行业研究公司研究宏观策略财报招股书会议纪要 Token 低空经济十五五 AIGC 大模型

“学海拾珠”系列之二百零八：择时因子之争：宏观经济变量还是投资者情绪？

2024-10-16 严佳炜,吴正宇华安证券 α

主要观点：结合宏观经济变量和情绪变量的机器学习模型（如LASSO）在投资组合表现上优于被动投资组合，具有更高的年化回报、夏普比率、Sortino比率，并能在市场下跌期间提供更好的风险控制。
关键数据和研究结论：
- 宏观经济与情绪变量的互补性：
  - 单独使用宏观经济或情绪变量进行市场择时，其夏普比率均低于市场基准，且未能超越买入持有策略。
  - 结合两类变量的策略在扩张期间表现优于单独使用情绪变量，而在衰退期间表现优于单独使用宏观经济变量。
  - 综合策略在衰退晚期（股市接近底部时）表现尤为突出，夏普比率显著高于市场基准。
- 机器学习模型表现：
  - LASSO模型在所有表现和风险度量类别中均表现最佳，年化回报9.49%，夏普比率0.627，Sortino比率0.314，最大回撤36.00%。
  - Ridge和Elastic Net模型也优于标准普尔500指数。
- 统计检验：
  - 通过确定等效收益（CEQ）和夏普比率检验，证实机器学习投资组合的风险调整回报优于标准普尔500指数。
- 市场下跌期间预测误差：
  - 结合模型的预测误差在市场下跌期间表现优于单独使用宏观经济或情绪变量的模型。
  - 在2001年、2002年、2003年和2008年金融危机期间，结合模型的预测准确率较高。
结论：
- 宏观经济变量和情绪变量作为市场预测因子具有互补性，结合两类变量能提升投资组合表现，尤其是在控制回撤的同时提高收益。
- 情绪变量在衰退晚期对市场预测的贡献尤为显著。