宏观量化配置框架回顾 - 构建结合经济、流动性、信用和通胀的宏观量化框架 应用于大类资产配置、行业和风格配置 [1] - 通过主成分分析发现经济和流动性是影响股票、债券、商品等大类资产共同波动的前两大因素 构建经济+流动性时钟模型 [1] - 激进型组合2013年以来年化收益8.5% 较基准超额0.6% 2022年前超额1.6% 2022年出现明显回撤 [3] - 2022年回撤主要源于权益快速下跌期间流动性宽松对组合形成拖累 [5] - 行业配置引入factor mimicking市场关注点模型 根据关注点决定不同维度敏感性权重 [5] - 宏观行业组合2019-2021年表现突出 2022年以来表现偏弱 降低行业选择数量可跑赢中证500和行业等权 [7] - 风格配置选择十大类因子中每月得分前三的因子 构建宏观因子组合和因子共振组合 [10] - 宏观方法在2021-2022年对风格因子筛选贡献明显 2023年底至2024年上半年出现明显回撤 [12] 回撤来源分析 - 回撤来源包括定量宏观判断指标有效性降低、市场受情绪资金等因素驱动、宏观指标与市场预期存在背离 [13] - 2020年后宏观事件影响增多 市场博弈增加 宏观数据与市场预期背离情况频发 [14] - 2022年下半年经济前瞻指标从底部回升但市场持续担忧疫情影响 权益表现偏弱 [14] - 2022年11月-2023年4月长债收益率上行但市场预期政策宽松 权益表现较好 [16] - 2022-2023年信用指标转好但市场更关注结构问题 多数时候保持悲观 [16] - 宏观数据与市场预期背离导致模型判断与市场表现错位 对组合形成拖累 [18] 市场预期修正方案 - 通过Factor Mimicking方法构建宏观变量代理组合 使用128只股票覆盖30个申万一级行业和97个二级行业 总市值28.3亿元占A股1/3 [19] - 选择工业增加值同比、10年期国债收益率、CPI同比、PPI同比、社融同比增速作为五大宏观变量 [19] - 组合构建流程包括计算超额收益矩阵、提取主成分、Lasso回归投影、求解特定暴露组合 [20] - 经济变量拟合效果偏弱但关键区间方向与市场观点匹配 其他变量拟合程度较好 [21][23] - 信用组合能较好反映市场观点 2022年以来信用总量改善但结构偏弱被市场视为信用偏弱信号 [25] - 通过组合收益与12个月均线比较得到市场隐含的宏观变量方向 [27] - 经济维度使用一致预测ROE和净利润增速月度变化构建修正指标 超过±1%视为观点变化 [29] - 流动性维度使用全市场日均换手率、收益靠前行业成交占比、换手提升行业占比构建微观流动性指标 [30][31] - 信用维度主要使用Factor Mimicking组合的隐含观点 [33] - 修正规则核心是当市场隐含预期与宏观数据明显背离时采用市场预期进行修正 [37] 修正观点应用效果 - 经济择时年化收益5.06% 修正后降至4.14% 流动性择时年化收益1.10% 修正后升至1.95% 信用择时年化收益4.33% 修正后升至7.27% [39] - 资产配置修正组合年化收益8.63% 较原经济+流动性组合8.52%略有提升 但受权益仓位限制和跨资产观点偏差影响提升有限 [40][41] - 行业配置修正组合年化收益7.96% 较原宏观行业组合3.67%显著提升 2024年信用悲观和经济数据偏差修正带来正向贡献 [45][46] - 中证500修正后指数增强年化收益14.38% 较原组合12.24%提升明显 沪深300修正后年化收益9.33% 较原组合8.57%提升 [52] - 中证1000修正后年化收益17.96% 较原组合17.62%略有提升 主要因修正数据基于中证800成分股 [52] - 2024年二季度以来信用修正指标持续偏弱 组合降低成长配置 有效匹配市场实际表现 [53] - 修正观点在2020年后宏观数据与市场预期背离场景中能有效降低回撤 增强配置表现 [54]

量化模型与构建方式 1. **模型名称：A股赔率模型** - 模型构建思路：基于ERP（股权风险溢价）和DRP（债务风险溢价）的标准化数值等权计算A股赔率，用于衡量市场安全边际[7] - 模型具体构建过程： 1. 计算ERP和DRP的原始值 2. 对两者进行标准化处理（Z-score） 3. 等权加权求和得到综合赔率指标 $$ \text{赔率} = \frac{\text{ERP}_{标准化} + \text{DRP}_{标准化}}{2} $$ 截至7月底，赔率指标为0.9倍标准差[7][8] 2. **模型名称：A股胜率评分卡模型** - 模型构建思路：通过货币、信用、增长、通胀与海外五因子合成宏观胜率评分，预测资产未来表现[9] - 模型具体构建过程： 1. 选取五类宏观因子（如PMI、信贷数据等） 2. 对各因子进行标准化和方向调整（如增长因子负向影响胜率） 3. 加权合成综合胜率指标 当前A股胜率因PMI下滑回落至0轴附近[9][11] 3. **模型名称：A股拥挤度模型** - 模型构建思路：结合成交热度和行业分歧度（长期指标）与期权CPR（短期指标）刻画市场交易过热风险[12] - 模型具体构建过程： 1. 长期拥挤度：成交热度（换手率） + 行业分歧度（横截面波动） 2. 短期拥挤度：期权认购认沽成交比率（CPR） 3. 分别标准化后输出信号 当前长期/短期拥挤度分别为1.0和1.1倍标准差[12][14][15] 4. **模型名称：债券赔率模型** - 模型构建思路：基于长短债预期收益差构建债券估值指标[21] - 模型具体构建过程： 1. 计算长债（10年期）与短债（2年期）预期收益差 2. 标准化处理并反向调整（赔率越低表示估值风险越高） 当前债券赔率为-1.4倍标准差[19][21] 5. **模型名称：美联储流动性指数模型** - 模型构建思路：结合数量维度（如资产负债表规模）和价格维度（如利率）构建流动性指标[22] - 模型具体构建过程： 1. 选取净流动性、信用支持等子指标 2. 标准化后加权合成综合指数 当前指数位于20%中高水平[25][26] 6. **模型名称：行业轮动三标尺模型** - 模型构建思路：通过景气度、趋势、拥挤度三维框架筛选行业[43] - 模型具体构建过程： 1. 景气度：过去12个月行业IR（信息比率） 2. 趋势：动量指标 3. 拥挤度：换手率比率+波动率比率+Beta比率 2025年策略超额收益8.5%[44][45] --- 量化因子与构建方式 1. **因子名称：价值因子** - 因子构建思路：通过估值指标（如PB、股息率）筛选低估值股票[27] - 因子评价：当前呈现"中高赔率-中等趋势-低拥挤"特征，综合得分最高[27][28] 2. **因子名称：质量因子** - 因子构建思路：基于ROE、盈利稳定性等财务指标构建[29] - 因子评价：高赔率（1.7倍标准差）但趋势弱（-1.4倍标准差），需等待右侧确认[29][30] 3. **因子名称：成长因子** - 因子构建思路：结合营收/净利润增长率等指标[32] - 因子评价：高赔率（0.9倍标准差）但拥挤度中等（0.1倍标准差），建议标配[33][34] 4. **因子名称：小盘因子** - 因子构建思路：按市值分组捕捉小盘股超额收益[35] - 因子评价：低赔率（-0.7倍标准差）+高拥挤（0.6倍标准差），风险较高[36][37] --- 模型的回测效果 1. **赔率+胜率策略** - 年化收益：7.0%（2011年以来）、7.6%（2014年以来）[48][54] - 最大回撤：2.8%（2011年以来）[54] - 夏普比率：2.86（2011年以来）[56] 2. **行业轮动策略** - 信息比率（IR）：1.18（2011年以来）[44] - 最大回撤：25.4%（2011年以来）[44] 3. **债券赔率模型** - 当前赔率：-1.4倍标准差[19] 4. **A股拥挤度模型** - 长期拥挤度：1.0倍标准差[14] - 短期拥挤度：1.1倍标准差[15] --- 因子的回测效果 1. **价值因子** - 赔率：0.3倍标准差[28] - 拥挤度：-1.3倍标准差[28] 2. **质量因子** - 赔率：1.7倍标准差[30] - 趋势：-1.4倍标准差[30] 3. **小盘因子** - 趋势：1.6倍标准差[36] - 拥挤度：0.6倍标准差[36]

量化模型与构建方式 1. **模型名称：赔率+胜率策略** - **模型构建思路**：结合资产的赔率与胜率指标，通过风险预算模型构建配置策略[40] - **模型具体构建过程**： 1. **赔率指标**：基于ERP（股权风险溢价）和DRP（债务风险溢价）的标准化数值等权计算，例如A股赔率为1.2倍标准差[11] 2. **胜率指标**：通过宏观胜率评分卡（货币、信用、增长、通胀、海外五因子）合成综合胜率，例如A股胜率回升至0轴附近[11] 3. **风险预算分配**：将赔率策略和胜率策略的风险预算简单相加，生成综合得分并调整资产权重[40] - **模型评价**：通过动态调整高赔率与高胜率资产权重，实现稳健收益 2. **模型名称：行业轮动策略（三维评价体系）** - **模型构建思路**：基于行业景气度、趋势、拥挤度三维框架筛选行业[35] - **模型具体构建过程**： 1. **趋势指标**：过去12个月信息比率（IR）衡量行业动量 2. **拥挤度指标**：换手率比率、波动率比率、beta比率合成[35] 3. **景气度分类**：实心气泡代表高景气行业，空心代表低景气[38] - **模型评价**：通过多维度交叉验证，有效捕捉行业轮动机会 3. **模型名称：美联储流动性指数模型** - **模型构建思路**：从数量维度和价格维度解构美联储流动性[17] - **模型具体构建过程**： 1. **数量维度**：净流动性、联储信用支持 2. **价格维度**：预期引导、市场隐含利率、公告意外[15] 3. **指数合成**：加权计算当前流动性状态（如20%中高水平）[15] --- 量化因子与构建方式 1. **因子名称：价值因子** - **因子构建思路**：通过赔率、趋势、拥挤度三标尺综合打分[18] - **因子具体构建过程**： 1. **赔率**：国证价值/国证1000比值标准化（当前0.2倍标准差）[19] 2. **趋势**：滚动窗口计算因子收益率方向（-0.1倍标准差中等水平）[19] 3. **拥挤度**：换手率与波动率分位数合成（-1倍标准差低拥挤）[19] - **因子评价**：综合得分1分，呈现“强趋势-低拥挤”特征[29] 2. **因子名称：质量因子** - **因子构建思路**：侧重盈利稳定性与ROE持续性[20] - **因子具体构建过程**： 1. **赔率**：高质量因子超额走势分位数（1.4倍标准差高赔率）[22] 2. **趋势**：滚动12个月收益方向（-0.3倍标准差弱趋势）[22] 3. **拥挤度**：持仓集中度与交易量合成（-0.8倍标准差低拥挤）[22] 3. **因子名称：小盘因子** - **因子构建思路**：衡量市值风格与交易拥挤度[26] - **因子具体构建过程**： 1. **赔率**：中证2000/沪深300比值标准化（-0.5倍标准差低赔率）[28] 2. **趋势**：短期动量强度（0.9倍标准差强趋势）[28] 3. **拥挤度**：换手率分位数（0.6倍标准差高拥挤）[28] --- 模型的回测效果 1. **赔率+胜率策略** - 年化收益：7.0%（2011年以来）、7.6%（2014年以来）、7.2%（2019年以来）[47] - 最大回撤：2.8%（2011年以来）、2.7%（2014年以来）、2.8%（2019年以来）[47] - 夏普比率：2.86（2011年以来）、3.26（2014年以来）、2.85（2019年以来）[47] 2. **行业轮动策略** - 年化超额收益：13.1%（2011年以来）、13.0%（2014年以来）、10.8%（2019年以来）[36] - 信息比率（IR）：1.18（2011年以来）、1.08（2014年以来）、1.02（2019年以来）[36] --- 因子的回测效果 1. **价值因子** - 综合打分：1分（当前排名最高）[18] - 赔率分位数：0.2倍标准差[19] - 趋势分位数：-0.1倍标准差[19] 2. **质量因子** - 综合打分：0.6分[20] - 赔率分位数：1.4倍标准差[22] - 趋势分位数：-0.3倍标准差[22] 3. **小盘因子** - 综合打分：0分[26] - 趋势分位数：0.9倍标准差[28] - 拥挤度分位数：0.6倍标准差[28]