行業(yè)配置策略投資時(shí)鐘視角

1、正文目錄 HYPERLINK l _TOC_250032 本文研究導(dǎo)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(biāo)庫(kù)構(gòu)建 7 HYPERLINK l _TOC_250029 備選指標(biāo)預(yù)處理 8 HYPERLINK l _TOC_250028 統(tǒng)一口徑：將所有指標(biāo)統(tǒng)一為月頻同比增長(zhǎng)率口徑 8 HYPERLINK l _TOC_250027 季節(jié)性檢驗(yàn)：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(shì)項(xiàng)和循環(huán)項(xiàng) 10 HYPERLINK l _TOC_250

2、025 HP 濾波：提取刻畫經(jīng)濟(jì)周期的循環(huán)項(xiàng) 10 HYPERLINK l _TOC_250024 領(lǐng)先指標(biāo)篩選 11 HYPERLINK l _TOC_250023 時(shí)差相關(guān)系數(shù) 12 HYPERLINK l _TOC_250022 信息量 12 HYPERLINK l _TOC_250021 拐點(diǎn)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(kuò)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(zhǎng)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(shí)鐘 21 HYPERLINK l _TOC_250008 行業(yè)投資時(shí)鐘 23

4、HYPERLINK l _TOC_250007 宏觀因子投資時(shí)鐘策略 25 HYPERLINK l _TOC_250006 宏觀觀點(diǎn)滾動(dòng)生成 26 HYPERLINK l _TOC_250005 相位判斷法 26 HYPERLINK l _TOC_250004 因子動(dòng)量法 28 HYPERLINK l _TOC_250003 大類資產(chǎn)投資時(shí)鐘策略 29 HYPERLINK l _TOC_250002 行業(yè)投資時(shí)鐘策略 30 HYPERLINK l _TOC_250001 參考文獻(xiàn) 31 HYPERLINK l _TOC_250000 風(fēng)險(xiǎn)提示 31圖表目錄圖表 1： 基本面輪動(dòng)系列報(bào)告研究框架

5、 5圖表 2： 雙輪驅(qū)動(dòng)投資時(shí)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(biāo)庫(kù)詳細(xì)構(gòu)成 7圖表 5： 宏觀指標(biāo)預(yù)處理流程示例：CPI 8圖表 6： 穩(wěn)定季節(jié)性和移動(dòng)季節(jié)性含義 9圖表 7： 季節(jié)性檢驗(yàn)舉例 9圖表 8： 工業(yè)增加值（2010 年 12 月=100）季調(diào)前后對(duì)比 10圖表 9： 公共財(cái)政收入（億元）季調(diào)前后對(duì)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(cái)政收入（億元）HP 濾波結(jié)果 10圖表 12： 增長(zhǎng)因子基準(zhǔn)指標(biāo)構(gòu)建（PMI 同比增速） 11圖表 13： 領(lǐng)先指標(biāo)篩選流程 11圖表 14： 領(lǐng)先指標(biāo)定

6、量篩選標(biāo)準(zhǔn) 11圖表 15： PMI(%)與汽車產(chǎn)量(%)對(duì)比圖 12圖表 16： 汽車產(chǎn)量(%)領(lǐng)先 PMI(%)的時(shí)差相關(guān)系數(shù) 12圖表 17： PMI(%)與發(fā)電量(%)對(duì)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(diǎn)匹配結(jié)果 14圖表 21： DTW 距離與傳統(tǒng)的歐氏距離對(duì)比 14圖表 22： 常用的宏觀因子合成方法 15圖表 23： 增長(zhǎng)因子基準(zhǔn)指標(biāo)與領(lǐng)先指標(biāo)詳細(xì)信息 17圖表 24： 增長(zhǎng)領(lǐng)先因子合成結(jié)果（OECD 法）-1 17圖表 25

7、： 增長(zhǎng)領(lǐng)先因子合成結(jié)果（OECD 法）-2 17圖表 26： 增長(zhǎng)領(lǐng)先因子與基準(zhǔn)指標(biāo)走勢(shì)對(duì)比 18圖表 27： 通脹因子基準(zhǔn)指標(biāo)與領(lǐng)先指標(biāo)詳細(xì)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(zhǔn)指標(biāo)走勢(shì)對(duì)比 19圖表 30： 信用因子代理指標(biāo)詳細(xì)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(biāo)詳細(xì)信息 20圖表 33： 貨幣因子走勢(shì) 20圖表 34： 宏觀狀態(tài)劃分結(jié)果 21圖表 35： 增長(zhǎng)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(zhǎng)基準(zhǔn)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(zhǔn)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(kuò)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(zhǎng)-通脹投資時(shí)鐘 22圖表 42： 信用-貨幣投資時(shí)鐘 22圖表 43： 增長(zhǎng)因子對(duì)典型行業(yè)的表現(xiàn)區(qū)分度 23圖表 44： 通脹因子對(duì)典型行業(yè)的表現(xiàn)區(qū)分度 23圖表 45： 信用因子對(duì)典型行業(yè)的表現(xiàn)區(qū)分度 23圖表 46： 貨幣因子對(duì)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(shí)鐘策略框架（以風(fēng)險(xiǎn)預(yù)算

9、組合為例） 25圖表 49： 增長(zhǎng)因子滾動(dòng)合成與全局合成結(jié)果對(duì)比 25圖表 50： 通脹因子滾動(dòng)合成與全局合成結(jié)果對(duì)比 25圖表 51： 宏觀因子體系共同周期識(shí)別結(jié)果 26圖表 52： 增長(zhǎng)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(zhǎng)因子的相位判斷觀點(diǎn) 27圖表 58： 通脹因子的相位判斷觀點(diǎn) 27圖表 59： 信用因子的相位判斷觀點(diǎn) 27圖表 60： 貨幣因子的相位判斷觀點(diǎn) 27圖表 61： 增長(zhǎng)因子的因子動(dòng)量觀點(diǎn) 28圖表

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

11、板塊聚類研究，為后續(xù)系列報(bào)告確立了統(tǒng)一的研究對(duì)象；系列報(bào)告二到五中，我們分別從宏觀風(fēng)險(xiǎn)因子、中觀風(fēng)格因子、微觀經(jīng)營(yíng)模式和產(chǎn)業(yè)鏈上下游關(guān)系四個(gè)視角進(jìn)行行業(yè)畫像分析，力求從不同維度對(duì)各行業(yè)的核心驅(qū)動(dòng)因素進(jìn)行梳理；系列報(bào)告六到九中，我們分別從宏觀因子、趨勢(shì)追蹤、景氣度、擁擠度四個(gè)維度展開了具體的行業(yè)輪動(dòng)策略開發(fā)；系列報(bào)告十到十一中，我們從指數(shù)增強(qiáng)的角度展開了行業(yè)配置落地研究，力求將行業(yè)輪動(dòng)模型轉(zhuǎn)化為實(shí)際可投資策略；系列報(bào)告十二到十四中，我們構(gòu)建了一套統(tǒng)一的基金評(píng)價(jià)分析框架，梳理了醫(yī)藥、消費(fèi)、科技三個(gè)長(zhǎng)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(dòng)研究框架。圖表1： 基本面輪動(dòng)系列報(bào)告研究框架資料來(lái)源：本篇報(bào)告作為系列報(bào)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(shí)鐘視角，從 DDM 定價(jià)模型出發(fā)，構(gòu)建了一套基于美林時(shí)鐘和貨幣信用輪盤的雙輪驅(qū)動(dòng)投資時(shí)鐘，具體而言：1、基于 DDM 定價(jià)模型，資產(chǎn)價(jià)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(shí)體經(jīng)濟(jì)景氣程度的驅(qū)動(dòng)，可以從增長(zhǎng)（量）和通脹（價(jià)）兩個(gè)維度進(jìn)行刻畫；3、折現(xiàn)率主要反映了流動(dòng)性環(huán)境的松緊程度，可以從信用（量）和貨幣（價(jià)）兩個(gè)維度進(jìn)行刻畫。圖表2： 雙輪驅(qū)動(dòng)投資時(shí)鐘資料來(lái)源：本文構(gòu)建

13、的雙輪驅(qū)動(dòng)時(shí)鐘，與傳統(tǒng)投資時(shí)鐘最大的不同在于構(gòu)建因子時(shí)，我們引入了一套定量框架來(lái)評(píng)估各個(gè)宏觀指標(biāo)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(biāo)來(lái)合成宏觀因子。這主要是因?yàn)橘Y產(chǎn)價(jià)格是交易出來(lái)的，往往反映了投資者對(duì)未來(lái)宏觀環(huán)境的預(yù)期，而傳統(tǒng)的投資時(shí)鐘策略中，通常采用 GDP、工業(yè)增加值、CPI 等同步指標(biāo)來(lái)刻畫因子，滯后的觀測(cè)指標(biāo)與領(lǐng)先的資產(chǎn)價(jià)格形成錯(cuò)配，導(dǎo)致策略應(yīng)用效果不夠理想。因此，我們希望篩選領(lǐng)先的觀測(cè)指標(biāo)體系，并合成宏觀領(lǐng)先指數(shù)來(lái)解決這一問(wèn)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(guó)統(tǒng)計(jì)署、美國(guó)國(guó)家經(jīng)濟(jì)研究局（NBER）與總統(tǒng)經(jīng)濟(jì)顧問(wèn)委員會(huì)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(huì)開始編制包括美國(guó)在內(nèi)多個(gè)國(guó)家的領(lǐng)先指數(shù)，用于監(jiān)測(cè)和分析經(jīng)濟(jì)周期。目前，美國(guó)、日本、英國(guó)和世界經(jīng)合組織（OECD）均有獨(dú)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(biāo)、NBER 先行指標(biāo)及 GDP 預(yù)期指數(shù)等領(lǐng)先指標(biāo)來(lái)衡量經(jīng)濟(jì)增長(zhǎng)，并構(gòu)建了相應(yīng)的投資時(shí)鐘策略。本文將汲取海外方法論之精華，揭開中國(guó)海量宏觀經(jīng)濟(jì)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(xué)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(xì)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(yù)測(cè)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(shí)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(zhǎng)、通脹、信用、貨幣等四個(gè)維度，分別衡量了實(shí)體景氣度的“量”和“價(jià)”，以及流動(dòng)性環(huán)境的“量”和“價(jià)”。其構(gòu)建流程包括備選指標(biāo)庫(kù)下載、備選指標(biāo)預(yù)處理、領(lǐng)先指標(biāo)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(lái)源：備選指標(biāo)庫(kù)構(gòu)建備選指標(biāo)庫(kù)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(biāo)。以增長(zhǎng)為例：除了直接參考 GDP、PMI 等總量指標(biāo)，我們還可以通過(guò)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(fèi)、進(jìn)出口三架馬車）、收入法

16、（企業(yè)盈利、公共財(cái)政收入）等核算口徑篩選細(xì)分指標(biāo)。類似地，對(duì)通脹、信用、貨幣等維度，我們也篩選了相應(yīng)的代理指標(biāo)?？偟膩?lái)說(shuō)，只要是經(jīng)濟(jì)學(xué)含義明確、統(tǒng)計(jì)充分、發(fā)布及時(shí)的指標(biāo)，我們都納入到了備選指標(biāo)庫(kù)，最終構(gòu)建的備選指標(biāo)庫(kù)如圖所示，包含 500 余個(gè)宏觀指標(biāo)。圖表4： 備選指標(biāo)庫(kù)詳細(xì)構(gòu)成資料來(lái)源：Wind, 備選指標(biāo)預(yù)處理考慮到不同宏觀指標(biāo)統(tǒng)計(jì)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(duì)宏觀指標(biāo)進(jìn)行統(tǒng)一的預(yù)處理，其目的是讓各個(gè)指標(biāo)之間口徑可比，方便識(shí)別各指標(biāo)之間的領(lǐng)先滯后關(guān)系。盡管不同指標(biāo)在處理時(shí)的細(xì)節(jié)存在差異，但總的來(lái)說(shuō)可以概括為以下五個(gè)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(biāo)或價(jià)格口徑指標(biāo)；統(tǒng)一口徑：統(tǒng)一頻率，填補(bǔ)缺失值，并將所有指標(biāo)統(tǒng)一為總量口徑或價(jià)格口徑；季節(jié)性檢驗(yàn)：檢驗(yàn)宏觀指標(biāo)是否存在顯著的穩(wěn)定季節(jié)性和移動(dòng)季節(jié)性，并結(jié)合主觀邏輯，判斷宏觀指標(biāo)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(yīng)后，采用 X-11 提取趨勢(shì)項(xiàng)和循環(huán)項(xiàng)；HP 濾波：進(jìn)一步消除趨勢(shì)項(xiàng)，重點(diǎn)關(guān)注循環(huán)項(xiàng)的周期性波動(dòng)；同比變換：最后將循環(huán)項(xiàng)變換為同比增長(zhǎng)率口徑，這是研究增量型經(jīng)濟(jì)體的通用做法。下圖以 CPI 為例，展示了指標(biāo)預(yù)處理流程：1、下載 CPI 環(huán)比數(shù)據(jù)；2、通過(guò)累乘法將環(huán)比數(shù)據(jù)變換為價(jià)格指數(shù)；3、經(jīng)檢測(cè)該價(jià)格指數(shù)存在顯著的季節(jié)性，需要進(jìn)行季調(diào)處理，獲取

18、趨勢(shì)循環(huán)項(xiàng)；4、基于 HP 濾波剔除趨勢(shì)項(xiàng)，提取循環(huán)波動(dòng)項(xiàng)；5、計(jì)算同比增長(zhǎng)率。之所以不直接下載 CPI 同比數(shù)據(jù)，是因?yàn)橥缺旧砭褪且环N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(fù)雜算法了），如果在同比數(shù)據(jù)上進(jìn)一步季調(diào)邏輯又不自洽（因?yàn)橥葦?shù)據(jù)已經(jīng)沒(méi)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(biāo)預(yù)處理流程示例：CPI資料來(lái)源：Wind, 統(tǒng)一口徑：將所有指標(biāo)統(tǒng)一為月頻同比增長(zhǎng)率口徑由于不同指標(biāo)的統(tǒng)計(jì)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(shí)施細(xì)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(biāo)為

19、例，簡(jiǎn)要介紹統(tǒng)一口徑的步驟：當(dāng)月值數(shù)據(jù)：以發(fā)電量等生產(chǎn)量指標(biāo)為代表，提取月末值后插值即可；當(dāng)月累計(jì)值數(shù)據(jù)：以房地產(chǎn)開發(fā)投資完成額為代表，通過(guò)環(huán)比差分轉(zhuǎn)換為當(dāng)月值數(shù)據(jù)，其中 2 月的累計(jì)值平分至 1 月和 2 月；價(jià)格數(shù)據(jù)：以豬肉價(jià)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(guò)累乘轉(zhuǎn)換為總量口徑；擴(kuò)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(biāo)都會(huì)統(tǒng)一為月頻的同比增長(zhǎng)率數(shù)據(jù)。季節(jié)性檢驗(yàn)：總量數(shù)據(jù) vs. 同比數(shù)據(jù)？前文介紹 CPI 指標(biāo)的預(yù)處理時(shí)，我們提到要采用總量口徑或價(jià)格口徑數(shù)

20、據(jù)進(jìn)行預(yù)處理，而不是直接下載同比口徑的數(shù)據(jù)。這是因?yàn)楣?jié)日效應(yīng)最顯著的春節(jié)在公歷月份上分布不均，計(jì)算同比增速的過(guò)程無(wú)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(shí)別并分離，導(dǎo)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(yàn)方法和移動(dòng)季節(jié)性檢驗(yàn)方法。穩(wěn)定季節(jié)性是指：t1 月和 t2 月宏觀指標(biāo)的多年平均值存在顯著差異；移動(dòng)季節(jié)性是指：t1 月和 t2 月宏觀指標(biāo)的差異在不同年份之間發(fā)生顯著變動(dòng)。如果一個(gè)指標(biāo)同時(shí)存在顯著的移動(dòng)季節(jié)性和穩(wěn)定季節(jié)性，那么就應(yīng)該使用總量口徑或價(jià)格口徑數(shù)據(jù)進(jìn)行季調(diào)。對(duì)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(yàn)和非參數(shù)

21、Kruskal-Wallis 檢驗(yàn) (Lothian and Morry, 1978)；對(duì)于移動(dòng)季節(jié)性，使用基于雙向方差分析模型的參數(shù)檢驗(yàn) (Higginson,1975)。各檢驗(yàn)方法的原理詳見參考文獻(xiàn)，此處不再贅述。圖表6： 穩(wěn)定季節(jié)性和移動(dòng)季節(jié)性含義資料來(lái)源：下表以工業(yè)增加值、公共財(cái)政收入為例，展示不同口徑下的檢測(cè)結(jié)果，結(jié)論如下：無(wú)論工業(yè)增加值還是公共財(cái)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(jì)學(xué)邏輯。因?yàn)榇汗?jié)期間工業(yè)生產(chǎn)活動(dòng)下降，工業(yè)增加值會(huì)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(cái)政收入在年初也會(huì)系統(tǒng)性地增加。但這兩個(gè)指標(biāo)的同比口徑數(shù)據(jù)經(jīng)檢測(cè)都不存在

22、顯著的季節(jié)性，這是因?yàn)橥缺旧砭褪且环N簡(jiǎn)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(jìn)行逐步合成。工業(yè)增加值存在顯著的移動(dòng)季節(jié)性，而公共財(cái)政收入不存在顯著的移動(dòng)季節(jié)性。這是因?yàn)榇汗?jié)在公歷月中分布不均勻，導(dǎo)致工業(yè)增加值的季節(jié)性效應(yīng)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(duì)固定，導(dǎo)致公共財(cái)政收入的季節(jié)性效應(yīng)在不同年份之間變化不大。圖表7： 季節(jié)性檢驗(yàn)舉例宏觀指標(biāo)指標(biāo)口徑p(FS)p(FKW)p(FM)穩(wěn)定季節(jié)性移動(dòng)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(cái)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(lái)源：Wind, 季節(jié)性調(diào)整：提取趨勢(shì)項(xiàng)和循環(huán)項(xiàng)宏觀指標(biāo)往往包含趨勢(shì)項(xiàng)(T)、循環(huán)項(xiàng)(C)、季節(jié)項(xiàng)(S)和不規(guī)則項(xiàng)(I)，使用乘法模型分解為： = 其中，趨勢(shì)項(xiàng)衡量了指標(biāo)的長(zhǎng)期趨勢(shì)，循環(huán)項(xiàng)體現(xiàn)了偏離長(zhǎng)期趨勢(shì)的波動(dòng)項(xiàng)，季節(jié)項(xiàng)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(xiàng)反映了突發(fā)事件和噪音對(duì)宏觀指標(biāo)的影響。本文主要參考了中國(guó)人民銀行調(diào)查統(tǒng)計(jì)司(2006)公布的 X-11 方法進(jìn)行季調(diào)處理，詳細(xì)原理詳見參考文獻(xiàn)，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(duì)比圖表9： 公共財(cái)政收入（億元）季調(diào)前后對(duì)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(lái)源：Wind, 資料來(lái)源：Wind, HP 濾波：提取刻畫經(jīng)濟(jì)周期的循環(huán)項(xiàng)經(jīng)季調(diào)處理后，宏觀指標(biāo)的季節(jié)項(xiàng)(S)與不規(guī)則項(xiàng)(I)被剝離，剩余趨勢(shì)項(xiàng)(T)和循環(huán)項(xiàng)(C)。在增量型經(jīng)濟(jì)體中，趨勢(shì)項(xiàng)(T)往往是穩(wěn)步向上的，為了研究經(jīng)濟(jì)

25、周期的波動(dòng)規(guī)律，通常會(huì)進(jìn)一步提取循環(huán)項(xiàng)(C)來(lái)進(jìn)行有針對(duì)性的分析，而去除趨勢(shì)項(xiàng)最常見的方法就是 HP 濾波。設(shè) Xt 是經(jīng)過(guò)季節(jié)性調(diào)整的趨勢(shì)-循環(huán)項(xiàng)序列： = HP 濾波就是從 Xt 中將 Tt 分離出來(lái)，需要最小化以下目標(biāo)函數(shù)：1 = ( )2 + (+1 ) ( 1)2=1=2目標(biāo)函數(shù)的第一項(xiàng)的含義是趨勢(shì)項(xiàng)盡可能接近原始序列，第二項(xiàng)的含義是趨勢(shì)項(xiàng)盡可能地光滑。兩者之間是相互制衡的：當(dāng) =0 時(shí)，趨勢(shì)項(xiàng)就是原始序列，沒(méi)有經(jīng)過(guò)任何平滑；隨著 增大，原始序列中越來(lái)越多的高頻信息被分離出來(lái)，趨勢(shì)項(xiàng)越來(lái)越光滑。 的選擇需要在趨勢(shì)跟蹤程度和趨勢(shì)光滑程度之間進(jìn)行權(quán)衡。一般經(jīng)驗(yàn)，對(duì)于年度數(shù)據(jù)， 取 100

26、；對(duì)于季度數(shù)據(jù)， 取 1600；對(duì)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(cái)政收入（億元）HP 濾波結(jié)果250200150100501.05季調(diào)后趨勢(shì)項(xiàng)循環(huán)項(xiàng)（右軸）1.031.010.990.9720,00016,00012,0008,0004,0001.15季調(diào)后趨勢(shì)項(xiàng)循環(huán)項(xiàng)（右軸）1.101.051.000.950.902002200420062008201020122014201620182020200220042006200820102012201420162018202000.9500.85資料來(lái)源：Win

27、d, 資料來(lái)源：Wind, 領(lǐng)先指標(biāo)篩選指標(biāo)間的領(lǐng)先滯后性是一個(gè)相對(duì)概念，常見做法是先確立一個(gè)基準(zhǔn)指標(biāo)，然后篩選相比于基準(zhǔn)指標(biāo)有顯著領(lǐng)先性的指標(biāo)。以增長(zhǎng)因子為例，本文選取了發(fā)布及時(shí)、關(guān)注度高、周期波動(dòng)特征顯著的 PMI 同比指數(shù)作為增長(zhǎng)基準(zhǔn)指標(biāo)。需要說(shuō)明的是，原始的 PMI 數(shù)據(jù)是環(huán)比口徑，需要經(jīng)過(guò)一系列預(yù)處理轉(zhuǎn)換為同比口徑。圖表12： 增長(zhǎng)因子基準(zhǔn)指標(biāo)構(gòu)建（PMI 同比增速）資料來(lái)源：Wind, 確立基準(zhǔn)指標(biāo)后，我們首先會(huì)從定量角度依次評(píng)估備選指標(biāo)庫(kù)中各個(gè)指標(biāo)與基準(zhǔn)指標(biāo)的領(lǐng)先滯后關(guān)系，采用的方法包括時(shí)差相關(guān)系數(shù)、K-L 信息量、拐點(diǎn)匹配率和曲線形態(tài)匹配度，只有四個(gè)檢驗(yàn)全部通過(guò)時(shí)，才認(rèn)為滿足領(lǐng)

28、先指標(biāo)的要求；對(duì)于通過(guò)定量初篩的指標(biāo)，我們將進(jìn)一步考慮數(shù)據(jù)長(zhǎng)度、邏輯聯(lián)系、統(tǒng)計(jì)充分、指標(biāo)關(guān)注度等因素，確定最終的領(lǐng)先指標(biāo)。圖表13： 領(lǐng)先指標(biāo)篩選流程資料來(lái)源：圖表14： 領(lǐng)先指標(biāo)定量篩選標(biāo)準(zhǔn)領(lǐng)先滯后分析指標(biāo)定量篩選標(biāo)準(zhǔn)時(shí)差相關(guān)系數(shù)絕對(duì)值0.4時(shí)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(diǎn)匹配率60%拐點(diǎn)平均領(lǐng)先期數(shù)0月均 DTW 距離0.5資料來(lái)源：時(shí)差相關(guān)系數(shù)時(shí)差相關(guān)系數(shù)是用來(lái)判斷經(jīng)濟(jì)指標(biāo)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(biāo)依次延后 12,11,1 期至領(lǐng)先 0,1,12 期，計(jì)算其與基準(zhǔn)指標(biāo)之間的相關(guān)系數(shù)。若邏輯上兩個(gè)指標(biāo)為正相關(guān)，取相關(guān)系數(shù)最大時(shí)的領(lǐng)先期數(shù)作為待考察指

29、標(biāo)的領(lǐng)先期數(shù)；若邏輯上兩個(gè)指標(biāo)為負(fù)相關(guān)，取相關(guān)系數(shù)最小時(shí)的領(lǐng)先期數(shù)作為待考察指標(biāo)的滯后期數(shù)。(+ )( ) = (+ )2 ( )2下圖展示了汽車產(chǎn)量(%)與 PMI(%)之間的時(shí)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(biāo)，領(lǐng)先期數(shù)為 7 個(gè)月。圖表15： PMI(%)與汽車產(chǎn)量(%)對(duì)比圖圖表16： 汽車產(chǎn)量(%)領(lǐng)先 PMI(%)的時(shí)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(lái)源：Wind, 資料來(lái)源：Wind, K-L 信息量K-L 信息量將兩組序列視為兩個(gè)概率分布，并衡量?jī)烧咧g的相似程度。其值恒非負(fù)，越接近 0，表明兩個(gè)序列越相似。具體做法為：將待考察指標(biāo)依次延后 12,11,1 期至領(lǐng)先 0,1,12 期，計(jì)算其與基準(zhǔn)指標(biāo)之間的 K-L 信息量，取 K-L 信息量最小時(shí)的領(lǐng)先期數(shù)作為待考察指標(biāo)的滯后期數(shù)。值得注意的是，對(duì)于邏輯上負(fù)相關(guān)的指標(biāo)，需要

31、先對(duì)該指標(biāo)取相反數(shù)，然后再進(jìn)行計(jì)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(biāo)，領(lǐng)先期數(shù)為 4 個(gè)月。圖表17： PMI(%)與發(fā)電量(%)對(duì)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(lái)源：Wind, 資料來(lái)源：Wind, 拐點(diǎn)匹配率時(shí)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(biāo)和基準(zhǔn)指標(biāo)之間的相似程度，然而，其計(jì)算易受到極端波動(dòng)的干擾。換言之，只要幅度最大的經(jīng)濟(jì)周期能夠匹配，幅度較小的波動(dòng)即使不相似，計(jì)算結(jié)果也不會(huì)太差。尤其國(guó)內(nèi)的經(jīng)濟(jì)指標(biāo)中，絕大部分都在 2012年之前大幅波動(dòng)，2012 年滯后則相對(duì)比較平緩，導(dǎo)致時(shí)差相關(guān)性和 K-L 信息量的計(jì)算結(jié)果基本被 2012 年之前的數(shù)據(jù)所決定，對(duì)近期新增數(shù)據(jù)已不敏感。因此，本文進(jìn)一步從拐點(diǎn)匹配視角考察兩者在經(jīng)濟(jì)周期擴(kuò)張

33、、收縮節(jié)奏上的相似程度，淡化幅度的影響。首先，拐點(diǎn)被定義為同時(shí)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(gè)月；相鄰峰或相鄰谷間隔（周期）不小于個(gè)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(duì)宏觀指標(biāo)序列的拐點(diǎn)進(jìn)行自動(dòng)化識(shí)別，該算法包括四個(gè)步驟：潛在拐點(diǎn)識(shí)別：修正原始序列 Y 的特異值以初步消除不規(guī)則要素，進(jìn)行 122 項(xiàng)移動(dòng)平均以初步消除季節(jié)要素，得到 Y1；識(shí)別 Y1 所有的局部極值點(diǎn)（即1 月范圍內(nèi)的最大值和最小值）作為潛在拐點(diǎn)。潛在拐點(diǎn)初修：修正原始序列

34、 Y 的特異值，進(jìn)行 Spencer 移動(dòng)平均，得到 Y2；針對(duì) Y1的每個(gè)潛在拐點(diǎn)，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(diǎn)位置；并檢測(cè)峰和谷是否交替出現(xiàn)，刪除多余峰谷。潛在拐點(diǎn)精修：不修正原始序列 Y 的特異值，僅以 Y2 的 MCD 值為項(xiàng)數(shù)，進(jìn)行移動(dòng)平均，得到 Y3；針對(duì) Y2 的每個(gè)極值點(diǎn)，依次以 Y3 的 MCD 值為鄰域，在 Y3 中修正潛在拐點(diǎn)位置；并檢測(cè)峰和谷是否交替出現(xiàn)，刪除多余的峰谷。最終拐點(diǎn)確定：以原始序列 Y 為對(duì)象，針對(duì) Y3 的每個(gè)潛在拐點(diǎn)，依次以 Y 的 MCD 值為鄰域，在 Y 中修正潛在拐點(diǎn)

35、位置；然后，檢測(cè)峰谷是否交替出現(xiàn)，并檢測(cè)周期和半周期長(zhǎng)度是否滿足拐點(diǎn)定義，刪除多余的峰谷。圖表19： Bry-Boschan 算法基本原理資料來(lái)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(diǎn)，算法中涉及的Spencer 移動(dòng)平均、MCD 值計(jì)算、峰谷交替檢測(cè)、周期和半周期檢測(cè)等細(xì)節(jié)詳見參考文獻(xiàn)。最后，對(duì)備選指標(biāo)與基準(zhǔn)指標(biāo)分別進(jìn)行拐點(diǎn)識(shí)別，然后遍歷基準(zhǔn)指標(biāo)的每一個(gè)峰（谷），在12 期鄰域內(nèi)檢查備選指標(biāo)是否存在尚未匹配的峰（谷）：若基準(zhǔn)指標(biāo)峰（谷）鄰域內(nèi)，備選指標(biāo)存在尚未匹配的峰（谷），記為匹配拐點(diǎn)；若基準(zhǔn)指標(biāo)峰（谷）鄰域內(nèi)，備選指標(biāo)不存在尚未匹配的峰（谷），記為缺失拐點(diǎn)；若基

36、準(zhǔn)指標(biāo)所有峰（谷）的鄰域之外，備選指標(biāo)仍存在峰（谷），記為多余拐點(diǎn)。于是，拐點(diǎn)匹配率的計(jì)算如下：拐點(diǎn)匹配率 = 匹配拐點(diǎn)/(匹配拐點(diǎn)+ 缺失拐點(diǎn)+ 多余拐點(diǎn))下圖展示了叉車銷量(%)與 PMI(%)的拐點(diǎn)匹配結(jié)果。兩者的拐點(diǎn)匹配率為 100%，且叉車 銷量(%)的拐點(diǎn)平均領(lǐng)先 PMI(%)的拐點(diǎn) 6.3 個(gè)月，表明前者有可能是 PMI(%)的領(lǐng)先指標(biāo)。圖表20： PMI(%)與銷量:叉車:全行業(yè)(%)拐點(diǎn)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(lái)源：Wind, 曲線形態(tài)匹配拐點(diǎn)匹配率僅考慮了拐點(diǎn)信息，對(duì)拐點(diǎn)到拐點(diǎn)之間的趨勢(shì)段則缺乏考察，對(duì)此，本文引入動(dòng)態(tài)時(shí)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(yīng)用于語(yǔ)音識(shí)別，用于匹配兩段內(nèi)容相似但是語(yǔ)速不同的語(yǔ)音片段。由于語(yǔ)速不同，同一時(shí)刻的內(nèi)容可能存在較大差異，此時(shí)傳統(tǒng)的歐氏距離難以客觀評(píng)估兩段序列之間的相似度。 DTW 距離是對(duì)歐氏距離的改良，它不再計(jì)算兩條序列在同一時(shí)刻的歐氏距離，而是對(duì)兩條序列的時(shí)間點(diǎn)構(gòu)建一對(duì)多或多對(duì)一的最相似映射關(guān)系，以衡量?jī)蓷l曲線間的形態(tài)相似性。DTW 距離運(yùn)用動(dòng)態(tài)規(guī)劃思想進(jìn)行計(jì)算，設(shè)

38、序列 = 1, 2, , ，序列 = 1, 2, , ，兩者均已開展 z-score 標(biāo)準(zhǔn)化，則兩者之間的 DTW 距離之和(, )可采用下式遞推計(jì)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(duì)比資料來(lái)源：領(lǐng)先指數(shù)合成常用的宏觀因子合成方法包括擴(kuò)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(jì)研究機(jī)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(guó)國(guó)家經(jīng)濟(jì)研究局合成法、日本經(jīng)濟(jì)企劃廳合成法。下文將簡(jiǎn)要介紹 OECD 法、主成分分析法和擴(kuò)散指數(shù)法的編制原理及優(yōu)缺點(diǎn)。其中，

39、OECD 法的歷史最為悠久、應(yīng)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(lái)源：Wind，OECD 法顧名思義，OECD 法是指經(jīng)濟(jì)合作與發(fā)展組織(OECD)采用的用于編制成員國(guó)宏觀經(jīng)濟(jì)指數(shù)的方法，于 1978 年提出。其計(jì)算步驟如下：設(shè)備選指標(biāo)為，計(jì)算其標(biāo)準(zhǔn)化偏差j: = ( |() |)計(jì)算各指標(biāo)的標(biāo)準(zhǔn)化序列j: = () )3) 將j 求和得到: = 4) 參照基準(zhǔn)指標(biāo)的數(shù)量級(jí)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(zhǔn)指標(biāo)數(shù)量級(jí)一致，容易比較。OECD 法計(jì)算簡(jiǎn)便

40、，且不存在任何信息損失。對(duì)于波動(dòng)較大的指標(biāo)，標(biāo)準(zhǔn)化偏差較大，故 OECD 法將給予其較低的權(quán)重，來(lái)降低噪聲對(duì)合成指數(shù)的干擾。不過(guò)，當(dāng)指標(biāo)池中存在經(jīng)濟(jì)含義高度重疊的備選指標(biāo)時(shí)，OECD 法會(huì)重復(fù)計(jì)算其權(quán)重，因此在篩選指標(biāo)時(shí)應(yīng)盡量避免相關(guān)性過(guò)高的指標(biāo)。主成分分析法通過(guò)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(gè)變量大部分的同源特征，能夠解釋多個(gè)變量相同的變化趨勢(shì)，因此在宏觀指數(shù)合成時(shí)，我們通過(guò)主成分分析(PCA)提取第一主成分作為宏觀指數(shù)。其計(jì)算步驟如下：計(jì)算各備選指標(biāo)的 z-score 標(biāo)準(zhǔn)化序列j: = () )std()計(jì)

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(duì)應(yīng)的特征向量為權(quán)重，對(duì)j 求和: = 參照基準(zhǔn)指標(biāo)的數(shù)量級(jí)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(biāo)的經(jīng)濟(jì)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(shí)間區(qū)間第一主成分蘊(yùn)含的信息量不同，會(huì)造成不同時(shí)期合成指數(shù)的含義不完全一致。擴(kuò)散指數(shù)法擴(kuò)散指數(shù)(Di

42、ffusion Index, DI)的基本思想是把呈現(xiàn)擴(kuò)張狀態(tài)的指標(biāo)占比的變化，看作是宏觀景氣度波及、滲透的過(guò)程。具體來(lái)說(shuō)，實(shí)體經(jīng)濟(jì)景氣度可以分為擴(kuò)張、收縮兩大局面：經(jīng)濟(jì)繁榮時(shí)，大部分經(jīng)濟(jì)指標(biāo)持續(xù)上升，但是，當(dāng)景氣迎來(lái)成熟階段后，少數(shù)指標(biāo)開始改變方向，并且轉(zhuǎn)而下降的指標(biāo)會(huì)逐漸增多，當(dāng)保持上升的指標(biāo)與轉(zhuǎn)為下降的指標(biāo)個(gè)數(shù)均等時(shí)，即是景氣由擴(kuò)張到收縮的轉(zhuǎn)折點(diǎn)（景氣的峰）；經(jīng)濟(jì)蕭條時(shí)，大部分指標(biāo)在收縮期里保持下降趨勢(shì)，當(dāng)景氣迎來(lái)探底階段后，少數(shù)指標(biāo)又轉(zhuǎn)向上升，景氣開始恢復(fù)，當(dāng)仍在下降的指標(biāo)和轉(zhuǎn)而回升的指標(biāo)均等時(shí)，即是景氣由收縮到擴(kuò)張的轉(zhuǎn)折點(diǎn)（景氣的谷）；在我國(guó)，采購(gòu)經(jīng)理人指數(shù)(PMI)、消費(fèi)者信心指數(shù)

43、等都屬于擴(kuò)散指數(shù)。當(dāng)一個(gè)指標(biāo)環(huán)比改善時(shí)，視為擴(kuò)張指標(biāo)。擴(kuò)散指數(shù)等于指標(biāo)池內(nèi)擴(kuò)張指標(biāo)數(shù)占指標(biāo)總數(shù)的比率；為了使擴(kuò)散指數(shù)較為光滑，通常會(huì)對(duì)計(jì)算結(jié)果進(jìn)行五項(xiàng)移動(dòng)平均： = MA5(擴(kuò)張指標(biāo)數(shù)指標(biāo)總數(shù)) 100%擴(kuò)散指標(biāo)通常以 50%為榮枯線，擴(kuò)散指數(shù)高于榮枯線還是低于榮枯線，遠(yuǎn)比擴(kuò)散指數(shù)的環(huán)比變化更有意義，因?yàn)閿U(kuò)散指數(shù)的數(shù)值僅僅代表指標(biāo)池中擴(kuò)張的指標(biāo)個(gè)數(shù)占比，并不能反映出擴(kuò)張或收縮的力度。宏觀因子體系構(gòu)建結(jié)果增長(zhǎng)因子增長(zhǎng)因子構(gòu)建中，選擇 PMI 同比增速作為基準(zhǔn)指標(biāo)，經(jīng)篩選有 11 個(gè)指標(biāo)領(lǐng)先于基準(zhǔn)指標(biāo)。其中有 7 個(gè)工業(yè)品產(chǎn)銷量增速指標(biāo)，2 個(gè)地產(chǎn)相關(guān)指標(biāo)，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(biāo)篩選結(jié)果與基本的經(jīng)濟(jì)學(xué)邏輯相匹配。經(jīng)檢測(cè)，增長(zhǎng)領(lǐng)先因子的拐點(diǎn)相比于基準(zhǔn)指標(biāo)平均領(lǐng)先 7 個(gè)月。圖表23： 增長(zhǎng)因子基準(zhǔn)指標(biāo)與領(lǐng)先指標(biāo)詳細(xì)信息時(shí)差時(shí)差相關(guān)系數(shù)K-L 信息量拐點(diǎn)拐點(diǎn)平均月均 DTW指標(biāo)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(zhǔn)）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(jì)稅收收入合成指標(biāo)資料來(lái)源：Wind, M0017126 S0027012 S0027571 S0027103 S0027159 S0028202 S0027907 S6

45、001740 S0029669 S0029656 S0036018 M0024057擴(kuò)散當(dāng)月值當(dāng)月值當(dāng)月值當(dāng)月值當(dāng)月值當(dāng)月值當(dāng)月值累計(jì)值累計(jì)值當(dāng)月值當(dāng)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(zhǎng)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(zhǎng)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(lái)源：Wind, 圖表25： 增長(zhǎng)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(jì)稅收收入房屋新開工面積增長(zhǎng)領(lǐng)先因子60%40%20%0%-20%-40%20082009201020112012201320142015201620172018201920202021-60%資料來(lái)

47、源：Wind, 圖表26： 增長(zhǎng)領(lǐng)先因子與基準(zhǔn)指標(biāo)走勢(shì)對(duì)比 增長(zhǎng)領(lǐng)先因子增長(zhǎng)基準(zhǔn):PMI(%)60%40%20%0%-20%-40%20082009201020112012201320142015201620172018201920202021-60%資料來(lái)源：Wind，通脹因子通脹因子構(gòu)建中，基準(zhǔn)指標(biāo)是基于 CPI 和PPI 合成得到（采用波動(dòng)率倒數(shù)加權(quán)法，亦稱廣義通脹）。經(jīng)篩選，有 5 個(gè)指標(biāo)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(jià)格同比。其中，生活端包括豬肉價(jià)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(jià)指數(shù)。結(jié)果顯示，通脹領(lǐng)先因子的拐點(diǎn)相比于基準(zhǔn)指標(biāo)平

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

49、價(jià):布倫特原油S0031525價(jià)格00.742282%3.0 0.420.222.7100%110.920通脹合成因子MyIpic 礦價(jià)指數(shù):綜合S5705040價(jià)格00.782282%4.1 0.28資料來(lái)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(jià)格指數(shù)大宗價(jià):豬肉期貨結(jié)算價(jià):布倫特原油MyIpic礦價(jià)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(lái)源：Wind, 圖表29

50、： 通脹領(lǐng)先因子與基準(zhǔn)指標(biāo)走勢(shì)對(duì)比 通脹領(lǐng)先因子通脹基準(zhǔn):廣義通脹8%6%4%2%0%-2%-4%-6%20082009201020112012201320142015201620172018201920202021-8%資料來(lái)源：Wind，信用因子合成信用因子時(shí)，考慮到相關(guān)代理指標(biāo)個(gè)數(shù)較少，而且缺乏公允性高的基準(zhǔn)指標(biāo)，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(jī)構(gòu)貸款增速和企業(yè)存款增速進(jìn)行合成。該合成指標(biāo)可以認(rèn)為是對(duì)信用環(huán)境刻畫的一致指標(biāo)。圖表30： 信用因子代理指標(biāo)詳細(xì)信息指標(biāo)類型指標(biāo)名稱Wind 代碼下載口徑發(fā)布延遲信用因子代理指標(biāo)M1M0001382當(dāng)月值 1M

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

52、標(biāo)，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(biāo)詳細(xì)信息指標(biāo)類型指標(biāo)名稱Wind 代碼下載口徑發(fā)布延遲貨幣因子代理指標(biāo)國(guó)債到期收益率:1 年S0059744價(jià)格0資料來(lái)源：Wind, 圖表33： 貨幣因子走勢(shì)1.5%1.0%0.5%0.0%-0.5%-1.0%20082009201020112012201320142015201620172018201920202021-1.5%資料來(lái)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(zhǎng)、通脹、信用、貨幣因子劃分宏觀狀態(tài)，統(tǒng)計(jì)不同因子上行、下行區(qū)間各個(gè)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(shí)鐘）。圖表

53、34： 宏觀狀態(tài)劃分結(jié)果注：貨幣下行對(duì)應(yīng)寬松，上行對(duì)應(yīng)收緊資料來(lái)源：Wind, 大類資產(chǎn)投資時(shí)鐘分別以中證 800、中債-國(guó)債總凈價(jià)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(gè)因子上行、下行段中資產(chǎn)表現(xiàn)如下：增長(zhǎng)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(dòng)利率上行）。此外，相較于增長(zhǎng)基準(zhǔn)因子，股票、債券、工業(yè)品在增長(zhǎng)領(lǐng)先因子中的收益區(qū)分度均顯著擴(kuò)大，彰顯出領(lǐng)先因子的優(yōu)勢(shì)。通脹因子：通脹上行利好工業(yè)品（供需失衡，價(jià)格擴(kuò)張）和黃金（保值需求增加）。通脹對(duì)股票的影響主要體現(xiàn)在板塊的結(jié)構(gòu)性分化上；對(duì)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(zhǔn)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(shì)。信用因子：主要對(duì)股票有顯著區(qū)分度，信用擴(kuò)張時(shí)股票上行，信用收縮時(shí)股票下行。貨幣因子：主要對(duì)債券有顯著區(qū)分度，貨幣寬松時(shí)債券上行，貨幣收緊時(shí)債券下行。圖表35： 增長(zhǎng)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(zhǎng)基準(zhǔn)因子上行或下行區(qū)間大類資產(chǎn)月均收益率增長(zhǎng)上行增長(zhǎng)下行增長(zhǎng)上行增長(zhǎng)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(guó)債工業(yè)品滬金-1.0%中證800國(guó)債工業(yè)品滬金資料來(lái)源：Wind, 資料來(lái)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(zhǔn)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(guó)債工業(yè)品滬金-1.5%中證800國(guó)債工業(yè)品滬金資料來(lái)源：Wind, 資料來(lái)源：Wind, 圖表39： 信用擴(kuò)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(kuò)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(guó)債工業(yè)品滬金-1.0%中證800國(guó)債工業(yè)品滬金資料來(lái)源：Wind, 資料來(lái)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(shí)鐘：增長(zhǎng)-通脹時(shí)鐘：在領(lǐng)先性因子視角下，增長(zhǎng)-通脹時(shí)鐘下的資產(chǎn)輪動(dòng)規(guī)律與經(jīng)典美林時(shí)鐘的結(jié)論基本一致，復(fù)蘇、過(guò)熱、滯漲、衰退四個(gè)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(shí)鐘：由于商品并非現(xiàn)金流定價(jià)的邏輯，所以主要考察對(duì)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(shí)應(yīng)低配股、債。圖表41： 增長(zhǎng)-通脹投資時(shí)鐘圖表42： 信用-貨幣投資時(shí)鐘資料來(lái)源：預(yù)測(cè)資料來(lái)源：預(yù)測(cè)行業(yè)投資時(shí)鐘我們以中信一級(jí)

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(xiǎn)，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(jì)對(duì)象。由于不同行業(yè)同屬權(quán)益資產(chǎn)，同漲同跌的效應(yīng)比較顯著，因此我們會(huì)對(duì)比各行業(yè)與中證全指（表征全市場(chǎng)）的收益分化，來(lái)捕捉其中的結(jié)構(gòu)性和彈性差異。以增長(zhǎng)因子為例，我們會(huì)統(tǒng)計(jì)各個(gè)行業(yè)和中證全指在增長(zhǎng)上行和增長(zhǎng)下行區(qū)間的月均收益率，如果某個(gè)行業(yè)上行時(shí)的表現(xiàn)顯著強(qiáng)于中證全指，且下行時(shí)的表現(xiàn)顯著弱于中證全指，則說(shuō)明這個(gè)行業(yè)顯著受到增長(zhǎng)因子的驅(qū)動(dòng)。經(jīng)統(tǒng)計(jì)，各個(gè)因子視角下，行業(yè)表現(xiàn)分化如下：增長(zhǎng)因子：增長(zhǎng)上行對(duì)所有行業(yè)幾乎都是利好，下行時(shí)幾乎所有行業(yè)都表現(xiàn)一般。其中，彈性相對(duì)較大的主要集中在

58、可選消費(fèi)（如汽車）、周期（如有色金屬）和大金融板塊（如銀行），彈性相對(duì)較小的集中在公共產(chǎn)業(yè)板塊（如建筑）。通脹因子：通脹對(duì)股市的影響更多體現(xiàn)在行業(yè)的分化上。生產(chǎn)資料價(jià)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(jià)格的提升主要利好下游消費(fèi)風(fēng)格（如農(nóng)林牧漁和酒類）。信用因子：信用擴(kuò)張對(duì)所有行業(yè)幾乎都是利好，因?yàn)?A 股是一個(gè)流動(dòng)性驅(qū)動(dòng)較為顯著的市場(chǎng)。其中，彈性較大的主要集中在成長(zhǎng)風(fēng)格（如電子、計(jì)算機(jī)、醫(yī)藥）和信貸驅(qū)動(dòng)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(duì)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(shí)，銀行和保險(xiǎn)業(yè)也相對(duì)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(zhǎng)因子對(duì)典型行業(yè)的表現(xiàn)區(qū)分度圖表44： 通脹因子對(duì)典型行業(yè)的表現(xiàn)區(qū)分度增長(zhǎng)上行增長(zhǎng)下行 基準(zhǔn)() 基準(zhǔn)()通脹上行通脹下行 基準(zhǔn)() 基準(zhǔn)()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(lái)源：Wind, 資料來(lái)源：Wind, 圖表45： 信用因子對(duì)典型行業(yè)的表現(xiàn)區(qū)分度圖表46： 貨幣因子對(duì)典型行業(yè)的表現(xiàn)區(qū)分度信用擴(kuò)張信用收縮 基準(zhǔn)() 基準(zhǔn)()貨幣寬松貨幣收緊 基準(zhǔn)() 基準(zhǔn)()5%3%4%2%3%2%1%1%0%0%-1

60、%電子醫(yī)藥計(jì)算機(jī)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(yùn)輸資料來(lái)源：Wind, 資料來(lái)源：Wind, 接下來(lái)，我們根據(jù)宏觀環(huán)境對(duì)行業(yè)的驅(qū)動(dòng)邏輯，結(jié)合行業(yè)層面收益區(qū)分度統(tǒng)計(jì)結(jié)果，對(duì)宏觀因子-行業(yè)映射關(guān)系進(jìn)行打分，邏輯如下：每個(gè)因子維度下，行業(yè)打分包含 2，1，0，-1，-2 五檔，以增長(zhǎng)因子為例：2 分表示增長(zhǎng)上行是對(duì)行業(yè)有顯著正向驅(qū)動(dòng)，且彈性高于市場(chǎng)基準(zhǔn)（中證全指）；1 分表示增長(zhǎng)上行對(duì)行業(yè)影響整體偏正向，但是彈性不如市場(chǎng)基準(zhǔn)；-2 分表示增長(zhǎng)下行對(duì)行業(yè)有顯著負(fù)向驅(qū)動(dòng)，且彈性高于市場(chǎng)基準(zhǔn)；-1 分表示增長(zhǎng)下行對(duì)行業(yè)影響整體偏負(fù)向，但彈性不如市場(chǎng)基準(zhǔn)；0 分表示增長(zhǎng)因子對(duì)該行業(yè)的影響