长江证券-事件研究（五）：基于宏观指标事件的股债轮动和大小盘风格轮动-221124

《长江证券-事件研究（五）：基于宏观指标事件的股债轮动和大小盘风格轮动-221124（31页）.pdf》由会员分享，可在线阅读，更多相关《长江证券-事件研究（五）：基于宏观指标事件的股债轮动和大小盘风格轮动-221124（31页）.pdf（31页精品完整版）》请在悟空智库报告文库上搜索。

　　宏观事件模型
　　基于事件驱动的方法分析宏观经济到资产表现的映射关系宏观环境是影响资产价格的重要因素，因而许多研究基于宏观经济变量构建了资产收益率的预测模型，用于市场择时或资产配置，比较典型的是各种“投资时钟”理论、宏观因子模型等。宏观事件模型则利用宏观经济变量，定义各种“宏观经济事件”，从事件驱动的视角出发分析宏观经济到资产表现的映射关系。
　　通过宏观指标走势定义的宏观指标事件能够提供趋势分析之外的增量信息
　　我们基于宏观经济指标的走势，定义了持续上涨、持续下跌、异常高点、异常低点、近期新高、近期新低、止跌上涨、止涨下跌八类事件，每类事件根据参数设定不同可以得到具体的“宏观事件”。基于指标走势定义的宏观事件与基于指标趋势做周期划分的分析相比，两者既有联系又有区别，事件分析法能够提供趋势分析之外的增量信息。
　　宏观指标事件的“信息比率”是评价事件有效性的主要参考指标
　　定义宏观指标事件的目的，是考察事件发生后各资产的表现是否存在稳定的规律。所谓有效事件，是指对特定资产的表现具有明显指示作用的事件。为了评价事件的有效性，我们可以利用事件发生后的资产收益率数据，计算收益率均值、t值、p值、正收益占比、年化信息比率等，以此来综合评价事件的有效性，其中信息比率综合考虑了收益率均值和波动性，因而可作为评价事件有效性的主要参考指标。
　　通过整合多个事件中的信息，可提升宏观指标事件在样本外的有效性
　　使用单一事件进行预测存在两个问题：一方面，单一事件在历史上发生的次数往往不多，利用统计方法得到的有效性检验可能并不是特别可靠；另一方面，单一事件在样本外的发生次数也可能比较稀少，导致使用模型进行预测的次数变少，根据主动管理基本定律，较少的预测次数也难以获得较好的策略表现。我们通过三种方法构建“多事件模型”，即正负事件数量对比法、正收益占比均值法以及条件概率法，以充分利用多个事件中的有效信息，并通过构建轮动策略验证了三种方法的表现。
　　基于宏观指标事件构建的股债轮动和大小盘轮动策略样本外表现较好
　　在三种“多事件模型”中，正收益占比均值模型具有更稳定的表现。基于正收益占比均值模型构建的股债轮动策略，样本外的年化收益为7.81%，相对不择时的股债二八策略的年化超额收益为2.68%，最大回撤为3.18%，夏普比率达到2.31，比不择时的股债二八策略有显著提升；基于正收益占比均值模型构建的大小盘风格轮动策略，样本外年化收益为25.37%，相对大小盘等权策略的年化超额收益为14.50%，夏普比率达到1.15，比大小盘等权策略的夏普比率0.52有显著提升。
　　风险提示
　　1、研究结论基于对历史数据的统计分析，未来可能不再成立；
　　2、策略表现基于对历史数据的模拟回测，不代表未来收益。