量化专题报告：量化捕捉宏观驱动下的行业戴维斯双击机会

量化专题报告 量化捕捉宏观驱动下的行业戴维斯双击机会 2023年03月16日 传统宏观驱动定量配置框架的局限。自上而下的宏观驱动定量配置历来是市 场关心的热点。但宏观到资产的配置痛点在于传导链条长、逻辑假设复杂，无法通过简单的线性映射准确刻画：1.美林时钟、普林格经济周期都属于样本分类方法，其局限性在于经济周期的 判断较难，且表面相似的宏观场景背后的底层逻辑链条可能有较大区别。 2.时序回归是另一常用的宏观预测资产价格的思路，其局限性在于宏观变量与行业资产价格收益之间的直接相关关系较弱。 分析师叶尔乐执业证书：S0100522110002邮箱：yeerle@mszq.com 引入中间变量的宏观驱动配置思路。我们认为一个更清晰的宏观变量传导逻 辑是：宏观指标发生变化影响盈利与估值的变化，进而导致资产价格发生变化， 相关研究 其本质是一个非线性结构。我们在宏观变量与资产价格之间，引入景气度和估值 1.量化周报：社融大增，市场转牛概率提升-2 作为中间变量，把宏观指标的预测目标从收益率转换到景气度和估值预测上，再 023/03/12 由行业景气度和行业估值变化驱动行业价格变化。景气度和估值宏观驱动因子构建。我们将不同宏观变量对行业景气度和估值的预测值按月填充后取平均，分别构建景气度宏观驱动因子和估值宏观驱动因 2.量化专题报告：绝对收益的炼成：公募固收 类基金收益全解析-2023/03/06 3.量化周报：震荡延续但风险较低-2023/03/ 05 子。两个因子在截面上有一定的行业轮动能力，各自多头组合的超额收益较为稳 4.资产配置月报：三月配置视点：因子+事件 定。 的多维行业配置框架-2023/03/02 景气度与估值的行业戴维斯双击策略。 5.量化周报：市场情绪降温，或进入持续震荡-2023/02/26 1.景气度宏观驱动因子与估值宏观驱动因子相关性平均为负，将两个因子结合 为最终的行业宏观驱动因子，因子表现有进一步提升。历史上看，多头行业分布较为均匀。 2.通过交叉分组的方式选取未来景气度与估值有望双升的宏观驱动的行业戴 维斯双击组合。策略绝对年化收益为28.0%，超额年化收益为17.6%，策略表现优异。 风险提示。量化模型基于历史数据，市场未来可能发生变化，策略模型有失 效可能；模型采用的样本数据有限，存在样本不足以代表整体市场的风险。 目录 1传统宏观驱动定量配置框架的局限3 1.1样本分类思路3 1.2时序回归思路6 2引入中间变量的宏观驱动配置思路8 2.1宏观变量对于行业收益的传导并非简单的线性结构8 2.2宏观变量真实的传导逻辑9 2.3预测行业未来景气度9 2.4预测行业未来估值14 3景气度宏观驱动因子17 3.1如何构建宏观整体预测的行业未来景气度？17 3.2用哪些宏观变量构成行业未来景气度预测值？17 3.3宏观预测归母净利润增速因子的FQ1、FQ2定义18 3.4景气度宏观驱动因子构建及表现19 4估值宏观驱动因子23 4.1用哪些宏观变量合成宏观整体预测的行业未来估值？23 4.2宏观预测的PE_TTM23 4.3估值宏观驱动因子构建及表现24 5景气度与估值的行业戴维斯双击26 5.1戴维斯双击：因子合成26 5.2戴维斯双击：交叉组合27 6总结与展望30 7风险提示31 插图目录32 表格目录33 1传统宏观驱动定量配置框架的局限 自上而下的宏观驱动定量配置历来是市场关心的热点，宏观到资产的配置痛点在于传导链条长、逻辑假设复杂，无法通过简单的线性映射准确刻画。本篇报告尝试定量刻画宏观到行业配置的传导链，克服传统宏观驱动配置研究逻辑模糊的痛点。 首先，我们复盘梳理常见的传统宏观驱动配置框架，主要分为两种：样本分类和时序回归。 1.1样本分类思路 样本分类是宏观研究最常见的思路，这类方法对历史进行经济周期的分类，统计历史上不同经济状态下各个资产和行业的收益表现，在接下来相同的经济周期中配置相应的资产和行业。 1.1.1美林时钟是最经典的样本分类方法 美林时钟是资产配置领域最为经典的样本分类方法，其由美林证券对美国1973-2004年期间的历史经验数据研究统计得出，发表在报告《TheInvestmentClock:MakingMoneyfromMacro》上。美林时钟根据经济增速和通胀水平将经济周期划分为四个阶段，分别是复苏、过热、滞涨、萧条。 美林时钟通过统计历史上四个经济周期下的资产收益表现，得出不同经济周期下的配置建议。比如在经济增速和通胀双双上行的经济过热阶段，配置的建议是周期价值（CyclicalValue）。 图1：美林时钟是典型的样本分类方法 周期成长(CyclicalGrowth) 滞涨 衰退 通胀水平 过热 经济增速 复苏 周期价值(CyclicalValue) 防御价值(DefensiveValue) 防御成长(DefensiveGrowth) 资料来源：《TheInvestmentClock:MakingMoneyfromMacro》，民生证券研究院整理绘制 美林时钟的一个局限性体现在未考虑央行在经济波动中逆周期调节和引导市场预期的能力，在货币主义时代其有效性在减弱。模型发表于2004年，其非常直 观地将资产轮动与经济周期紧密地结合起来，是资产配置的经典模型，但是现实世界中，经济周期并不是严格按照模型给出的顺时针方向运转的，政府的干预可能引起时钟跳跃或逆转。 1.1.2普林格经济周期 美林时钟未考虑央行逆周期调节的能力，马丁J.普林格提出的普林格经济周期在美林时钟的基础上做了相应的改进。 模型通过构造反映经济的领先（信贷）、同步（经济增长）、滞后（价格）指标对经济周期进行更加详细的分类，其相比于美林时钟的改进在于模型中的领先指标（常为信贷周期）较好地考虑了货币主义时代央行在经济调控中的影响。 图2：普林格周期中反映经济的领先、同步、滞后指标 滞后指标 同步指标 领先指标 资料来源：民生证券研究院整理绘制 如下表所示，普林格经济周期通过领先、同步、滞后三个指标的运动方向将经济划分为6个阶段，分别是复苏前期、复苏后期、过热、过热后期、滞涨以及萧条，并给出了不同经济周期下的资产配置建议。 阶段1 复苏前期 阶段2 复苏后期 阶段3 过热 阶段4 过热后期 阶段5 滞涨 阶段6萧条 领先指标 上 上 上 下 下 下 表1：普林格周期各阶段大类资产配置建议 同步指标下上上上下下 滞后指标 下 下 上 上 上 下 阶段1 复苏前期 阶段2 复苏后期 阶段3 过热 阶段4 过热后期 阶段5 滞涨 阶段6萧条 配置建议债券股票 股票股票商品债券 商品商品贵金属贵金属 资料来源：《TheInvestor'sGuidetoActiveAssetAllocation》，民生证券研究院整理绘制 1.1.3样本分类方法的局限性 普林格周期虽然在美林时钟的基础上做了改进，考虑了政府通过逆周期调控对经济周期的影响，更好地适应货币主义时代，但样本分类这一方法论本身存在一些问题。 首先，宏观变量波动较大，很难准确判断当下的经济状态处于哪个阶段。 其次，即便我们能够准确先验地分类经济周期，由于经济周期历史样本较少，如果忽略掉中间逻辑链条的讨论，难以在细分行业上得到稳定的配置规律，导致根据经济周期历史统计形成的行业配置策略样本内外差距显著。 我们统计国内历史上3次典型的复苏周期，分别是2012.6至2013.3，2015.10 至2017.3以及2019.9至2021.7，发现同一行业在三次复苏周期里月均超额收益 排名差异巨大：传媒在第一次复苏周期里收益排名全市场第2名，但在第二次和 第三次复苏周期里收益排名分别是29和26名。这说明仅仅通过经济周期进行行业配置并不稳定，原因在于每波经济复苏背后的底层逻辑有差异，如果忽略中间链条的讨论直接用宏观经济周期映射行业收益，往往可能导致结论南辕北辙。 图3：不同时间的复苏周期里，同样行业的收益率排名相差很大 板块 行业 第1次复苏阶段月均超额 第2次复苏阶段月均超额 第3次复苏阶段月均超额 第1次复苏阶段月均超额排名 第2次复苏阶段月均超额排名 第3次复苏阶段月均超额排名 周期 石油石化 0.3% 0.1% -0.2% 15 14 15 周期 煤炭 -2.0% 0.3% 1.1% 28 12 7 周期 有色金属 -1.8% 0.6% 3.3% 27 6 1 周期 钢铁 -1.0% -0.1% 1.7% 23 18 5 周期 基础化工 0.4% 0.5% 2.3% 13 7 3 制造业 电力及公用事业 0.6% -0.4% -0.8% 11 24 19 制造业 建筑 0.3% 0.5% -1.0% 14 9 20 制造业 建材 -0.1% 1.0% 1.0% 18 3 9 制造业 轻工制造 1.0% 0.0% -0.1% 7 17 14 制造业 机械 -1.3% -0.3% 0.8% 24 20 10 制造业电力设备及新能源 -0.5% -0.4% 3.3% 19 22 2 制造业 国防军工 1.0% -1.4% 1.6% 5 27 6 制造业 汽车 0.9% 0.5% 1.7% 8 8 4 制造业 交通运输 -0.9% -1.0% -1.1% 22 26 21 消费 商贸零售 -1.4% -0.6% -1.4% 25 25 24 消费 消费者服务 -0.6% -0.4% 0.5% 20 23 12 消费 家电 1.5% 2.1% -0.6% 4 1 18 消费 纺织服装 -1.6% 0.0% -1.3% 26 16 23 消费 医药 1.5% -0.1% 0.4% 3 19 13 消费 食品饮料 -2.5% 1.5% 0.7% 29 2 11 消费 农林牧渔 -0.7% -0.3% -1.6% 21 21 25 金融地产 银行 2.1% 0.4% -1.1% 1 10 22 金融地产 非银行金融 0.1% 0.2% -1.9% 17 13 27 金融地产 房地产 0.4% 0.3% -2.0% 12 11 29 TMT 电子 1.0% 0.7% 1.1% 6 4 8 TMT 通信 0.6% 0.1% -1.9% 10 15 28 TMT 计算机 0.1% -1.6% -0.6% 16 28 17 TMT 传媒 1.7% -2.1% -1.6% 2 29 26 \ 综合 0.7% 0.7% -0.2% 9 5 16 \ 综合金融 \ -5.3% -2.3% \ 30 30 注：1次复苏阶段：2012/6/30-2013/3/31；2次复苏阶段：2015/10/31-2017/3/31；3次复苏阶段：2019/9/30-2021/7/31 资料来源：wind，民生证券研究院 1.2时序回归思路 时序回归是另一常用的宏观预测资产价格的思路，其利用宏观数据对行业未来收益进行拟合，利用拟合的模型对行业未来收益进行预测，配置预期收益较高的行业。 举例而言，时序回归将当月PMI、PPI等宏观指标作为自变量，下月电子行业的（超额）收益率作为因变量，用历史样本进行拟合训练，找到宏观变量与行业收益之间的回归关系。再将当月的宏观指标代入模型中，得到对下月电子行业收益率的预测。 图4：利用宏观变量预测电子行业收益的时序回归 T-k-2期 T-k-1期 T-k期 …… T-1期 T-k-1期 T-k期 …… T-1期 T期 T+1期 T期 宏观变量 X：PMI、CPI、 PPI、M2... 拟合预测 资料来源：民生证券研究院整理绘制 资产价格 Y：电子行业收益 时序回归虽然方法简单，但缺乏清晰的逻辑：与收益率序列直接进行多元回归无法解释宏观变量通过何种形式驱动行业收益。 此外，宏观变量是经济体经济、通胀、流动性等状态的描述和刻画，变量之间相关性强，存在多重共线性，进而导致回归结果难以解释。 图5：宏观指标之间存在较强的相关性（统计范围：