华泰 | 信贷-库存轮盘与资产配置
（以下内容从华泰证券《华泰 | 信贷-库存轮盘与资产配置》研报附件原文摘录）
林晓明 S0570516010001 SFC No. BPY421 研究员 徐 特 S0570121050032 联系人 报告发布时间：2022年5月6日 摘要 本文构建信贷脉冲和库存周期指数，梳理资产轮动规律，开展资产配置 本文构建了信贷脉冲-库存周期轮盘；通过划分轮盘四象限，并统计各象限大类资产、行业板块、债券久期的长期表现，梳理出资产轮动规律；据此构建了双层次融合的资产配置策略。与市面上已发布的信贷脉冲指数（如彭博-中国信贷脉冲指数）相比，华泰金工-信贷脉冲指数给予实体经济中长期融资需求更高关注；库存周期指数仿照信贷脉冲指数的形式构建，用于衡量实体经济产成品供求关系的相对变化。设手续费双边千三，2010-12-31至2022-04-30，策略月换手率16.70%，年化收益6.07%，夏普比率1.80，最大回撤-4.36%，卡玛比率1.39，月度胜率75.00%。 优化信贷脉冲和库存周期指数定义，相较传统定义更符合国内市场逻辑 信贷脉冲的传统定义是新增信贷需求除以名义GDP。然而，传统定义在国内会面临5个数据和逻辑上的问题。对此，使用能够反映实体经济中长期融资需求的7个社融分项之和作为分子，使用以PPI为价格平减指数调整后的名义工业增加值为分母，使用12月移动平均削弱季节效应，构建更符合国内市场逻辑的信贷脉冲指数。仿照信贷脉冲的形式，库存周期定义为产成品存货库存除以主营业务收入。两者分别是信贷存量和产品产量的二阶增量指数，具有一定领先性。4月末，信贷脉冲指数和库存周期指数均下行，对应主动去库存，反映出疫情冲击下实体经济需求不足的现状。 使用拐点自动识别算法划分信贷-库存轮盘状态，各类资产轮动规律明显 使用拐点自动识别算法（Bry-Boschan算法）划分信贷脉冲和库存周期指数的上行/下行区间，构成主动去库存、被动去库存、主动补库存、被动补库存等状态。分别统计四种状态下大类资产、行业板块、债券久期的月均收益率和胜率：1) 大类资产层面，股票在主动去库存、被动去库存状态表现较好，债券在被动补库存、主动去库存状态表现较好，商品在被动去库存、主动补库存状态表现较好；2) 行业板块层面，呈现金融→成长→周期→稳定的轮动规律；3) 债券久期层面，长久期债在被动补库存和主动去库存状态表现较好，短久期债在被动去库存和主动补库存状态表现较优。 大类资产配置结合板块轮动和久期轮动的双层次配置策略，超额1.47% 策略使用动量方法判断信贷-库存轮盘状态，超配该状态下历史表现较优的资产。大类资产层面采用风险预算模型，用ERP指标确定基准风险预算比例；根据轮盘状态调整风险预算比例，2010-12-31至2022-04-30，不考虑手续费（下同），年化收益提升1.02pct。行业板块层面，被选中板块等权配置；相对于全部板块等权组合，年化收益提升5.46pct。债券久期层面，根据轮盘状态调整配置比例；相对于长债:短债=55%:45%组合，年化收益提升0.24pct。将板块轮动和久期轮动融入大类资产配置，设手续费双边千三，相对于大类资产基准，双层次配置策略年化超额收益为1.47%。 风险提示：信贷脉冲-库存周期轮盘根据历史规律总结，历史规律可能失效。经济周期-资产映射关系基于资产的长期表现统计，与短期走势或有出入。报告中涉及到的具体资产或板块不代表任何投资意见，请投资者谨慎、理性地看待。 报告正文 本文研究导读 经济学家Micheal Biggs在2009年提出了“信贷脉冲”(credit impulse)的概念。信贷脉冲的原始定义等于新增信贷需求除以GDP，用来预判实体经济的景气周期。指标的基本逻辑如下：当实体经济部门预期经济变得景气时，有动力加杠杆扩大产能——这一行为虽然不会即时反映在GDP增速中，但会导致信贷脉冲增加；当实体经济部门预期经济变得萧条时，有动力去杠杆缩减产能，导致信贷脉冲下降。因此，从经济学逻辑上来说，信贷脉冲是实体经济景气度的领先指标，有助于投资者提前预判经济复苏和衰退的拐点。 Bloomberg参考Biggs的定义提出了中国信贷脉冲指数，华泰金工前期报告《宏观因子指数回顾、改进与应用》（2022-02-12）提出了增长领先指数。我们对比两者发现，彭博-中国信贷脉冲指数总体上领先华泰金工-增长领先指数，表明信贷脉冲指数是经济景气度的最领先指标。但也有一些特例：2018年“一行三会”，以“资管新规”生效为主要抓手，推进“去杠杆”和清理“影子银行”进程，导致信贷供给受阻，进而造成信贷脉冲上升滞后于实体经济复苏的现象。 信贷脉冲的分子端是新增信贷需求，是实体经济信贷存量的一阶增量。理论上，实体经济信贷需求中枢与经济增量成正比；实际上，实体经济信贷需求围绕长期中枢波动。那么新增信贷需求除以经济增量，相当于得到了信贷存量的二阶增量指标。因为导数的拐点不会滞后于原函数的拐点，所以从理论上说，二阶增量指数能够更为敏感地捕捉实体经济景气度的变化。前期报告《宏观因子指数回顾、改进与应用》（2022-02-12）提出了信用同步指数，这是信贷存量的一阶增量指标。通过前期报告推荐的DTW分析，我们发现彭博-中国信贷脉冲指数长期领先华泰金工-信用同步指数约1.1个月。 考虑到信贷脉冲传导至实体经济的路径和时间难以量化，加上2018年特例的存在，我们还需要引入其他维度来协助确定实体经济的景气周期，最常见的便是库存周期。从经济活动的因果关系来说，信贷脉冲领先于库存周期，两者叠加可以组成如图所示的轮盘，包括四个象限： 1) 左上象限对应“被动去库存”：信贷脉冲上行表明企业预判到实体经济复苏，有增加投资、扩大产能的意愿，且金融市场能够支持实体经济的信贷扩张需求；库存周期下行表明产能扩张尚未反应在经济产出上，而实体经济对产品的需求提升，导致产品供不应求、库存下降。 2) 右上象限对应“主动补库存”：信贷脉冲上行表明企业预判到经济景气持续，有追加投资、扩大产能的意愿，且金融市场能够支持实体经济的信贷扩张需求；库存周期上行表明产能扩张已经反应在经济产出上，能够满足实体经济对产品的需求，产品供求平衡、库存同步增加。 3) 右下象限对应“被动补库存”：信贷脉冲下行表明企业预判到经济增长停滞，不再追加投资，导致信贷需求下降；库存周期上行表明产能尚未缩减，但实体经济对产品的需求下降，导致产品供过于求、库存被动增加。 4) 左下象限对应“主动补库存”：信贷脉冲上行表明企业预判到实体经济衰退，有降低投资缩减产能的意愿，导致信贷需求进一步下降；库存周期下行表明产能缩减已经反应在经济产出上，产品供求平衡、库存同步下降。 宏观研究通常使用“工业企业:产成品存货:累计同比”指标来刻画实体经济产品存量的变化。不过，“工业企业:产成品存货:累计同比”的口径与信贷脉冲指数的口径存在一些差异——信贷脉冲指数是信贷存量的二阶增量指标，而“工业企业:产成品存货:累计同比”只是产品存量的一阶增量指标，两者相差一阶。对此，本文将仿照信贷脉冲的做法，构建二阶增量口径的库存周期指数。 前期报告《宏观因子指数回顾、改进与应用》（2022-02-12）已提出了由增长、通胀、信用、货币等四个维度组成的宏观因子指数体系，来刻画中国的宏观经济。信贷脉冲和库存周期指数则在此基础之上，补充了计算更简便、二阶增量口径的经济系统低维映射。 本文的目的是通过信贷脉冲-库存周期轮盘，确定实体经济景气周期，发掘大类资产和行业板块的轮动规律（将图表4中的问号用具体的大类资产、行业板块、债券久期填充），最终应用于资产配置。本文的第一部分将从信贷脉冲和库存周期的定义出发，充分考虑代理指标的含义特征，构建更适应中国国情的、口径一致的信贷脉冲和库存周期指数。本文的第二部分将使用统计方法，梳理信贷脉冲-库存周期轮盘下的大类资产、行业板块与债券久期轮动规律。本文的第三部分将使用定量方法判断实体经济景气状态，结合大类资产、行业板块和债券久期轮动规律，构建资产配置策略。 信贷脉冲指数与库存周期指数 信贷脉冲：注重实体经济的中长期融资需求 如果采用原始定义——新增信贷需求（通常用每月新增社融刻画）除以名义GDP构建信贷脉冲指标，存在五个问题，下文我们将依次讨论这些问题的解决对策。 问题一：GDP是季频指标，可能会导致月频的信贷脉冲指标周期性偏大 GDP是季频指标，其趋势长期向上。如果在GDP数据无发布值的月份沿用前值，通常会导致信贷脉冲周期性偏大。对此，本文选用工业增加值:当月值作为GDP的代替。 工业增加值是国家统计局核算GDP过程中最重要的中间变量之一，是月频指标。虽然它主要覆盖第二产业，但走势上与GDP具有较高的同步性。2007年及之后，国家统计局不再公布工业增加值的名义值，只公布以不变价衡量的同比增速。不过，我们可以从Wind上下载到工业增加值:定基指数（2010年及之前的定基指数可以用工业增加值:当月同比还原），根据2005年《中国工业统计年鉴》披露的工业增加值名义值（66425亿元），就可以计算以2005年为基准的不变价工业增加值的历史序列。 问题二：新增社融是名义变量，工业增加值是不变价变量，口径不一致 针对这个问题，本文采用PPI作为价格平减指数，以2005年1月的PPI为基准，将不变价工业增加值的历史序列转换为名义工业增加值的历史序列。 问题三：新增社融存在显著的季节效应，干扰经济周期的判断 新增社融具有显著的季节效应。每年的1/3/6/8/9/11月是新增社融的高峰，2/4/5/7/10/12月是新增社融的低谷。季节效应的存在会让投资者误把季节性的信贷需求波动视作经济周期的变化。我们采用12月移动平均的方式，将季节项平摊至12个月。在前期报告《宏观因子指数回归、改进与应用》中，我们采用X11或X13程序对进行季调。这里没有使用复杂季调程序的原因是：站在1年尺度上来说，新增社融12月移动平均依然是社融存量的一阶增量指标，领先性没有被破坏；其次，移动平均不会改变历史数据，便于回测。相应地，信贷脉冲的分母，即工业增加值，也需要进行12月移动平均。 问题四：投资者愈发重视信贷结构问题，新增社融无法刻画中长期融资需求 实体经济增加投资、扩大产能的意愿对应着中长期融资需求的增加。而新增社融不仅包括中长期融资需求，还包括为了满足短期流动性短缺、银行信贷冲量等目的而产生的短期融资需求，如短期贷款、票据融资，这部分与实体经济增加投资的关系不大。对此，我们对社融的结构进行拆解，主要包括表内信贷、表外融资、直接融资和其他融资，每一项还有一些分项，如下图所示。其中，与实体经济中长期融资需求最相关的包括中长期贷款、外币贷款、信托贷款、委托贷款、非金融企业境内股票融资、企业债券融资和政府债券。在计算信贷脉冲的时候，我们只用这些与中长期融资需求相关的分项之和作为分子。 问题五：2018年9月起地方政府专项债纳入社融统计口径 2018年9月，地方政府专项债纳入社会融资规模的统计口径（2017年1月以来的数据进行了追溯调整），是近10年内社融指标最重要的一次统计口径调整。在经济增速放缓的大背景下，“看得见的手”对提升社会总需求发挥着越来越重要的作用，政府债券占新增社融的比例较高，无法忽视。针对口径变化导致的2017年附近数据不可比的问题，我们将分别构建口径变化前后的信贷脉冲指标。 信贷脉冲计算方法总结 我们再总结一下信贷脉冲的计算方法： 1) 分子端：2017年之前，计算新增中长期贷款、外币贷款、信托贷款、委托贷款、非金融企业境内股票融资和企业债券融资之和，再计算总和的12月移动平均；2017年及之后，计算过程再增加政府债券分项。 2) 分母端：首先用工业增加值:当月同比延长工业增加值:定基指数序列，然后使用2005年的工业增加值对工业增加值:定基指数序列进行数量级调整，再以PPI为价格平减指数，将不变价工业增加值序列转换为名义工业增加值序列，最后进行12月移动平均。 3) 分子端序列除以分母端序列，就得到了信贷脉冲序列。因为计算过程使用的代理指标都是延迟1月发布，所以最终构建的信贷脉冲也要延迟1月。 下表总结了信贷脉冲指标计算过程最终使用的代理指标信息： 下图展示了本文构建的信贷脉冲指数及其与彭博-中国信贷脉冲指数的走势对比，能够看到两者走势基本一致，但细节上有所差异。例如：2022年3月，彭博-中国信贷脉冲指数的大幅上行，提示实体经济信贷需求扩张，而华泰金工-信贷脉冲指数不升返降，提示实体经济信贷需求不足。 库存周期：衡量实体经济的产成品供求变化 如果采用原始定义——新增信贷需求（通常用每月新增社融刻画）除以名义GDP构建信贷脉冲指标，存在五个问题，下文我们将依次讨论这些问题的解决对策。 仿照信贷脉冲的做法，我们设计了库存周期的计算方法，核心思想是看库存相对于营收占比的变化（含义上接近存货周转率的倒数，衡量产成品供求关系的相对变化）： 1) 分子端：工业企业:产成品存货指标是一个存量指标。首先，我们通过环比差分计算得产成品存货每月的增量。因为1月没有数据，所以需要将计算得到的2月增量值平分给1月和2月。最后，再计算产成品存货增量的12月移动平均。 2) 分母端：工业企业:营业收入指标自2017年2月开始才有数据，而工业企业:主营业务收入指标自2019年1月起停止更新。对此，我们首先取两者的交集，通过一元线性回归的方法，用工业企业:营业收入指标填充工业企业:主营业务收入指标自2019年1月起的缺失值。由于这是一个累计值指标，我们通过对每年的数据开展环比差分，得到每个月的主营业务收入。因为1月没有数据，所以需要将2月的累计值平分给1月和2月。最后，再计算主营业务收入的12月移动平均。 3) 分子端序列除以分母端序列，就得到了库存周期序列。库存周期的分子端是实体经济产品存量的一阶增量指标，除以主营业务收入相当于再求一次导，因此库存周期是产品产量的二阶增量指标。因为计算过程使用的代理指标都是延迟1月发布，所以最终构建的信贷脉冲也要延迟1月。 下表总结了库存周期指标计算过程最终使用的代理指标信息： 下图展示了本文构建的库存周期指数与工业企业:产成品存货:累计同比的走势对比，能够看到两者走势基本一致，但本研究构建的库存周期指数在细节上更丰富。 信贷脉冲和库存周期的三周期分析 我们进一步使用前期报告《工业社会的秩序》（2021-05-17）识别的基钦周期、朱拉格周期和库兹涅茨周期，分别对信贷脉冲指数和库存周期指数（要求序列完整性，这里使用不含政府债券的版本）开展单因子拟合。结果显示，信贷脉冲和库存周期均受到三周期的显著驱动。使用三周期因子对信贷脉冲和库存周期开展多元线性回归，拟合优度分别为66%和54%。这说明信贷脉冲和库存周期同样是高维经济系统的低维映射。其中，信贷脉冲指数周期峰谷总体上领先于库存周期，两者交错变化，形成了四象限轮盘。 信贷-库存轮盘下的资产轮动规律 为了将信贷脉冲和库存周期指数应用于资产配置，我们需要识别相对稳定的宏观-资产映射关系。我们首先把两个指数划分为上行和下行区间，然后分别统计被动去库存、主动补库存、被动补库存、主动去库存等四种状态下大类资产、行业板块、债券久期的表现。 为了划分两个指数上行/下行周期，使用Bry-Boschan算法(Bry and Boschan, 1971)对宏观指标序列的拐点进行自动化识别。该算法的基本思想是从平滑序列的局部极值逐步推广至原始序列的拐点，算法中涉及的拐点定义、Spencer移动平均、MCD值计算、峰谷交替检测、周期和半周期检测等细节详见参考文献。该算法包括四个步骤： 1) 潜在拐点识别：修正原始序列Y的特异值以初步消除不规则要素，进行12×2项移动平均以初步消除季节要素，得到Y1；识别Y1所有的局部极值点（即±1月范围内的最大值和最小值）作为潜在拐点。 2) 潜在拐点初修：修正原始序列Y的特异值，进行Spencer移动平均，得到Y2；针对Y1的每个潜在拐点，依次以Y2的MCD值（用于衡量曲线的平滑程度，通常取值3至6）为邻域，在Y2中修正潜在拐点位置；并检测峰/谷是否交替出现，删除多余峰谷。 3) 潜在拐点精修：不修正原始序列Y的特异值，仅以Y2的MCD值为项数，进行移动平均，得到Y3；针对Y2的每个极值点，依次以Y3的MCD值为邻域，在Y3中修正潜在拐点位置；并检测峰/谷是否交替出现，删除多余的峰谷。 4) 最终拐点确定：以原始序列Y为对象，针对Y3的每个潜在拐点，依次以Y的MCD值为邻域，在Y中修正潜在拐点位置；然后，检测峰/谷是否交替出现，并检测周期和半周期长度是否满足拐点定义，删除多余的峰谷。 下图展示了使用拐点自动识别算法对信贷脉冲和库存周期指数的拐点识别结果。其中，对于信贷脉冲指数来说，2018年之前使用不含政府债券的版本，2018年及之后使用含政府债券的版本。将两者叠加就得到了被动去库存、主动补库存、被动补库存、主动去库存等四种状态。从2006年至今，4种状态分别出现过55、42、55、38个月，相对比较均衡。 大类资产层面 在大类资产层面，以中证800指数、国债总净价指数、南华工业品指数作为股、债、商的代表。股、债、商在四个象限中的表现统计如下表所示： 1) 主动去库存阶段：实体经济需求不足，缩减产能使得产品供求状况回到低水平的平衡状态，商品没有行情；政府出台宽松政策刺激经济，股市触底回升，债券表现较优。 2) 被动去库存阶段：实体经济需求回暖、产品供不应求，股市基本面改善、商品价格上涨，股票和商品表现占优；实体经济融资扩产带动利率回升，债券表现不佳。 3) 主动补库存阶段：实体经济需求旺盛，加大产能带动商品价格持续上涨，利润分配开始从下游逐步转移至上游，股市呈现结构性行情，商品表现最优；利率持续上行，债券表现依旧不佳。 4) 被动补库存阶段：实体经济需求回落、产品供过于求，股市基本面恶化、商品价格下跌，股票和商品表现较差；实体经济融资不足带动利率下降，债券表现最优。 行业板块层面 在行业板块层面，我们选择中证800一级行业指数作为底层资产。一方面，中证800一级行业指数覆盖的成分股与中证800指数成分股一致，为策略落地提供便利；另一方面，相对于中信风格指数（分类过于粗糙导致宏观-资产映射关系不显著）、中信/申万一级行业指数（分类过于细致，加上行业逻辑变化较快，难以获得稳定的宏观-资产映射关系），中证800一级行业指数包括11个板块——能源、材料、工业、可选、（主要）消费、医药、金融、地产、信息、通信和公用，分类的颗粒度更适合宏观视角。 我们统计了每个象限中，各行业相对于行业等权组合的超额收益： 1) 主动去库存阶段：经济复苏前期，政府出台宽松政策刺激经济，金融和地产板块不会缺席。不过，投资者对经济复苏前景尚未达成共识，投资者风险偏好依然较低，与经济增长相关性较低的医药以及防御属性较强的（主要）消费和公用板块表现较优。 2) 被动去库存阶段：经济开始景气，投资者风险偏好上升，宽松政策开始退出，成长接棒金融，信息、医药、可选、通信等成长风格的行业板块表现较优。 3) 主动补库存阶段：经济开始过热，通胀水平提升导致利润分配开始从下游逐步转移至上游。除（主要）消费和医药板块的需求不太容易受到涨价影响外，材料、能源等周期板块表现较优。政府开始收紧宽松政策，成长风格板块和金融地产板块承压。 4) 被动补库存阶段：经济出现滞胀，政策进一步收紧，投资者风险偏好降低，防御属性较强的公用和（主要）消费板块表现较优，偏周期风格的材料和工业板块次优。 根据上述讨论，如果以主动去库存为一轮经济周期的起点的话，那么行业板块的轮动主线将呈现如下规律：金融→成长→周期→稳定。其中，我们把（主要）消费板块视为稳定风格，把可选板块视为成长风格。金融先行体现了中国经济周期由信用驱动的特点。 债券久期层面 在债券久期层面，我们选择1-3年期国债总净价指数和7-10年期国债总净价指数作为短久期和长久期的代表。短久期和长久期在四个象限中的表现统计如下图所示。不难发现，债券久期的轮动规律与股债轮动的规律基本一致——被动补库存和主动去库存阶段是债券表现较好的时期，对应实体经济需求不足、利率水平下降的时期，根据现金流贴现模型，长久期债比短久期债弹性更大；被动去库存和主动补库存阶段是债券表现较差的时候，对应实体经济需求旺盛、利率水平上升的时期，根据现金流贴现模型，长久期债比短久期债承压更大。其中，在被动补库存阶段，长久期债优于短久期债的幅度最大；在被动去库存阶段，短久期债优于长久期债的幅度最大。 资产轮动规律总结 综上所述，信贷脉冲-库存周期中的资产轮动规律可用下图进行总结： 实证：双层次融合的资产配置策略 在开展实证之前，还需要解决信贷脉冲-库存周期观点的预测问题。我们通过动量方法——比较当期因子值与过去三期因子值的均值，来给出观点。2022年4月的观点为“被动补库存”，反映出新冠疫情冲击下实体经济需求不足的现状。 有了周期观点之后，我们设计了如下图所示的双层次资产配置策略框架： 1) 第一层：大类资产配置——首先，根据投资者的风险偏好，给予股、债、商基准风险预算比例；然后，根据信贷脉冲-库存周期最新观点和资产周期轮动规律，将利好资产的风险预算比例乘以2，将利空资产的风险预算比例乘以0.5；最后，通过求解风险预算模型，得到股、债、商的配置权重。 2) 第二层：行业板块轮动和债券久期轮动——首先，根据投资者的风险偏好，给予细分资产固定的配置比例作为基准；然后，根据信贷脉冲-库存周期最新观点和资产周期轮动规律，增加利好资产的配置比例，降低利空资产的配置比例；最后，通过将第一层得到的股票配置权重乘以行业板块配置比例，就得到各行业板块的配置权重，将第一层得到的债券配置权重乘以债券久期配置比例，就得到各债券久期的配置权重。商品的配置权重不再细分。 大类资产配置策略 股票资产选择中证800一级行业指数的等权组合，债券资产选择1-3年期国债总财富指数和7-10年期国债总财富指数按45%和55%比例（国债总财富指数成分中，长久期债的比例略高于短久期债的比例）配置的组合，商品资产选择南华工业品指数。股票和债券之所以使用细分资产的组合，而非中证800指数和国债总财富指数自身，是考虑到策略最终要落地到细分资产上，直接使用细分资产的组合使得两层策略逻辑更一致。 仿照前期报告《宏观因子指数回顾、改进与应用》（2022-02-12）的做法，基于股权风险溢价（ERP）指标给予股、债、商动态调整的基准风险预算比例。ERP等于中证800指数算术平均市盈率的倒数减去10年期国债到期收益率，我们使用ERP的滚动850日分位数确定股、债、商的基准风险预算比例，如下图所示： 回测区间为2010-12-31至2022-04-30，月末给出调仓信号，次月第一个交易日以收盘价调仓；组合波动率上限控制在5%，如果组合波动率超过5%，则通过配置货币基金，等比例降低股、债、商仓位；暂不考虑手续费。回测结果显示，策略月换手率8.90%，年化收益5.86%，夏普比率1.85，最大回撤-3.90%，卡玛比率1.50，月度胜率72.06%；年化收益和卡玛比率较ERP增强的基准组合有显著提升。 需要注意的是，外生冲击可能扰乱经济周期轮动节奏，导致在偏短期的时间尺度里，信贷脉冲-库存周期轮盘的状态并非一定沿着四象限轮动。但这恰恰从侧面说明轮盘能够较为灵敏地捕捉经济基本面变化，从而做出更合理的股、债、商配置。例如，2021年12月，随着稳增长、宽货币政策密集出台，实体经济需求逐步好转，体现在信贷脉冲指数的触底回升（如图表12），策略判断轮盘离开了利空股票的被动补库存阶段，开始加仓股票；然而春节后地缘冲突加剧了全球通胀，叠加接踵而至的上海新冠疫情，对刚刚恢复的实体经济需求产生冲击，轮盘状态重回被动补库存状态，对应策略从今年3月起减仓股票。 行业板块轮动策略 在行业板块层面，我们根据上一部分梳理得到的板块轮动规律，采用以下配置策略： 1) 主动去库存阶段：消费、医药、金融、地产板块等权配置； 2) 被动去库存阶段：信息、医药、可选、通信板块等权配置； 3) 主动补库存阶段：消费、医药、材料、能源板块等权配置； 4) 被动补库存阶段：公用、消费、材料、工业板块等权配置。 回测区间为2010-12-31至2022-04-30，月末给出调仓信号，次月第一个交易日以收盘价调仓；不进行波动率控制；暂不考虑手续费。回测结果显示，策略月换手率25.09%（平均1个月更换1个板块），年化收益8.18%，夏普比率0.35，最大回撤-45.36%；年化收益、夏普比率、最大回撤均优于板块等权组合；月度超额胜率58.09%，说明宏观视角开展行业板块轮动，具有重赔率、轻胜率的特点。 债券久期轮动策略 在债券久期层面，我们根据上一部分梳理得到的久期轮动规律，采用以下配置策略： 1) 主动去库存阶段：较为推荐长久期债，长久期债配置70%，短久期债配置30%； 2) 被动去库存阶段：较为推荐短久期债，长久期债配置40%，短久期债配置60%； 3) 主动补库存阶段：强烈推荐短久期债，长久期债配置25%，短久期债配置75%； 4) 被动补库存阶段：强烈推荐长久期债，长久期债配置85%，短久期债配置15%。 大类资产配置结合板块轮动和久期轮动 最后，我们把大类资产配置策略中的股票仓位分配给行业板块轮动策略、债券仓位分配给债券久期轮动策略。回测区间为2010-12-31至2022-04-30，月末给出调仓信号，次月第一个交易日以收盘价调仓。 回测结果显示，策略月换手率16.70%。如果不考虑手续费，年化收益6.75%，夏普比率1.99，最大回撤-4.35%，卡玛比率1.55，月度胜率77.21%；如果设手续费双边千三，年化收益6.07%，夏普比率1.80，最大回撤-4.36%，卡玛比率1.39，月度胜率75.00%。年化收益、夏普比率、卡玛比率、月度胜率较ERP增强的基准组合有显著提升，净值比在今年3月创新高；在考虑手续费的情况下，年化超额收益为1.47%。 参考文献 Biggs M., Thomas M., Pick A. Credit and Economic Recovery: Demystifying Phoenix Miracles. DOI:10.2139/ssrn.1595980, 2010. Bry G, Boschan C. Cyclical analysis of time series: Selected procedures and computer programs. NBER Technical Paper, 1971. 风险提示 1. 信贷脉冲-库存周期轮盘根据历史规律总结，历史规律可能失效。 2. 经济周期-资产映射关系基于资产的长期表现统计，与短期走势或有出入。 3. 报告中涉及到的具体资产不代表任何投资意见，请投资者谨慎、理性地看待。 -----End-----
林晓明 S0570516010001 SFC No. BPY421 研究员 徐 特 S0570121050032 联系人 报告发布时间：2022年5月6日 摘要 本文构建信贷脉冲和库存周期指数，梳理资产轮动规律，开展资产配置 本文构建了信贷脉冲-库存周期轮盘；通过划分轮盘四象限，并统计各象限大类资产、行业板块、债券久期的长期表现，梳理出资产轮动规律；据此构建了双层次融合的资产配置策略。与市面上已发布的信贷脉冲指数（如彭博-中国信贷脉冲指数）相比，华泰金工-信贷脉冲指数给予实体经济中长期融资需求更高关注；库存周期指数仿照信贷脉冲指数的形式构建，用于衡量实体经济产成品供求关系的相对变化。设手续费双边千三，2010-12-31至2022-04-30，策略月换手率16.70%，年化收益6.07%，夏普比率1.80，最大回撤-4.36%，卡玛比率1.39，月度胜率75.00%。 优化信贷脉冲和库存周期指数定义，相较传统定义更符合国内市场逻辑 信贷脉冲的传统定义是新增信贷需求除以名义GDP。然而，传统定义在国内会面临5个数据和逻辑上的问题。对此，使用能够反映实体经济中长期融资需求的7个社融分项之和作为分子，使用以PPI为价格平减指数调整后的名义工业增加值为分母，使用12月移动平均削弱季节效应，构建更符合国内市场逻辑的信贷脉冲指数。仿照信贷脉冲的形式，库存周期定义为产成品存货库存除以主营业务收入。两者分别是信贷存量和产品产量的二阶增量指数，具有一定领先性。4月末，信贷脉冲指数和库存周期指数均下行，对应主动去库存，反映出疫情冲击下实体经济需求不足的现状。 使用拐点自动识别算法划分信贷-库存轮盘状态，各类资产轮动规律明显 使用拐点自动识别算法（Bry-Boschan算法）划分信贷脉冲和库存周期指数的上行/下行区间，构成主动去库存、被动去库存、主动补库存、被动补库存等状态。分别统计四种状态下大类资产、行业板块、债券久期的月均收益率和胜率：1) 大类资产层面，股票在主动去库存、被动去库存状态表现较好，债券在被动补库存、主动去库存状态表现较好，商品在被动去库存、主动补库存状态表现较好；2) 行业板块层面，呈现金融→成长→周期→稳定的轮动规律；3) 债券久期层面，长久期债在被动补库存和主动去库存状态表现较好，短久期债在被动去库存和主动补库存状态表现较优。 大类资产配置结合板块轮动和久期轮动的双层次配置策略，超额1.47% 策略使用动量方法判断信贷-库存轮盘状态，超配该状态下历史表现较优的资产。大类资产层面采用风险预算模型，用ERP指标确定基准风险预算比例；根据轮盘状态调整风险预算比例，2010-12-31至2022-04-30，不考虑手续费（下同），年化收益提升1.02pct。行业板块层面，被选中板块等权配置；相对于全部板块等权组合，年化收益提升5.46pct。债券久期层面，根据轮盘状态调整配置比例；相对于长债:短债=55%:45%组合，年化收益提升0.24pct。将板块轮动和久期轮动融入大类资产配置，设手续费双边千三，相对于大类资产基准，双层次配置策略年化超额收益为1.47%。 风险提示：信贷脉冲-库存周期轮盘根据历史规律总结，历史规律可能失效。经济周期-资产映射关系基于资产的长期表现统计，与短期走势或有出入。报告中涉及到的具体资产或板块不代表任何投资意见，请投资者谨慎、理性地看待。 报告正文 本文研究导读 经济学家Micheal Biggs在2009年提出了“信贷脉冲”(credit impulse)的概念。信贷脉冲的原始定义等于新增信贷需求除以GDP，用来预判实体经济的景气周期。指标的基本逻辑如下：当实体经济部门预期经济变得景气时，有动力加杠杆扩大产能——这一行为虽然不会即时反映在GDP增速中，但会导致信贷脉冲增加；当实体经济部门预期经济变得萧条时，有动力去杠杆缩减产能，导致信贷脉冲下降。因此，从经济学逻辑上来说，信贷脉冲是实体经济景气度的领先指标，有助于投资者提前预判经济复苏和衰退的拐点。 Bloomberg参考Biggs的定义提出了中国信贷脉冲指数，华泰金工前期报告《宏观因子指数回顾、改进与应用》（2022-02-12）提出了增长领先指数。我们对比两者发现，彭博-中国信贷脉冲指数总体上领先华泰金工-增长领先指数，表明信贷脉冲指数是经济景气度的最领先指标。但也有一些特例：2018年“一行三会”，以“资管新规”生效为主要抓手，推进“去杠杆”和清理“影子银行”进程，导致信贷供给受阻，进而造成信贷脉冲上升滞后于实体经济复苏的现象。 信贷脉冲的分子端是新增信贷需求，是实体经济信贷存量的一阶增量。理论上，实体经济信贷需求中枢与经济增量成正比；实际上，实体经济信贷需求围绕长期中枢波动。那么新增信贷需求除以经济增量，相当于得到了信贷存量的二阶增量指标。因为导数的拐点不会滞后于原函数的拐点，所以从理论上说，二阶增量指数能够更为敏感地捕捉实体经济景气度的变化。前期报告《宏观因子指数回顾、改进与应用》（2022-02-12）提出了信用同步指数，这是信贷存量的一阶增量指标。通过前期报告推荐的DTW分析，我们发现彭博-中国信贷脉冲指数长期领先华泰金工-信用同步指数约1.1个月。 考虑到信贷脉冲传导至实体经济的路径和时间难以量化，加上2018年特例的存在，我们还需要引入其他维度来协助确定实体经济的景气周期，最常见的便是库存周期。从经济活动的因果关系来说，信贷脉冲领先于库存周期，两者叠加可以组成如图所示的轮盘，包括四个象限： 1) 左上象限对应“被动去库存”：信贷脉冲上行表明企业预判到实体经济复苏，有增加投资、扩大产能的意愿，且金融市场能够支持实体经济的信贷扩张需求；库存周期下行表明产能扩张尚未反应在经济产出上，而实体经济对产品的需求提升，导致产品供不应求、库存下降。 2) 右上象限对应“主动补库存”：信贷脉冲上行表明企业预判到经济景气持续，有追加投资、扩大产能的意愿，且金融市场能够支持实体经济的信贷扩张需求；库存周期上行表明产能扩张已经反应在经济产出上，能够满足实体经济对产品的需求，产品供求平衡、库存同步增加。 3) 右下象限对应“被动补库存”：信贷脉冲下行表明企业预判到经济增长停滞，不再追加投资，导致信贷需求下降；库存周期上行表明产能尚未缩减，但实体经济对产品的需求下降，导致产品供过于求、库存被动增加。 4) 左下象限对应“主动补库存”：信贷脉冲上行表明企业预判到实体经济衰退，有降低投资缩减产能的意愿，导致信贷需求进一步下降；库存周期下行表明产能缩减已经反应在经济产出上，产品供求平衡、库存同步下降。 宏观研究通常使用“工业企业:产成品存货:累计同比”指标来刻画实体经济产品存量的变化。不过，“工业企业:产成品存货:累计同比”的口径与信贷脉冲指数的口径存在一些差异——信贷脉冲指数是信贷存量的二阶增量指标，而“工业企业:产成品存货:累计同比”只是产品存量的一阶增量指标，两者相差一阶。对此，本文将仿照信贷脉冲的做法，构建二阶增量口径的库存周期指数。 前期报告《宏观因子指数回顾、改进与应用》（2022-02-12）已提出了由增长、通胀、信用、货币等四个维度组成的宏观因子指数体系，来刻画中国的宏观经济。信贷脉冲和库存周期指数则在此基础之上，补充了计算更简便、二阶增量口径的经济系统低维映射。 本文的目的是通过信贷脉冲-库存周期轮盘，确定实体经济景气周期，发掘大类资产和行业板块的轮动规律（将图表4中的问号用具体的大类资产、行业板块、债券久期填充），最终应用于资产配置。本文的第一部分将从信贷脉冲和库存周期的定义出发，充分考虑代理指标的含义特征，构建更适应中国国情的、口径一致的信贷脉冲和库存周期指数。本文的第二部分将使用统计方法，梳理信贷脉冲-库存周期轮盘下的大类资产、行业板块与债券久期轮动规律。本文的第三部分将使用定量方法判断实体经济景气状态，结合大类资产、行业板块和债券久期轮动规律，构建资产配置策略。 信贷脉冲指数与库存周期指数 信贷脉冲：注重实体经济的中长期融资需求 如果采用原始定义——新增信贷需求（通常用每月新增社融刻画）除以名义GDP构建信贷脉冲指标，存在五个问题，下文我们将依次讨论这些问题的解决对策。 问题一：GDP是季频指标，可能会导致月频的信贷脉冲指标周期性偏大 GDP是季频指标，其趋势长期向上。如果在GDP数据无发布值的月份沿用前值，通常会导致信贷脉冲周期性偏大。对此，本文选用工业增加值:当月值作为GDP的代替。 工业增加值是国家统计局核算GDP过程中最重要的中间变量之一，是月频指标。虽然它主要覆盖第二产业，但走势上与GDP具有较高的同步性。2007年及之后，国家统计局不再公布工业增加值的名义值，只公布以不变价衡量的同比增速。不过，我们可以从Wind上下载到工业增加值:定基指数（2010年及之前的定基指数可以用工业增加值:当月同比还原），根据2005年《中国工业统计年鉴》披露的工业增加值名义值（66425亿元），就可以计算以2005年为基准的不变价工业增加值的历史序列。 问题二：新增社融是名义变量，工业增加值是不变价变量，口径不一致 针对这个问题，本文采用PPI作为价格平减指数，以2005年1月的PPI为基准，将不变价工业增加值的历史序列转换为名义工业增加值的历史序列。 问题三：新增社融存在显著的季节效应，干扰经济周期的判断 新增社融具有显著的季节效应。每年的1/3/6/8/9/11月是新增社融的高峰，2/4/5/7/10/12月是新增社融的低谷。季节效应的存在会让投资者误把季节性的信贷需求波动视作经济周期的变化。我们采用12月移动平均的方式，将季节项平摊至12个月。在前期报告《宏观因子指数回归、改进与应用》中，我们采用X11或X13程序对进行季调。这里没有使用复杂季调程序的原因是：站在1年尺度上来说，新增社融12月移动平均依然是社融存量的一阶增量指标，领先性没有被破坏；其次，移动平均不会改变历史数据，便于回测。相应地，信贷脉冲的分母，即工业增加值，也需要进行12月移动平均。 问题四：投资者愈发重视信贷结构问题，新增社融无法刻画中长期融资需求 实体经济增加投资、扩大产能的意愿对应着中长期融资需求的增加。而新增社融不仅包括中长期融资需求，还包括为了满足短期流动性短缺、银行信贷冲量等目的而产生的短期融资需求，如短期贷款、票据融资，这部分与实体经济增加投资的关系不大。对此，我们对社融的结构进行拆解，主要包括表内信贷、表外融资、直接融资和其他融资，每一项还有一些分项，如下图所示。其中，与实体经济中长期融资需求最相关的包括中长期贷款、外币贷款、信托贷款、委托贷款、非金融企业境内股票融资、企业债券融资和政府债券。在计算信贷脉冲的时候，我们只用这些与中长期融资需求相关的分项之和作为分子。 问题五：2018年9月起地方政府专项债纳入社融统计口径 2018年9月，地方政府专项债纳入社会融资规模的统计口径（2017年1月以来的数据进行了追溯调整），是近10年内社融指标最重要的一次统计口径调整。在经济增速放缓的大背景下，“看得见的手”对提升社会总需求发挥着越来越重要的作用，政府债券占新增社融的比例较高，无法忽视。针对口径变化导致的2017年附近数据不可比的问题，我们将分别构建口径变化前后的信贷脉冲指标。 信贷脉冲计算方法总结 我们再总结一下信贷脉冲的计算方法： 1) 分子端：2017年之前，计算新增中长期贷款、外币贷款、信托贷款、委托贷款、非金融企业境内股票融资和企业债券融资之和，再计算总和的12月移动平均；2017年及之后，计算过程再增加政府债券分项。 2) 分母端：首先用工业增加值:当月同比延长工业增加值:定基指数序列，然后使用2005年的工业增加值对工业增加值:定基指数序列进行数量级调整，再以PPI为价格平减指数，将不变价工业增加值序列转换为名义工业增加值序列，最后进行12月移动平均。 3) 分子端序列除以分母端序列，就得到了信贷脉冲序列。因为计算过程使用的代理指标都是延迟1月发布，所以最终构建的信贷脉冲也要延迟1月。 下表总结了信贷脉冲指标计算过程最终使用的代理指标信息： 下图展示了本文构建的信贷脉冲指数及其与彭博-中国信贷脉冲指数的走势对比，能够看到两者走势基本一致，但细节上有所差异。例如：2022年3月，彭博-中国信贷脉冲指数的大幅上行，提示实体经济信贷需求扩张，而华泰金工-信贷脉冲指数不升返降，提示实体经济信贷需求不足。 库存周期：衡量实体经济的产成品供求变化 如果采用原始定义——新增信贷需求（通常用每月新增社融刻画）除以名义GDP构建信贷脉冲指标，存在五个问题，下文我们将依次讨论这些问题的解决对策。 仿照信贷脉冲的做法，我们设计了库存周期的计算方法，核心思想是看库存相对于营收占比的变化（含义上接近存货周转率的倒数，衡量产成品供求关系的相对变化）： 1) 分子端：工业企业:产成品存货指标是一个存量指标。首先，我们通过环比差分计算得产成品存货每月的增量。因为1月没有数据，所以需要将计算得到的2月增量值平分给1月和2月。最后，再计算产成品存货增量的12月移动平均。 2) 分母端：工业企业:营业收入指标自2017年2月开始才有数据，而工业企业:主营业务收入指标自2019年1月起停止更新。对此，我们首先取两者的交集，通过一元线性回归的方法，用工业企业:营业收入指标填充工业企业:主营业务收入指标自2019年1月起的缺失值。由于这是一个累计值指标，我们通过对每年的数据开展环比差分，得到每个月的主营业务收入。因为1月没有数据，所以需要将2月的累计值平分给1月和2月。最后，再计算主营业务收入的12月移动平均。 3) 分子端序列除以分母端序列，就得到了库存周期序列。库存周期的分子端是实体经济产品存量的一阶增量指标，除以主营业务收入相当于再求一次导，因此库存周期是产品产量的二阶增量指标。因为计算过程使用的代理指标都是延迟1月发布，所以最终构建的信贷脉冲也要延迟1月。 下表总结了库存周期指标计算过程最终使用的代理指标信息： 下图展示了本文构建的库存周期指数与工业企业:产成品存货:累计同比的走势对比，能够看到两者走势基本一致，但本研究构建的库存周期指数在细节上更丰富。 信贷脉冲和库存周期的三周期分析 我们进一步使用前期报告《工业社会的秩序》（2021-05-17）识别的基钦周期、朱拉格周期和库兹涅茨周期，分别对信贷脉冲指数和库存周期指数（要求序列完整性，这里使用不含政府债券的版本）开展单因子拟合。结果显示，信贷脉冲和库存周期均受到三周期的显著驱动。使用三周期因子对信贷脉冲和库存周期开展多元线性回归，拟合优度分别为66%和54%。这说明信贷脉冲和库存周期同样是高维经济系统的低维映射。其中，信贷脉冲指数周期峰谷总体上领先于库存周期，两者交错变化，形成了四象限轮盘。 信贷-库存轮盘下的资产轮动规律 为了将信贷脉冲和库存周期指数应用于资产配置，我们需要识别相对稳定的宏观-资产映射关系。我们首先把两个指数划分为上行和下行区间，然后分别统计被动去库存、主动补库存、被动补库存、主动去库存等四种状态下大类资产、行业板块、债券久期的表现。 为了划分两个指数上行/下行周期，使用Bry-Boschan算法(Bry and Boschan, 1971)对宏观指标序列的拐点进行自动化识别。该算法的基本思想是从平滑序列的局部极值逐步推广至原始序列的拐点，算法中涉及的拐点定义、Spencer移动平均、MCD值计算、峰谷交替检测、周期和半周期检测等细节详见参考文献。该算法包括四个步骤： 1) 潜在拐点识别：修正原始序列Y的特异值以初步消除不规则要素，进行12×2项移动平均以初步消除季节要素，得到Y1；识别Y1所有的局部极值点（即±1月范围内的最大值和最小值）作为潜在拐点。 2) 潜在拐点初修：修正原始序列Y的特异值，进行Spencer移动平均，得到Y2；针对Y1的每个潜在拐点，依次以Y2的MCD值（用于衡量曲线的平滑程度，通常取值3至6）为邻域，在Y2中修正潜在拐点位置；并检测峰/谷是否交替出现，删除多余峰谷。 3) 潜在拐点精修：不修正原始序列Y的特异值，仅以Y2的MCD值为项数，进行移动平均，得到Y3；针对Y2的每个极值点，依次以Y3的MCD值为邻域，在Y3中修正潜在拐点位置；并检测峰/谷是否交替出现，删除多余的峰谷。 4) 最终拐点确定：以原始序列Y为对象，针对Y3的每个潜在拐点，依次以Y的MCD值为邻域，在Y中修正潜在拐点位置；然后，检测峰/谷是否交替出现，并检测周期和半周期长度是否满足拐点定义，删除多余的峰谷。 下图展示了使用拐点自动识别算法对信贷脉冲和库存周期指数的拐点识别结果。其中，对于信贷脉冲指数来说，2018年之前使用不含政府债券的版本，2018年及之后使用含政府债券的版本。将两者叠加就得到了被动去库存、主动补库存、被动补库存、主动去库存等四种状态。从2006年至今，4种状态分别出现过55、42、55、38个月，相对比较均衡。 大类资产层面 在大类资产层面，以中证800指数、国债总净价指数、南华工业品指数作为股、债、商的代表。股、债、商在四个象限中的表现统计如下表所示： 1) 主动去库存阶段：实体经济需求不足，缩减产能使得产品供求状况回到低水平的平衡状态，商品没有行情；政府出台宽松政策刺激经济，股市触底回升，债券表现较优。 2) 被动去库存阶段：实体经济需求回暖、产品供不应求，股市基本面改善、商品价格上涨，股票和商品表现占优；实体经济融资扩产带动利率回升，债券表现不佳。 3) 主动补库存阶段：实体经济需求旺盛，加大产能带动商品价格持续上涨，利润分配开始从下游逐步转移至上游，股市呈现结构性行情，商品表现最优；利率持续上行，债券表现依旧不佳。 4) 被动补库存阶段：实体经济需求回落、产品供过于求，股市基本面恶化、商品价格下跌，股票和商品表现较差；实体经济融资不足带动利率下降，债券表现最优。 行业板块层面 在行业板块层面，我们选择中证800一级行业指数作为底层资产。一方面，中证800一级行业指数覆盖的成分股与中证800指数成分股一致，为策略落地提供便利；另一方面，相对于中信风格指数（分类过于粗糙导致宏观-资产映射关系不显著）、中信/申万一级行业指数（分类过于细致，加上行业逻辑变化较快，难以获得稳定的宏观-资产映射关系），中证800一级行业指数包括11个板块——能源、材料、工业、可选、（主要）消费、医药、金融、地产、信息、通信和公用，分类的颗粒度更适合宏观视角。 我们统计了每个象限中，各行业相对于行业等权组合的超额收益： 1) 主动去库存阶段：经济复苏前期，政府出台宽松政策刺激经济，金融和地产板块不会缺席。不过，投资者对经济复苏前景尚未达成共识，投资者风险偏好依然较低，与经济增长相关性较低的医药以及防御属性较强的（主要）消费和公用板块表现较优。 2) 被动去库存阶段：经济开始景气，投资者风险偏好上升，宽松政策开始退出，成长接棒金融，信息、医药、可选、通信等成长风格的行业板块表现较优。 3) 主动补库存阶段：经济开始过热，通胀水平提升导致利润分配开始从下游逐步转移至上游。除（主要）消费和医药板块的需求不太容易受到涨价影响外，材料、能源等周期板块表现较优。政府开始收紧宽松政策，成长风格板块和金融地产板块承压。 4) 被动补库存阶段：经济出现滞胀，政策进一步收紧，投资者风险偏好降低，防御属性较强的公用和（主要）消费板块表现较优，偏周期风格的材料和工业板块次优。 根据上述讨论，如果以主动去库存为一轮经济周期的起点的话，那么行业板块的轮动主线将呈现如下规律：金融→成长→周期→稳定。其中，我们把（主要）消费板块视为稳定风格，把可选板块视为成长风格。金融先行体现了中国经济周期由信用驱动的特点。 债券久期层面 在债券久期层面，我们选择1-3年期国债总净价指数和7-10年期国债总净价指数作为短久期和长久期的代表。短久期和长久期在四个象限中的表现统计如下图所示。不难发现，债券久期的轮动规律与股债轮动的规律基本一致——被动补库存和主动去库存阶段是债券表现较好的时期，对应实体经济需求不足、利率水平下降的时期，根据现金流贴现模型，长久期债比短久期债弹性更大；被动去库存和主动补库存阶段是债券表现较差的时候，对应实体经济需求旺盛、利率水平上升的时期，根据现金流贴现模型，长久期债比短久期债承压更大。其中，在被动补库存阶段，长久期债优于短久期债的幅度最大；在被动去库存阶段，短久期债优于长久期债的幅度最大。 资产轮动规律总结 综上所述，信贷脉冲-库存周期中的资产轮动规律可用下图进行总结： 实证：双层次融合的资产配置策略 在开展实证之前，还需要解决信贷脉冲-库存周期观点的预测问题。我们通过动量方法——比较当期因子值与过去三期因子值的均值，来给出观点。2022年4月的观点为“被动补库存”，反映出新冠疫情冲击下实体经济需求不足的现状。 有了周期观点之后，我们设计了如下图所示的双层次资产配置策略框架： 1) 第一层：大类资产配置——首先，根据投资者的风险偏好，给予股、债、商基准风险预算比例；然后，根据信贷脉冲-库存周期最新观点和资产周期轮动规律，将利好资产的风险预算比例乘以2，将利空资产的风险预算比例乘以0.5；最后，通过求解风险预算模型，得到股、债、商的配置权重。 2) 第二层：行业板块轮动和债券久期轮动——首先，根据投资者的风险偏好，给予细分资产固定的配置比例作为基准；然后，根据信贷脉冲-库存周期最新观点和资产周期轮动规律，增加利好资产的配置比例，降低利空资产的配置比例；最后，通过将第一层得到的股票配置权重乘以行业板块配置比例，就得到各行业板块的配置权重，将第一层得到的债券配置权重乘以债券久期配置比例，就得到各债券久期的配置权重。商品的配置权重不再细分。 大类资产配置策略 股票资产选择中证800一级行业指数的等权组合，债券资产选择1-3年期国债总财富指数和7-10年期国债总财富指数按45%和55%比例（国债总财富指数成分中，长久期债的比例略高于短久期债的比例）配置的组合，商品资产选择南华工业品指数。股票和债券之所以使用细分资产的组合，而非中证800指数和国债总财富指数自身，是考虑到策略最终要落地到细分资产上，直接使用细分资产的组合使得两层策略逻辑更一致。 仿照前期报告《宏观因子指数回顾、改进与应用》（2022-02-12）的做法，基于股权风险溢价（ERP）指标给予股、债、商动态调整的基准风险预算比例。ERP等于中证800指数算术平均市盈率的倒数减去10年期国债到期收益率，我们使用ERP的滚动850日分位数确定股、债、商的基准风险预算比例，如下图所示： 回测区间为2010-12-31至2022-04-30，月末给出调仓信号，次月第一个交易日以收盘价调仓；组合波动率上限控制在5%，如果组合波动率超过5%，则通过配置货币基金，等比例降低股、债、商仓位；暂不考虑手续费。回测结果显示，策略月换手率8.90%，年化收益5.86%，夏普比率1.85，最大回撤-3.90%，卡玛比率1.50，月度胜率72.06%；年化收益和卡玛比率较ERP增强的基准组合有显著提升。 需要注意的是，外生冲击可能扰乱经济周期轮动节奏，导致在偏短期的时间尺度里，信贷脉冲-库存周期轮盘的状态并非一定沿着四象限轮动。但这恰恰从侧面说明轮盘能够较为灵敏地捕捉经济基本面变化，从而做出更合理的股、债、商配置。例如，2021年12月，随着稳增长、宽货币政策密集出台，实体经济需求逐步好转，体现在信贷脉冲指数的触底回升（如图表12），策略判断轮盘离开了利空股票的被动补库存阶段，开始加仓股票；然而春节后地缘冲突加剧了全球通胀，叠加接踵而至的上海新冠疫情，对刚刚恢复的实体经济需求产生冲击，轮盘状态重回被动补库存状态，对应策略从今年3月起减仓股票。 行业板块轮动策略 在行业板块层面，我们根据上一部分梳理得到的板块轮动规律，采用以下配置策略： 1) 主动去库存阶段：消费、医药、金融、地产板块等权配置； 2) 被动去库存阶段：信息、医药、可选、通信板块等权配置； 3) 主动补库存阶段：消费、医药、材料、能源板块等权配置； 4) 被动补库存阶段：公用、消费、材料、工业板块等权配置。 回测区间为2010-12-31至2022-04-30，月末给出调仓信号，次月第一个交易日以收盘价调仓；不进行波动率控制；暂不考虑手续费。回测结果显示，策略月换手率25.09%（平均1个月更换1个板块），年化收益8.18%，夏普比率0.35，最大回撤-45.36%；年化收益、夏普比率、最大回撤均优于板块等权组合；月度超额胜率58.09%，说明宏观视角开展行业板块轮动，具有重赔率、轻胜率的特点。 债券久期轮动策略 在债券久期层面，我们根据上一部分梳理得到的久期轮动规律，采用以下配置策略： 1) 主动去库存阶段：较为推荐长久期债，长久期债配置70%，短久期债配置30%； 2) 被动去库存阶段：较为推荐短久期债，长久期债配置40%，短久期债配置60%； 3) 主动补库存阶段：强烈推荐短久期债，长久期债配置25%，短久期债配置75%； 4) 被动补库存阶段：强烈推荐长久期债，长久期债配置85%，短久期债配置15%。 大类资产配置结合板块轮动和久期轮动 最后，我们把大类资产配置策略中的股票仓位分配给行业板块轮动策略、债券仓位分配给债券久期轮动策略。回测区间为2010-12-31至2022-04-30，月末给出调仓信号，次月第一个交易日以收盘价调仓。 回测结果显示，策略月换手率16.70%。如果不考虑手续费，年化收益6.75%，夏普比率1.99，最大回撤-4.35%，卡玛比率1.55，月度胜率77.21%；如果设手续费双边千三，年化收益6.07%，夏普比率1.80，最大回撤-4.36%，卡玛比率1.39，月度胜率75.00%。年化收益、夏普比率、卡玛比率、月度胜率较ERP增强的基准组合有显著提升，净值比在今年3月创新高；在考虑手续费的情况下，年化超额收益为1.47%。 参考文献 Biggs M., Thomas M., Pick A. Credit and Economic Recovery: Demystifying Phoenix Miracles. DOI:10.2139/ssrn.1595980, 2010. Bry G, Boschan C. Cyclical analysis of time series: Selected procedures and computer programs. NBER Technical Paper, 1971. 风险提示 1. 信贷脉冲-库存周期轮盘根据历史规律总结，历史规律可能失效。 2. 经济周期-资产映射关系基于资产的长期表现统计，与短期走势或有出入。 3. 报告中涉及到的具体资产不代表任何投资意见，请投资者谨慎、理性地看待。 -----End-----
大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）
郑重声明：悟空智库网发布此信息的目的在于传播更多信息，与本站立场无关，不构成任何投资建议。
