东吴金工“宏观量化”系列研究（一）：宏观风险因子构建与大类资产配置应用

东吴金工“宏观量化”系列研究（一） 证券研究报告·金融工程·金工专题报告 宏观风险因子构建与大类资产配置应用2024年02月01日 前言 研究目标：被动配置方法在如今资本市场的飞速发展下已经显得有些捉襟见肘，本文作为东吴金工“宏观量化”系列研究的第一篇，希望从主动配置的角度出发，自上而下构建以风险为核心的资产配置模型。本篇报告有以下三个核心目标：（1）构建科学合理的、能反映中国宏观环境 的宏观风险因子体系。（2）探究宏观风险和资产波动之间的规律。（3）如何预测宏观状态，应用宏观风险因子进行资产配置。 研究结论 宏观风险因子体系构建：我们应用宏观指标和资产组合构造了经济增长、通胀、利率、信用、汇率、期限利差共六个宏观风险因子，全面刻画了宏观经济的多个方面，提供了更全面的风险视角。 宏观风险因子的主要矛盾：宏观风险因子的上/下行是影响资产收益率的主要矛盾，而非高/低位。 引入“美林时钟”“利率—信用时钟”：宏观风险因子之间存在联动关系，从投资时钟视角出发能够更有效地识别大类资产的波动规律。 拐点改善：因子动量法在宏观环境发生切换时反应过于迟钝，我们发现宏观风险因子都受到一个38个月周期的共同驱动，因此我们引入相位判断法，观察当前因子处于周期的什么阶段，以此来改善拐点识别。 “时钟+拐点改善法”大类资产轮动模型：最终经过优化的“时钟+拐点改善法”大类资产轮动模型年化收益率9.93%，年化波动率6.83%。夏普比率1.45，最大回撤率6.31%，收益、风险、回撤控制等方面的表现都非常优秀。 风险提示：1.未来市场变化风险；2.单一模型风险；3.数据测算误差风险。 证券分析师高子剑 执业证书：S0600518010001 021-60199793 gaozj@dwzq.com.cn 相关研究 《换手率变化率PctTurn20因子绩效月报20240131》 2024-02-01 《从微观出发的�维行业轮动月度跟踪202402》 2024-02-01 1/30 东吴证券研究所 内容目录 1.引言5 2.宏观风险因子构造6 2.1.宏观风险因子初识：主成分分析法6 2.2.构建宏观风险因子8 2.2.1.经济增长风险9 2.2.2.通胀风险10 2.2.3.利率风险11 2.2.4.信用风险12 2.2.5.汇率风险12 2.2.6.期限利差风险14 2.3.总结14 3.基于宏观风险因子的大类资产配置模型17 3.1.宏观风险因子的主要矛盾17 3.2.大类资产投资时钟规律梳理18 3.2.1.单因子资产轮动模型18 3.2.2.引入“美林时钟”“利率—信用时钟”21 3.3.宏观状态识别：拐点改善24 3.4.大类资产轮动：拐点改善后的投资时钟模型28 4.风险提示29 2/30 东吴证券研究所 图表目录 图1：主成分分析贡献率6 图2：第一主成分：利率风险7 图3：第二主成分：经济增长风险7 图4：第三主成分：通胀风险7 图5：第四主成分：汇率风险7 图6：第�主成分：信用风险7 图7：第六主成分：期限利差风险7 图8：经济增长风险因子与GDP同比10 图9：通胀风险因子与猪肉价同比10 图10：通胀风险因子与螺纹钢价格同比10 图11：通胀风险因子与布伦特原油价格同比11 图12：利率风险因子与国债到期收益率（1年）11 图13：信用风险因子与M1同比12 图14：信用风险因子与金融机构存款余额同比12 图15：汇率风险因子与美元兑人民币中间价同比13 图16：期限利差风险因子与期限利差14 图17：月频宏观风险因子相关系数15 图18：周频宏观风险因子相关系数15 图19：经济增长风险对资产的影响19 图20：通胀风险对资产的影响19 图21：利率风险对资产的影响19 图22：信用风险对资产的影响19 图23：汇率风险对资产的影响19 图24：期限利差风险对资产的影响19 图25：“单因子”大类资产轮动模型的净值走势20 图26：增长—通胀投资时钟22 图27：利率—信用投资时钟22 图28：“时钟法”大类资产轮动模型的净值走势23 图29：因子动量法识别拐点存在滞后24 图30：经济增长风险因子周期拟合结果25 图31：通胀风险因子周期拟合结果25 图32：利率风险因子周期拟合结果25 图33：信用风险因子周期拟合结果25 图34：汇率风险因子周期拟合结果26 图35：期限利差风险因子周期拟合结果26 图36：黄金资产2016年5月触底，6月开始反弹27 图37：“时钟+拐点改善法”大类资产轮动模型的净值走势28 表1：宏观风险因子概览14 表2：大类资产指数选取17 表3：不同状态下大类资产的夏普比率17 3/30 东吴证券研究所 表4：宏观状态对于大类资产的观点（单因子）19 表5：“单因子”大类资产轮动模型的绩效评价指标21 表6：宏观状态对于大类资产的观点（投资时钟模型）23 表7：“时钟法”大类资产轮动模型的绩效评价指标24 表8：改善拐点前后对比27 表9：改善拐点前后资产配置比例27 表10：“时钟+拐点改善法”大类资产轮动模型的绩效评价指标28 4/30 东吴证券研究所 1.引言 本篇报告为东吴金工“宏观量化”系列研究的第一篇。东吴金工推出宏观量化系列研究，目的是想站在整体经济运转的宏观角度上去挖掘、总结宏观基本面与资产价格波动的整体规律，探究宏观数据与金融资产之间的映射关系，以量化的手段去捕捉宏观环境给资本市场所带来的风险溢价机会。 在现代经济学理论中，“风险溢价”这个词的存在已经告诉了广大投资者，收益和风险本质上是一体的，任何收益都是承担了相应的风险所获得的。资本资产定价模型 （CAPM）和套利定价理论（APT）等经典模型也告诉我们，资产是多个风险因子的组合。换言之，资产配置就是风险配置，资产是我们配置风险的直接手段，而对风险的认识又反过来帮我们预测资产的波动。 目前市场上主流的资产配置思路其实只有两种： （1）在我们无法准确识别、判断风险的情况下，我们采取被动配置的思路，均衡地配置所有风险，这也就是我们所说的风险平价策略。桥水基金所提出的“全天候策略”就是一个典型的风险平价策略，“全天候”的核心是将投资组合的风险平均的暴露在不同的经济环境中，从而对冲市场环境的风险，使得未来无论处于哪一种经济环境，该投资组合的风险都是可控的。 （2）在我们能对风险做出一定判断和决策的情况下，我们采取主动配置的思路，结合风险因子的情况来寻找预期收益率更高的资产，多承担一部分的风险暴露来获取更高的收益。 被动配置方法在如今资本市场的飞速发展下已经显得有些捉襟见肘，本文作为“宏观量化”系列研究的第一篇，希望从主动配置的角度出发，自上而下构建以风险为核心的资产配置模型。本篇报告有以下三个核心目标： （1）构建科学合理的、能反映中国宏观环境的宏观风险因子体系。 （2）探究宏观风险和资产波动之间的规律。 （3）如何预测宏观状态，应用宏观风险因子进行资产配置。 5/30 东吴证券研究所 2.宏观风险因子构造 2.1.宏观风险因子初识：主成分分析法 在构建中国宏观风险因子体系之前，我们首先要确定，宏观风险有哪几类？海外对冲基金的宏观风险因子体系已经发展得比较成熟，我们通过总结发现其中经济增长风险、通胀风险、利率风险、信用风险、汇率风险是�个最常见的维度。为了验证海外对冲基金的因子体系是否适用于中国市场，我们这里采用主成分分析法（PCA）来识别影响国内资产价格波动的关键因素。 我们从股票、债券、商品以及外汇四个方面，挑选了沪深300指数、中证500指数、 中证1000指数、恒生指数、中债-国债总指数、中债-信用债总指数、南华综合指数、CRB现货指数和美元指数共九个指标，时间区间设定为2010-01-01至2023-12-30。 我们对所有资产计算同比收益率并进行Z-Score标准化处理，对同比收益率序列进行主成分分析。结果显示，第一主成分的解释度为40.93%，第二主成分的解释度为28.73%，第三主成分的解释度为12.42%，前三主成分的累计贡献率超过80%，前六个主成分的累计贡献率达到96.83%。 图1：主成分分析贡献率 数据来源：Wind，东吴证券研究所 通过分析资产在各主成分上的风险暴露，我们认为我国宏观经济环境总共由六种风险驱动，分别是：利率风险、经济增长风险、通胀风险、汇率风险、信用风险和期限利差风险： 1.第一主成分与债券类资产和美元指数有显著正相关关系，与商品呈负相关，与利率影响相反，可以认为利率的相反数，是利率风险因子。利率上行时，新发行的债券可 6/30 东吴证券研究所 能提供更高的利率，使现有债券的市场价格降低以匹配新债券的收益水平。 2.第二主成分与股票类和商品类资产正相关，与债券类资产呈弱负相关关系，因此我们认为第二主成分是经济增长风险。经济增长通常与企业盈利增长相关，对商品的需求增加，导致股票和商品资产整体上行，并导致对债券的投资意向降低。 3.第三主成分与商品类资产显著正相关，我们将其定义为通胀风险。 4.第四主成分与美元指数呈明显正相关关系，与债券类资产负相关，我们将其定义为汇率风险。 5.第�主成分在长期国债与信用债上的暴露相反，我们将其定义为信用风险。 6.第六主成分在短期国债和长期国债上出现了相反的暴露，我们将其定义为期限利差风险。 图2：第一主成分：利率风险图3：第二主成分：经济增长风险 数据来源：Wind，东吴证券研究所数据来源：Wind，东吴证券研究所 图4：第三主成分：通胀风险图5：第四主成分：汇率风险 数据来源：Wind，东吴证券研究所数据来源：Wind，东吴证券研究所 图6：第�主成分：信用风险图7：第六主成分：期限利差风险 7/30 东吴证券研究所 数据来源：Wind，东吴证券研究所数据来源：Wind，东吴证券研究所 我们这里仅采用主成分分析法确定宏观风险的种类，而并非将其作为宏观风险因子最后的结果，主要原因有以下几点： （1）资产选择和成分评判的过程中会掺杂较强的主观性，所选资产可能无法代表真实宏观风险。 （2）主成分分析法的结果稳健性较差，不同的资产选择、不同的时间区间都会引起各个主成分顺序和风险暴露系数的变动。 （3）主成分之间具有正交性，而宏观环境中的各种风险通常存在较大关联，在模型中存在经济学含义的缺失。 （4）主成分分析法难以准确判断有效信息和噪音，在考虑数据蕴含信息的同时，也将数据中的噪音纳入考虑。 因此，通过主成分分析得到的宏观因子往往只能模拟风险走势，而难以捕捉真实宏观因子的本质，在下文中我们会另寻他法来构造宏观风险因子体系。 2.2.构建宏观风险因子 目前最主流的宏观风险因子定义方式当属贝莱德BlackRock提出的FactorMimicking方法，该方法的核心思想就是以资产组合来复制目标因子，以模拟出一些不方便直接定义的因子的走势。FactorMimicking的优点非常明显，解决了宏观数据低频、滞后的问题，也在宏观风险和金融资产之间建立了直接的联系，同时也能在一定程度上反应市场对于未来宏观环境的预期。但是，FactorMimicking在国内市场的运用还存在一些问题： （1）国内市场的资产类别相较于海外市场来说没有那么丰富，部分风险因子的资产化存在困难。例如中国市场上没有直接与通胀挂钩的金融产品，但是美国财政部会发行一种通货膨胀保值债券（TIPS），其本金部分随着CPI指数进行调整，可以提供通货膨胀调整后的收益，因此可以直接将通胀因子资产化。 8/30 东吴证券研究所 （2）国内市场不够成熟，金融资产与宏观风险之间的关系不够稳定。例如中国股票市场仍处于发展阶段，股价并不完全由基本面驱动，因此很难通过股票资产直接复制经济增长风险。 基于以上思考，我们提出以下构建宏观风险因子的核心逻辑： （1）对于有公认的直接资产代理的宏观风险因子，我们优先使用FactorMim