本报告通过构建高频盈利领先指标与综合估值压力因子,结合盈利-估值压力-动量三维度模型,实现了对A股及大类资产的精准择时。应用于股债商配置的风险预算模型带来了年化收益9.61%、最大回撤4.34%的优异表现,同时构建了成长/价值风格轮动及基于宏观景气的行业配置方案,显著提升投资组合绩效,展现了宏观量化择时的新升级方法。
盈利领先指标的构建流程:基于约400个宏观指标,涵盖货币、信用、经济及通胀四大维度,经过指标预处理、领先指标筛选及Nowcasting方法,形成周频盈利领先指数,领先A股真实盈利1-2季度,辅助实时盈利状况预判。
盈利领先指数领先性显著,能捕捉A股盈利变化趋势,增强择时信号的及时性。
估值压力指标构建:结合国内外货币政策指标(十年期国债利率、M2-社融同比及美国通胀预期),按照预设规则,对估值压力进行分类,发现估值压力与A股PE_TTM存在明显负相关关系。
戴维斯双杀阶段(盈利下行且估值压力非零)A股表现最差,规避该阶段后,择时净值显著提升,下跌阶段有效规避风险,胜率达59.6%。
商品择时采用美林时钟与美国通胀预期趋势相结合,利用PPI和CPI领先指数划分经济周期,并判断通胀预期变化,结果表明过热期及通胀预期上升阶段商品表现更好,组合策略回避了主要下跌波段。
债券择时依据美林时钟划分宏观周期,数据显示债券收益在衰退期和滞涨期表现优于复苏及过热期,符合常规资产配置逻辑。
基于风险预算模型对股债商配置权重进行动态调整,结合股票、商品、债券的择时信号,形成轮动策略,绩效优异,年化收益率9.61%,收益波动比1.86,最大回撤4.34%。
成长/价值风格轮动基于盈利、估值压力和动量三维模型构建:
行业景气领先指标设计:结合宏观与行业特性,针对金融、周期、制造、消费及科技五大板块,挑选关联经济、流动性、产量及特有指标,合成行业景气指数。
单行业择时表现差异明显,周期类行业表现优异,科技及部分消费行业择时效果不佳。整体约2/3行业择时有效,支持行业配置方案。
行业配置策略实践:
标题: 《宏观择时2.0:轮盘重构与应用升级》
作者与发布机构: 开源证券金融工程团队,负责人魏建榕,2023年6月11日发布
研究领域: 宏观量化择时模型、A股及大类资产配置、成长价值风格轮动与行业轮动
核心议题: 本报告围绕A股及大类资产择时展开,重点结合盈利和估值双维度构建宏观择时模型,进而升级成长/价值风格轮动与细分行业配置,最终形成大类资产间(股、债、商品)的风险预算配置框架。
主要结论:
整体来看,报告以更科学化、机械化的多维指标体系重建了宏观择时框架,并通过三大维度驱动完成指数、风格及行业的层层深入配置,体现了逻辑严密和实证有效的特点。,1]
报告首先搭建近400个宏观指标的数据库,涵盖货币、信用、经济和通胀四大维度,指标频率涵盖月、周、日等多重尺度。数据经过频率对齐、缺失值填充以及季节性调整(考虑春节影响)等预处理,确保指标时序完整与一致性。
核心是盈利领先指标的甄选,采用三大逻辑筛选方法:
基于筛选出的盈利领先指标,使用动态因子模型(Nowcasting)以周为步长进行实时盈利状态的拟合,成功构建出领先真实归母净利润同比1~2季度的盈利领先指数(图2),可实时辅助投资者把握企业盈利趋势,提升择时信号的前瞻性。,3]
估值压力源于国内外流动性和货币政策差异影响,采用以下指标组合构建估值压力因子:
实证显示,当美国通胀预期超过2%时,意味着加息压力增大,常伴随外资流出,A股估值整体承压明显(图3)。综合国内外指标,构建的估值压力综合因子,当“国内外估值压力”均为0时视为估值无压力,为-1时视作估值压力状态(具体逻辑详见第4页)。
图4显示估值压力状态对应PE_TTM的显著下行趋势,揭示估值压力因子对市场估值波动的有效捕捉能力。,4]
戴维斯双杀指盈利下行且估值压制叠加的双重压力阶段。利用盈利领先指数与估值压力指标,把市场状态划分为四个象限,统计各象限下的Wind全A指数下月收益和胜率(表3)。
结果揭示,戴维斯双杀阶段A股表现最差,策略上空仓此阶段而其余阶段持有,胜率提升至59.6%(图5和表4)。这种简单直接的择时模型即有效剔除了主要下跌风险段,如2015年市场下跌一次原模型未规避外,其他下跌行情均有效规避。,5]
考虑到商品无法像股票估值有现金流折现基础,报告采用美林时钟框架,将经济周期划分为复苏、过热、滞涨、衰退四个阶段,结合PPI与CPI的领先指标构建通胀前瞻指标(图6、7),划定宏观周期(图8),展示南华商品指数上涨主要发生在“过热”阶段,明显区分于非过热阶段(图9)。
为增强择时效果,进一步结合美国通胀预期趋势判断商品未来表现,在通胀预期上升阶段,商品表现显著优于下跌阶段(图10)。最终,两模型结合,任一看多时买入商品,提升择时净值及风险规避(图11)。,6,7]
同样基于美林时钟框架,报告揭示债券指数(中债新财富综合指数)主要回撤多发生于经济复苏和过热阶段(图12),在衰退和滞涨阶段具备较好收益和较高胜率,符合债券市场经典避险逻辑(表5)。
结合股(Wind全A)、债(中债新财富)、商品(南华商品指数)各资产的择时信号,利用风险预算模型调整权重,设置多空信号对应不同风险预算值,使得资产配置更合理平衡风险与收益权衡。结果表现年化收益9.61%,信息比率1.86,最大回撤4.34%,表现显著优于等权风险预算(图13,14,表6)
报告基于股指择时维度,构建成长/价值风格轮动模型,采用国证成长指数与国证价值指数作为代表。
实证发现估值压力维度的择时效果明显好于盈利维度(图15,16)。2020年疫情后成长风格强势导致盈利择时和估值择时失效,部分原因在于政策边际收紧造成价值误判。
观察到风格切换存在惯性,前期趋势强势风格未必立即反转,报告增加12月滚动动量作为第三维度调节风格信号(图17),提升择时稳定性。
构建基于盈利状态(上行/下行)、估值压力(无/有)和动量(强/弱)的四象限轮盘,实现更细腻的风格择时决策(图18):
此模型对应的风格多头组合超额年化收益5.39%,信息比率0.74,月度胜率58.4%,显著跑赢成长/价值等权组合(图19-20,表7)。,11]
进一步深入行业层面,报告创新性梳理各行业特有的宏观景气领先指标,结合行业自身特点与产业链上下游需求:
渗透行业景气领先指标构建合成指数,针对单个行业相较Wind全A超额收益进行择时,周期类行业择时效果最佳(图22)。部分科技、消费行业择时效果较差,未能找到合适领先指标;国防军工、环保、综合行业缺乏数据支持被排除。
高低配策略: 将资金按行业等权划分,景气看好的行业持有对应资金,景气不佳的替换为Wind全A指数。超额年化收益2.62%,信息比率0.79,月度胜率61.95%(图23,表9)。
优选多头策略: 仅选择景气看好的行业进行投资,基准仍为行业等权。超额年化收益6.73%,信息比率0.91,月度胜率60.18%(图24,表10)。
优选多头策略效果更优,表明集中配置于周期景气较好行业带来更好收益表现。,15]
总体而言,所有图表均严谨支持报告论点,指标筛选流程、择时效果以及收益回测均体现实证和逻辑严密性。
本报告未直接使用传统股票估值模型(如DCF),而在估值端采用货币政策倾向、流动性状况及通胀预期等宏观变量佐证A股估值压力,并构建综合估值压力因子表达市场整体估值风险。
该指标在动态识别估值上升或承压周期中扮演关键角色,与盈利指标配合应用成为规避戴维斯双杀的核心驱动力。美林时钟被作为周期分析框架用于商品和债券分类情景,辅助资产配置决策。
估值指标的折现率、永续增长率等传统DCF参数未显式计算,侧重宏观变量与市场估值的相关关系。
风险预算模型用于资产风险权重动态调节,其关键输入依据各资产的收益波动和策略信号,确保组合整体风险符合预期。,4,8]
风险提示: 报告提示模型基于历史数据测算,未来市场可能出现重大结构改变,从而导致模型表现失准。具体风险点包括:
报告未详细披露对每项风险的缓解策略,但通过多维度指标融合与模型简洁性设计降低单一因子风险,且引入风险预算避险机制部分缓解系统性风险隐患。
总体模型设计兼顾简洁实用与多元因素,但仍存在外部事件冲击与结构性变化带来的不确定性。
本报告系统构建并升级了宏观择时2.0框架,核心在于将盈利与估值两大维度的领先指标结合,使用高频Nowcasting模型提升盈利预测的前瞻性,同时引入反映国内外货币政策倾向的估值压力指标,核心策略是规避戴维斯双杀阶段以规避重大市场回撤风险。
资产配置部分,报告使用美林时钟和美国通胀预期构建商品与债券择时模型,结合A股择时信号通过风险预算实现股债商品三者的有效动态配置,表现出色,年化收益达9.61%,最大回撤控制良好。
成长/价值风格轮动层面,上述盈利-估值压力-动量三维轮盘合理捕捉风格切换,超额收益显著且稳定,展现了风格内结构择时能力。
在行业配置方面,报告创新梳理各行业符合产业链特征的宏观景气领先指标,构建景气指数指导配置策略,优选多头表现最佳,周期类行业择时效果突出。
图表及数据分析清晰展现出盈利领先指标的领先性、估值压力的市场压力信号、美林时钟基础上的商品与债券市场周期划分以及成长/价值轮动的超额收益优势,为宏观择时领域提供了切实可行的新范式。
报告虽然承认模型基于历史数据,未来市场存在结构变化风险,但整体呈现出严密的方法论逻辑和多维度验证,是A股及大类资产宏观择时的前沿实践代表。
以上分析涵盖了《宏观择时2.0:轮盘重构与应用升级》报告的关键论点、数据与图表解读、估值分析、风险评估及批判性视角,为投资决策及学术研究提供了重要参照。
宏观择时2.0:轮盘重构与应用升级 | 开源金工.pdf