本报告通过国债收益率和信用利差刻画货币与信用周期,建立信用货币四周期轮动模型,发现货币周期领先信用周期。基于此模型,系统分析大类资产和行业在不同信用货币周期的表现特征,提出资产和行业轮动配置策略,历史回测显示大类资产配置策略年化超额收益达17.10%,行业轮动策略超额收益达15.77%,且策略稳定性通过领先滞后敏感性分析验证。当前策略建议偏债券配置,优选食品饮料和餐饮旅游等行业配置,展现了信用货币周期在资产配置中的重要指导意义与实践价值
| 周期 | 股票收益率(胜率) | 债券收益率(胜率) | 商品收益率(胜率) | 现金收益率 |
|---|---|---|---|---|
| 宽货币+宽信用 | 5.26% (78.57%) | 0.31% (69.57%) | 1.69% (64.29%) | 0.19% |
| 宽货币+紧信用 | -2.71% (50%) | 0.56% (60%) | -3.47% (38.89%) | 0.21% |
| 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% |
| 领先滞后期(区间[-2,2]) | 宽货币+紧信用 | 宽货币+宽信用 | 紧货币+宽信用 | 紧货币+紧信用 |
|---|---|---|---|---|
| 股票平均收益率 | -0.80% | 1.36% | -0.37% | -0.13% |
| 债券平均收益率 | 0.43% | 0.36% | 0.27% | 0.21% |
| 商品平均收益率 | -0.84% | 0.04% | -0.01% | 0.70% |
| 现金平均收益率 | 0.21% | 0.20% | 0.20% | 0.21% |
报告标题:量化视角下的信用+货币周期与资产配置
作者及团队:丁鲁明、胡一江,鲁明量化全视角团队
发布机构:中信建投证券股份有限公司,金融工程研究部
发布日期:2019年5月23日
主题:本报告聚焦于中国宏观经济中信用周期与货币周期的关系,探索两者如何形成周期性轮动模式,并据此构建大类资产及行业配置策略,旨在通过量化方法指导资产配置与择时,提升投资收益与风险控制能力。
核心论点总结:
报告指出国内外对信用与货币周期研究多以“信贷周期”为核心展开。学术界主流理论:
结合中国特殊情况,货币政策独立性强,形成“宽货币,紧信用”现象:2018年至2019年间多次降准释放流动性,但实体经济融资状况受限,信用债违约频繁,社融和M2增速下降,说明信用周期与货币周期在传导上存在断层,成为本报告的研究动机和重点。
传统依据央行政策调整来划分货币周期,但存在滞后、难以实时量化等缺陷。报告采用中债国债1年期收益率作为货币周期量化代理,认为其能较好反映货币政策由宽松转紧及反向过程,中长期国债利率(如10年)因涵盖经济基本面因素,不适合单纯衡量货币周期。[图1]
信用周期的常用指标有M2同比增速与社融规模。然而,二者在2012年后多次出现明显背离,且均呈现长期下降趋势,难以准确反映信用周期波动,导致误判长期“信用紧缩”。报告选用市场敏感性更强且能反映企业经营信用风险的信用利差指标(AA级企业债5年期与国债5年期收益率差)作为信用周期代理,避免因刚兑掩盖信用风险,能更好地捕捉信用周期的波动特征。[图2、图3]
经过数据实证,报告发现货币周期显著领先信用周期:
因此,货币周期是政策目标,信用周期是最终结果。基于此,构建了货币周期与信用周期的四象限轮动模型:
| 状态 | 货币周期 | 信用周期 | 经济含义 | 投资时钟类比 |
|---|---|---|---|---|
| 宽货币+紧信用 | 宽松 | 紧缩 | 衰退 | 衰退 |
| 宽货币+宽信用 | 宽松 | 宽松 | 复苏 | 复苏 |
| 紧货币+宽信用 | 收紧 | 宽松 | 过热 | 过热 |
| 紧货币+紧信用 | 收紧 | 收紧 | 停滞滞涨 | 滞涨 |
划分方法基于国债收益率与信用利差的趋势(上升/下降)确认周期状态,结合差分方法减少误判。实证数据显示该模型能稳定捕捉周期转换、且能对应传统投资时钟周期并嵌套经济周期不同维度信息。[表2、图4-7]
报告选取股票(万得全A)、债券(上证国债全价指数)、商品(wind商品指数)及现金(3个月定存利率)为大类资产代表,统计不同信用货币周期下月度平均收益与胜率:
注:紧货币+宽信用周期股票表现不佳,因其承接宽货币+宽信用周期高涨部分导致回撤多。[表6]
多个图表显示,股票主要收益来自宽货币+宽信用周期,交易胜率和累计收益均最高。紧货币+紧信用周期虽有绝对收益,但胜率不到50%,波动大,不宜重点配置。[图9-10]
以信用货币周期为依据,轮动配置:
实证显示该策略在2008年至2019年期间表现优异,年化收益21.11%,超额收益17.10%,IR1.11,最大回撤-29.5%,月度胜率61.83%。2016至2018年因供给侧改革影响,影响该策略效果;2019年初恢复显著超额收益(10.4%).[图14,表9-10]
资产收益对信用货币周期领先/滞后偏差不敏感,在领先滞后期±1月范围内仍表现稳健,表明策略具有实用性和稳定性。[表11、图15-16]
按各行业在不同信用货币周期的月度表现计算平均排名,挑选表现较优行业。缺陷是无法区分长期表现优异行业与该周期特定优异行业,多周期排名靠前的行业重复性高,如家电、汽车等。[表12]
为提升区分度,计算行业在某周期的表现排名与自身历史平均排名的偏离度,优先选择偏离较大的行业。该法能减少长期“老牌”行业的重复选择,强调周期专属表现突出的行业,但可能出现排名偏离高但绝对收益不一定靠前的情况(例如传媒行业)。[表13、表14]
综合绝对排名法与排名偏离度法优点,取两者排名前十的交集,剔除重复行业,形成稳健的行业轮动组合。实证结果表明,行业策略年化收益24.81%,对行业等权超额15.77%,IR1.23,月度胜率64.12%;相对沪深300超额21.56%,IR1.34,胜率62.60%。表现优异。[图17-18,表15]
主要结论:
配置建议总结:
以下为报告中关键图表总结与解读(均来自中信建投证券研究发展部、wind数据):
图1:中债国债1年期收益率与货币周期划分
展示2007年至2019年间1年期国债收益率波动阶段划分,明显的周期交替体现货币政策宽松与收紧阶段,为代理货币周期指标提供直观基础。
图2、3:M2同比、社融同比及信用利差对比
M2与社融规模曾同步增长,但2012年后频繁背离,信用利差相较更敏感,更突出信贷风险周期的波动,避免长期误判信用紧缩趋势,证明信用利差为优代理指标。
图4:国债收益率与信用利差对比,货币周期领先信用周期特征明显
两者波动趋势及时点略有错位,表明货币波动先于信用波动,量化确认传播时滞,为四周期模型逻辑奠基。
图5、6:理论模型与四周期轮动示意图
通过周期波动对比(货币周期领先),并说明阶段性周期间转换路径,构建轮动模型,形象展示信用货币交互影响及经济各状态对应投资环境。
图7:信用货币周期历史划分结果及周期转换频率
模型稳定捕捉真实经济与政策环境变化,周期切换频率合理,能有效指导周期投资策略制定。
图8:信用货币周期与传统投资时钟嵌套关系示意
说明两类周期相互渗透却侧重点不同,信用货币周期为经济周期提供细化视角,弥补投资时钟粗略性。
表6及图9、10:各大类资产周期表现及股票分周期收益
具体量化了资产类别在四周期表现,突出宽宽周期股票超强表现,紧紧周期商品优势等,为轮动策略提供实证支撑。
图11-13及表7、8:2010年及2011-2012年周期与资产表现实证分析
多季度市场环境及资产表现解读,验证理论逻辑对真实市场的解释力与预测力。
图14及表9、10:轮动策略累计净值与年度表现统计
展示策略长期优异表现及阶段性回撤,分析供给侧改革对策略影响,揭示策略优势与局限性。
表11及图15、16:资产收益对领先滞后敏感性分析
企业益周期领先或滞后2期,策略依然稳健,强调模型可操作性。
表12、13及14:行业绝对排名与排名偏离度对比分析
阐释两种排名法的优缺点及行业表现差异,突出选股方法改进的重要性。
表15及图17、18:综合行业轮动策略表现和收益曲线
策略取得显著超额收益及稳定增长,验证了行业配置策略的有效性。
本报告核心为周期划分与资产轮动策略设计,未涉及传统企业估值模型(如DCF、市盈率法等),主要通过信用利差与国债收益率代理信用周期和货币周期,然后以资产历史收益及胜率为依据构建轮动模型和相关策略,属于周期与策略研究范畴。
报告未单独列出风险章节,但从内容及数据可推断潜在风险:
报告通过敏感性分析、供给侧改革案例等提出缓解思路,但仍需投资者动态跟踪与风险控制。
整体来看,报告在理论和数据支持下提供了一套系统、量化且适应中国经济与政策特点的周期模型及资产配置框架,具有较高的实用价值,但仍需投资者关注动态变化及政策风险。
本报告系统阐述了基于量化方法的信用货币周期模型及其对大类资产和行业配置的指导意义。采用中债国债1年期收益率和AA级企业债信用利差作为货币和信用周期的核心指标,证实货币周期领先信用周期,构造出四周期轮动模型(宽货币+紧信用、宽货币+宽信用、紧货币+宽信用、紧货币+紧信用),明确了周期的经济内涵及与传统投资时钟的嵌套关系。
模型在历史数据中的表现良好,成功解释了资产类别与行业板块的收益表现差异:股票适合宽货币宽信用周期,商品优于紧货币紧信用周期,债券则在宽货币紧信用及紧货币宽信用中表现优异。基于此构建的大类资产轮动策略实现年化17.10%超额收益,行业轮动策略收益率也明显优于市场平均。
供给侧改革对模型及策略表现带来暂时扰动,验证了模型对经济政策变动的敏感性,但在政策回归常态后,模型显示良好恢复力。敏感性分析进一步说明资产对领先滞后的稳健性。
最终,报告提出了结合周期判断的切实可行的资产配置与行业配置建议,强调债券与消费类(食品饮料、餐饮旅游)行业在当前环境的价值。
综上,本报告成功构筑了适合中国宏观经济与市场特征的量化信用货币周期分析框架,为投资者提供了科学的周期判断依据及资产行业轮动策略,具有理论创新性和实践指导意义。
核心结论及目录;引言与理论背景;货币与信用周期指标选择及验证;四周期轮动模型构建;大类资产周期表现及轮动策略;行业轮动及方法改进;总结与建议;联系方式及免责声明。
(全文所有关键推论均可溯源至上述标注页码,以保证内容严谨可靠。)
此分析力求详尽覆盖报告全部核心内容、关键数据、模型逻辑、图表解析和策略表现,助力读者深刻理解信用货币周期在宏观经济资产配置中的重要作用。
【建投金工丁鲁明团队】深度专题70:量化视角下的信用+货币周期与资产配置.pdf