行業(yè)配置策略投資時鐘視角

1、正文目錄 HYPERLINK l _TOC_250032 本文研究導讀 5 HYPERLINK l _TOC_250031 宏觀領(lǐng)先指數(shù)構(gòu)建 7 HYPERLINK l _TOC_250030 備選指標庫構(gòu)建 7 HYPERLINK l _TOC_250029 備選指標預處理 8 HYPERLINK l _TOC_250028 統(tǒng)一口徑：將所有指標統(tǒng)一為月頻同比增長率口徑 8 HYPERLINK l _TOC_250027 季節(jié)性檢驗：總量數(shù)據(jù) vs. 同比數(shù)據(jù)？ 9 HYPERLINK l _TOC_250026 季節(jié)性調(diào)整：提取趨勢項和循環(huán)項 10 HYPERLINK l _TOC_250

2、025 HP 濾波：提取刻畫經(jīng)濟周期的循環(huán)項 10 HYPERLINK l _TOC_250024 領(lǐng)先指標篩選 11 HYPERLINK l _TOC_250023 時差相關(guān)系數(shù) 12 HYPERLINK l _TOC_250022 信息量 12 HYPERLINK l _TOC_250021 拐點匹配率 13 HYPERLINK l _TOC_250020 曲線形態(tài)匹配 14 HYPERLINK l _TOC_250019 領(lǐng)先指數(shù)合成 15 HYPERLINK l _TOC_250018 OECD 法 15 HYPERLINK l _TOC_250017 主成分分析法 16 HYPERL

3、INK l _TOC_250016 擴散指數(shù)法 16 HYPERLINK l _TOC_250015 宏觀因子體系構(gòu)建結(jié)果 17 HYPERLINK l _TOC_250014 增長因子 17 HYPERLINK l _TOC_250013 通脹因子 18 HYPERLINK l _TOC_250012 信用因子 19 HYPERLINK l _TOC_250011 貨幣因子 20 HYPERLINK l _TOC_250010 宏觀-資產(chǎn)映射關(guān)系 21 HYPERLINK l _TOC_250009 大類資產(chǎn)投資時鐘 21 HYPERLINK l _TOC_250008 行業(yè)投資時鐘 23

4、HYPERLINK l _TOC_250007 宏觀因子投資時鐘策略 25 HYPERLINK l _TOC_250006 宏觀觀點滾動生成 26 HYPERLINK l _TOC_250005 相位判斷法 26 HYPERLINK l _TOC_250004 因子動量法 28 HYPERLINK l _TOC_250003 大類資產(chǎn)投資時鐘策略 29 HYPERLINK l _TOC_250002 行業(yè)投資時鐘策略 30 HYPERLINK l _TOC_250001 參考文獻 31 HYPERLINK l _TOC_250000 風險提示 31圖表目錄圖表 1： 基本面輪動系列報告研究框架

5、 5圖表 2： 雙輪驅(qū)動投資時鐘 5圖表 3： 宏觀領(lǐng)先指數(shù)構(gòu)建步驟 7圖表 4： 備選指標庫詳細構(gòu)成 7圖表 5： 宏觀指標預處理流程示例：CPI 8圖表 6： 穩(wěn)定季節(jié)性和移動季節(jié)性含義 9圖表 7： 季節(jié)性檢驗舉例 9圖表 8： 工業(yè)增加值（2010 年 12 月=100）季調(diào)前后對比 10圖表 9： 公共財政收入（億元）季調(diào)前后對比 10圖表 10： 工業(yè)增加值（2010 年 12 月=100）HP 濾波結(jié)果 10圖表 11： 公共財政收入（億元）HP 濾波結(jié)果 10圖表 12： 增長因子基準指標構(gòu)建（PMI 同比增速） 11圖表 13： 領(lǐng)先指標篩選流程 11圖表 14： 領(lǐng)先指標定

6、量篩選標準 11圖表 15： PMI(%)與汽車產(chǎn)量(%)對比圖 12圖表 16： 汽車產(chǎn)量(%)領(lǐng)先 PMI(%)的時差相關(guān)系數(shù) 12圖表 17： PMI(%)與發(fā)電量(%)對比圖 12圖表 18： 發(fā)電量(%)領(lǐng)先 PMI(%)的 K-L 信息量 12圖表 19： Bry-Boschan 算法基本原理 13圖表 20： PMI(%)與銷量:叉車:全行業(yè)(%)拐點匹配結(jié)果 14圖表 21： DTW 距離與傳統(tǒng)的歐氏距離對比 14圖表 22： 常用的宏觀因子合成方法 15圖表 23： 增長因子基準指標與領(lǐng)先指標詳細信息 17圖表 24： 增長領(lǐng)先因子合成結(jié)果（OECD 法）-1 17圖表 25

7、： 增長領(lǐng)先因子合成結(jié)果（OECD 法）-2 17圖表 26： 增長領(lǐng)先因子與基準指標走勢對比 18圖表 27： 通脹因子基準指標與領(lǐng)先指標詳細信息 18圖表 28： 通脹領(lǐng)先因子合成結(jié)果（OECD） 18圖表 29： 通脹領(lǐng)先因子與基準指標走勢對比 19圖表 30： 信用因子代理指標詳細信息 19圖表 31： 信用因子合成結(jié)果（OECD 法） 19圖表 32： 貨幣因子代理指標詳細信息 20圖表 33： 貨幣因子走勢 20圖表 34： 宏觀狀態(tài)劃分結(jié)果 21圖表 35： 增長領(lǐng)先因子上行或下行區(qū)間大類資產(chǎn)月均收益率 21圖表 36： 增長基準因子上行或下行區(qū)間大類資產(chǎn)月均收益率 21圖表 3

8、7： 通脹領(lǐng)先因子上行或下行區(qū)間大類資產(chǎn)月均收益率 22圖表 38： 通脹基準因子上行或下行區(qū)間大類資產(chǎn)月均收益率 22圖表 39： 信用擴張或收縮區(qū)間大類資產(chǎn)月均收益率 22圖表 40： 貨幣寬松或收緊區(qū)間大類資產(chǎn)月均收益率 22圖表 41： 增長-通脹投資時鐘 22圖表 42： 信用-貨幣投資時鐘 22圖表 43： 增長因子對典型行業(yè)的表現(xiàn)區(qū)分度 23圖表 44： 通脹因子對典型行業(yè)的表現(xiàn)區(qū)分度 23圖表 45： 信用因子對典型行業(yè)的表現(xiàn)區(qū)分度 23圖表 46： 貨幣因子對典型行業(yè)的表現(xiàn)區(qū)分度 23圖表 47： 宏觀因子-行業(yè)映射關(guān)系 24圖表 48： 宏觀因子投資時鐘策略框架（以風險預算

9、組合為例） 25圖表 49： 增長因子滾動合成與全局合成結(jié)果對比 25圖表 50： 通脹因子滾動合成與全局合成結(jié)果對比 25圖表 51： 宏觀因子體系共同周期識別結(jié)果 26圖表 52： 增長因子基欽周期擬合結(jié)果 26圖表 53： 通脹因子基欽周期擬合結(jié)果 26圖表 54： 信用因子基欽周期擬合結(jié)果 26圖表 55： 貨幣因子基欽周期擬合結(jié)果 26圖表 56： 周期相位判斷示意圖 27圖表 57： 增長因子的相位判斷觀點 27圖表 58： 通脹因子的相位判斷觀點 27圖表 59： 信用因子的相位判斷觀點 27圖表 60： 貨幣因子的相位判斷觀點 27圖表 61： 增長因子的因子動量觀點 28圖表

10、 62： 通脹因子的因子動量觀點 28圖表 63： 信用因子的因子動量觀點 28圖表 64： 貨幣因子的因子動量觀點 28圖表 65： 不同觀點生成方法下大類資產(chǎn)組合回測表現(xiàn) 29圖表 66： 大類資產(chǎn)投資時鐘策略表現(xiàn)凈值 29圖表 67： 大類資產(chǎn)投資時鐘策略表現(xiàn)分年度統(tǒng)計 29圖表 68： 不同觀點生成方法下大類資產(chǎn)組合回測表現(xiàn) 30圖表 69： 行業(yè)投資時鐘/投資時鐘增強策略表現(xiàn)凈值 30圖表 70： 行業(yè)投資時鐘增強策略表現(xiàn)分年度統(tǒng)計 30本文研究導讀基本面輪動系列報告主要聚焦于中觀層面行業(yè)輪動研究，在首篇報告確立研究對象：行業(yè)拆分與聚類（2020-03-03）中，我們進行了行業(yè)拆分和

11、板塊聚類研究，為后續(xù)系列報告確立了統(tǒng)一的研究對象；系列報告二到五中，我們分別從宏觀風險因子、中觀風格因子、微觀經(jīng)營模式和產(chǎn)業(yè)鏈上下游關(guān)系四個視角進行行業(yè)畫像分析，力求從不同維度對各行業(yè)的核心驅(qū)動因素進行梳理；系列報告六到九中，我們分別從宏觀因子、趨勢追蹤、景氣度、擁擠度四個維度展開了具體的行業(yè)輪動策略開發(fā)；系列報告十到十一中，我們從指數(shù)增強的角度展開了行業(yè)配置落地研究，力求將行業(yè)輪動模型轉(zhuǎn)化為實際可投資策略；系列報告十二到十四中，我們構(gòu)建了一套統(tǒng)一的基金評價分析框架，梳理了醫(yī)藥、消費、科技三個長坡厚雪賽道上的優(yōu)質(zhì)主題基金，并嘗試從基金組合構(gòu)建的角度開展行業(yè)配置落地研究。自此，我們圍繞“研究什么

12、怎么研究如何落地”搭建了一套完整的行業(yè)輪動研究框架。圖表1： 基本面輪動系列報告研究框架資料來源：本篇報告作為系列報告第十六篇，重新聚焦到行業(yè)配置策略的開發(fā)上。本文基于經(jīng)典的投資時鐘視角，從 DDM 定價模型出發(fā)，構(gòu)建了一套基于美林時鐘和貨幣信用輪盤的雙輪驅(qū)動投資時鐘，具體而言：1、基于 DDM 定價模型，資產(chǎn)價格主要受分子端的現(xiàn)金流和分母端的折現(xiàn)率影響；2、現(xiàn)金流與企業(yè)盈利正相關(guān)，而企業(yè)盈利受實體經(jīng)濟景氣程度的驅(qū)動，可以從增長（量）和通脹（價）兩個維度進行刻畫；3、折現(xiàn)率主要反映了流動性環(huán)境的松緊程度，可以從信用（量）和貨幣（價）兩個維度進行刻畫。圖表2： 雙輪驅(qū)動投資時鐘資料來源：本文構(gòu)建

13、的雙輪驅(qū)動時鐘，與傳統(tǒng)投資時鐘最大的不同在于構(gòu)建因子時，我們引入了一套定量框架來評估各個宏觀指標之間的領(lǐng)先滯后關(guān)系，并且優(yōu)先選擇具備領(lǐng)先性的指標來合成宏觀因子。這主要是因為資產(chǎn)價格是交易出來的，往往反映了投資者對未來宏觀環(huán)境的預期，而傳統(tǒng)的投資時鐘策略中，通常采用 GDP、工業(yè)增加值、CPI 等同步指標來刻畫因子，滯后的觀測指標與領(lǐng)先的資產(chǎn)價格形成錯配，導致策略應用效果不夠理想。因此，我們希望篩選領(lǐng)先的觀測指標體系，并合成宏觀領(lǐng)先指數(shù)來解決這一問題。目前，海外關(guān)于領(lǐng)先指數(shù)的構(gòu)造已經(jīng)有較為成熟的方法論。1961 年 10 月開始，美國統(tǒng)計署、美國國家經(jīng)濟研究局（NBER）與總統(tǒng)經(jīng)濟顧問委員會展開

14、合作，開始研究領(lǐng)先指數(shù)的合成。1995 年開始，世界大型企業(yè)聯(lián)合會開始編制包括美國在內(nèi)多個國家的領(lǐng)先指數(shù)，用于監(jiān)測和分析經(jīng)濟周期。目前，美國、日本、英國和世界經(jīng)合組織（OECD）均有獨立的領(lǐng)先指數(shù)構(gòu)建方法和因子體系。在業(yè)界，美林證券公司選擇央行政策指標、NBER 先行指標及 GDP 預期指數(shù)等領(lǐng)先指標來衡量經(jīng)濟增長，并構(gòu)建了相應的投資時鐘策略。本文將汲取海外方法論之精華，揭開中國海量宏觀經(jīng)濟數(shù)據(jù)的層層迷霧，打通從宏觀狀態(tài)到資產(chǎn)配置的通道，構(gòu)建科學有效的投資系統(tǒng)。后文主要內(nèi)容安排如下：第一部分將詳細介紹宏觀領(lǐng)先指數(shù)的構(gòu)建流程；第二部分將建立宏觀狀態(tài)與大類資產(chǎn)、行業(yè)指數(shù)之間的映射關(guān)系；第三部分將基

15、于宏觀狀態(tài)的預測結(jié)果、宏觀-資產(chǎn)映射關(guān)系，分別構(gòu)建大類資產(chǎn)層面和行業(yè)層面的投資時鐘策略。宏觀領(lǐng)先指數(shù)構(gòu)建本文構(gòu)建的宏觀領(lǐng)先指數(shù)體系包括增長、通脹、信用、貨幣等四個維度，分別衡量了實體景氣度的“量”和“價”，以及流動性環(huán)境的“量”和“價”。其構(gòu)建流程包括備選指標庫下載、備選指標預處理、領(lǐng)先指標篩選、領(lǐng)先指數(shù)合成四步。圖表3： 宏觀領(lǐng)先指數(shù)構(gòu)建步驟資料來源：備選指標庫構(gòu)建備選指標庫構(gòu)建主要依托主觀邏輯，依次篩選與各維度宏觀變量存在直接聯(lián)系的宏觀指標。以增長為例：除了直接參考 GDP、PMI 等總量指標，我們還可以通過生產(chǎn)法（工業(yè)增加值、各類工業(yè)品產(chǎn)量）、支出法（投資、消費、進出口三架馬車）、收入法

16、（企業(yè)盈利、公共財政收入）等核算口徑篩選細分指標。類似地，對通脹、信用、貨幣等維度，我們也篩選了相應的代理指標?？偟膩碚f，只要是經(jīng)濟學含義明確、統(tǒng)計充分、發(fā)布及時的指標，我們都納入到了備選指標庫，最終構(gòu)建的備選指標庫如圖所示，包含 500 余個宏觀指標。圖表4： 備選指標庫詳細構(gòu)成資料來源：Wind, 備選指標預處理考慮到不同宏觀指標統(tǒng)計口徑、數(shù)據(jù)頻率不一致，且存在不同程度的數(shù)據(jù)缺失和季節(jié)性因素干擾，因此需對宏觀指標進行統(tǒng)一的預處理，其目的是讓各個指標之間口徑可比，方便識別各指標之間的領(lǐng)先滯后關(guān)系。盡管不同指標在處理時的細節(jié)存在差異，但總的來說可以概括為以下五個步驟：下載數(shù)據(jù)：盡量下載未經(jīng)季節(jié)

17、性調(diào)整的總量口徑指標或價格口徑指標；統(tǒng)一口徑：統(tǒng)一頻率，填補缺失值，并將所有指標統(tǒng)一為總量口徑或價格口徑；季節(jié)性檢驗：檢驗宏觀指標是否存在顯著的穩(wěn)定季節(jié)性和移動季節(jié)性，并結(jié)合主觀邏輯，判斷宏觀指標是否需要開展季節(jié)性調(diào)整；季節(jié)性調(diào)整：消除大陸春節(jié)的節(jié)日效應后，采用 X-11 提取趨勢項和循環(huán)項；HP 濾波：進一步消除趨勢項，重點關(guān)注循環(huán)項的周期性波動；同比變換：最后將循環(huán)項變換為同比增長率口徑，這是研究增量型經(jīng)濟體的通用做法。下圖以 CPI 為例，展示了指標預處理流程：1、下載 CPI 環(huán)比數(shù)據(jù)；2、通過累乘法將環(huán)比數(shù)據(jù)變換為價格指數(shù)；3、經(jīng)檢測該價格指數(shù)存在顯著的季節(jié)性，需要進行季調(diào)處理，獲取

18、趨勢循環(huán)項；4、基于 HP 濾波剔除趨勢項，提取循環(huán)波動項；5、計算同比增長率。之所以不直接下載 CPI 同比數(shù)據(jù)，是因為同比本身就是一種粗糙的季調(diào)方法，但季節(jié)性去的并不徹底（否則也不需要引入 X11 等復雜算法了），如果在同比數(shù)據(jù)上進一步季調(diào)邏輯又不自洽（因為同比數(shù)據(jù)已經(jīng)沒有顯著的季節(jié)性了），因此我們更推薦從原始的、未經(jīng)加工的數(shù)據(jù)出發(fā)逐步合成。圖表5： 宏觀指標預處理流程示例：CPI資料來源：Wind, 統(tǒng)一口徑：將所有指標統(tǒng)一為月頻同比增長率口徑由于不同指標的統(tǒng)計口徑、數(shù)據(jù)頻率、數(shù)據(jù)缺失程度、季節(jié)性顯著程度各不相同，統(tǒng)一口徑的實施細節(jié)也多多少少存在一些差異。受限于篇幅，本文以幾類典型指標為

19、例，簡要介紹統(tǒng)一口徑的步驟：當月值數(shù)據(jù)：以發(fā)電量等生產(chǎn)量指標為代表，提取月末值后插值即可；當月累計值數(shù)據(jù)：以房地產(chǎn)開發(fā)投資完成額為代表，通過環(huán)比差分轉(zhuǎn)換為當月值數(shù)據(jù)，其中 2 月的累計值平分至 1 月和 2 月；價格數(shù)據(jù)：以豬肉價格為代表，提取月度均值；環(huán)比數(shù)據(jù)：以 CPI 和 PPI 為代表，通過累乘轉(zhuǎn)換為總量口徑；擴散指數(shù)：以 PMI 為代表，首先減去 50 并除以 100，轉(zhuǎn)換至環(huán)比口徑，再采用與環(huán)比數(shù)據(jù)相同的處理方式處理；最終，不同口徑、頻率的指標都會統(tǒng)一為月頻的同比增長率數(shù)據(jù)。季節(jié)性檢驗：總量數(shù)據(jù) vs. 同比數(shù)據(jù)？前文介紹 CPI 指標的預處理時，我們提到要采用總量口徑或價格口徑數(shù)

20、據(jù)進行預處理，而不是直接下載同比口徑的數(shù)據(jù)。這是因為節(jié)日效應最顯著的春節(jié)在公歷月份上分布不均，計算同比增速的過程無法完全抵消不同年份的季節(jié)性因素，而未抵消的部分通常不再顯著，不易被季節(jié)性調(diào)整算法識別并分離，導致同比增速有偏。為了闡明以上論述，本文引入了穩(wěn)定季節(jié)性檢驗方法和移動季節(jié)性檢驗方法。穩(wěn)定季節(jié)性是指：t1 月和 t2 月宏觀指標的多年平均值存在顯著差異；移動季節(jié)性是指：t1 月和 t2 月宏觀指標的差異在不同年份之間發(fā)生顯著變動。如果一個指標同時存在顯著的移動季節(jié)性和穩(wěn)定季節(jié)性，那么就應該使用總量口徑或價格口徑數(shù)據(jù)進行季調(diào)。對于穩(wěn)定季節(jié)性，本文使用基于單向方差分析模型的參數(shù)檢驗和非參數(shù)

21、Kruskal-Wallis 檢驗 (Lothian and Morry, 1978)；對于移動季節(jié)性，使用基于雙向方差分析模型的參數(shù)檢驗 (Higginson,1975)。各檢驗方法的原理詳見參考文獻，此處不再贅述。圖表6： 穩(wěn)定季節(jié)性和移動季節(jié)性含義資料來源：下表以工業(yè)增加值、公共財政收入為例，展示不同口徑下的檢測結(jié)果，結(jié)論如下：無論工業(yè)增加值還是公共財政收入，其原始總量口徑都是存在顯著的穩(wěn)定季節(jié)性的，這也符合直觀的經(jīng)濟學邏輯。因為春節(jié)期間工業(yè)生產(chǎn)活動下降，工業(yè)增加值會系統(tǒng)性地降低；而直接稅通常在年初匯算清繳，所以公共財政收入在年初也會系統(tǒng)性地增加。但這兩個指標的同比口徑數(shù)據(jù)經(jīng)檢測都不存在

22、顯著的季節(jié)性，這是因為同比本身就是一種簡單的季調(diào)方法，在同比數(shù)據(jù)的基礎(chǔ)上再做季調(diào)邏輯就不自洽了，這也是為什么我們更推薦基于原始數(shù)據(jù)進行逐步合成。工業(yè)增加值存在顯著的移動季節(jié)性，而公共財政收入不存在顯著的移動季節(jié)性。這是因為春節(jié)在公歷月中分布不均勻，導致工業(yè)增加值的季節(jié)性效應在不同年份之間差異較大；而直接稅匯算清繳的公歷日期相對固定，導致公共財政收入的季節(jié)性效應在不同年份之間變化不大。圖表7： 季節(jié)性檢驗舉例宏觀指標指標口徑p(FS)p(FKW)p(FM)穩(wěn)定季節(jié)性移動季節(jié)性工業(yè)增加值總量0.00000.00000.0000存在存在同比1.00000.55400.0579不存在不存在公共財政收入

23、總量0.00010.00000.9972存在不存在同比1.00000.73250.8020不存在不存在資料來源：Wind, 季節(jié)性調(diào)整：提取趨勢項和循環(huán)項宏觀指標往往包含趨勢項(T)、循環(huán)項(C)、季節(jié)項(S)和不規(guī)則項(I)，使用乘法模型分解為： = 其中，趨勢項衡量了指標的長期趨勢，循環(huán)項體現(xiàn)了偏離長期趨勢的波動項，季節(jié)項是由一年中不同月份的節(jié)假日分布、工作日天數(shù)和季節(jié)氣候變化等因素引起的年中循環(huán)變化，不規(guī)則項反映了突發(fā)事件和噪音對宏觀指標的影響。本文主要參考了中國人民銀行調(diào)查統(tǒng)計司(2006)公布的 X-11 方法進行季調(diào)處理，詳細原理詳見參考文獻，此處不再贅述。圖表8： 工業(yè)增加值（2

24、010 年 12 月=100）季調(diào)前后對比圖表9： 公共財政收入（億元）季調(diào)前后對比3002502001501005025,000 季調(diào)前季調(diào)后20,00015,00010,0005,000 季調(diào)前季調(diào)后2002200420062008201020122014201620182020200220042006200820102012201420162018202000資料來源：Wind, 資料來源：Wind, HP 濾波：提取刻畫經(jīng)濟周期的循環(huán)項經(jīng)季調(diào)處理后，宏觀指標的季節(jié)項(S)與不規(guī)則項(I)被剝離，剩余趨勢項(T)和循環(huán)項(C)。在增量型經(jīng)濟體中，趨勢項(T)往往是穩(wěn)步向上的，為了研究經(jīng)濟

25、周期的波動規(guī)律，通常會進一步提取循環(huán)項(C)來進行有針對性的分析，而去除趨勢項最常見的方法就是 HP 濾波。設(shè) Xt 是經(jīng)過季節(jié)性調(diào)整的趨勢-循環(huán)項序列： = HP 濾波就是從 Xt 中將 Tt 分離出來，需要最小化以下目標函數(shù)：1 = ( )2 + (+1 ) ( 1)2=1=2目標函數(shù)的第一項的含義是趨勢項盡可能接近原始序列，第二項的含義是趨勢項盡可能地光滑。兩者之間是相互制衡的：當 =0 時，趨勢項就是原始序列，沒有經(jīng)過任何平滑；隨著 增大，原始序列中越來越多的高頻信息被分離出來，趨勢項越來越光滑。 的選擇需要在趨勢跟蹤程度和趨勢光滑程度之間進行權(quán)衡。一般經(jīng)驗，對于年度數(shù)據(jù)， 取 100

26、；對于季度數(shù)據(jù)， 取 1600；對于月度數(shù)據(jù)， 取 14400。圖表10： 工業(yè)增加值（2010 年 12 月=100）HP 濾波結(jié)果圖表11： 公共財政收入（億元）HP 濾波結(jié)果250200150100501.05季調(diào)后趨勢項循環(huán)項（右軸）1.031.010.990.9720,00016,00012,0008,0004,0001.15季調(diào)后趨勢項循環(huán)項（右軸）1.101.051.000.950.902002200420062008201020122014201620182020200220042006200820102012201420162018202000.9500.85資料來源：Win

27、d, 資料來源：Wind, 領(lǐng)先指標篩選指標間的領(lǐng)先滯后性是一個相對概念，常見做法是先確立一個基準指標，然后篩選相比于基準指標有顯著領(lǐng)先性的指標。以增長因子為例，本文選取了發(fā)布及時、關(guān)注度高、周期波動特征顯著的 PMI 同比指數(shù)作為增長基準指標。需要說明的是，原始的 PMI 數(shù)據(jù)是環(huán)比口徑，需要經(jīng)過一系列預處理轉(zhuǎn)換為同比口徑。圖表12： 增長因子基準指標構(gòu)建（PMI 同比增速）資料來源：Wind, 確立基準指標后，我們首先會從定量角度依次評估備選指標庫中各個指標與基準指標的領(lǐng)先滯后關(guān)系，采用的方法包括時差相關(guān)系數(shù)、K-L 信息量、拐點匹配率和曲線形態(tài)匹配度，只有四個檢驗全部通過時，才認為滿足領(lǐng)

28、先指標的要求；對于通過定量初篩的指標，我們將進一步考慮數(shù)據(jù)長度、邏輯聯(lián)系、統(tǒng)計充分、指標關(guān)注度等因素，確定最終的領(lǐng)先指標。圖表13： 領(lǐng)先指標篩選流程資料來源：圖表14： 領(lǐng)先指標定量篩選標準領(lǐng)先滯后分析指標定量篩選標準時差相關(guān)系數(shù)絕對值0.4時差相關(guān)系數(shù)領(lǐng)先期數(shù)1K-L 信息量領(lǐng)先期數(shù)1拐點匹配率60%拐點平均領(lǐng)先期數(shù)0月均 DTW 距離0.5資料來源：時差相關(guān)系數(shù)時差相關(guān)系數(shù)是用來判斷經(jīng)濟指標的領(lǐng)先滯后期數(shù)的常用方法。具體做法為：將待考察指標依次延后 12,11,1 期至領(lǐng)先 0,1,12 期，計算其與基準指標之間的相關(guān)系數(shù)。若邏輯上兩個指標為正相關(guān)，取相關(guān)系數(shù)最大時的領(lǐng)先期數(shù)作為待考察指

29、標的領(lǐng)先期數(shù)；若邏輯上兩個指標為負相關(guān)，取相關(guān)系數(shù)最小時的領(lǐng)先期數(shù)作為待考察指標的滯后期數(shù)。(+ )( ) = (+ )2 ( )2下圖展示了汽車產(chǎn)量(%)與 PMI(%)之間的時差相關(guān)系數(shù)分析結(jié)果。結(jié)果顯示，汽車產(chǎn)量(%)可能是 PMI(%)的領(lǐng)先指標，領(lǐng)先期數(shù)為 7 個月。圖表15： PMI(%)與汽車產(chǎn)量(%)對比圖圖表16： 汽車產(chǎn)量(%)領(lǐng)先 PMI(%)的時差相關(guān)系數(shù)60%40%20%0%-20%-40%2006200720082009201020112012201320142015201620172018201920202021-60%60% PMI（左軸）產(chǎn)量:汽車:同比（右軸

30、）40%20%0%-20%-40%-60%1.00領(lǐng)先期數(shù)0.750.500.250.00(0.25)(0.50)(0.75)(1.00)(12) (10) (8) (6) (4) (2) 0246810 12資料來源：Wind, 資料來源：Wind, K-L 信息量K-L 信息量將兩組序列視為兩個概率分布，并衡量兩者之間的相似程度。其值恒非負，越接近 0，表明兩個序列越相似。具體做法為：將待考察指標依次延后 12,11,1 期至領(lǐng)先 0,1,12 期，計算其與基準指標之間的 K-L 信息量，取 K-L 信息量最小時的領(lǐng)先期數(shù)作為待考察指標的滯后期數(shù)。值得注意的是，對于邏輯上負相關(guān)的指標，需要

31、先對該指標取相反數(shù)，然后再進行計算。 = ln 10000 , = , = +下圖展示了發(fā)電量(%)與 PMI(%)之間的 K-L 信息量分析結(jié)果。結(jié)果顯示，發(fā)電量(%)可能是PMI(%)的領(lǐng)先指標，領(lǐng)先期數(shù)為 4 個月。圖表17： PMI(%)與發(fā)電量(%)對比圖圖表18： 發(fā)電量(%)領(lǐng)先 PMI(%)的 K-L 信息量60%40%20%0%-20%-40%2006200720082009201020112012201320142015201620172018201920202021-60%20% PMI（左軸）產(chǎn)量:發(fā)電量:同比（右軸）10%0%-10%-20%200領(lǐng)先期數(shù)175150

32、1251007550250(12) (10) (8) (6) (4) (2)0246810 12資料來源：Wind, 資料來源：Wind, 拐點匹配率時差相關(guān)系數(shù)和 K-L 信息量從全局視角衡量了待考察指標和基準指標之間的相似程度，然而，其計算易受到極端波動的干擾。換言之，只要幅度最大的經(jīng)濟周期能夠匹配，幅度較小的波動即使不相似，計算結(jié)果也不會太差。尤其國內(nèi)的經(jīng)濟指標中，絕大部分都在 2012年之前大幅波動，2012 年滯后則相對比較平緩，導致時差相關(guān)性和 K-L 信息量的計算結(jié)果基本被 2012 年之前的數(shù)據(jù)所決定，對近期新增數(shù)據(jù)已不敏感。因此，本文進一步從拐點匹配視角考察兩者在經(jīng)濟周期擴張

33、、收縮節(jié)奏上的相似程度，淡化幅度的影響。首先，拐點被定義為同時滿足以下條件的局部極值：峰和谷必須交替出現(xiàn)；相鄰峰谷間隔（半周期）不小于個月；相鄰峰或相鄰谷間隔（周期）不小于個月；其中，和為自定義參數(shù)，滿足 2，建議和分別取 6 和 15。然后，使用 Bry-Boschan 算法(Bry and Boschan, 1971)對宏觀指標序列的拐點進行自動化識別，該算法包括四個步驟：潛在拐點識別：修正原始序列 Y 的特異值以初步消除不規(guī)則要素，進行 122 項移動平均以初步消除季節(jié)要素，得到 Y1；識別 Y1 所有的局部極值點（即1 月范圍內(nèi)的最大值和最小值）作為潛在拐點。潛在拐點初修：修正原始序列

34、 Y 的特異值，進行 Spencer 移動平均，得到 Y2；針對 Y1的每個潛在拐點，依次以 Y2 的 MCD 值（用以衡量曲線的平滑程度，通常取值 36 之間）為鄰域，在 Y2 中修正潛在拐點位置；并檢測峰和谷是否交替出現(xiàn)，刪除多余峰谷。潛在拐點精修：不修正原始序列 Y 的特異值，僅以 Y2 的 MCD 值為項數(shù)，進行移動平均，得到 Y3；針對 Y2 的每個極值點，依次以 Y3 的 MCD 值為鄰域，在 Y3 中修正潛在拐點位置；并檢測峰和谷是否交替出現(xiàn)，刪除多余的峰谷。最終拐點確定：以原始序列 Y 為對象，針對 Y3 的每個潛在拐點，依次以 Y 的 MCD 值為鄰域，在 Y 中修正潛在拐點

35、位置；然后，檢測峰谷是否交替出現(xiàn)，并檢測周期和半周期長度是否滿足拐點定義，刪除多余的峰谷。圖表19： Bry-Boschan 算法基本原理資料來源：該算法的基本思想是從平滑序列的局部極值逐步推廣至原始序列的拐點，算法中涉及的Spencer 移動平均、MCD 值計算、峰谷交替檢測、周期和半周期檢測等細節(jié)詳見參考文獻。最后，對備選指標與基準指標分別進行拐點識別，然后遍歷基準指標的每一個峰（谷），在12 期鄰域內(nèi)檢查備選指標是否存在尚未匹配的峰（谷）：若基準指標峰（谷）鄰域內(nèi)，備選指標存在尚未匹配的峰（谷），記為匹配拐點；若基準指標峰（谷）鄰域內(nèi)，備選指標不存在尚未匹配的峰（谷），記為缺失拐點；若基

36、準指標所有峰（谷）的鄰域之外，備選指標仍存在峰（谷），記為多余拐點。于是，拐點匹配率的計算如下：拐點匹配率 = 匹配拐點/(匹配拐點+ 缺失拐點+ 多余拐點)下圖展示了叉車銷量(%)與 PMI(%)的拐點匹配結(jié)果。兩者的拐點匹配率為 100%，且叉車 銷量(%)的拐點平均領(lǐng)先 PMI(%)的拐點 6.3 個月，表明前者有可能是 PMI(%)的領(lǐng)先指標。圖表20： PMI(%)與銷量:叉車:全行業(yè)(%)拐點匹配結(jié)果80%銷量:叉車:全行業(yè)(%)PMI(%)峰谷60%40%20%0%-20%-40%20082009201020112012201320142015201620172018201920

37、202021-60%資料來源：Wind, 曲線形態(tài)匹配拐點匹配率僅考慮了拐點信息，對拐點到拐點之間的趨勢段則缺乏考察，對此，本文引入動態(tài)時間規(guī)整(Dynamic Time Warping, DTW)算法考察曲線形態(tài)的相似性。DTW 距離最早應用于語音識別，用于匹配兩段內(nèi)容相似但是語速不同的語音片段。由于語速不同，同一時刻的內(nèi)容可能存在較大差異，此時傳統(tǒng)的歐氏距離難以客觀評估兩段序列之間的相似度。 DTW 距離是對歐氏距離的改良，它不再計算兩條序列在同一時刻的歐氏距離，而是對兩條序列的時間點構(gòu)建一對多或多對一的最相似映射關(guān)系，以衡量兩條曲線間的形態(tài)相似性。DTW 距離運用動態(tài)規(guī)劃思想進行計算，設(shè)

38、序列 = 1, 2, , ，序列 = 1, 2, , ，兩者均已開展 z-score 標準化，則兩者之間的 DTW 距離之和(, )可采用下式遞推計算：(, ) = | | + ( 1, ), (, 1), ( 1, 1)DTW 距離數(shù)值越小，表明曲線形態(tài)越匹配。圖表21： DTW 距離與傳統(tǒng)的歐氏距離對比資料來源：領(lǐng)先指數(shù)合成常用的宏觀因子合成方法包括擴散指數(shù)法、合成指數(shù)法和主成分分析法。其中合成指數(shù)法中不同經(jīng)濟研究機構(gòu)采用的方法略有差異，常見的包括經(jīng)合組織合成法、美國國家經(jīng)濟研究局合成法、日本經(jīng)濟企劃廳合成法。下文將簡要介紹 OECD 法、主成分分析法和擴散指數(shù)法的編制原理及優(yōu)缺點。其中，

39、OECD 法的歷史最為悠久、應用最為廣泛，故本文最終選用 OECD 法構(gòu)建宏觀因子體系。圖表22： 常用的宏觀因子合成方法資料來源：Wind，OECD 法顧名思義，OECD 法是指經(jīng)濟合作與發(fā)展組織(OECD)采用的用于編制成員國宏觀經(jīng)濟指數(shù)的方法，于 1978 年提出。其計算步驟如下：設(shè)備選指標為，計算其標準化偏差j: = ( |() |)計算各指標的標準化序列j: = () )3) 將j 求和得到: = 4) 參照基準指標的數(shù)量級調(diào)整的幅度，得到最終的合成指數(shù): = ( |() |)( |() |) = = + 幅度調(diào)整的目的是使合成指數(shù)與基準指標數(shù)量級一致，容易比較。OECD 法計算簡便

40、，且不存在任何信息損失。對于波動較大的指標，標準化偏差較大，故 OECD 法將給予其較低的權(quán)重，來降低噪聲對合成指數(shù)的干擾。不過，當指標池中存在經(jīng)濟含義高度重疊的備選指標時，OECD 法會重復計算其權(quán)重，因此在篩選指標時應盡量避免相關(guān)性過高的指標。主成分分析法通過正交變換將一組存在一定相關(guān)性的變量轉(zhuǎn)換為一組線性不相關(guān)的變量，轉(zhuǎn)換后的這組變量被稱作主成分。第一主成分通常包含多個變量大部分的同源特征，能夠解釋多個變量相同的變化趨勢，因此在宏觀指數(shù)合成時，我們通過主成分分析(PCA)提取第一主成分作為宏觀指數(shù)。其計算步驟如下：計算各備選指標的 z-score 標準化序列j: = () )std()計

41、算j 的協(xié)方差矩陣:var(1)cov(1, 2) = cov(2, 1)var(2)cov(, 1)cov(, 1)cov(1, )cov(2, ) var()求解的特征值和特征向量:( ) = 0以最大特征值對應的特征向量為權(quán)重，對j 求和: = 參照基準指標的數(shù)量級調(diào)整幅度，得到最終的合成指數(shù): = ( |() |)( |() |) = = + PCA 法考慮了多變量的相關(guān)性，因而允許備選指標的經(jīng)濟含義高度重疊。但由于丟棄了其他主成分，PCA 法存在一定程度的信息丟失。最關(guān)鍵的是，由于不同時間區(qū)間第一主成分蘊含的信息量不同，會造成不同時期合成指數(shù)的含義不完全一致。擴散指數(shù)法擴散指數(shù)(Di

42、ffusion Index, DI)的基本思想是把呈現(xiàn)擴張狀態(tài)的指標占比的變化，看作是宏觀景氣度波及、滲透的過程。具體來說，實體經(jīng)濟景氣度可以分為擴張、收縮兩大局面：經(jīng)濟繁榮時，大部分經(jīng)濟指標持續(xù)上升，但是，當景氣迎來成熟階段后，少數(shù)指標開始改變方向，并且轉(zhuǎn)而下降的指標會逐漸增多，當保持上升的指標與轉(zhuǎn)為下降的指標個數(shù)均等時，即是景氣由擴張到收縮的轉(zhuǎn)折點（景氣的峰）；經(jīng)濟蕭條時，大部分指標在收縮期里保持下降趨勢，當景氣迎來探底階段后，少數(shù)指標又轉(zhuǎn)向上升，景氣開始恢復，當仍在下降的指標和轉(zhuǎn)而回升的指標均等時，即是景氣由收縮到擴張的轉(zhuǎn)折點（景氣的谷）；在我國，采購經(jīng)理人指數(shù)(PMI)、消費者信心指數(shù)

43、等都屬于擴散指數(shù)。當一個指標環(huán)比改善時，視為擴張指標。擴散指數(shù)等于指標池內(nèi)擴張指標數(shù)占指標總數(shù)的比率；為了使擴散指數(shù)較為光滑，通常會對計算結(jié)果進行五項移動平均： = MA5(擴張指標數(shù)指標總數(shù)) 100%擴散指標通常以 50%為榮枯線，擴散指數(shù)高于榮枯線還是低于榮枯線，遠比擴散指數(shù)的環(huán)比變化更有意義，因為擴散指數(shù)的數(shù)值僅僅代表指標池中擴張的指標個數(shù)占比，并不能反映出擴張或收縮的力度。宏觀因子體系構(gòu)建結(jié)果增長因子增長因子構(gòu)建中，選擇 PMI 同比增速作為基準指標，經(jīng)篩選有 11 個指標領(lǐng)先于基準指標。其中有 7 個工業(yè)品產(chǎn)銷量增速指標，2 個地產(chǎn)相關(guān)指標，以及貨物周轉(zhuǎn)量和稅收收入增速。整體而言，

44、領(lǐng)先指標篩選結(jié)果與基本的經(jīng)濟學邏輯相匹配。經(jīng)檢測，增長領(lǐng)先因子的拐點相比于基準指標平均領(lǐng)先 7 個月。圖表23： 增長因子基準指標與領(lǐng)先指標詳細信息時差時差相關(guān)系數(shù)K-L 信息量拐點拐點平均月均 DTW指標名稱Wind 代碼下載口徑發(fā)布延遲相關(guān)系數(shù)領(lǐng)先月數(shù)領(lǐng)先月數(shù)匹配率領(lǐng)先月數(shù)距離PMI（基準）產(chǎn)量:發(fā)電量產(chǎn)量:鋁材 產(chǎn)量:硫酸 產(chǎn)量:乙烯 產(chǎn)量:空調(diào) 產(chǎn)量:汽車銷量:叉車:全行業(yè)房屋新開工面積房地產(chǎn)開發(fā)投資完成額貨物周轉(zhuǎn)量總計稅收收入合成指標資料來源：Wind, M0017126 S0027012 S0027571 S0027103 S0027159 S0028202 S0027907 S6

45、001740 S0029669 S0029656 S0036018 M0024057擴散當月值當月值當月值當月值當月值當月值當月值累計值累計值當月值當月值0/10.8210.5010.7010.7110.7810.6510.8710.7410.8310.5810.7910.88/44100%4.56575%5.27788%4.933100%4.35588%7.17775%7.72288%6.34488%4.63388%5.155100%3.84488%3.75588%7.3/ 0.290.360.340.370.330.400.160.390.310.410.300.23圖表24： 增長領(lǐng)先因

46、子合成結(jié)果（OECD 法）-1產(chǎn)量:發(fā)電量產(chǎn)量:乙烯增長領(lǐng)先因子產(chǎn)量:鋁材產(chǎn)量:空調(diào)產(chǎn)量:硫酸產(chǎn)量:汽車80%60%40%20%0%-20%-40%20082009201020112012201320142015201620172018201920202021-60%資料來源：Wind, 圖表25： 增長領(lǐng)先因子合成結(jié)果（OECD 法）-280%銷量:叉車:全行業(yè) 房地產(chǎn)開發(fā)投資完成額貨物周轉(zhuǎn)量總計稅收收入房屋新開工面積增長領(lǐng)先因子60%40%20%0%-20%-40%20082009201020112012201320142015201620172018201920202021-60%資料來

47、源：Wind, 圖表26： 增長領(lǐng)先因子與基準指標走勢對比 增長領(lǐng)先因子增長基準:PMI(%)60%40%20%0%-20%-40%20082009201020112012201320142015201620172018201920202021-60%資料來源：Wind，通脹因子通脹因子構(gòu)建中，基準指標是基于 CPI 和PPI 合成得到（采用波動率倒數(shù)加權(quán)法，亦稱廣義通脹）。經(jīng)篩選，有 5 個指標顯著領(lǐng)先于廣義通脹，主要是一些生活端和生產(chǎn)端的價格同比。其中，生活端包括豬肉價格和 CRB 油脂現(xiàn)貨，生產(chǎn)端主要包括螺紋鋼、原油和 MyIpic 礦價指數(shù)。結(jié)果顯示，通脹領(lǐng)先因子的拐點相比于基準指標平

48、均領(lǐng)先 2.7 個月，而且考慮到最終采用的代理指標都是資產(chǎn)價格序列，因而不存在公布延遲，所以實際領(lǐng)先期數(shù)可達 3 個月。圖表27： 通脹因子基準指標與領(lǐng)先指標詳細信息/11環(huán)比環(huán)比M0000705M0049160CPI（基準）PPI:全部工業(yè)品（基準）指標名稱Wind 代碼下載口徑發(fā)布延遲時差相關(guān)系數(shù)時差相關(guān)系數(shù)領(lǐng)先月數(shù)信息量領(lǐng)先月數(shù)拐點匹配率拐點平均領(lǐng)先月數(shù)月均 DTW距離大宗價:豬肉S0066840價格00.431464%4.7 0.39CRB 現(xiàn)貨指數(shù):油脂S0031507價格00.842291%4.5 0.28螺紋價格指數(shù)S5711190價格00.791173%0.8 0.34期貨結(jié)算

49、價:布倫特原油S0031525價格00.742282%3.0 0.420.222.7100%110.920通脹合成因子MyIpic 礦價指數(shù):綜合S5705040價格00.782282%4.1 0.28資料來源：Wind, 圖表28： 通脹領(lǐng)先因子合成結(jié)果（OECD） CRB現(xiàn)貨指數(shù):油脂螺紋價格指數(shù)大宗價:豬肉期貨結(jié)算價:布倫特原油MyIpic礦價指數(shù)通脹領(lǐng)先因子（右軸）160%7%120%5%80%3%40%1%0%-1%-40%-3%20082009201020112012201320142015201620172018201920202021-80%-5%資料來源：Wind, 圖表29

50、： 通脹領(lǐng)先因子與基準指標走勢對比 通脹領(lǐng)先因子通脹基準:廣義通脹8%6%4%2%0%-2%-4%-6%20082009201020112012201320142015201620172018201920202021-8%資料來源：Wind，信用因子合成信用因子時，考慮到相關(guān)代理指標個數(shù)較少，而且缺乏公允性高的基準指標，因此我們直接選取了邏輯明確、關(guān)注度高的 M1、M2、社融增速、金融機構(gòu)貸款增速和企業(yè)存款增速進行合成。該合成指標可以認為是對信用環(huán)境刻畫的一致指標。圖表30： 信用因子代理指標詳細信息指標類型指標名稱Wind 代碼下載口徑發(fā)布延遲信用因子代理指標M1M0001382當月值 1M

51、2M0001384當月值 1社會融資規(guī)模存量M5525755/M5206730當月值 1金融機構(gòu):各項貸款余額M0009969當月值 1金融機構(gòu):企業(yè)存款余額M0043410當月值 1資料來源：Wind, 圖表31： 信用因子合成結(jié)果（OECD 法）20%M1M2社會融資規(guī)模存量金融機構(gòu):各項貸款余額金融機構(gòu):企業(yè)存款余額信用因子15%10%5%0%-5%-10%20082009201020112012201320142015201620172018201920202021-15%資料來源：Wind, 貨幣因子本文直接采用一年期國債到期收益率（取月度均值后 HP 濾波去趨勢）作為貨幣因子代理指

52、標，上行表示貨幣收緊，下行表示貨幣寬松。圖表32： 貨幣因子代理指標詳細信息指標類型指標名稱Wind 代碼下載口徑發(fā)布延遲貨幣因子代理指標國債到期收益率:1 年S0059744價格0資料來源：Wind, 圖表33： 貨幣因子走勢1.5%1.0%0.5%0.0%-0.5%-1.0%20082009201020112012201320142015201620172018201920202021-1.5%資料來源：Wind, 宏觀-資產(chǎn)映射關(guān)系本節(jié)將基于前文構(gòu)建的增長、通脹、信用、貨幣因子劃分宏觀狀態(tài)，統(tǒng)計不同因子上行、下行區(qū)間各個資產(chǎn)、行業(yè)的月均收益率，建立宏觀-資產(chǎn)映射關(guān)系（也即投資時鐘）。圖表

53、34： 宏觀狀態(tài)劃分結(jié)果注：貨幣下行對應寬松，上行對應收緊資料來源：Wind, 大類資產(chǎn)投資時鐘分別以中證 800、中債-國債總凈價指數(shù)、南華工業(yè)品指數(shù)、黃金代表股票、債券、商品和類現(xiàn)金資產(chǎn)，各個因子上行、下行段中資產(chǎn)表現(xiàn)如下：增長因子：上行利好股票（企業(yè)盈利回暖）和商品（資源需求增加），利空債券（融資需求增加帶動利率上行）。此外，相較于增長基準因子，股票、債券、工業(yè)品在增長領(lǐng)先因子中的收益區(qū)分度均顯著擴大，彰顯出領(lǐng)先因子的優(yōu)勢。通脹因子：通脹上行利好工業(yè)品（供需失衡，價格擴張）和黃金（保值需求增加）。通脹對股票的影響主要體現(xiàn)在板塊的結(jié)構(gòu)性分化上；對債券則屬于相關(guān)關(guān)系而非因果關(guān)系。同樣地，相較

54、于通脹基準因子，領(lǐng)先因子在資產(chǎn)收益區(qū)分度上也體現(xiàn)出一定優(yōu)勢。信用因子：主要對股票有顯著區(qū)分度，信用擴張時股票上行，信用收縮時股票下行。貨幣因子：主要對債券有顯著區(qū)分度，貨幣寬松時債券上行，貨幣收緊時債券下行。圖表35： 增長領(lǐng)先因子上行或下行區(qū)間大類資產(chǎn)月均收益率圖表36： 增長基準因子上行或下行區(qū)間大類資產(chǎn)月均收益率增長上行增長下行增長上行增長下行2.5%2.5%2.0%2.0%1.5%1.5%1.0%1.0%0.5%0.5%0.0%0.0%-0.5%-0.5%-1.0%中證800國債工業(yè)品滬金-1.0%中證800國債工業(yè)品滬金資料來源：Wind, 資料來源：Wind, 圖表37： 通脹領(lǐng)先

55、因子上行或下行區(qū)間大類資產(chǎn)月均收益率圖表38： 通脹基準因子上行或下行區(qū)間大類資產(chǎn)月均收益率通脹上行通脹下行通脹上行通脹下行2.0%2.0%1.5%1.5%1.0%1.0%0.5%0.5%0.0%0.0%-0.5%-0.5%-1.0%-1.0%-1.5%中證800國債工業(yè)品滬金-1.5%中證800國債工業(yè)品滬金資料來源：Wind, 資料來源：Wind, 圖表39： 信用擴張或收縮區(qū)間大類資產(chǎn)月均收益率圖表40： 貨幣寬松或收緊區(qū)間大類資產(chǎn)月均收益率信用擴張信用收縮貨幣寬松貨幣收緊2.0%2.0%1.5%1.5%1.0%1.0%0.5%0.5%0.0%0.0%-0.5%-0.5%-1.0%中證8

56、00國債工業(yè)品滬金-1.0%中證800國債工業(yè)品滬金資料來源：Wind, 資料來源：Wind, 綜上，我們可以構(gòu)建出大類資產(chǎn)維度下的雙輪投資時鐘：增長-通脹時鐘：在領(lǐng)先性因子視角下，增長-通脹時鐘下的資產(chǎn)輪動規(guī)律與經(jīng)典美林時鐘的結(jié)論基本一致，復蘇、過熱、滯漲、衰退四個階段下的最優(yōu)配置資產(chǎn)分別是股票、商品、黃金（類現(xiàn)金資產(chǎn)）、債券。信用-貨幣時鐘：由于商品并非現(xiàn)金流定價的邏輯，所以主要考察對股票、債券的影響，結(jié)論非常清晰，寬貨幣看好債券，寬信用看好股票，信用、貨幣雙緊時應低配股、債。圖表41： 增長-通脹投資時鐘圖表42： 信用-貨幣投資時鐘資料來源：預測資料來源：預測行業(yè)投資時鐘我們以中信一級

57、行業(yè)為基礎(chǔ)，剔除綜合、綜合金融行業(yè)，并將非銀行金融拆分成證券和保險，將食品飲料拆分成酒類、飲料和食品，作為最終的行業(yè)統(tǒng)計對象。由于不同行業(yè)同屬權(quán)益資產(chǎn)，同漲同跌的效應比較顯著，因此我們會對比各行業(yè)與中證全指（表征全市場）的收益分化，來捕捉其中的結(jié)構(gòu)性和彈性差異。以增長因子為例，我們會統(tǒng)計各個行業(yè)和中證全指在增長上行和增長下行區(qū)間的月均收益率，如果某個行業(yè)上行時的表現(xiàn)顯著強于中證全指，且下行時的表現(xiàn)顯著弱于中證全指，則說明這個行業(yè)顯著受到增長因子的驅(qū)動。經(jīng)統(tǒng)計，各個因子視角下，行業(yè)表現(xiàn)分化如下：增長因子：增長上行對所有行業(yè)幾乎都是利好，下行時幾乎所有行業(yè)都表現(xiàn)一般。其中，彈性相對較大的主要集中在

58、可選消費（如汽車）、周期（如有色金屬）和大金融板塊（如銀行），彈性相對較小的集中在公共產(chǎn)業(yè)板塊（如建筑）。通脹因子：通脹對股市的影響更多體現(xiàn)在行業(yè)的分化上。生產(chǎn)資料價格的提升主要利好上游資源和中游材料板塊（如有色金屬），生活資料價格的提升主要利好下游消費風格（如農(nóng)林牧漁和酒類）。信用因子：信用擴張對所有行業(yè)幾乎都是利好，因為 A 股是一個流動性驅(qū)動較為顯著的市場。其中，彈性較大的主要集中在成長風格（如電子、計算機、醫(yī)藥）和信貸驅(qū)動的地產(chǎn)板塊。貨幣因子：貨幣寬松總體而言利好股市。其中，彈性較大的集中在分紅相對穩(wěn)定的公共產(chǎn)業(yè)板塊（如環(huán)保及公用事業(yè)）和大金融板塊（如證券、房地產(chǎn)）。值得一提的是，大金

59、融板塊內(nèi)部，貨幣收緊時，銀行和保險業(yè)也相對較優(yōu)，前者受益于息差上行，后者受益于投資收益。圖表43： 增長因子對典型行業(yè)的表現(xiàn)區(qū)分度圖表44： 通脹因子對典型行業(yè)的表現(xiàn)區(qū)分度增長上行增長下行 基準() 基準()通脹上行通脹下行 基準() 基準()4%4%3%3%2%2%1%1%0%0%-1%汽車有色金屬銀行基礎(chǔ)化工建筑-1%酒類輕工制造農(nóng)林牧漁有色金屬鋼鐵資料來源：Wind, 資料來源：Wind, 圖表45： 信用因子對典型行業(yè)的表現(xiàn)區(qū)分度圖表46： 貨幣因子對典型行業(yè)的表現(xiàn)區(qū)分度信用擴張信用收縮 基準() 基準()貨幣寬松貨幣收緊 基準() 基準()5%3%4%2%3%2%1%1%0%0%-1

60、%電子醫(yī)藥計算機有色金屬房地產(chǎn)-1%證券II房地產(chǎn)公用事業(yè)銀行交通運輸資料來源：Wind, 資料來源：Wind, 接下來，我們根據(jù)宏觀環(huán)境對行業(yè)的驅(qū)動邏輯，結(jié)合行業(yè)層面收益區(qū)分度統(tǒng)計結(jié)果，對宏觀因子-行業(yè)映射關(guān)系進行打分，邏輯如下：每個因子維度下，行業(yè)打分包含 2，1，0，-1，-2 五檔，以增長因子為例：2 分表示增長上行是對行業(yè)有顯著正向驅(qū)動，且彈性高于市場基準（中證全指）；1 分表示增長上行對行業(yè)影響整體偏正向，但是彈性不如市場基準；-2 分表示增長下行對行業(yè)有顯著負向驅(qū)動，且彈性高于市場基準；-1 分表示增長下行對行業(yè)影響整體偏負向，但彈性不如市場基準；0 分表示增長因子對該行業(yè)的影響