光大证券-行业轮动系列研究之宏观篇：量化模型与宏观逻辑的碰撞-200424

《光大证券-行业轮动系列研究之宏观篇：量化模型与宏观逻辑的碰撞-200424（31页）.pdf》由会员分享，可在线阅读，更多相关《光大证券-行业轮动系列研究之宏观篇：量化模型与宏观逻辑的碰撞-200424（31页）.pdf（31页精品完整版）》请在悟空智库报告文库上搜索。

　　本篇报告聚焦于宏观状态的识别及其在行业轮动上的应用。报告采用量化模型结合主观逻辑的方法，并通过中观重点指标验证宏观状态，构建了宏观视角下的大类行业轮动模型。
　　同类行业共享宏观逻辑，多维特征划分大类行业。作为行业配置的前提，我们需合理划分特征相似的大类行业板块。将不同市场行情下的收益率、ROE、营收增速等数据作为板块特征，结合K-Means、模糊C-均值聚类进行行业的聚类，通过少量逻辑调整将行业划分为周期上游、周期中游、周期下游、可选消费、一般消费、金融、科技七大板块。
　　动态宏观情景聚类：有效缓解历史信息依赖。我们采用经济、通胀、货币等宏观数据，通过层次聚类区分宏观情境，并统计相似情境下大类行业的收益表现。动态聚类模型配置较为灵活，可有效缓解静态聚类下过多配置长期强势板块的问题。但其统计过程相对黑箱，难以获得投资逻辑的支撑。且由于无法结合投资者的主观判断，在应用中具有一定局限性。
　　量化复刻“政策-经济”逻辑：特征明显时准确率达70%。为解决量化模型投资逻辑上的缺陷，我们基于对历史周期的主观复盘结论，统计了不同阶段下的宏观、中观数据典型特征，并结合量化方式识别所处阶段。模型采用货币政策指数（MPI）度量货币政策，并通过主成分降维提取物价、工业需求、消费需求波动的共同因子。在数据特征明显时，模型判断准确率可达70%。
　　逻辑+统计交叉印证：轮动策略年化超额8%。动态聚类模型及“政策-经济”模型在多数时间内观点吻合。模型观点一致时，对宏观状态的量化判断有一定逻辑支撑，且大类行业表现能够验证配置逻辑；而在观点分歧较大时，驱动板块行情的主要因素可能并非宏观经济状态。宏观轮动策略配置通过交叉验证的大类行业，并在观点分歧较大时放弃使用宏观模型。综合策略表现明显提升，测试期（2016年7月至2020年3月）内年化超额8%，信息比率1.23。
　　风险提示：模型根据历史数据构建，历史规律可能发生变化，模型有失效的可能。“政策-经济”周期初步复盘划分依赖主观判断，主观判断出现偏差时可能影响模型效果。