周期輪動規(guī)律的融會貫通

工通華泰研究基于庫存周期的去噪、識別與預(yù)測體系我們探索基于庫存周期的去噪、識別與預(yù)測體系。在去噪層面，我們借助三同步、滯后三類代理指標。在周期的識別層面，我們根據(jù)三類指標的走勢變化定位庫存周期狀態(tài)，并考察周期狀態(tài)的轉(zhuǎn)移規(guī)律，從后驗的角度發(fā)現(xiàn)周期輪動規(guī)律相對穩(wěn)定，且各狀態(tài)下資產(chǎn)與指標的表現(xiàn)呈現(xiàn)分化。在周期的預(yù)測層面，我們考慮實際應(yīng)用過程中對周期狀態(tài)進行每月滾動外推，建立周期狀態(tài)與指標表現(xiàn)的映射關(guān)系。對庫存周期絕對位置與相對位置的刻畫主動投資最本質(zhì)的工作是預(yù)測，自上而下的主動投資核心在于對經(jīng)濟規(guī)律的研究與識別。長期以來，經(jīng)濟周期被認為是對金融市場有一定解釋和預(yù)測作用的經(jīng)濟規(guī)律，自上而下的主動投資離不開對經(jīng)濟周期的把握。傅里葉變換有助于對經(jīng)濟周期絕對位置的把握，而美林投資時鐘、普林格時鐘則致力于刻畫周期的相對位置。我們采用三周期濾波與HP濾波進行去噪，構(gòu)建指標體系與周期不同階段的映射關(guān)系，兼顧穩(wěn)定性與靈活性，對庫存周期進行更全面的刻畫。不同周期狀態(tài)依次轉(zhuǎn)移，資產(chǎn)在周期上下行階段表現(xiàn)分化對一系列指標進行濾波后根據(jù)領(lǐng)先滯后關(guān)系劃分領(lǐng)先、同步、滯后三組代理指標。從劃分結(jié)果來看，以股票市場的走勢為基準，表征流動性的指標相對領(lǐng)先，生產(chǎn)與價格類指標基本同步，通脹和財務(wù)指標相對滯后。結(jié)合領(lǐng)先、同步、滯后指標的走勢建立不同周期狀態(tài)的映射關(guān)系，發(fā)現(xiàn)周期狀態(tài)轉(zhuǎn)移規(guī)律穩(wěn)定，歷輪庫存周期長度基本一致，且不同周期狀態(tài)下各資產(chǎn)、各行業(yè)指數(shù)的月收益率均值及月勝率呈現(xiàn)分化。滾動外推預(yù)測的周期狀態(tài)定位具備一定參考價值在實際應(yīng)用中，投資決策無法參考通過全樣本數(shù)據(jù)進行周期狀態(tài)劃分的結(jié)近，但略為滯后，且可能受到噪聲沖擊。大量指標的統(tǒng)計結(jié)果表明，周期上下行階段各指標表現(xiàn)分化，全樣本濾波劃分周期以及滾動外推預(yù)測周期均能實現(xiàn)對庫存周期的有效刻畫。從實用性的角度而言，借助多指標、多視角綜合判斷有利于實現(xiàn)對庫存周期更立體的刻畫。風險提示：研究觀點基于歷史規(guī)律總結(jié)，歷史規(guī)律可能失效；市場的短期波動與政策可能會干擾對經(jīng)濟周期的判斷；市場可能會出現(xiàn)超預(yù)期波動。資產(chǎn)配置策略無法保證未來獲得預(yù)期收益，對依據(jù)或使用該規(guī)律所造成的后果由投資者自行承擔。linxiaoming@+(86)75582080134chenye@+(86)1063211166李聰licong@+(86)1063211166liuzhicheng@+(86)1063211166韓晳hanxi@+(86)1056793937SACNo.S0570521080001yuanjieying@SFCNo.BRR314+(86)75582366825研究員SACNo.S0570520100006研究員SACNo.S0570522100001研究員SACNo.S0570521110002研究員SACNo.S0570521110001SACNo.S0570516010001SFCNo.BPY421研究員研究員華泰證券研究所分析師名錄金工研究金工研究經(jīng)濟周期的定位方法：去噪、識別與預(yù)測 4經(jīng)濟周期狀態(tài)轉(zhuǎn)移實證：主要資產(chǎn)在不同周期階段表現(xiàn)分化 8合成基礎(chǔ)大類指標表征全球主要資產(chǎn)、經(jīng)濟指標的走勢特征 8流動性指標走勢領(lǐng)先，價格序列呈現(xiàn)同步，通脹與財務(wù)指標相對滯后 10領(lǐng)先、同步、滯后指標指示周期狀態(tài)的轉(zhuǎn)移規(guī)律 12各資產(chǎn)、行業(yè)指數(shù)在不同周期狀態(tài)下收益表現(xiàn)分化 16經(jīng)濟周期的應(yīng)用：領(lǐng)先、同步、滯后指標的有效性分析 18周期狀態(tài)的滾動外推預(yù)測仍相對有效，可能存在一定滯后 18滾動外推預(yù)測的周期劃分結(jié)果對資產(chǎn)配置有一定參考價值 19庫存周期的不同階段能在大量指標中得到驗證 20風險提示 21附錄 22圖表1：傅里葉變換原理示意 4圖表2：上證指數(shù)同比序列傅里葉變換頻譜圖 4圖表3：標普500同比序列傅里葉變換頻譜圖 4圖表4：美林投資時鐘 5圖表5：股票、債券、商品走勢示意 5圖表6：普林格六階段與資產(chǎn)價格走勢示意 5圖表7：高維系統(tǒng)狀態(tài)與低維觀測變量的關(guān)系 6圖表8：領(lǐng)先、同步、滯后指標示意圖 7圖表9：全球主要國家股票同比序列及合成股票同比序列 8圖表10：股票同比序列 8圖表11：利率同比序列(單位：%) 8圖表12：商品同比序列 9圖表13：匯率同比序列 9圖表14：CPI同比序列(單位：%) 9圖表15：PPI同比序列(單位：%) 9圖表16：M1同比序列(單位：%) 9圖表17：M2同比序列(單位：%) 9圖表18：工業(yè)生產(chǎn)指數(shù)同比序列 10圖表19：零售銷售同比序列 10圖表20：股指ROE序列 10圖表21：股指ProfitMargin序列 10圖表22：股票同比序列及42個月高斯濾波 11圖表23：股票同比序列及三周期濾波 11圖表24：股票同比序列及HP濾波 11圖表25：股票同比序列及三周期+HP濾波 11圖表26：股票、M1、CPI序列42個月高斯濾波 11圖表27：股票、M1、CPI序列三周期濾波 11圖表28：股票、M1、CPI序列HP高斯濾波 12圖表29：股票、M1、CPI序列三周期+HP濾波 12圖表30：領(lǐng)先、同步、滯后指標分類結(jié)果 12圖表31：HP濾波序列合成領(lǐng)先、同步、滯后代理指標 12圖表32：周期六階段與領(lǐng)先、同步、滯后指標的上下行狀態(tài) 13圖表33：HP濾波序列合成領(lǐng)先、同步、滯后指標下的周期狀態(tài)轉(zhuǎn)移 13圖表34：HP濾波序列刻畫的歷輪庫存周期 14圖表35：三周期濾波序列合成領(lǐng)先、同步、滯后代理指標 14圖表36：三周期濾波合成領(lǐng)先、同步、滯后指標下的周期狀態(tài)轉(zhuǎn)移 14圖表37：三周期濾波序列刻畫的歷輪庫存周期 14圖表38：三周期+HP濾波序列合成領(lǐng)先、同步、滯后代理指標 15圖表39：三周期+HP濾波序列合成領(lǐng)先、同步、滯后指標下的周期狀態(tài)轉(zhuǎn)移 15圖表40：三周期+HP濾波序列刻畫的歷輪庫存周期 15圖表41：周期六狀態(tài)下各類資產(chǎn)月收率均值 16圖表42：周期六狀態(tài)下行業(yè)指數(shù)月收率均值 16圖表43：周期六狀態(tài)下各類資產(chǎn)月勝率 16圖表44：周期六狀態(tài)下行業(yè)指數(shù)月勝率 16圖表45：周期上下行狀態(tài)下各類資產(chǎn)月收率均值 17圖表46：周期上下行狀態(tài)下各類資產(chǎn)月勝率 17圖表47：周期上下行狀態(tài)下行業(yè)指數(shù)月收率均值 17圖表48：周期上下行狀態(tài)下行業(yè)指數(shù)月勝率 17圖表49：全樣本濾波劃分及滾動預(yù)測的周期狀態(tài)轉(zhuǎn)移規(guī)律 18圖表50：滾動外推預(yù)測刻畫的歷輪庫存周期 19圖表51：滾動外推預(yù)測周期各狀態(tài)下各類資產(chǎn)月收率均值 19圖表52：滾動外推預(yù)測周期上下行狀態(tài)下各類資產(chǎn)月收率均值 19圖表53：滾動外推預(yù)測周期六狀態(tài)下行業(yè)指數(shù)月收率均值 19圖表54：滾動外推預(yù)測周期上下行狀態(tài)下行業(yè)指數(shù)月收率均值 19圖表55：滾動外推預(yù)測周期各狀態(tài)下各類資產(chǎn)月收率均值(剔除2020年異常值) 20圖表56：滾動外推預(yù)測周期上下行狀態(tài)下各類資產(chǎn)月收率均值(剔除2020年異常值) 20圖表57：滾動外推預(yù)測周期六狀態(tài)下行業(yè)指數(shù)月收率均值(剔除2020年異常值) 20圖表58：滾動外推預(yù)測周期上下行狀態(tài)下行業(yè)指數(shù)月收率均值(剔除2020年異常值) 20圖表59：濾波劃分周期六狀態(tài)下各類指標上行比例 21圖表60：滾動外推預(yù)測周期六狀態(tài)下各類指標上行比例 21圖表61：周期六狀態(tài)下所有指標上行比例 21圖表62：不同周期狀態(tài)下股票資產(chǎn)月收率均值 22圖表63：不同周期狀態(tài)下債券資產(chǎn)月收率均值 22圖表64：不同周期狀態(tài)下商品資產(chǎn)月收率均值 23圖表65：不同周期狀態(tài)下外匯資產(chǎn)月收率均值 23圖表66：不同周期狀態(tài)下MSCI一級行業(yè)指數(shù)月收率均值 24圖表67：不同周期狀態(tài)下中信一級行業(yè)指數(shù)月收率均值 26金工研究別與預(yù)測主動投資最本質(zhì)的工作是預(yù)測，自上而下的主動投資核心在于對經(jīng)濟規(guī)律的研究與識別。長期以來，經(jīng)濟周期被認為是對金融市場有一定解釋和預(yù)測作用的經(jīng)濟規(guī)律，自上而下的主動投資離不開對經(jīng)濟周期的把握。然而金融市場存在龐雜的噪聲，定位經(jīng)濟周期的位置對于投資而言顯得艱難且重要。華泰金工團隊深耕經(jīng)濟周期研究，擅長運用頻譜分析技術(shù)實現(xiàn)經(jīng)濟周期的定位。傅里葉變換將時域信號轉(zhuǎn)換為頻域信號，側(cè)重分析信號在全局上的規(guī)律，能有效把握相對標準的周期信號特征。其優(yōu)點是穩(wěn)定性，在頻率與相位的刻畫上受到的擾動較小，因此主要用于定位周期的絕對位置。但不可否認的是，傅里葉變換缺少一定的靈活性，對于信號受到的不規(guī)則沖擊適應(yīng)性較低。料來源：華泰研究資料來源：Wind，華泰研究資料來源：Wind，華泰研究定位經(jīng)濟周期相對位置的方法包括美林投資時鐘、普林格時鐘等。對經(jīng)濟周期相對位置的刻畫主要基于不同資產(chǎn)、不同指標之間的變化特征，根據(jù)特定的相互關(guān)系形成周期輪動規(guī)律，并依據(jù)相對穩(wěn)定的狀態(tài)轉(zhuǎn)換實現(xiàn)預(yù)測與資產(chǎn)配置。美林投資時鐘將經(jīng)濟周期劃分為四個階段，通過產(chǎn)出缺口和CPI識別經(jīng)濟周期，并在不同階段分別選擇匹配的投資品種，復(fù)蘇、過熱、滯漲、衰退四階段分別對應(yīng)股票、大宗商品、現(xiàn)金和債券四類資產(chǎn)。普林格時鐘則將經(jīng)濟周期劃分為六個階段，周期六階段的有序輪動構(gòu)成股票、債券、商品三類資產(chǎn)的牛熊組合。相較于美林投資時鐘，普林格時鐘能更好解釋各類資產(chǎn)價格走勢趨同的場景。金工研究金工研究資料來源：《TheInvestmentClock》(2004年)，美林證券，華泰研究資料來源：《積極型資產(chǎn)配置指南》，馬丁J.普林格，機械工業(yè)出版社(2018資料來源：《積極型資產(chǎn)配置指南》，馬丁J.普林格，機械工業(yè)出版社(2018從經(jīng)濟周期的定位和預(yù)測到大類資產(chǎn)的配置，實際上是宏觀經(jīng)濟環(huán)境到金融資產(chǎn)價值的一種映射關(guān)系。美林投資時鐘與普林格時鐘嘗試給出可行的映射關(guān)系，對資產(chǎn)配置研究具有重要參考價值。但在實際應(yīng)用層面，對經(jīng)濟環(huán)境的刻畫較難通過少量指標來實現(xiàn)。我們認為，所謂的經(jīng)濟環(huán)境，是金融經(jīng)濟體的內(nèi)生狀態(tài)，具有高維、抽象的特征，無法被精準測度，只能通過各類觀測指標去感知。無論是實體部門的產(chǎn)出、通脹水平，還是政府、央行的逆周期調(diào)節(jié)手段，無論是宏觀經(jīng)濟指標的漲跌，還是金融資產(chǎn)價格的波動，都只是我們觀測經(jīng)濟環(huán)境的一個視角，但并非經(jīng)濟環(huán)境本身。金工研究金工研究料來源：華泰研究另一方面，美林投資時鐘與普林格時鐘對于經(jīng)濟周期的刻畫都隱含了重要的前提假設(shè)，認為指標具有統(tǒng)一的周期。指標本身的運行相對規(guī)律，指標之間的相互關(guān)系才能呈現(xiàn)有序的變化從而形成周期輪動。舉例而言，假設(shè)指標A和指標B的周期都是42個月，根據(jù)這兩個指標的上下行以及相互關(guān)系變化去定義不同的狀態(tài)能有效呈現(xiàn)周期狀態(tài)的依次轉(zhuǎn)移；但假設(shè)指標C的周期是100個月，根據(jù)指標A和指標C的變化去定義的狀態(tài)則較難呈現(xiàn)出依次的轉(zhuǎn)移規(guī)律。然而，美林投資時鐘與普林格時鐘都沒有對經(jīng)濟周期進行明確的定義，也沒有解釋試圖刻畫的是什么周期。盡管經(jīng)濟環(huán)境本身是復(fù)雜、高維的，經(jīng)濟周期的統(tǒng)一規(guī)律也較難被嚴格論證。但我們認為，無論是做經(jīng)濟環(huán)境判斷還是金融投資，最核心的周期判斷是關(guān)于庫存周期的定位。本報告中，我們結(jié)合對于經(jīng)濟周期絕對位置與相對位置的判斷，提出基于庫存周期的去噪、識別與預(yù)測體系。庫存周期是被廣泛觀測和討論的經(jīng)濟周期，實證表明，一系列大類資產(chǎn)及宏觀指標都能反映庫存周期的變化規(guī)律。理論上來說，在庫存周期的運行過程中，不同指標的變化不是完全同步的，指標之間存在領(lǐng)先滯后關(guān)系。借助不同指標的狀態(tài)以及指標之間的領(lǐng)先滯后關(guān)系有望實現(xiàn)對庫存周期的定位。料來源：華泰研究周期六個階段的依次轉(zhuǎn)移是理論上的示意性規(guī)律。真實的庫存周期可能并不標準，也可能噪音很大，因此會造成狀態(tài)轉(zhuǎn)移的不規(guī)則。若庫存周期本身不標準，客觀的偏離是無法通過技術(shù)手段進行修正的。但處理噪音使得規(guī)律本身更為顯著對于周期的識別與預(yù)測是有必后文中，我們探索基于庫存周期的去噪、識別與預(yù)測體系。在去噪層面，我們借助三周期濾波以及HP濾波進行去噪，對一系列指標進行篩選與分類，構(gòu)建領(lǐng)先、同步、滯后三類代理指標。在周期的識別層面，我們根據(jù)三類指標的走勢變化定位庫存周期狀態(tài)，并考察周期狀態(tài)的轉(zhuǎn)移規(guī)律，從后驗的角度觀察周期輪動規(guī)律是否穩(wěn)定，以及各狀態(tài)下資產(chǎn)與指標的表現(xiàn)是否呈現(xiàn)分化。在周期的預(yù)測層面，我們考慮實際應(yīng)用過程中對周期狀態(tài)進行每月滾動外推，建立周期狀態(tài)與指標表現(xiàn)的映射關(guān)系。1995年1月1995年10月1996年7月1997年4月1998年1月1998年10月1999年7月2000年4月2001年1月2001年10月2002年7月2003年4月2004年1月2004年10月1995年1月1995年10月1996年7月1997年4月1998年1月1998年10月1999年7月2000年4月2001年1月2001年10月2002年7月2003年4月2004年1月2004年10月2005年7月2006年4月2007年1月2007年10月2008年7月2009年4月2010年1月2010年10月2011年7月2012年4月2013年1月2013年10月2014年7月2015年4月2016年1月2016年10月2017年7月2018年4月2019年1月2019年10月2020年7月2021年4月2022年1月2022年10月庫存周期的變化在多數(shù)資產(chǎn)價格和經(jīng)濟指標的走勢上都留下了痕跡，以同比的視角觀察指標的變化能相對清晰觀察到3-4年的周期波動。面對大量的指標與復(fù)雜的噪聲，選取哪些指標、以什么樣的形式刻畫庫存周期是研究的起點。以股票市場為例，中國、美國、日本、德國股票同比序列走勢相對同步，考慮合成全球股票序列是有代表性且科學可行的。以波動率倒數(shù)加權(quán)的方法對各個底層序列進行合成，盡可能避免合成序列受到單一市場異動的影響。從圖表可以看出，合成的股票序列取同比后，與各底層序列的相似度仍然較高，但波動率有所減小，能有效表征全球股票市場的變化。150%標普500德國DAX日經(jīng)225上證指數(shù)股票100%50%0%-50%-100%-150%資料來源：Wind，Bloomberg，華泰研究CPIPPIMM指標、股指ROE、股指ProfitMargin進行合成，序列如下圖表所示。可以看出，合成序列的走勢均存在一定的周期波動，能在一定程度上反映庫存周期的特征。但受到噪聲的干擾，合成序列的周期穩(wěn)定性不足，仍需進行去噪處理。60%40%20% 0%-20%-40%-60%-80%1995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究0.0(0.2)(0.4)(0.6)1995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究60%40%20% 0%-20%-40%-60%-80%1995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究6.05.04.03.02.00.0(1.0)(2.0)1995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究20.018.016.014.012.010.08.06.04.02.00.01995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究20%15%10% 5% 0% -5%-10%-15%-20%-25%-30%1995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究15.010.05.00.0(5.0)(10.0)1995年1月1996年6月1997年11月1999年4月2000年9月2002年2月2003年7月2004年12月2006年5月2007年10月2009年3月2010年8月2012年1月2013年6月2014年11月2016年4月2017年9月2019年2月2020年7月2021年12月2023年5月資料來源：Wind，Bloomberg，華泰研究14.012.010.08.06.04.02.00.01995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究金工研究金工研究191995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月25%20%15%10%5%0%-5%-10%-15%-20%-25%資料來源：Wind，Bloomberg，華泰研究20.018.016.014.012.010.08.06.04.02.00.01995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究191995年1月1996年7月1998年1月1999年7月2001年1月2002年7月2004年1月2005年7月2007年1月2008年7月2010年1月2011年7月2013年1月2014年7月2016年1月2017年7月2019年1月2020年7月2022年1月3500%3000%2500%2000%1500%1000%500%0%-500%-1000%-1500%-2000%資料來源：Wind，Bloomberg，華泰研究10.09.08.07.06.05.04.03.02.01.00.01995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究通脹與財務(wù)指標相對滯后對各個指標進行去噪處理，我們主要嘗試了周期濾波和HP濾波。周期濾波方法需要對序列的周期規(guī)律有一定先驗信息，進行傅里葉變換后采用高斯濾波提取特定頻譜的特征。HP濾波從數(shù)據(jù)本身出發(fā)，進行全局的去噪處理。從原理上看，周期濾波的穩(wěn)定性較強，HP濾波則更為靈活。以股票市場為例，下述圖表呈現(xiàn)不同去噪方式處理后的序列。42個月高斯濾波最為直接刻畫序列的短周期特征，能有效捕捉歷史上多次較大幅度的波動，濾波后的序列呈現(xiàn)較強的規(guī)則性，且具有外推預(yù)測的功能。三周期濾波集合了序列42個月、100個月、200個月的始序列的擬合效果相較42個月高斯濾波的結(jié)果更佳，同樣可進行外推預(yù)測。HP濾波靈活刻畫序列的走勢，平滑效果顯著，僅發(fā)揮去噪作用，不具備外推預(yù)測的功能。三周期+HP濾波把兩種濾波結(jié)果進行疊加，兼顧穩(wěn)定性與靈活性，實現(xiàn)平滑效果的同時把握序列的周期特征。金工研究金工研究60%40%20%0%-20%-40%-60%-80%1995年1月1997年1月1999年1月2001年1月2003年1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月2.5%2.0%1.5%1.0%0.5%0.0%-0.5%-1.0%-1.5%-2.0%-2.5%資料來源：Wind，Bloomberg，華泰研究預(yù)測60%40%20% 0%-20%-40%-60%-80%1995年1月1997年1月1999年1月2001年1月2003年1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月資料來源：Wind，Bloomberg，華泰研究60%40%20%0%-20%-40%-60%-80%股票同比三周期濾波(右)1995年1月1997年1月1999年1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月40%30%20%10%0%-10%-20%-30%資料來源：Wind，Bloomberg，華泰研究預(yù)測60%40%20% 0%-20%-40%-60%-80%1995年1月1997年1月1999年1月2001年1月2003年1月1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月資料來源：Wind，Bloomberg，華泰研究MCPI序列為例，42個月高斯濾波、三周期濾波、HP濾波、三周期+HP濾波的結(jié)果如下圖表所示。42個月高斯濾波序列的領(lǐng)先滯后關(guān)系最為穩(wěn)定，HP濾波序列的規(guī)則性相對較弱。綜合不同濾波結(jié)果可以判斷，M1相對股票較為領(lǐng)先，CPI相對股票較為滯后。1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月2.5%2.0%1.5%1.0%0.5%0.0%-0.5%-1.0%-1.5%-2.0%-2.5%02.5%2.0%1.5%1.0%0.5%0.0%-0.5%-1.0%-1.5%-2.0%-2.5%資料來源：Wind，Bloomberg，華泰研究40%30%20%10%0%-10%-20%-30%股票M1(右)CPI(右)(%)864201995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月資料來源：Wind，Bloomberg，華泰研究1995年1月1996年1月1997年1月1998年1月1999年1月2000年1月1995年1月1996年1月1997年1月1998年1月1999年1月2000年1月2001年1月2002年1月2003年1月2004年1月2005年1月2006年1月2007年1月2008年1月2009年1月2010年1月2011年1月2012年1月2013年1月2014年1月2015年1月2016年1月2017年1月2018年1月2019年1月2020年1月2021年1月2022年1月2023年1月股票M1(右)CPI(右)(%)40%30%20%10% 0%-10%-20%-30%-40%-50%-60%86420(2)1995年1月1997年1月1999年1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月資料來源：Wind，Bloomberg，華泰研究股票M1(右)CPI(右)(%)30%1420%1210%100%8-10%6-20%4-30%2-40%01995年1月1997年1月1999年1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月資料來源：Wind，Bloomberg，華泰研究對所有大類指標兩兩之間的領(lǐng)先滯后關(guān)系進行分析，可以大致劃分領(lǐng)先、同步、滯后三類指標，其中相位相對接近、區(qū)分度不高的指標歸為一類。領(lǐng)先指標包括M1、M2、利率、匯率，同步指標包括股票、商品、工業(yè)生產(chǎn)、零售銷售，滯后指標包括CPI、PPI、股指ROE、股指ProfitMargin。從劃分結(jié)果來看，以股票市場的走勢為基準，表征流動性的指標相對領(lǐng)先，生產(chǎn)與價格類指標基本同步，通脹和財務(wù)指標相對滯后。領(lǐng)先指標同步指標滯后指標M1股票CPIM2商品PPI利率工業(yè)生產(chǎn)股指ROE匯率零售銷售股指ProfitMargin資料來源：Wind，Bloomberg，華泰研究標指示周期狀態(tài)的轉(zhuǎn)移規(guī)律基于各個大類指標的濾波結(jié)果進一步合成領(lǐng)先、同步、滯后的代理指標，合成前先對各濾波序列進行標準化以統(tǒng)一量綱。由于HP濾波沒有先驗信息，僅從數(shù)據(jù)本身出發(fā)，在去噪的同時能較大程度保留序列本身的信息，因此HP濾波的合成序列所呈現(xiàn)出的周期特征是序列自身的樸素規(guī)律。HP濾波序列合成的領(lǐng)先、同步、滯后代理指標如下圖表所示。三個代理指標呈現(xiàn)較為明顯的領(lǐng)先滯后關(guān)系，進一步印證了指標構(gòu)建的合理性。此外，指標呈現(xiàn)相對規(guī)律的周期性波動，能夠從數(shù)據(jù)本身出發(fā)，在沒有先驗信息的條件下實現(xiàn)對周期的刻畫。領(lǐng)先同步滯后300%200%100%0%-100%-200%-300%-400%資料來源：Wind，Bloomberg，華泰研究1995年2月1995年12月1996年1995年2月1995年12月1996年10月1997年8月1998年6月1999年4月2000年2月2000年12月2001年10月2002年8月2003年6月2004年4月2005年2月2005年12月2006年10月2007年8月2008年6月2009年4月2010年2月2010年12月2011年10月2012年8月2013年6月2014年4月2015年2月2015年12月2016年10月2017年8月2018年6月2019年4月2020年2月2020年12月2021年10月2022年8月2023年6月根據(jù)領(lǐng)先、同步、滯后指標的上下行狀態(tài)構(gòu)建周期六階段的映射。以同步指標為基準，同步指標在周期狀態(tài)1-3呈現(xiàn)上行，在周期狀態(tài)4-6呈現(xiàn)下行。領(lǐng)先指標的上下行變化均提前于同步指標一個周期階段，滯后指標則滯后一個階段。映射關(guān)系如下圖表所示。周期狀態(tài)領(lǐng)先指標同步指標滯后指標上行上行下行上行上行上行下行上行上行下行下行上行下行下行下行上行下行下行料來源：華泰研究根據(jù)領(lǐng)先、同步、滯后指標的上下行狀態(tài)得到周期狀態(tài)轉(zhuǎn)移規(guī)律如下圖表所示，其中不滿足狀態(tài)1-6特征的月份設(shè)定為延續(xù)上月的周期階段。舉例而言，實際數(shù)據(jù)統(tǒng)計中可能出現(xiàn)領(lǐng)先指標下行、同步指標上行、滯后指標下行的情況，此時三者的上下行關(guān)系相對混亂，無法給出清晰的周期狀態(tài)判斷，因此判定當下的狀態(tài)與上月一致。從狀態(tài)轉(zhuǎn)移結(jié)果來看，每輪周期均大致按照狀態(tài)1-6依次轉(zhuǎn)移，但每個狀態(tài)的持續(xù)時長不一致。同時，受到噪聲干擾的情況下，周期轉(zhuǎn)移的規(guī)律可能不穩(wěn)定，比如會出現(xiàn)從狀態(tài)3退回狀態(tài)2的情形。綜合來看，基于HP濾波序列刻畫的周期狀態(tài)轉(zhuǎn)移規(guī)律效果較為理想，歷輪庫存周期長度平均為43.5個月，說明在不引入先驗信息的前提下庫存周期的特征比較顯著。數(shù)據(jù)本身反映了庫存周期的變化規(guī)律是我們進行庫存周期定位的先決條件，HP濾波序列刻畫的周期狀態(tài)轉(zhuǎn)移規(guī)律為后續(xù)的改進和調(diào)整奠定了基礎(chǔ)。42資料來源：Wind，Bloomberg，華泰研究起點-1998/8/312001/12/312005/10/312009/4/302012/8/312016/3/312020/5/29平均值終點1998/7/312001/11/302005/9/302009/3/312012/7/312016/2/292020/4/30-長度(月)不完整404642404350不完整5資料來源：Wind，Bloomberg，華泰研究200個月周期規(guī)律進行合成，先驗認為這三個周期能較大程度解釋指標的走勢變化。三周期濾波序列合成的領(lǐng)先、同步、滯后指標走勢較為一致，且領(lǐng)先滯后關(guān)系穩(wěn)定。因此基于三周期濾波合成指標的周期狀態(tài)轉(zhuǎn)移呈現(xiàn)較強的規(guī)則性，每輪周期均按狀態(tài)1-6依次轉(zhuǎn)移，不會出現(xiàn)狀態(tài)的跳變或者回退，且每輪周期的長度基本一致。領(lǐng)先同步滯后200%150%100%50%0%-50%-100%-150%-200%-250%1995年1月1997年1月1999年1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月資料來源：Wind，Bloomberg，華泰研究圖表36：三周期濾波合成領(lǐng)先、同步、滯后指標下的周期狀態(tài)轉(zhuǎn)移765432101995年1月1996年41995年1月1996年4月1997年7月1998年10月2000年1月2001年4月2002年7月2003年10月2005年1月2006年4月2007年7月2008年10月2010年1月2011年4月2012年7月2013年10月2015年1月2016年4月2017年7月2018年10月2020年1月2021年4月2022年7月資料來源：Wind，Bloomberg，華泰研究起點終點長度(月)1995/2/281998/9/30441998/10/302002/1/31402002/2/282005/9/30442005/10/312009/3/31422009/4/302012/6/29392012/7/312016/3/31452016/4/292019/6/28392019/7/312023/4/2846平均值375資料來源：Wind，Bloomberg，華泰研究三周期濾波與HP濾波分別具備穩(wěn)定性與靈活性的特點，兩者的簡單疊加能在一定程度上實現(xiàn)相互補充，更具備實用性。從下圖可以看出，由濾波疊加序列合成的領(lǐng)先、同步、滯后指標規(guī)律性相對明確，能有效刻畫周期特征的同時也反映了原始序列的波動，甚至真實呈現(xiàn)了部分噪聲所造成的干擾。1995年1月1995年10月1996年7月11995年1月1995年10月1996年7月1997年4月1998年1月1998年10月1999年7月2000年4月2001年1月2001年10月2002年7月2003年4月2004年1月2004年10月2005年7月2006年4月2007年1月2007年10月2008年7月2009年4月2010年1月2010年10月2011年7月2012年4月2013年1月2013年10月2014年7月2015年4月2016年1月2016年10月2017年7月2018年4月2019年1月2019年10月2020年7月2021年4月2022年1月2022年10月300%200%100% 0%-100%-200%-300%-400%1995年1月1996年1月1997年1月1998年1月1999年1月2000年1月2001年1月2002年1月2003年1995年1月1996年1月1997年1月1998年1月1999年1月2000年1月2001年1月2002年1月2003年1月2004年1月2005年1月2006年1月2007年1月2008年1月2009年1月2010年1月2011年1月2012年1月2013年1月2014年1月2015年1月2016年1月2017年1月2018年1月2019年1月2020年1月2021年1月2022年1月2023年1月資料來源：Wind，Bloomberg，華泰研究基于濾波疊加序列合成的領(lǐng)先、同步、滯后指標所構(gòu)建的周期狀態(tài)轉(zhuǎn)移規(guī)律如下圖表所示。從不同的周期狀態(tài)轉(zhuǎn)移結(jié)果來看，基于三周期濾波的效果是最為標準的，但先驗信息占據(jù)主導(dǎo)使得在周期的刻畫層面上對真實序列的波動適應(yīng)性不足?；贖P濾波的效果相對純粹，容易出現(xiàn)噪聲的沖擊形成不規(guī)則的周期劃分?；谌芷谂cHP相疊加濾波的結(jié)果則兼具兩者的優(yōu)勢，能在一定程度上借助周期的先驗信息對噪聲進行修正，從而在相對靈活刻畫周期狀態(tài)的基礎(chǔ)上避免短期噪聲所造成的偏離，是更為理想的周期狀態(tài)劃分方法。42資料來源：Wind，Bloomberg，華泰研究起點終點長度(月)1995/2/281998/8/31431998/9/302001/11/30392001/12/312005/6/30432005/7/292009/3/31452009/4/302012/7/31402012/8/312016/3/31442016/4/292020/2/28472020/3/31-不完整平均值資料來源：Wind，Bloomberg，華泰研究1.56%2.62%2.32%1.27%1.91%3.66%0.89%0.90%0.54%0.38%-0.19%0.06%-0.43%-1.12%0.53%-0.43%-1.25%-0.48%1.56%2.62%2.32%1.27%1.91%3.66%0.89%0.90%0.54%0.38%-0.19%0.06%-0.43%-1.12%0.53%-0.43%-1.25%-0.48%資料來源：Wind，Bloomberg，華泰研究根據(jù)周期狀態(tài)轉(zhuǎn)移規(guī)律實現(xiàn)對周期的刻畫后，統(tǒng)計各個周期狀態(tài)下各資產(chǎn)、各行業(yè)指數(shù)的月收益率均值，周期狀態(tài)劃分方式包括基于三周期濾波序列，以及基于HP濾波和三周期與HP濾波疊加，詳細統(tǒng)計結(jié)果見附錄。對基于三周期和HP濾波疊加序列所構(gòu)建的周期六狀態(tài)，進一步統(tǒng)計各類資產(chǎn)與各行業(yè)指數(shù)的收益表現(xiàn)。不同狀態(tài)下資產(chǎn)表現(xiàn)分化，以股票和商品為代表的進攻類資產(chǎn)在狀態(tài)1-3中表現(xiàn)強勢，在狀態(tài)4-6中表現(xiàn)不佳；以債券和外匯為代表的防御類資產(chǎn)則相反，在狀態(tài)1-3中表現(xiàn)弱勢，在狀態(tài)4-6中錄得較高收益。MSCI行業(yè)指數(shù)與中信一級行業(yè)指數(shù)的規(guī)律與股票資產(chǎn)較為一致。股票債券商品外匯狀態(tài)狀態(tài)11.73%0.04%1.20%-0.12%狀態(tài)21.78%-0.02%0.77%-0.30%狀態(tài)30.96%0.19%1.67%0.07%狀態(tài)4-0.10%0.25%0.89%0.21%狀態(tài)5-0.05%0.38%-2.02%0.80%狀態(tài)6-0.79%0.45%-1.42%-0.01%資料來源：Wind，Bloomberg，華泰研究MSCI發(fā)達市場一級行業(yè)指數(shù)MSCI新興市場一級行業(yè)指數(shù)中信一級行業(yè)指數(shù)資料來源：Wind，Bloomberg，華泰研究統(tǒng)計各資產(chǎn)和各行業(yè)指數(shù)在不同周期狀態(tài)下的月度正收益概率，整體結(jié)論與月收益率均值的分布較為匹配。風險資產(chǎn)在周期狀態(tài)1-3的勝率較有優(yōu)勢，防御資產(chǎn)在周期狀態(tài)4-6勝率領(lǐng)先。月勝率的統(tǒng)計是對月均收益率統(tǒng)計結(jié)果的補充，股債資產(chǎn)在各個狀態(tài)下的月勝率均高于50%，說明樣本內(nèi)存在長期上行趨勢，可以進一步解釋月均收益率在周期不同狀態(tài)下漲跌不對稱的結(jié)果。股票債券商品外匯64.55%56.34%47.39%65.23%54.57%51.56%42.58%59.85%66.67%59.09%52.27%53.77%62.00%54.79%51.03%53.97%67.46%36.90%50.00%66.89%43.92%5608%資料來源：Wind，Bloomberg，華泰研究月平均收益MSCI發(fā)達市場一級行業(yè)指數(shù)MSCI新興市場一級行業(yè)指數(shù)中信一級行業(yè)指數(shù)68.06%68.06%67.61%60.58%63.28%65.16%66.34%63.03%63.64%50.21%58.36%51.10%48.72%50.63%46.51%52.67%49.73%43.24%44.24%1.21%0.07%0.36%-0.85%0.34%55.67%59.79%65.45%47.41%45.21%56.07%從各資產(chǎn)表現(xiàn)來看，周期上下行階段收益明顯分化，但具體到6個狀態(tài)之間的分化程度不夠顯著，這一統(tǒng)計結(jié)果在一定程度上是符合直覺的。在周期上行過程中，上行的前、中、后期分別對應(yīng)狀態(tài)1-3，但資產(chǎn)表現(xiàn)通常不會呈現(xiàn)相對固定的漲速快慢分化。金融市場存在較多噪聲，對于漲跌方向性判斷相較于對漲跌幅度的判斷更簡單，準確率也更高。1.21%0.07%0.36%-0.85%0.34%55.67%59.79%65.45%47.41%45.21%56.07%股票債券商品外匯1.41.49%-0.31%資料來源：Wind，Bloomberg，華泰研究股票債券商品外匯63.2163.21%52.58%資料來源：Wind，Bloomberg，華泰研究MSCI發(fā)達市場一級行業(yè)指數(shù)MSCI新興市場一級行業(yè)指數(shù)中信一級行業(yè)指數(shù)1.24%1.81%-0.16%-0.85%0.04%資料來源：Wind，Bloomberg，華泰研究MSCI發(fā)達市場一級行業(yè)指數(shù)MSCI新興市場一級行業(yè)指數(shù)中信一級行業(yè)指數(shù)65.4765.47%64.79%59.05%52.91%46.95%48.55%資料來源：Wind，Bloomberg，華泰研究1995年1月1995年11月1996年9月1997年7月1998年5月1999年3月2000年1月2000年11月2001年9月20021995年1月1995年11月1996年9月1997年7月1998年5月1999年3月2000年1月2000年11月2001年9月2002年7月2003年5月2004年3月2005年1月2005年11月2006年9月2007年7月2008年5月2009年3月2010年1月2010年11月2011年9月2012年7月2013年5月2014年3月2015年1月2015年11月2016年9月2017年7月2018年5月2019年3月2020年1月2020年11月2021年9月2022年7月2023年5月在實際應(yīng)用中，投資決策無法參考通過全樣本數(shù)據(jù)進行周期狀態(tài)劃分的結(jié)果，只能按月滾同步、滯后指標并劃分周期狀態(tài)轉(zhuǎn)移的結(jié)果。實證表明，周期狀態(tài)轉(zhuǎn)移規(guī)律較為穩(wěn)定，且不同資產(chǎn)、行業(yè)指數(shù)在不同的周期狀態(tài)下收益表現(xiàn)分化。在本章節(jié)中，按照同樣的流程，我們對按月滾動外推預(yù)測的結(jié)果進行分析。滾動外推預(yù)測的操作方法為，每月末對過去10年的數(shù)據(jù)序列進行三周期和HP濾波，構(gòu)建領(lǐng)先、同步、滯后指標并考察最新一期的上下行狀態(tài)，進一步根據(jù)指標的上下行確定對應(yīng)的周期狀態(tài)，即為下月的周期預(yù)測結(jié)果。從下述圖表來看，滾動預(yù)測的結(jié)果相較全樣本濾波劃分的結(jié)果略為滯后，同時穩(wěn)定性較弱，具體體現(xiàn)為可能出現(xiàn)周期狀態(tài)回退的現(xiàn)象，如2020年2月末進入狀態(tài)1，但2020年3-7月預(yù)測為狀態(tài)6，2020年8月后重新進入狀態(tài)1。2020年3月全球風險事件頻發(fā)，金融市場大幅波動，局部影響了周期的形態(tài)導(dǎo)致滾動預(yù)測判斷從周期上行初期退回周期下行階段。指標的局部擾動對外推預(yù)測的結(jié)果有一定影響，但全局濾波具有較高穩(wěn)定性，可以有效修正周期的局部偏離，2020年同期均劃分為周期狀態(tài)1。此外，滾動預(yù)測結(jié)果中周期六個狀態(tài)的持續(xù)時長分布相對不均勻，在一些周期過程中可能缺少特定階段?？赡艿脑蛟谟?995年的滾動預(yù)測需要用到1985-1995年的數(shù)據(jù)，早期數(shù)據(jù)缺失較多且數(shù)據(jù)質(zhì)量稍差，導(dǎo)致滾動外推結(jié)果準確度不高。42 濾波劃分滾動預(yù)測資料來源：Wind，Bloomberg，華泰研究0.89%0.89%0.23%0.06%0.22%0.10%0.10%2.05%0.86%1.20%1.54%1.34%1.62%1.64%0.35%0.04%1.07%0.45%0.07%0.72%1.22%2.23%-0.12%起點-終點1999/5/31長度(月)不完整1999/6/302002/3/29342002/4/302006/1/31462006/2/282009/8/31432009/9/302012/10/31382012/11/302016/5/31432016/6/302019/9/30402019/10/31-不完整平均值667資料來源：Wind，Bloomberg，華泰研究一定參考價值在滾動預(yù)測的周期各狀態(tài)下，統(tǒng)計各類資產(chǎn)和行業(yè)指數(shù)的收益表現(xiàn)如下圖表所示。進攻和防御屬性的資產(chǎn)在周期上下行階段的收益仍然呈現(xiàn)分化，說明滾動預(yù)測的周期劃分結(jié)果具有一定的參考價值。如前文分析，滾動預(yù)測的周期狀態(tài)劃分結(jié)果相較全樣本濾波劃分的結(jié)果略為滯后，因此周期上下行階段對于資產(chǎn)收益表現(xiàn)的區(qū)分度變?nèi)?。同時劃分結(jié)果的穩(wěn)定性變差使得統(tǒng)計結(jié)果容易受到異常值影響，商品與MSCI行業(yè)指數(shù)在周期狀態(tài)6錄得較佳的平均收益在一定程度上違背了直覺。股票債券商品外匯狀態(tài)10.42%0.10%0.19%-0.06%狀態(tài)21.20%0.25%0.65%0.05%狀態(tài)31.15%-0.01%1.85%-0.56%狀態(tài)40.50%0.29%-0.01%0.46%狀態(tài)50.61%0.31%-0.54%0.29%狀態(tài)60.30%0.09%0.72%-0.09%資料來源：Wind，Bloomberg，華泰研究股票債券商品外匯00.92%0.47%資料來源：Wind，Bloomberg，華泰研究MSCI發(fā)達市場一級行業(yè)指數(shù)MSCI新興市場一級行業(yè)指數(shù)中信一級行業(yè)指數(shù)資料來源：Wind，Bloomberg，華泰研究MSCI發(fā)達市場一級行業(yè)指數(shù)MSCI新興市場一級行業(yè)指數(shù)中信一級行業(yè)指數(shù)00.97%0.77%1.74%0.67%0.78%0.56%資料來源：Wind，Bloomberg，華泰研究根據(jù)前文的對比分析，滾動預(yù)測的周期劃分結(jié)果在2020年出現(xiàn)較為明顯的異常，導(dǎo)致周期狀態(tài)6所統(tǒng)計的資產(chǎn)收益表現(xiàn)存在一定偏離，進攻資產(chǎn)在周期狀態(tài)6的月均收益可能超預(yù)期偏高。剔除2020年3-7月的樣本后統(tǒng)計結(jié)果如下圖表所示，收益表現(xiàn)與全樣本濾波劃分金工研究金工研究0.89%0.24%0.29%2.05%1.54%1.64%1.07%0.86%1.34%0.35%1.20%1.62%0.04%0.07%0.72%1.65%-3.30%的周期結(jié)果更為接近，資產(chǎn)在不同周期階段的分化效果也更明顯。需要指出，實際應(yīng)用過程中，事前對異常值進行剔除或修正的難度較大。從事后來看，滾動外推預(yù)測的結(jié)果若更接近全樣本濾波劃分的周期狀態(tài)，那預(yù)測的準確度大概率更高，對資產(chǎn)配置的指導(dǎo)價值也0.89%0.24%0.29%2.05%1.54%1.64%1.07%0.86%1.34%0.35%1.20%1.62%0.04%0.07%0.72%1.65%-3.30%股票債券商品外匯狀態(tài)狀態(tài)10.42%0.10%0.19%-0.06%狀態(tài)21.20%0.25%0.65%0.05%狀態(tài)31.15%