本报告从不确定性视角出发,通过多维度量化指标(包括宏观政策不确定性指数EPU、Factor Mimicking代理组合、Regime Switching熵)综合刻画市场不确定性,分析不同不确定性阶段大类资产、行业及因子表现特征。发现高不确定性时期黄金表现优异,权益多为震荡状态,行业轮动加快,价量因子表现相对较好。随着不确定性走向尾声,股强债弱格局显现,行业主线逐渐明确,因子策略趋向多元化。报告为2023年资产配置提供了承前启后的量化参考框架和策略方向
| 指标 | 标普500 | 富时100 | 德国DAX | 日经225 | 恒生指数 | 沪深300 |
|---|---|---|---|---|---|---|
| 2022年收益(%) | -14.47 | 2.36 | -8.78 | -1.96 | -19.92 | -21.16 |
| 2022年年化波动率(%) | 24.31 | 16.53 | 23.47 | 20.51 | 32.97 | 20.58 |
| 2021年年化波动率(%) | 13.05 | 12.70 | 14.31 | 18.53 | 20.02 | 18.51 |
宏观政策不确定性指数EPU通过关键词频率提取;中国基于《南华早报》和内地主要报纸计算,相关性0.87但信号存在分歧。
Factor Mimicking代理组合反映经济和流动性预期变化,最近经济方向震荡幅度较大,流动性较为平稳,计算香农熵衡量预期不确定性。
使用隐马尔科夫模型对沪深300及多资产隐状态转换概率计算熵值刻画市场结构波动,近期熵值有所提升,与疫情经济活跃度指标(航班、PMI)高度相关。
报告标题:《走出迷雾:不确定性视角下的2023量化配置展望》
作者及联系方式:证券分析师沈思逸、邓虎,发布机构为申万宏源证券研究所,发布日期为2022年12月22日。
研究系列:为“数说资产配置研究系列之十”。
研究主题:以不确定性视角定量剖析2022年及后续宏观政策和市场环境的波动,探讨2023年的量化资产配置策略。重点聚焦宏观政策不确定性指数(EPU)、行业代理组合变化、市场状态切换(Regime Switching)以及各大类资产、行业和因子在不同不确定性环境下的表现及投资启示。
核心论点:
总结与推理依据:2022年全球局势多变(俄乌冲突、欧美通胀压力、美联储加息、中国疫情反复)导致全球股债波动率大幅抬升,权益市场普遍表现不佳(标普500下跌14.47%,沪深300跌21.16%),债券收益率大幅上行,市场不确定性显著增加。数据证明了政策和突发事件对市场波动的直接影响,且全球性波动普遍存在。
表1解读:2022年以来全球主要指数回报均恶化,且波动率较2021年显著提升,尤其是中国恒生和沪深300表现尤其糟糕,表现了疫情和政策不确定性对中国市场的冲击。
表2解读:主要国家10年期国债收益率波动放大,美国与欧洲涨幅明显,日本、中国利率虽涨幅较小但波动上升突出,反映全球货币政策转向紧缩的共振效应。
结论:疫情阴影和政策反复导致市场预期不稳定,盘面波动显著,进一步探讨何种指标能有效衡量不确定性显得尤为重要。
关键论点:采用两条主要针对中国制造的EPU指数(根据《南华早报》和内地报纸)揭示宏观政策不确定性,指数基于文本关键词的频率统计,反映政策话语的不确定程度。
【图1】显示近几十年EPU的走势,近两年明显上升,尤其是《南华早报》基准指数大幅攀升,2022年疫情刺激中国宏观政策不确定性达到高位,显示境外媒体更敏感且反应强烈;境内指数较平稳可能因信息披露与政策透明度差异。
【图2】通过滚动5年标准差划分高不确定阶段,2008全球金融危机、2018-2019中美贸易摩擦、2020疫情爆发时期均显著升高,2022年疫情波动再现高不确定性峰值,体现宏观事件驱动效应。
对比美国、全球EPU(【图3】【图4】)显示类似的趋势,但近2022年美国EPU相对低位且与市场波动不完全匹配,说明EPU作为“政策话语不确定性”指标,对市场预期的敏感性有限。
局限性:EPU对宏观政策事件反应灵敏,但对市场预期波动和分歧敏感性不足,无法充分捕捉市场情绪的复杂变动。
方法论总结:通过采用因子模仿方法,基于申万行业指数,对经济、流动性、通胀三个层面的宏观变量进行多元回归,构建“代理组合”。这些组合的收益率变化映射市场对宏观经济和流动性的预期,以及预期方向的波动频率,反映市场实际的预期分歧度。
【图5】【图6】呈现2021年代理组合与宏观数据(OECD领先指标和10年期国债收益率)的匹配度,2021年代理组合体现经济复苏和流动性先紧后稳,2022年经济代理组合方向震荡明显,流动性映射相对平稳。
【表3】详细列出2022年每月经济和长期流动性的方向变动数据,显示经济方向预期波动幅度较大,与外资经济观点分歧类似,流动性虽稳但依旧存在方向波动。
利用香农熵对方向预期频率计算,度量不确定性大小,【图7】【图8】表明经济预期熵在2017、2019及近期偏高,流动性不确定性2014、2017年高企,说明预期分歧程度明显。
【图9】通过国内航班数量与PMI的强同步性,验证疫情期间不确定性对经济预期的影响,是代理组合和宏观指标外的实际高频数据支持。
结论:代理组合方法比较直观地揭示了当前经济与流动性预期的分歧和方向调整,做到较好刻画市场情绪波动。
模型介绍:应用隐马尔科夫模型(HMM)识别沪深300单资产和多资产收益的状态转换,以状态概率计算香农熵,熵越高,状态越模糊,市场结构的不确定性越高。
【图10】【图11】呈现2020年以来沪深300状态熵值频繁波动,特别是疫情爆发前后多次触及高点,表明市场处于频繁切换不同状态(震荡、上涨、下跌)的不确定环境;熵值曲线与国内疫情相关高频指标(航班数量、PMI)高度吻合(【图12】),验证了疫情对市场结构及预期的直接影响。
多资产状态熵(【图13】【图14】)波动范围更广且与单资产不同,说明不同资产类别状态变化及其不确定性存在差异,对资产配置策略具有额外价值。
分析结论:市场收益结构本身的状态切换及不确定性为传统宏观指标提供了替代视角,增强不确定性监测的维度。
以各指标加权形成综合不确定性指标(【表4】权重0.1~0.3不等,涉及宏观不确定性指数、Factor Mimicking经济与流动性指标、单资产和多资产状态熵),并观察其变化(【图15】)。
指标显示自2014年以来波动频繁,2020年疫情以来更高且震荡剧烈,验证不确定性阶段的分明。
【图16-18】展示三个不同高不确定期股债净值表现,均体现股市初期震荡、债券上涨,后期股市转强债券回落的趋势,反映投资者风险偏好随不确定性阶段调整的典型路径。
【表5】统计三个高不确定时期沪深300、中证500、黄金和国债年化收益,均显示高不确定时期债券表现优于低不确定期,黄金在部分阶段表现优异,股市表现两极分化且相对于低不确定阶段更为波动,反映资产避险属性及风险偏好轮动。
结合EPU不确定程度,2014年宏观政策不确定性低,资产价格端不确定高,黄金表现平平,权益稳步上涨;后续高不确定性阶段各维度同步高,黄金表现较好。
行业轮动速度指标设计:
【表6】高不确定阶段3个指标均表现显著,行业排序波动更大,排序相关性更低,一致性更弱,行业轮动速度明显加快。
【图19】【图20】展示2014年及2019-2020期间行业轮动速度变化,轮动速度在不确定性初期高且一致性低,随时间推进一致性逐步增强,反映行业主线逐步明朗。
【表7】【表8】单月行业排名数据支持上述结论,不确定高期行业领先城市频繁切换,到后期如地产、金融周期成为持久主线,行业投资策略应动态关注轮动节奏。
风格因子定义集中在附录【表11】,涵盖规模、估值、分红、盈利、成长、反转、波动率、流动性及预期变化等常见风格因子。
【表9】高不确定性阶段部分价量相关及防御因子(动量、红利、低波)表现稳定且胜率较高,而低估值因子表现不一,低不确定性阶段低估值胜率更高。
【图21-24】因子累计IC曲线显示:
图1(中国宏观政策不确定性指数走势):
展示两条基于不同新闻数据源的EPU指数走势,近两年显著上升,基于《南华早报》的指数幅度和波动明显高于基于内地报纸指数,暗示境内外信息差异及媒体视角不同。可视为政策层面宏观不确定性的定量映射。
图2(高不确定性阶段标记):
把滚动5年标准差大于1标定为高不确定阶段,历经2008金融危机、2018贸易摩擦、2020疫情三个明显高峰,反映重大宏观冲击引发政策不确定性激增。
图3-4(美国、全球EPU指数及阶段):
说明美国和全球的政策不确定性也经历多轮周期涨跌,但近年整体趋于平稳,和市场的波动率反应不完全重合,显示EPU指标的局限。
图5-6(代理组合映射经济与流动性变化):
代理组合的累计收益走势与宏观经济领先指标和国债收益率走势相匹配,显示该方法合理反映市场宏观预期动态。
表3(代理组合每月方向变化):
展现2022年经济代理组合月度方向震荡加剧,标志经济预期分歧持续增加;流动性则较稳定。
图7-8(代理组合方向变化与熵):
香农熵统计显示高分歧期,经济预期频繁上下变化恐导致市场难以形成共识。
图9(PMI与航班数量同期性):
用实物运输数据验证宏观经济指标的有效性,支持疫情对经济预期影响的反映。
图10-14(单资产、多资产Regime Switching熵):
量化资产状态间反复变换,揭示市场内生结构和投资者行为的复杂不稳定状态,单资产和多资产熵值变化不一,说明考虑资产多样性有助全面衡量市场不确定性。
图15(综合不确定性指标走势):
表现整体高度波动,疫情以来走高趋势明显,更好涵盖宏观与市场多层面的不确定性。
图16-18(高不确定性时股债表现):
覆盖三段代表性高不确定期,验证股市初期波动与债券避险特性明显,后期股市转向趋势上涨。
表5(资产年化收益):
定量比较不同时期资产表现,黄金作为避险资产在部分高不确定期表现最佳,债券平稳或上涨,股市波动较大。
表6(行业轮动指标显著性),[图19-20](行业轮动速度):
各指标统计呈现高度显著的行业轮动加速现象,符合投资者不确定性下追逐热点的行为特征。
表7-8(行业月度表现排行):
行业分化剧烈且快速切换,尤其TMT和周期性行业表现反复,表明市场热点不稳。
表9(因子IC及多空收益),[图21-24](因子表现细节):
显示高不确定阶段价格量动因子(动量、分红、低波)表现优异,估值和盈利类因子低效,低不确定则估值类迎来表现弹性,提示投资策略需要随着市场侧重点调整。
图25-29(物流及交通高频数据):
作为宏观经济活动的事实依据,物流和地铁客流反映出疫情之后经济活动的波动,辅助验证宏观预期状态。
本报告不涉及具体公司估值或资产价格的绝对目标定价,主要通过定量指标对宏观和市场状态做结构及风格判断,指导资产配置策略。估值隐含于因子配置层面,低估值因子在低不确定性期表现更好,暗示市场价值重估的潜在机会。
本报告系统地通过多维量化指标(EPU指数、代理组合、隐马尔科夫状态熵)构建中国及全球宏观政策与市场结构不确定性的量化描述,揭示2022年受疫情和国际局势冲击不确定性高企导致权益市场震荡幅度加大,债券和黄金表现相对稳健。综合指标显示,目前市场正处于不确定性持续但有望回落的过渡阶段。
从历史高不确定期回顾,股债资产配置阶段性特征明显:不确定初期债券和黄金表现较优,股市表现震荡;不确定后期,股市表现逐步转强,债券回落。行业层面,高不确定引发快速轮动,热点转换频繁,主线不显;随着不确定性弱化,行业表现趋向稳定与清晰。因子策略显示,在高不确定期价量动因子和防御因子表现更佳,低估值因子优势出现在不确定性减弱时。
2023年投资策略应紧抓走出疫情引致不确定性尾声的窗口期,权益资产有望开始主导,债券展现一定调整压力,黄金仍具避险及需求双重支撑。行业配置需从均衡逐步转向主线,重点关注地产链和消费回暖。因子配置建议由保守稳健向多元化渐进过渡,切忌盲目扩展因子暴露。
报告强调历史经验为镜鉴,未来不确定事项众多,包含疫情变异、政策调整速度等,投资者需结合多个视角灵活调整策略,防范潜在风险。该报告为宏观量化资产配置提供一套系统指引,兼顾政策面、市场情绪与资产结构,具较强现实指引意义,但仍需与投资者自身风险偏好和实际动态相结合使用。,5,7,9,11,13,15,18,21,22,23]
图1:中国宏观政策不确定性指数走势
图2:中国宏观政策不确定性指数提示的高不确定性阶段
图9:我国PMI与国内航班执行数量(架次)
图10-11:沪深300 Regime Switching 熵值近期变化及2020年以来
图15:我国综合不确定性指标走势
图16-18:不确定性较高阶段股债表现典型例示
图19-20:不确定性阶段行业切换速度指标变化示例
图21-22:不确定阶段部分因子累计IC走势(2014-2015H1)
图25-29:高频物流与地铁客运数据监测经济恢复节奏
本报告具有鲜明的创新点和实用价值,通过多维度量化指标较为系统地刻画不确定性及其对各资产配置的影响,结合历史经验为投资者提供了全面的资产与风格策略建议。尤其在疫情及宏观政策反复的背景下,这类定量研究对资产管理决策提供科学辅助极具现实意义。未来若能丰富模型参数细节,加强多源数据融合并结合微观因子机制,报告结论的稳健性和前瞻性将进一步提升。
,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24]
数说资产配置研究系列之十:走出迷雾 不确定性视角下的2023量化配置展望.pdf