | -0.37%| -1.90%| 0.44%|0.96%|
| 状态6 | 0.14%| -0.28%| -0.14%|0.51%|

国内行业板块周期状态差异及配置建议 [page::19][page::20][page::21]

• 国内行业指数整体周期表现不明显，主要因周期与逆周期行业混合，例如，TMT成长板块逆周期，在周期6表现较优。

- 行业指数拆分为上游资源、中游材料、中游制造、可选消费、必须消费、大金融、TMT和公共产业8个板块。

• 顺周期资源类板块状态1~3表现较好，TMT和必须消费板块在状态6胜率较高，金融板块多在状态1优势。

宏观周期状态滚动外推预测及实证结果 [page::22][page::23]

• 利用过去10年数据三周期模型进行滚动外推预测周期状态，周期状态预测大体领先于全样本划分，疫情2020年期间出现偏离。

- 滚动预测结果验证资产收益分化特征：股票状态2表现最好，商品状态3、债券状态6、外汇状态5表现较优。

• 月度胜率进一步验证了滚动预测周期状态的投资参考价值。

分析报告：《扩散指数视角下的宏观周期状态》详尽解读与剖析

---

一、元数据与报告概览

• 报告标题：《扩散指数视角下的宏观周期状态》

- 发布机构：华泰证券股份有限公司研究所

• 发布日期：2024年8月29日

- 研究员：林晓明、陈烨、源洁莹等

• 研报主题：基于宏观经济指标构建扩散指数，定义宏观经济周期的六种状态，并深入研究各类资产收益在不同时期的表现及映射关系，辅助投资者完善自上而下的资产配置逻辑。

核心论点：
报告突破传统利用主成分分析（PCA）提取经济周期特征面临的极端值影响问题，创新引入扩散指数构建方法，显著减弱极端数据扭曲周期刻画的风险。基于扩散指数划分宏观经济六大周期状态，结合领先-滞后关系确定周期阶段，明确呈现股票、商品、债券、外汇等资产类别在周期不同阶段下的表现差异。此外，报告还细化解读国内行业板块在不同周期状态下的优劣势，特别强调顺周期资源类行业的配置价值。[page::0]

---

二、逐节深度解读

1. 经济周期的理论基础与传统刻画方法（第3-4页）

• 报告回顾经济周期理论的重要性，凸显经济周期作为解释和预测金融市场波动的基础。普林格六阶段时钟理论较美林四阶段时钟，在解释周期不同阶段中多资产同向波动效果上更具优势。

- 华泰团队利用傅里叶变换、小波变换等频域工具及三周期滤波模型，确认金融经济变量内存在约42、100、200个月的多周期特征，构建有效捕捉周期趋势的滤波模型。

• 采用主成分分析降维处理金融经济数据，按成分贡献信噪比提取代表周期特征的核心因子，为后续周期刻画打基础。[page::3][page::4]

2. 主成分分析方法受极端值干扰显著，扩散指数构建优势明显（第5-12页）

• 问题揭示：2020年疫情等极端事件引发宏观指标（如PPI、CPI）突发异常峰值，主成分分析及三周期滤波调整过度以拟合异常区间，导致对其他正常周期区间的拟合精度损失（图表5和6展现明显拟合偏差，极端样本影响模型预测，CPI预测趋于平滑线，难判周期方向）。

- 扩散指数定义及构建原理：
- 核心是计算样本指标中环比增长指标数量占比，限制范围为0-1，强调指标增长方向而非幅度，显著降低极端涨跌幅影响。
- 指标数据先转化为月度同比，再用HP滤波降低噪声。
- 扩散指数与PCA1比较显示更强周期性、波峰波谷明显且领先PCA1周期相位（波峰更早出现），实证对比PPI扩散指数与PCA1滤波序列差异清晰（图表7-10）。
- 领先相位经数学余弦函数差分推导得到解释，反映扩散指数相当于PCA1一阶差分，使其领先约四分之一周期的相位（公式与图表12示意）。

• 更广指标适用性：除PPI和CPI外，PMI、工业生产、国内产量库存等其它宏观指标以及各类全球资产类扩散指数均显示周期性增强，极端值干扰降低，图表13-38均支持该结论。

- 资产类扩散指数的特殊性：资产类扩散指数（如股票）偏0和1比例较高，波动更剧烈，部分原因为细分资产数量较少和对幅度敏感的要求，表明在资产配置应用中扩散指数与PCA1应结合视角灵活选取。[page::5-12]

3. 基于扩散指数的全球宏观周期六状态划分及资产映射（第13-18页）

• 周期划分构架：遵循普林格六阶段理论，利用领先、同步（以PMI为基准）、滞后扩散指数构造周期状态划分（1-6态），状态定义基于领先、同步、滞后指标的涨跌方向。

- 领先-滞后关系：工业生产领先约6个月，CPI滞后6个月，PPI及PMI近似同步，PMI选为同步指标。

• 周期时长：每轮完整周期状态传导约43.2个月，吻合经典库存周期长度。

- 资产收益对应规律显著（见图表47-50）：
- 股票与商品优势期为经济周期上行阶段（状态1-3，其中状态1股票最佳、状态3商品最佳），
- 债券与外汇优势于下行阶段（状态4-5），防御资产特征明显，
- 行业一级指数与股票一致表现周期性。

• 区间收益及胜率角度验证上述关系，分化特征在长期样本中表现稳固。

- 国内市场观点：中信行业指数整体周期分化不显著，推断由行业内部同异属性抵消效应所致，进而通过行业聚合为8大板块划分，验证了上游资源明显顺周期表现强，上游资源和金融板块多表现于状态1，TMT等成长板块优势于状态6（见图表54-56）。

• 月度胜率证明板块优势周期的存在，丰富资产配置视角。[page::13-21]

4. 周期状态的滚动外推预测与应用（第22-23页）

• 采用最近10年数据，基于三周期模型进行每月末的宏观扩散指数未来周期状态的滚动预测。

- 实证与全样本周期状态高度吻合，大部分时期仅出现1-2个月领先偏差，2020年疫情期间出现模型预测偏离，反映模型对极端事件的适应性限制。

• 滚动预测周期状态下的资产表现保持原有轮动规律，股票在周期2表现最佳，商品周期3表现优，债券周期6表现最好，外汇在周期5表现较好（图表58-61）。

- 当前最新数据表明8月周期状态由2升至3，9月维持3，即上行中后期，商品及顺周期资产配置价值仍高。

• 风险提示清晰声明历史规律的有限性、政策变化及市场短期波动的干扰。[page::22-23]

---

三、图表深度解读

关键图表解读

• 图表5-6（PPI、CPI PCA1与三周期滤波）

- 展示PPI和CPI主成分受极端值影响，尤其2021-2022年PPI峰值极高，滤波牺牲了对其他区间拟合的精度，CPI呈现滞后且预测趋于平线。
- 表明传统PCA主成分周期提取模型不适应极端事件，存在重大预测盲点。[page::5]

• 图表7（扩散指数构建方法示意）

- 直观说明了扩散指数构建流程：输入数据转为同比，使用HP滤波去噪，最终计算同比增加指标比重，简明却强大。
- 重要性在于其对极端值的鲁棒性及周期领先的特性。[page::6]

• 图表8-10（PPI扩散指数与PCA1对比）

- 环比增加指标的比例体现周期明显高峰和低谷，且扩散指数滤波后周期趋势更加平滑和准确。
- 红线（三周期滤波）趋势更贴合实际周期波动，且扩散指数领先PCA1表现，支持建设周期先行指标。[page::6-7]

• 图表12（余弦函数与差分序列对比）

- 通过数学模型展示周期数据一阶差分的相位领先特征，理论推导了扩散指数领先PCA1近1/4周期的事实基础。
- 该图严谨解释了扩散指数领先性的数学内涵。[page::8]

• 图表13-38（扩散指数与PCA1多指标对比）

- 多维宏观指标及金融资产扩散指数与PCA1的对比，多数显示扩散指数周期性更强，极端波动降低。
- 说明扩散指数推广到全市场资产类别的适用性及优势。
- 资产类数据敏感性更高，提示实际投资中扩散指数优势需结合具体应用考虑。[page::8-12]

• 图表39-44（宏观周期状态划分及历轮周期）

- 清晰展示六状态区间的领先、同步、滞后指标排列，周期状态轮动图形直观，周期平均时长43.2个月吻合经典周期规律。
- 部分时间序列存在跳跃状态，反映现实经济周期不总是平滑传导。
- 说明宏观指标扩散指数与经济周期状态合理匹配，且周期定义具备科学逻辑。[page::13-14]

• 图表47-50（周期状态与资产收益率和胜率关系）

- 股票在周期状态1表现最优，商品1-3状态表现领先，债券与外汇资产状态4-5表现突出，月收益率与月正收益率胜率吻合，强化资产配置轮动规律的周期依赖性。
- 全球发达及新兴市场行业指数亦呈现类似分化特征，强化周期投资理论的实证支撑。[page::15-17]

• 图表53-56（国内行业周期表现）

- 中信行业指数整体在周期各状态下表现分化不明显，推测源于周期类与逆周期类行业合并抵消，进一步细分成8个板块后，上游资源、金融、TMT等呈现周期相关性，某些板块在状态6表现优异，拓展投资决策细颗粒度。
- 行业胜率统计提供更具操作指导价值的解读，有助于周期轮动策略优化。[page::18-21]

• 图表57-61（周期状态滚动外推预测与新映射关系）

- 展示模型滚动预测对比全样本周期，整体匹配度高但受极端事件冲击有误差。
- 滚动预测周期状态下资产收益表现轮动逻辑仍成立，展现模型实际应用价值。
- 最新数据显示周期向状态3跃升，建议关注对应资产配置。（周期2转3，状态3对应商品和上行态等）[page::22-23]

---

四、估值分析

报告主体未涉及具体企业估值模型、目标价或股价预测，聚焦于宏观周期构建与资产类别（大类资产和行业指数）收益表现的周期映射，侧重周期轮动及宏观驱动的资产配置逻辑，没有涉及DCF、P/E等常规估值技术或相关敏感性分析，强调的是周期状态与资产平均表现的统计关系。[page::0-23]

---

五、风险因素评估

• 研究观点基于历史周期规律总结，这种历史依赖可能在未来失效。

- 市场短期波动与政策调整可能干扰经济周期判断，产生冲击。

• 市场或出现超预期波动，造成周期状态映射与实际表现偏离。

- 资产配置策略不保证实现预期回报，投资者需承担投资风险。

• 报告中提及资产非具体投资建议，提醒投资者谨慎理性。

- 滚动周期预测模型对2020年疫情等极端事件响应有限可能带来预测误差。
以上风险提示系报告明示，体现研究团队对其模型使用边界的基本认识和投资谨慎态度。[page::0,23]

---

六、批判性视角与细微差别

• 扩散指数领先于PCA1的周期相位特性符合一阶差分数学性质，但对于小样本或指标高度异质的情况，扩散指数有效性可能受限。

- 对于资产类扩散指数存在波动过大、极端值偏多现象，报告指出该问题但未深刻探讨缓解方法，仅提示结合使用PCA1。

• 周期划分中出现状态跳跃（非连续传导），可能反映经济政策干预或模型捕捉不到的结构性变化，在应用中需警惕周期结构非平稳性风险。

- 宏观周期对国内行业指数的映射不如全球市场清晰，行业内部异质性带来的“效应抵消”是合理解释，但深挖行业间周期属性差异后的策略潜力未详尽展开。

• 滚动预测模型对疫情等黑天鹅事件的弱适应性提醒投资者，对于极端大规模经济冲击周期理论可能失灵，需要结合定性分析。

- 报告整体依赖于历史数据和大类资产收益率统计特性，对未来可能出现的新型经济结构变化、国际政治经济风险未有深入论述。

• 估值和投资建议方面较为保守，避免对资产配置做出具体操作建议，突显研究谨慎性。

综合评价，报告提供了稳健、前瞻的周期解析框架，但其基于统计学周期规律的假设对经济多变环境存在内在限制，投资者应结合宏观政策与市场环境动态调整周期判断。

---

七、结论性综合

本报告通过对传统主成分分析刻画宏观周期面临极端值扭曲问题的深刻剖析，创新引入了简单且极为有效的扩散指数构建方法，将经济指标变动方向纳入周期提取，显著降低极端值影响，构建了涵盖PMI、PPI、CPI及工业生产等主要宏观指标的多维扩散指数体系。统计实证表明，扩散指数不仅周期特性显著且领先传统主成分，支撑更准确的宏观周期捕捉。

基于扩散指数及领先—同步—滞后指标，报告合理划分宏观经济周期六状态，模型清晰、周期时长与历史库存周期吻合，验证了周期理论的现实适用性。在此基础上，清晰揭示全球主要资产类别及全球MSCI行业指数在不同时期的收益率及胜率分化规律：股票与商品资产在周期上行阶段表现优异，债券与外汇在周期下行阶段表现突出。国内行业指数整体周期分化较弱，其深层原因分析揭示行业内逆周期与顺周期板块交织，细分后板块显示出明确的优势周期。通过滚动外推预测模型，研究进一步验证周期状态预测的实用价值，尽管少量异常事件影响预测准确性，但大周期轮动规律依旧有效。

图表中直观展现了扩散指数相对于传统PCA在周期揭示上的优势（尤其在PPI、CPI、PMI等核心宏观指标上），以及各周期状态下全球与国内多元资产的收益率和胜率表现，图文并茂地支撑了报告核心结论。股票在状态1具有最高收益且胜率领先，商品表现滞后于股票但同样优异，债券和外汇明显偏好周期下行阶段，国内板块呈现更为复杂的周期表现，顺周期资源类板块在上行周期表现强劲，TMT等逆周期成长板块则在周期低迷期表现较好。

综上，报告为投资者提供了一个结合经济周期理论与投资实践的完整周期映射框架，特别是扩散指数的引入显著增强了周期研究的鲁棒性和适用性，助力精准的资产配置和行业轮动判断，但同时提醒历史周期规律的局限与市场风险，强调投资者需理性使用周期信号，动态应对多变市场环境。

---

附：主要图表Markdown引用示例

• 美林投资时钟示意

• 普林格六阶段与资产价格走势示意

• PPI 第一主成分极端值影响示意

• 扩散指数构建示意

• 扩散指数领先相位数学解释图

• 宏观周期六阶段划分示意

• 周期状态与资产收益对应关系（表格版）

详见报告表格47-50页，原文HTML表格。

• 滚动外推周期状态对比及收益表现图

---

报告全文解读基于2024年最新数据和华泰全系研究资源，内容全面、数据翔实，具备极高的参考价值与理论深度，为宏观周期驱动的资产配置提供系统框架与实施逻辑。[page::0-26]

报告