宏观专题：数据“真空期”怎么做资产配置？

我们提出了四个视角来观察开年数据“真空期”下的资产配置，结论如下： （1）金融数据、货币条件对债市的意义强于股市，今年开年无论是狭义还是广义流动性都是无虞的；（2）高频指数在排除季节性影响后，可以追踪基本面变化的方向，对股票择时有一定参考价值，今年初来源于产业的高频指数和往年同期相比并未展现出劣势；（3）另类数据和BCI指数对股票的指引效果均强于债市，准确度上另类数据更胜一筹。BCI指数和另类指数透露出开年商业景气走弱，高端制造、传统制造业景气都不算强，或许可以在一定程度上解释开年高估值板块并不乐观的表现。这套体系在3月中旬发布数据前可以密切跟踪，在资产配置上应对比预测更为关键。 思路一：金融数据和货币环境找感知（年初方向：+） 前两个月官方数据中，从统计来源、整体与结构等视角来讲，金融数据都是质量颇高的。由于去年开年也是“天量社融”，因此新增社融和新增信贷用“同比多增”并不是一个很好的观测方式。考虑到从融资到经济增速、利润增速等同一维度的比照，我们建议采取信用脉冲，该指标已经出现了连续3个月的回升，1月份的回升速度边际加码，指向年初企业盈利的同比增速走强。年初市场所担忧的“稳增长”和“宽信用”，后者已经无忧，前者依据国信货币条件指数所显示的1月流动性环境边际转宽，节前降息效果兑现，也反映出利空情绪的释放。但“天量社融”数据发布后首个交易日，股市还是高开低走，市场还在犹豫自下而上看稳增长的发力点何在，有赖于高频数据的抽丝剥茧。 思路二：高频数据看蛛丝马迹（+） 参照国信宏观高频扩散指数，年初表现可以概括为：绝对水平不强，但剔除季节性后相对不弱。（1）以公历日期来看：如果将各年数据定基为100，历年初数据的下滑是正常季节性现象，今年前五周的下滑幅度和历史平均水平的差异很小，在0.2个百分点以内。（2）若以农历年来看，返乡加停工的春节假期所在周是年内实体经济数据表现弱的低谷，今年春节较早，经济数据在春节前四周走弱的幅度和历年均线也没有差异，后续在节后正常复工复产效应下会有经济数据转好。根据2022高频数据的拆分，焦化企业开工率、PTA产量对国内指标在逆势走强，对今年开年局部地区疫情反复下的高频扩散指数有助力。 思路三：另类数据做跟踪（-） JT平方智管有方口径的另类指数包括基建、传统制造、耐用品消费、高端制造等领域，涵盖新老经济脉络，我们通过观察年初另类数据向好、走差的比例来判断整体景气方向。2019和2021年1月被判定为经济景气较好，2020、2022年则归为景气交弱的年份。从资产价格方加以比照，大盘走势与过去四年一月份的表现也基本贴合，但另类数据对债券市场的走势的匹配效果稍弱。 思路四：调查数据来配置（-） 第一条主线即盯着制造业PMI,在今年初官方口径和财新口径分化的情形下，PMI对股、债配置的指导性较往年弱些。第二条主线是观测BCI指标，今年开年无论是总指数走势还是分项指数的结构博弈，负向反馈都占了上风，代表商业领域信心的不足，与开年股市表现整体接近。 风险提示：全球供应瓶颈问题尚未得到缓解，海外仍未摆脱疫情冲击 历年1-2月都是大部分经济数据的“真空期”，官方数据方面除了PMI、金融和价格数据外，投资、增长、消费、贸易等主要数据都要等到3月中旬发布。 在2022开年资本市场呈现出复杂波动的情形下，如何从基本面角度给投资找到一个合理的“锚”，摸索出年初投资幽深隧道中潜藏的宏观脉络，比往年更为关键。本文从金融数据、高频数据、另类数据和调查数据四个角度，提供衡量1-2月数据“真空期”下投资所聚焦基本面的信息标尺。 1.思路一：金融数据和货币环境找感知 前两个月官方发布的数据中，金融数据从统计来源、整体与结构等视角来讲都是质量颇高的数据。1月信贷、社融的“开门红包”无论是总量还是结构都很好，比较的维度上我们建议还是用信用脉冲。如果用社融同比多增，很容易得出实体贷款和政府债撬动了信用扩张的结论，但2021开年也是“天量社融”，去年市场之所以采用同比多增，是2020年初新冠爆发特殊时期，逆周期政策调控之下的金融数据“爆表”导致的高基数造成的。考虑到从融资到经济增速、利润增速等同一维度的对比，建议采取信用脉冲指标，该指标已经出现了连续3个月的回升，1月份的回升速度更是边际加码。 从信用脉冲来推定年初稳增长应如期兑现。历史中信用脉冲“宽信用”确认再到盈利增速反弹平均有4个月左右，从总量的视角讲3月中旬发布的数据可能并不会差。年初市场担忧的“稳增长”和“宽信用”，社融数据发布下后者问题已经破解，前者根据广义货币到稳增长的推定也可以解决一半。另一半要看狭义流动性，国信货币条件指数显示1月流动性环境边际转宽，节前降息效果显现，在这种环境下，市场看得到数据“真空期”股市预期朝着基本面靠近的熹微晨光。但数据发布后首个交易日股市还是高开低走，市场还在犹豫自下而上看稳增长的发力点何在，这就要依靠高频数据来抽丝剥缕了。 图1：从信用脉冲到工业企业利润增速的传导 图2：国信货币条件指数显示开年的宽货币特征 另一方面，始于去年底的专项债发力之下，2022开年基建的高增速基本板上钉钉。专项债净融资对基建传导有一个季度左右的时滞，各地项目年初开工情况可以作为确认指标，在去年底专项债虽迟但到、后来居上的助力下，年初的项目开工资金到位，逐渐有了起色：根据Mysteel统计的重大项目开工投资，今年1月达到了4.86万亿元，远超出前两年同期水平，且在春节返乡结束后，预计3月会显著超出1-2月，叠加低基数效应，开年基建增速有望迎来突出的表现。 图3：各地重大项目开工投资额：2022年“开门红” 2.思路二：高频数据看蛛丝马迹 其次，按照国信宏观高频扩散指数，年初表现可以概括为：绝对水平不强，剔除季节性后相对也不弱。虽然一月份的增长、投资、消费等数据合并为1-2月在3月中旬一起发布，但高频数据还在按时发布，可以把脉基本面变化。（1）以公历日期来看：如果将各年数据定基为100，历年初高频数据的下滑是正常季节性现象，今年前五周的下滑幅度和历史平均水平间差异很小，在0.2个百分点以内。（2）若以农历年来看，返乡停工的春节假期所在周是年内实体经济数据表现弱的低谷，今年春节较早，经济数据在春节前四周走弱的幅度和历年均线并没有差异，后续在节后正常复工复产效应下还会有高频指标的转好。 图4：国信宏观高频扩散指数的季节性走势（按公历计） 图5：国信宏观高频扩散指数的季节性走势（按农历计） 从高频数据对应股、债变化，可以得到一条比较清晰的线索，即开年基本面比同期历史均值弱时股市表现较差，比历史均值好时股市表现都不会太弱，而今年初是个例外。2018~2022年初的实体融资量在全年都处在偏高的分位，因此广义流动性方面不算弱，盈利可以盯着基本面有无改善。我们以历年前8周高频指数A相对于同期均值变化幅度，如果在±0.25幅度内则归为改变轻微；大于0.25归为改善，低于-0.25时认为走弱。则在2017、2019开年可判定为改善，在2020则认为走弱，而2018、2021开年没有明显方向，相应地，这些年份股、债的走势与基本面的判定基本是一致的。2022年之所以是个特殊的年份，在于数据统计发布所需要的时滞内，市场对“稳增长”的信心不足、对经济增长的落地形式有迟疑，但从2022高频数据拆分，虽然西安等地区有局部疫情反复，但“运动式”碳中和的消退下，焦化企业开工率、PTA产量对国内指标在逆势走强，使得开年高频扩散指数季节性下降程度没有突破往年规律。 图6：国信宏观高频扩散指数的季节性走势（按农历计） 3.思路三：另类数据做跟踪 第三个方法即应用另类数据，我们在2021年10月15日发布的报告《摆脱资产配置中数据“陷阱”》中曾验证京东数科JT平方智管口径的另类数据对实体指标具有领先发布、相关性强两个优势。另类数据涵盖门类广泛，包括：（1）传统的挖机、重卡等基建类指标；（2）乘用车等耐用品消费重点指标；（3）芯片、动力电池、造车新势力销量等高端制造领域。我们通过观察年初另类数据向好（红色）和走差（蓝色）的比例（调色盘）来判断整体景气方向。2019和2021年1月被判定为经济景气较好，而2020、2022年则归为景气交弱的年份。从资产价格方加以比照，大盘走势与过去四年间一月份的表现也基本贴合，但债券市场走势与另类指标的匹配效果稍弱。今年开年另类数据显示基本面存在一定压力，与股市走向接近。 图7：JT平方智管有方口径的另类指数与国内股、债关联 4.思路四：调查数据来配置 第四类数据即调查指标，根据特定的采购经理人（PMI）、关联企业（BCI）进行调查、汇总、统一的信息，来进行基本面的判断和股、债择时。 第一条路即盯着制造业PMI，该指数在今年初对股、债配置的指导性较往年弱些。1月两口径的PMI数据又发生了背离，官方披露的制造业PMI从去年底的50.3%回落至50.1%，而笔者在先前研究中发现，二者的背离是统计采样时间、样本采样方式不同等诸多原因造成的，当二者发生背离时，资本市场中股、债价格跟着哪个指标走，其实并没有统一的规律，最后还要求证于事后发布的工业增加值走势，因此1月PMI并未提供增量信息。 第二条路即观测长江商学院BCI指数的整体走势及结构变化。1月BCI指数从去年底的53.05下降至52.59。从标准化后的分项指标来看，利润前瞻和销售前瞻仍然是正向拉动了商业景气，库存前瞻、融资环境均构成了拖累；整体上造成1月中国企业经营状况指数边际下滑的是库存因素，从扣除掉价格影响的工企业产成品存货同比增速来对标也是同样的结论。 图8：BCI及四个分项指标的走势分析 图9和图10从历年1月、1-2月BCI整体及分项走势来对比了股、债涨跌期间大类资产的走向。根据BCI整体指标的变化、BCI分项指标边际转好（红色）和边际转弱（蓝色）的比例分布来判断商业周期景气。（1）在2013、2015、2019-2021年BCI总指标1月份变化要好于历史同期，股市在2015、2020年与基本面背离；（2）在2014、2016-2018、2022年1月的变化较历史同期要低，其中股市在2017-2018年走势与之背离，其他时期均与BCI代表的方向相同。今年1月BCI指数整体下降,分项中销售（*）、库存（*）、消费品价格、投资、招工、中间品价格共6个前瞻项都给出了负面反馈，利润（*）、融资环境（*）、总成本、用工成本、竞争力等5个分项是正面反馈。注意这里是从计算BCI的四个分项指数（上述标记*的部分）扩充到了11个广义分项指标，且考虑了成本类是逆向指标，整体看负反馈占了上风，与开年股市表现接近。 图9：BCI及四个分项指标的走势分析（历年1月） 考虑到国内市场春节的日历效应更加明显，我们将1-2月并到一起来考虑，对标维度是每年前两个月相对去年底的变化量。2013、2015、2016、2019、2021年BCI总指数比历史同期变动均值更高，而2014、2018、2020年BCI总指数比历史同期平均变化要低，2017年和历史同期大体保持一致。对应到市场表现上，股市在2016年、2018年、2020年与商业景气有过分歧外，基本都和BCI走向相同。商业周期的计算中包含了盈利、融资环境等上市公司相关的因子，因而在数据空档的期间对股市走向有一定借鉴意义，无论是看开年首月还是头两个月，BCI指标边际走向对债券市场的前瞻有些差强人意，债券更容易受狭义、广义流动性因素的影响。 图10：BCI及四个分项指标的走势分析（历年1-2月） 5.总结 本篇我们提出了四个视角来观察开年数据“真空期”下的资产配置，结论如下：（1）金融数据、货币条件对债市的意义强于股市，今年开年无论是狭义还是广义流动性都是无虞的；（2）高频指数在排除季节性影响后，可以追踪基本面变化的方向，对股票择时有一定参考价值，今年初来源于产业的高频指数和往年同期相比并未展现出劣势；（3）另类数据和BCI指数对股票的指引效果均强于债市，准确度上另类数据更胜一筹。BCI指数和另类指数透露出开年商业景气走弱，高端