报告基于动态因子模型与马尔科夫状态转换模型,从增长因子、通胀因子和新增的剩余流动性因子视角出发,刻画了我国宏观经济周期及其对股票、债券、黄金、现金资产表现的映射规律。引入剩余流动性因子显著改进了美林时钟的适用性,特别是在2010年以来的增长因子持续下行背景下,组合投资时钟显示更优的风险收益特征。基于因子绝对水平与边际变化两类周期划分标准,报告分别揭示了经济长期稳态位置与短期波动趋势所对应的资产轮动模式,并进行了详细回测分析,验证了资产配置策略的有效性 .
| 周期状态 | 月数 | 股票 | 债券 | 黄金 | 现金 | 综合排序 |
|---|---|---|---|---|---|---|
| 低增长低通胀 | 60 | 22.85% (1.20) | 5.81% (7.74) | -4.69% (-0.19) | 2.90% | 股票 > 债券 > 现金 > 黄金 |
| 低增长高通胀 | 29 | -0.70% (0.03) | 2.95% (5.50) | -1.41% (-0.16) | 2.71% | 债券 > 现金 > 股票 > 黄金 |
| 高增长低通胀 | 28 | 30.05% (1.35) | 2.10% (1.58) | 27.17% (1.79) | 1.68% | 股票 > 黄金 > 债券 > 现金 |
| 高增长高通胀 | 89 | 13.70% (0.80) | 3.50% (3.28) | 26.84% (1.69) | 2.27% | 黄金 > 股票 > 债券 > 现金 |
以上结论贯穿全文,报告旨在为投资者提供基于宏观视角的资产配置框架与实证支持,尤其强调剩余流动性因子在新时代宏观经济与资产市场中的重要性。,4,5]
报告采用传统宏观经济指标作为观测变量:
利用动态因子模型(DFM)从这组指标提取隐含的增长因子和通胀因子。DFM是一种能捕捉多个宏观变量协同性和动态演化的统计模型,参数通过极大似然估计获得。模型滞后阶数p=3最优(附录表29)。
关键数据支撑:
图3-5清晰展现因子提取效果,增长因子与各增长指标高度吻合,通胀因子同理。,6,7]
为量化划分经济周期,报告采用非线性马尔科夫状态转换模型(MSM)处理隐含因子序列。MSM结合经济理论与统计方法,将经济周期划分为不同状态,状态转移概率用于估算状态持续期。
两种周期划分标准比较:
图6示意绝对水平与边际变化在时序上的差异。
MSM模型参数估计表4与表8显示,各状态对应显著正负参数,状态区分明显,状态持续期估算合理。
绝对水平划分结果(图7-9,表6-7):
边际变化划分结果(图10-12,表11-12):
两种划分标准各具优势,前者适合长线投资,后者适合把握短周期波动。,9,10,11,12,13,14,15]
基于构建的周期状态,分析四大类资产(股票、债券、黄金、现金)在不同宏观状态下的表现。选用代表性标的数据(表13):
图13-14反映资产长期累计收益和年度波动表现,股票波动最大但也最有不稳定性,债券表现稳健,黄金作为避险资产表现介于两者之间,现金波动最低。
核心资产轮动规律如下:
基于绝对水平划分(表14):
基于边际变化划分(表15):
报告提示边际变化划分更适合中低风险偏好投资者,而绝对水平划分适合风险偏好更高投资者。同时,两种划分均显示月度最优资产表现波动较大,短期交易不可完全依赖经济周期(图19-20)。,16,17,18,19,20]
自2010年起,中国经济增速长期下滑(图21),导致传统美林时钟基于增长和通胀的周期划分失效,资产轮动规律难以解释。
报告引入剩余流动性因子概念,定义为宏观流动性(M2同比和金融机构贷款同比构成的流动性因子)与实体部门流动性需求的差值,通过边际变化划分周期。
实证资产表现显示:
这表明剩余流动性不仅完善了经济周期识别,也极大提升了资产轮动策略的有效性,为传统美林时钟提供实质性突破。,22,23,24,25,26]
图1(DFM-MSM两步法流程示意) 很好展示从宏观变量选取、因子提取到周期划分的完整步骤,体现本报告方法论的科学性与系统性。
图2(增长指标占GDP比例) 清晰显示工业增加值、固定资产投资和社消零售占GDP份额结构,验证指标选择的代表性。
图3-5(因子加载与决定系数) 图表定量呈现增长与通胀因子对各宏观经济指标的解释力,辅佐模型选取的经济含义解释。
图6(经济周期划分方法比较示意) 形象展示因子绝对水平与边际变化两种周期划分标准的本质差异,说明为何两者适用不同投资者/策略。
图7-12(增长与通胀因子周期划分) 动态概率图与周期状态条,将复杂周期划分形象化,方便理解经济历史阶段转变与宏观环境趋势。,11,13,15]
图13-14(四大类资产累计与年度收益率) 直观展现资产类别表现差异,特别表明股票波动大收益高,现金回报稳定较低。为后续资产配置提供依据。,16]
图15-18(投资时钟投资组合表现) 伴随投资时钟切换,收益和波动率变化轨迹突出投资时钟优势,特别边际变化投资时钟夏普率提升明显。,19,20]
图21-25 (2010年后经济缓慢增长与剩余流动性引入) 展示2010年后增长因子持续低位,剩余流动性因子与通胀的周期状况及联合影响资产表现,支持剩余流动性因子的必要性与有效性。,23,24,26]
图表整体严谨且逻辑清晰,有助于理解理论建模与实证验证结合的严密脉络,充分支撑全文结论。
虽然报告重点在宏观因子和资产配置,但采用动态因子模型和马尔科夫状态转换模型构筑宏观周期分析框架,具有高度的定量严密性。
估值输入参数包括模型滞后阶数(确定为3)、因子载荷、状态转移概率矩阵等,均有详细统计检验支撑。
对于投资时钟策略,未采用传统DCF或市盈率等单一估值方法,而是以历史风险收益特征(年化收益、波动率、夏普比率和最大回撤)为评价标准,强调风险调整后收益最大化。跨周期资产轮动策略通过宏观因子映射实现资产风险收益的最优化,反映出宏观周期对资产回报预判的估值含义。
报告末尾对风险提示明确指出:
并无详细缓解策略说明,但强调需结合市场实际,谨慎应用模型结果。此外,短期内月度资产表现波动剧烈,模型适用于中长期资产配置指导,短期投机风险较高。
本报告系统、深入地以动态因子模型结合马尔科夫状态转换模型,基于增长、通胀及新增剩余流动性三大宏观因子,量化定义并划分了中国经济的长期与短期周期状态。实证分析揭示:
综上, 本报告为理解和把握宏观经济背景下的资产轮动规律提供了创新而严谨的方法论框架,尤其强调了剩余流动性因子在当前宏观环境下的重要角色,形成了较完善、适应当代中国宏观经济周期的资产配置投资时钟,对相关机构投资者及资产管理者具有重要的参考价值和实操指导意义。
图1:DFM-MSM两步法流程
图2:增长指标占GDP比例
图3:增长因子和通胀因子决定系数直方图
图6:周期划分标准对比
图7:增长因子长期趋势与状态划分
图15-16:基于绝对水平投资时钟与收益趋势
图17-18:基于边际变化投资时钟与收益趋势
图21-23:增长因子长期下行与剩余流动性波动
图25:综合通胀和剩余流动性组合收益优异
中信证券研究部关于宏观因子视角下资产轮动的报告,提出并验证了增长、通胀与剩余流动性三因子模型结合周期识别技术的创新分析框架,弥补传统美林时钟模型的不足,显著提升资产配置的科学性与实效性。其系统性方法、丰富数据及扎实模型,为机构投资决策提供了明确、数据驱动的宏观资产轮动策略蓝图,具有重要的理论和实践价值。
(全文共计约2400字)
资产配置专题系列之二:宏观因子视角下的资产轮动 增长、通胀和剩余流动性.pdf