本文基于信用利差与国债收益率量化刻画中国信用和货币周期,构建四周期轮动模型,实证周期领先关系并揭示其嵌套投资时钟的经济含义。结合信用货币周期划分,分析了股票、债券、商品等大类资产历史表现及轮动策略,提出基于周期状态的资产和行业配置建议,策略历史年化超额收益达17.10%,行业轮动策略胜率达64.12%,在实证供给侧改革影响后的走势仍具稳定性,具有较强的投资指导价值。
| 周期 | 万得全A(月均收益率) | 上证国债(月均收益率) | wind商品(月均收益率) | 定存3个月 |
|---|---|---|---|---|
| 宽货币+紧信用 | -2.71% (50%) | 0.56% (60%) | -3.47% (38.89%) | 0.21% |
| 宽货币+宽信用 | 5.26% (78.57%) | 0.31% (69.57%) | 1.69% (64.29%) | 0.19% |
| 紧货币+宽信用 | -3.66% (42.86%) | 0.24% (61.90%) | -0.80% (57.14%) | 0.20% |
| 紧货币+紧信用 | 1.83% (47.62%) | 0.14% (22.22%) | 2.63% (66.67%) | 0.20% |
核心论点摘要:
报告认为信用周期和货币周期是经济周期的两大重要维度,货币周期领先信用周期,二者结合形成四阶段的信用货币周期轮动模型,直接影响各类资产表现。基于此模型,报告提出了大类资产及行业轮动策略,实现年化超额收益显著,且具有良好的稳健性和实践指导意义。报告还分析了2016-2018年该策略的阶段性失效原因(供给侧改革的影响)及未来展望。
货币周期:
传统基于央行政策(降准、降息)划分存在滞后和政策反应市场前置性的缺点。报告引入中债国债1年期到期收益率作为货币周期代理指标,因其既反映货币政策变化,又剥离了长期经济基本面影响。图1展示了自2007年以来不同周期的划分(宽货币/紧货币)。
信用周期:
传统信用指标包括M2同比和社融增速:M2侧重负债端,社融侧重资产端,社融自2012年起更为市场关注。图2显示两指标近似但自2012年起分化,且均呈长期下降趋势,难以揭示信用周期变化。报告选择更敏感的信用利差(AA级企业债5年期收益率-国债5年期收益率)为信用周期度量,更能反映信用风险波动及周期。(图3)
图4显示货币周期(国债收益率)明显领先信用利差,货币紧缩领先信用紧缩约4个月,货币宽松领先信用宽松约13个月。货币政策先行作为目标,信用调整为结果。
基于此,构建信用货币周期四周期轮动模型(图5图6):
此模型解释信用货币周期的螺旋演进,每一周期代表不同经济状态,与传统投资时钟嵌套关联(表3、图8),非简单对应,而是反映经济的不同维度。
选取四大类资产:股票(万得全A)、债券(上证国债)、商品(Wind商品指数)、现金(三个月定存利率),详述四周期各资产表现(表6)。
解释紧货币+宽信用下股票表现差异因其周期衔接特性。
股票资产历史表现(图9、图10)呼应上述结论,宽货币+宽信用周期为主要收益贡献期。
具体年份案例分析(2010年、2011-2012年周期,图11-图15,表7-表8)验证资产表现与信用货币周期对应关系。
大类资产轮动策略:基于信用货币周期切换配置,具体为:
策略历史累计净值成长显著,年化超额收益达17.10%,信息比率(IR)1.11,胜率61.83%(图14,表9、表10)。但2016-2018年受供给侧改革影响,策略效果失效,2019年开始恢复有效性。
领先滞后期敏感性分析显示,资产对信用货币周期的反应稳健,领先滞后1期内效果最佳(表11,图15、图16)
采用绝对排名法和排名偏离度法两种方法分析29个中信一级行业在四个信用货币周期中的表现区别:
两法结合取交集,剔除周期间重复行业,形成行业轮动策略(图17、图18)。
行业配置对应如下(摘录):
该行业轮动策略相较行业等权配置,年化超额收益显著,达到15.77%-21.56%,胜率超过64%(表15、图18)。
报告主要聚焦宏观经济周期和资产配置视角,对单一公司或细分资产的估值分析未做重点阐述,无典型DCF或多因子估值模型;策略基于历史数据和周期先导指标构建,属于量化轮动策略范畴。
报告暗示供给侧改革造成的阶段性失效及最新市场交易经验为缓解这些风险的可能方向,但未详细给出缓解策略。
总体而言,理论和实证均强,但需注意结构性变化风险的动态监控和策略调整机制。
本报告系统构建了量化版的信用货币周期模型,明确了货币周期领先信用周期,基于国债收益率和信用利差两个代理指标有效划分出四个经济周期阶段:宽货币+紧信用、宽货币+宽信用、紧货币+宽信用、紧货币+紧信用。通过细致数据回测与实证分析,报告明确展现了该模型与传统投资时钟周期的嵌套关系,揭示了经济周期不同维度信息的互动机制。
信用货币周期对大类资产表现区分度明显:
上述特征得到多周期实例、敏感性分析的反复验证,基于这一周期模型构建的大类资产轮动策略,年化超额收益达17.10%,信息比率1.11,策略在2008-2015年表现卓越,虽受2016-2018年供给侧改革扰动,2019年重新有效。行业轮动方面,报告综合绝对排名法与排名偏离度法选股,获得年化业绩超额15.77%-21.56%,月度胜率超64%,显著优于等权及市场基准。
整体上,报告提供了一个兼具理论深度与实证广度的信用货币周期分析框架,能为宏观资产配置和行业轮动提供可操作的量化策略。当前基于该模型的实证分析建议整体配置偏债券为主,行业重点推荐消费相关如食品饮料、餐饮旅游行业,符合经济复苏需求及资金面宽松的判断。
图表示例:
信用货币周期四阶段划分示意(图6)
国债1年期收益率与信用利差领先滞后关系(图4)
大类资产轮动策略累计收益曲线(图14)
行业轮动策略累计净值对比(图18)
溯源页码:
, , , , , , , , , , , , , , , , , , , , , , ,
中信建投证券金融工程团队此份深度报告,以扎实的数据实证和严密的理论分析,提出了一个创新的信用+货币周期框架,为大类资产与行业的联动配置提供了有力的量化工具。报告综合理论基础、历史数据、周期领先关系及资产表现,构建切实可行的周期轮动策略,兼具解释力和实践参考价值。报告对中国特定货币政策环境和结构性经济改革的识别与分析亦颇具洞见,具备较强的现实意义和应用前景。
对于资产管理者和宏观研究者,该报告不仅丰富了经济周期对资产配置影响的研究路径,还提供了一套量化解析经济宏观信号及其资产映射的思路,值得深入研读和持续关注。
金融工程研究:量化视角下的信用加货币周期与资产配置.pdf