宏观数据在板块轮动中的应用 海通证券_20180929_
由small_q创建，最终由small_q 被浏览 33 用户
摘要
本文延续了海通量化团队因子择时、风格择时以及指数轮动的框架，对于板块轮动框架进行了构建。本文主要使用宏观经济数据构建了月度的板块轮动模型。本文第一部分介绍了板块轮动框架。第二部分展示了各类宏观变量的单变量择时效果。第三部分构建了多变量复合模型并展示了复合模型的历史表现。
A股市场的板块轮动效应。本文按照行业属性将29个中信一级行业划分为金融、周期、消费、成长四个板块，并使用各板块的成分行业指数进行市值加权得到板块指数。回测结果表明，各板块的收益特征存在显著差异，月度多空组合收益差均值为8.75%，最大值超过40%，表明A股市场上存在极为显著的板块轮动现象。
板块轮动框架。在本文中，板块轮动策略的构建可分为以下三个步骤：1）选择与板块跨期相关性高的择时变量；2）构建符合轮动逻辑的回归模型；3）根据模型进行板块选择和结果分析。本文的择时指标主要由宏观经济变量组成。
单变量有效性分析。本文研究发现，经济增长、流动性、国际贸易和经济不确定性四类指标均具有一定的板块择时效果。其中经济增长类指标推荐PMI系列指标，尤其是PMI月度变化以及PMI新出口订单数量月度变化，其与金融、周期跨期正相关，消费、成长负相关，尤其是和周期板块显著负相关；流动性类指标推荐期限利差月度变化和M1-M2剪刀差月度变化，其与金融、周期跨期负相关，消费、成长正相关，尤其是和金融、成长板块显著相关；国际贸易类指标推荐出口金额同比月度变化，其与金融、周期跨期正相关，消费、成长负相关，与周期、消费板块相关性显著；经济不确定性类指标推荐EPU指数，其与金融、周期跨期正相关，消费、成长负相关，与金融、消费板块相关性显著。
多指标复合模型。由于板块轮动涉及多个资产，本文在二元逻辑回归的基础上，采用序数回归模型进行复合。该模型能够较好地结合分类、回归、排序问题，其基本假设适用于宏观数据对于板块影响的实际情况。根据序数模型构建的4选2轮动策略具有16.1%的年化超额收益，信息比率1.78，月度胜率为66%；4选1策略年化超额收益约为21%，信息比率1.25，月度胜率为60%。整体来看，宏观经济数据在板块轮动领域具有一定的应用价值。
风险提示。市场系统性风险、资产流动性风险以及政策变动风险会对策略表现产生较大影响。
正文
/wiki/static/upload/3b/3b91fc95-47d8-48f2-9106-f7a64a216424.pdf
\