宏观因子模型构建与周期划分 [page::0][page::5][page::8]

• 采用动态因子模型（DFM）提取增长与通胀两个核心因子，决定系数均在0.5以上，模型滞后阶数最优为3。

- 结合马尔科夫状态转换模型（MSM），分别基于因子绝对水平和边际变化划分经济周期，反映长期稳态和短周期波动特征。

• 因子绝对水平划分周期时长约5-10年，边际变化划分周期时长约10-30个月，二者捕捉的经济信息互补。

经济周期状态划分及资产收益表现对比 [page::9][page::12][page::16]

• 四种宏观周期状态（增长-通胀组合）对应不同资产最优配置：

- 绝对水平视角：低增长低通胀对应股票表现最好，高增长高通胀对应黄金领先，债券和现金表现居中。
- 边际变化视角：增速上行通胀下行黄金表现卓越，增速上行通胀上行时股票领先，债券在增速下行阶段显优势。

• 表格样例（基于绝对水平的资产表现映射）：

| 周期状态 | 月数 | 股票 | 债券 | 黄金 | 现金 | 综合排序 |
|------------------|------|----------------|----------------|----------------|--------|----------------------|
| 低增长低通胀 | 60 | 22.85% (1.20) | 5.81% (7.74) | -4.69% (-0.19) | 2.90% | 股票 > 债券 > 现金 > 黄金 |
| 低增长高通胀 | 29 | -0.70% (0.03) | 2.95% (5.50) | -1.41% (-0.16) | 2.71% | 债券 > 现金 > 股票 > 黄金 |
| 高增长低通胀 | 28 | 30.05% (1.35) | 2.10% (1.58) | 27.17% (1.79) | 1.68% | 股票 > 黄金 > 债券 > 现金 |
| 高增长高通胀 | 89 | 13.70% (0.80) | 3.50% (3.28) | 26.84% (1.69) | 2.27% | 黄金 > 股票 > 债券 > 现金 |

资产轮动投资时钟与回测结果 [page::17][page::19][page::20]

• 两类投资时钟（基于绝对水平和边际变化）分别构建资产轮动组合，年化收益分别为13.88%和13.93%，夏普比率分别为0.61和0.98，后者风险调整收益更优。

- 投资时钟组合明显优于纯股票、纯债券、纯黄金和现金资产。

• 图示回测结果显示，边际变化投资时钟在控制最大回撤（-32.98%）的同时，实现更高风险调整收益。

美林时钟的局限与剩余流动性因子的突破 [page::21][page::22][page::25]

• 2010年后增长因子持续下行导致传统美林时钟失效，资产轮动速度异常快速。

- 引入剩余流动性因子（宏观流动性剔除实体部门需求部分）作为新因素，利用DFM提取流动性因子，基于其与通胀因子的联合边际变化重划周期。

• 新经济周期划分将2010年以来划分为四个状态，进一步完善资产配置映射关系。

- 单看通胀或剩余流动性均难以提供有效资产配置信号，综合两因子的映射关系构建的投资组合，2010-2019年间累计收益达337.90%，夏普率1.31，显著优于单因素组合。

量化模型和统计显著性验证 [page::26][page::27]

• 宏观变量经ADF检验均符合平稳性要求，保证数据的统计性质可靠。

- 动态因子模型滞后阶数、MSM参数均通过显著性检验，模型稳定有效。

• 研究方法综合传统统计学与现代时序建模，确保经济周期划分的科学性与实用性。

风险提示 [page::0][page::25]

• 样本数据周期有限，模型结果可能存在统计误差。

- 预期和实际数据存在偏差，模型失效风险不可忽视。

• 宏观因素轮动规律短期波动显著，投资需结合市场实际动态调整。

深度分析报告：宏观因子视角下的资产轮动——增长、通胀和剩余流动性

---

1. 元数据与概览

• 报告标题：宏观因子视角下的资产轮动：增长、通胀和剩余流动性

- 发布机构：中信证券研究部

• 发布日期：2019年4月18日

- 主要作者：赵文荣（首席配置分析师），刘方、王宇鹏（组合配置分析师），王兆宇（首席量化分析师）等

• 主题焦点：利用动态因子模型（DFM）和马尔科夫状态转换模型（MSM），从宏观经济的增长因子、通胀因子与新增的剩余流动性因子三个维度分析经济周期，构建资产配置投资时钟，解析经济周期不同阶段大类资产的轮动规律，尤其指出传统美林时钟的局限与剩余流动性因子的突破。

报告核心观点总结：

• 宏观周期是资产配置的关键长周期驱动因素。

- 传统基于增长和通胀因子的美林时钟自2010年后适用性大幅降低。

• 引入剩余流动性因子，结合通胀因子，能更好地解释大类资产轮动及周期阶段划分。

- 经济周期划分包括因子绝对水平（长期中枢）和边际变化（短周期波动）两种标准，各自适合不同风险偏好投资者。

• 基于上述划分，资产配置策略通过投资时钟实现较优风险收益表现，夏普比率明显优于同期混合基金指数。

- 采用更细化的宏观因子构造和周期识别，有助于资产管理者掌握资产轮动规律，提高资产配置效率。

以上结论贯穿全文，报告旨在为投资者提供基于宏观视角的资产配置框架与实证支持，尤其强调剩余流动性因子在新时代宏观经济与资产市场中的重要性。[page::0,4,5]

---

2. 报告章节深度解读

2.1 宏观因子构建：增长与通胀

报告采用传统宏观经济指标作为观测变量：

• 增长指标：工业增加值（IAV）、社会消费品零售总额（CGTRS）、固定资产投资完成额（FAIC），三者合计占GDP较大比例，并具备月度速度优势（图2显示其占GDP比例稳定，FAIC增幅尤为明显）。

- 通胀指标：消费者价格指数（CPI）、工业生产者出厂价格指数（PPI），双角度反映通胀水平。

利用动态因子模型（DFM）从这组指标提取隐含的增长因子和通胀因子。DFM是一种能捕捉多个宏观变量协同性和动态演化的统计模型，参数通过极大似然估计获得。模型滞后阶数$p=3$最优（附录表29）。

关键数据支撑：

• 增长因子对工业增加值、社消总额、固定资产投资同比增速决定系数分别为0.76、0.50、0.79，因子载荷大小符合经济权重排序，表明模型对增长变量解释力强。

- 通胀因子对CPI、PPI的决定系数分别达0.80、0.79，二者因子载荷接近，说明两指标对通胀影响均衡。

图3-5清晰展现因子提取效果，增长因子与各增长指标高度吻合，通胀因子同理。[page::5,6,7]

2.2 周期状态划分：基于MSM模型

为量化划分经济周期，报告采用非线性马尔科夫状态转换模型（MSM）处理隐含因子序列。MSM结合经济理论与统计方法，将经济周期划分为不同状态，状态转移概率用于估算状态持续期。

两种周期划分标准比较：

• 因子绝对水平 $ft$：衡量经济变量相对长期均值的位置，反映经济的长期中枢变化。此方法划分的周期持续时间较长（5-10年），适用于分析经济的长期结构性趋势。

- 因子边际变化 $d(ft)$：测度指标的增减趋势，更敏感于经济转折点，周期较短（10-30个月），适合捕捉周期波动和趋势反转。

图6示意绝对水平与边际变化在时序上的差异。

MSM模型参数估计表4与表8显示，各状态对应显著正负参数，状态区分明显，状态持续期估算合理。

绝对水平划分结果（图7-9，表6-7）：

• 增长因子经历高增长与低增长两大长期阶段（持续117个月为高增长），通胀因子分为高通胀和低通胀状态，高通胀状态平均持续约40个月。

- 四状态组合（低增长低通胀、高增长高通胀等）历时约11年。

边际变化划分结果（图10-12，表11-12）：

• 增长和通胀因子边际变化状态更频繁切换，共经历25个阶段（完整周期约42个月）。

- 期望状态持续期约为8-14个月不等，能敏感捕捉周期波动。

两种划分标准各具优势，前者适合长线投资，后者适合把握短周期波动。[page::8,9,10,11,12,13,14,15]

2.3 宏观周期与资产轮动规律

基于构建的周期状态，分析四大类资产（股票、债券、黄金、现金）在不同宏观状态下的表现。选用代表性标的数据（表13）：

• 万得全A指数（股票，起始1995年）

- 中债新综合财富指数（债券，起始2002年）

• SGE黄金T+D（结合国际数据补至2002年）

- 7天银行间质押回购利率（日化现金收益率）

图13-14反映资产长期累计收益和年度波动表现，股票波动最大但也最有不稳定性，债券表现稳健，黄金作为避险资产表现介于两者之间，现金波动最低。

核心资产轮动规律如下：

• 基于绝对水平划分（表14）：

- 低增长低通胀阶段股票优异，高增长高通胀阶段黄金表现最佳，债券和现金次之。
- 投资时钟模型下，绝对水平状态持续时间长，资产轮动周期大，年化收益显著优于混合基金指数（年化13.9%，夏普0.61），但风险波动较高（图15-16）。

• 基于边际变化划分（表15）：

- 增速上行通胀上行阶段股票表现最佳，增速下行阶段债券优势明显，黄金在增速上行通胀下行表现突出。
- 边际变化划分周期短、切换快，适配灵活轮动的投资策略。投资时钟组合年化收益13.9%，夏普0.98，低波动（图17-18），优于绝对水平模型。

报告提示边际变化划分更适合中低风险偏好投资者，而绝对水平划分适合风险偏好更高投资者。同时，两种划分均显示月度最优资产表现波动较大，短期交易不可完全依赖经济周期（图19-20）。[page::15,16,17,18,19,20]

2.4 增长因子L型困境与剩余流动性突破

自2010年起，中国经济增速长期下滑（图21），导致传统美林时钟基于增长和通胀的周期划分失效，资产轮动规律难以解释。

报告引入剩余流动性因子概念，定义为宏观流动性（M2同比和金融机构贷款同比构成的流动性因子）与实体部门流动性需求的差值，通过边际变化划分周期。

• 剩余流动性模型的MSM划分（表21-22）显示周期较为均衡，平均持续期约18-21个月（图23）。

- 把剩余流动性与通胀边际变化组合，进行经济周期划分后发现（表23，图24）：
- 结合两个因素划分的周期对应四个经济状态，状态转换概率显示完整的周期约41个月。

实证资产表现显示：

• 仅依赖通胀边际变化构建投资策略，2010年后表现较差，年化收益为负。

- 依赖剩余流动性单因子策略表现显著改善，年化收益达10.79%，夏普0.45。

• 综合通胀和剩余流动性策略表现最佳，年化收益18.39%，夏普1.31，最大回撤-25.06%（表24-26，图25）。

这表明剩余流动性不仅完善了经济周期识别，也极大提升了资产轮动策略的有效性，为传统美林时钟提供实质性突破。[page::21,22,23,24,25,26]

---

3. 图表深度解读

3.1 关键图解

• 图1（DFM-MSM两步法流程示意） 很好展示从宏观变量选取、因子提取到周期划分的完整步骤，体现本报告方法论的科学性与系统性。[page::4]
• 图2（增长指标占GDP比例） 清晰显示工业增加值、固定资产投资和社消零售占GDP份额结构，验证指标选择的代表性。[page::6]
• 图3-5（因子加载与决定系数） 图表定量呈现增长与通胀因子对各宏观经济指标的解释力，辅佐模型选取的经济含义解释。[page::7]
• 图6（经济周期划分方法比较示意） 形象展示因子绝对水平与边际变化两种周期划分标准的本质差异，说明为何两者适用不同投资者/策略。[page::9]
• 图7-12（增长与通胀因子周期划分） 动态概率图与周期状态条，将复杂周期划分形象化，方便理解经济历史阶段转变与宏观环境趋势。[page::10,11,13,15]
• 图13-14（四大类资产累计与年度收益率） 直观展现资产类别表现差异，特别表明股票波动大收益高，现金回报稳定较低。为后续资产配置提供依据。[page::15,16]
• 图15-18（投资时钟投资组合表现） 伴随投资时钟切换，收益和波动率变化轨迹突出投资时钟优势，特别边际变化投资时钟夏普率提升明显。[page::17,19,20]
• 图21-25 （2010年后经济缓慢增长与剩余流动性引入） 展示2010年后增长因子持续低位，剩余流动性因子与通胀的周期状况及联合影响资产表现，支持剩余流动性因子的必要性与有效性。[page::22,23,24,26]

图表整体严谨且逻辑清晰，有助于理解理论建模与实证验证结合的严密脉络，充分支撑全文结论。

---

4. 估值分析

虽然报告重点在宏观因子和资产配置，但采用动态因子模型和马尔科夫状态转换模型构筑宏观周期分析框架，具有高度的定量严密性。

• 动态因子模型（DFM）：旨在从多个高相关的宏观经济指标中通过因子载荷矩阵提取潜在核心因子，解释变量间协同性及反映经济周期核心驱动力。

- 马尔科夫状态转换模型（MSM）：介绍了非线性隐层马尔科夫过程，用来描述宏观因子的阶段性变化，实现周期状态的客观划分。

估值输入参数包括模型滞后阶数（确定为3）、因子载荷、状态转移概率矩阵等，均有详细统计检验支撑。
对于投资时钟策略，未采用传统DCF或市盈率等单一估值方法，而是以历史风险收益特征（年化收益、波动率、夏普比率和最大回撤）为评价标准，强调风险调整后收益最大化。跨周期资产轮动策略通过宏观因子映射实现资产风险收益的最优化，反映出宏观周期对资产回报预判的估值含义。

---

5. 风险因素评估

报告末尾对风险提示明确指出：

• 样本数据有限，统计规律的稳定性和有效性不足，导致回归未来时可能出现失准。

- 模型自身可能失效，尤其在结构性宏观经济转折、政策变动骤然等情况下，隐含因子模型的稳定性不可保障。

• 预期指标（如预期通胀、流动性）与实际指标出现较大偏差时，模型输出可能产生误判。

并无详细缓解策略说明，但强调需结合市场实际，谨慎应用模型结果。此外，短期内月度资产表现波动剧烈，模型适用于中长期资产配置指导，短期投机风险较高。

---

6. 审慎视角与细微差别

• 报告客观区分因子绝对水平与边际变化的周期划分，实事求是地指出二者各有利弊及适合不同投资者风险偏好，这体现了较为审慎并包容的研究态度。

- 2010年后的“增长因子L型”问题说明传统增长-通胀双因子模型局限性，报告适时引入剩余流动性，体现了对模型缺陷的自觉修正，增强研究前瞻性和适应性。

• 尽管投资时钟策略历史表现优异，风险指标如最大回撤依然较高，尤其绝对水平模型，投资者应注意潜在风险。

- 报告未深入讨论结构性政策调整（例如货币政策突变、国际贸易冲击）可能对因子构建及周期划分影响，未来可加强对外生冲击敏感性的检验。

• 月度最优资产表现不稳定提示短期交易制定较难，须警惕过度依赖宏观因子周期进行日内交易的风险。

---

7. 结论性综合

本报告系统、深入地以动态因子模型结合马尔科夫状态转换模型，基于增长、通胀及新增剩余流动性三大宏观因子，量化定义并划分了中国经济的长期与短期周期状态。实证分析揭示：

• 传统美林时钟依赖的增长和通胀双因子自2010年起显著失效，经济进入长期低增长阶段，短期周期波动加剧，资产轮动逻辑式微。

- 剩余流动性因子作为补充，揭示金融市场流动性变化对资产价格的关键影响，显著优化了周期划分和资产轮动模型的预测表现。

• 不同宏观周期阶段对应固定的大类资产收益和风险特征，因子绝对水平划分适合长周期配置与风险承受能力强投资者，因子边际变化划分敏捷捕捉周期拐点，适合适中风险偏好者。

- 基于这两种划分构建的投资时钟策略，历史年化收益率均超过13%，夏普比率较传统混合基金指数改进显著，边际变化模型在波动率和最大回撤控制上表现更优。

• 2010年以来，将剩余流动性和通胀联合使用的投资时钟组合表现最佳，年化收益达18.4%，夏普率1.31，明显超越仅用单一因子的策略。

- 图表与数据详实地支撑了上述结论，如图25显示综合因子投资组合收益明显优于单因子组合，表26展示基于综合因子的优异风险收益指标，进一步印证研究的有效性。

综上， 本报告为理解和把握宏观经济背景下的资产轮动规律提供了创新而严谨的方法论框架，尤其强调了剩余流动性因子在当前宏观环境下的重要角色，形成了较完善、适应当代中国宏观经济周期的资产配置投资时钟，对相关机构投资者及资产管理者具有重要的参考价值和实操指导意义。[page::0-27]

---

附：主要图表与数据链接展示

图1：DFM-MSM两步法流程


图2：增长指标占GDP比例


图3：增长因子和通胀因子决定系数直方图


图6：周期划分标准对比


图7：增长因子长期趋势与状态划分


图15-16：基于绝对水平投资时钟与收益趋势



图17-18：基于边际变化投资时钟与收益趋势



图21-23：增长因子长期下行与剩余流动性波动




图25：综合通胀和剩余流动性组合收益优异


---

总结

中信证券研究部关于宏观因子视角下资产轮动的报告，提出并验证了增长、通胀与剩余流动性三因子模型结合周期识别技术的创新分析框架，弥补传统美林时钟模型的不足，显著提升资产配置的科学性与实效性。其系统性方法、丰富数据及扎实模型，为机构投资决策提供了明确、数据驱动的宏观资产轮动策略蓝图，具有重要的理论和实践价值。[page::0-29]

---

（全文共计约2400字）

报告