走出迷雾:不确定性视角下的2023量化配置展望——数说资产配置研究系列之十

（以下内容从申万宏源《走出迷雾:不确定性视角下的2023量化配置展望——数说资产配置研究系列之十》研报附件原文摘录）
　　1. 2022年海内外不确定性影响市场表现 回顾2022年，从俄乌冲突到美国的高通胀、加息，再到国内疫情的反复，各类事件的变化使得全球主要经济体的政策也出现了不同程度的波动，而在政策的波动下，市场预期的波动进一步增加了资本市场本身的波动。截至2022年12月16日，全球主要指数的表现、波动率情况如下： 主要权益指数的波动率水平整体较2021年有了较明显的提升，而中国、美国指数出现较大幅度的回撤。而全球债券市场同样面临很高的波动水平，欧美地区利率快速上行，日本利率近期也开始上升，波动水平明显提升： 而近阶段，美国通胀、美联储加息预期有所缓和、中国疫情防控措施优化，2022年影响市场的核心不确定性因素似乎正在消散。那么从定量视角来看，哪些角度可以衡量不确定性？在不确定性提升或降低时市场存在哪些特点？不同情况下投资又该如何应对？本报告中我们希望从多个数量化维度进行讨论。 2. 如何衡量不确定性？ 2.1 宏观政策不确定性指数EPU 提到不确定性，全球相关研究中最常用的指标即为宏观政策不确定性（Economic Policy Uncertainty）指数，该指数由斯坦福大学和芝加哥大学的Scott R.Baker、Nicholas Bloom和Steven J.Davis三位学者率先开始编制，后续多位学者在此方法论的基础上使用不同的数据来源针对多个国家、地区分别构建。目前针对中国宏观政策不确定性的指数包含2条，一条根据香港的《南华早报》提取相关的关键词进行频率分析构建，另一条则基于人民日报和光明日报。 以根据《南华早报》构建的EPU指数为例，构建时首先提取包含“中国”、“经济”、“不确定性”的文章，并进一步统计包含“政策”、“利率”、“央行”等词汇的文章，每个月将这些进一步筛选出的表达政策不确定性的文章总数除以当月报纸的总文章数，并标准化后得到每月的不确定性指数。 2条宏观政策不确定指数的走势如下： 两条指数的相关性为0.87，在多数情况下2条指数的走势也较为接近。但我们也发现，今年以来基于香港《南华早报》计算的不确定性指数有明显上升，但基于人民日报、光明日报的指数相对平稳，说明境内外媒体机构传递的信息有一定差异。此外，由于指数在计算时都采用了固定窗口进行标准化，近两年指数都有明显趋势上升的迹象，数值上较历史平均有明显抬升。 我们分别计算2个指标滚动5年标准化后的数据，当高于1倍标准差时，我们用柱状图标记为不确定性较强的阶段，结果如下： 根据上图，2008、2018~2020年，2个指数都体现出较强的宏观政策不确定性，2008年不确定性的提升主要来自全球金融危机影响，而2018-2019年的不确定性主要来自于中美贸易摩擦过程中政策的不断变化，而2020年疫情开始后不确定性指数也有较明显的抬升。2022年以来，疫情影响下我国经济数据也呈现一定的波动，基于《南华早报》的宏观政策不确定性指数也给出了强不确定性的信号。 基于美国的宏观政策不确定性指数构建的维度更丰富，除了基于10家报纸进行自然语言处理得到的部分，还包括了税码有效期、CPI预期分歧度、政府采购商品和服务的预期分歧度；全球的宏观政策不确定性指数则由21个国家和地区的指数合成。美国和全球宏观政策不确定性指数以及我们经滚动标准化处理的不确定性阶段情况如下： 美国、全球的数据趋势与我国的较接近，但2022年以来的不确定性情况明显低于2021年，美国标准化后的EPU指数近期都在0.3个标准差以内，今年未提示明显的高不确定信号，与市场所体现的波动增加的情况有一定差异。 从EPU指数的构建逻辑来看，其反映的不确定性往往与事件有较大的关联，如中美贸易摩擦、美联储进入加息周期前EPU指数都有明显的提升；指数与选用的数据源也有较大的关系，报纸面向的群体不同时结论也可能有所差异。总体来看，EPU指数能一定程度反映宏观波动较大的阶段，但对市场预期波动或分歧较大的情况如今年美国通胀的走向、我国经济数据的趋势等信息反映不足。 2.2 Factor Mimicking代理组合方向变化快 除了直接通过自然语言处理方法得到的EPU指数，我们从二级市场的宏观预期中可能能观察到我们上面所说的预期不确定性的变化。此前我们曾通过Factor Mimicking的方法构建了基于申万一级行业指数的宏观代理组合，通过行业多空组合的表现来表征市场对宏观变量预期的变化，具体的步骤可概括为： 1）通过各行业累计12个月的收益率对经济、流动性、通胀因子多元线性回归，计算各行业在各宏观变量上的因子暴露； 2）通过优化分别求解在每个宏观因子上暴露为1、在其他因子上暴露为0的组合，我们称为代理组合； 3）代理组合累计12个月收益的变化情况可以表征市场对宏观变量判断的方向变化，代理组合日度收益的波动情况可以表达市场对变量的关注程度。 我们计算近两年经济（挂钩OECD领先指标）、长期流动性（挂钩10年期国债利率）的代理组合所映射的经济、流动性的变化情况如下： 以上两个组合在2021年反映了经济复苏、流动性先转紧后平稳的定价，但2022年对经济的定价震荡下行，对流动性的定价较为平稳。 我们进一步计算上图中代理组合映射的每月的变量方向的变化以及变化的幅度如下（单位分别对应OECD领先指标和10年期国债收益率%）： 可以看到，2022年经济代理组合映射的经济方向变化较多，这与我们此前提到的外资对我国经济观点上的分歧也较大相似，而近期变化幅度也有了较大的提升；而流动性组合今年整体平稳，但方向变动也较大。 同样的，我们使用计算表3的方法进一步计算2010年开始每一个月经济、长期流动性组合映射的指标方向变动情况，并根据滚动过去12个月的变化特征衡量分歧程度，我们使用香农熵来定义市场预期的不确定性： 2个指标的结果如下： 从经济预期的方向变化来看，2017、2019年及近期的熵值有持续偏高的状态，而流动性预期变化上2014、2017年有连续的偏高阶段。 因此，通过代理组合的变化特征，我们一定程度上可以观察到市场对宏观环境不确定性的观点，近阶段市场对经济、流动性的不确定性程度都在偏高的位置。 展望2023年，我国疫情政策放松之后，市场对经济复苏的关注度将进一步提升，需求端尤其是消费端的复苏情况关注度较高。从全年来看，走出疫情是走出不确定性的重要基础，近期物流、航班数据都有了较明显的好转，从2021年4月统计国内执行航班数以来，我们看到该数据与我国PMI呈现了很强的同步性： 不过，在全面恢复前，感染数量的上升可能也会对生产和需求端造成影响，目前从分城市的物流、市内交通数据来看，感染迅速上升阶段经济活动将有所减弱，因此预计明年一季度宏观环境的不确定性仍将维持；此外，从海外的情况来看，疫情波动对供给端的影响可能加大通胀的压力，后续我们也将持续跟踪经济高频指标以及Factor Mimicking代理组合提示的不确定性信息。 2.3 Regime Switching观点出现模糊 除了挂钩宏观变量的组合，从市场收益本身的结构特征上我们也能尝试找到不确定性的表达。在《机制转换视角下的资产配置：机器学习能否协助决策？》中，我们尝试使用隐马尔科夫模型对单资产、多资产的状态转换情况进行识别，下面我们尝试计算分属于不同状态的概率后继续使用香农熵的概念来表达不确定程度： 由于1）计算得到的日频指标波动较大，我们进行20日均线平滑处理，得到的熵值变化如下： 从沪深300单资产的结果来看，其熵值的波动十分明显，且明显在2020年之后熵值的波动有所增加，权益市场不确定性的波动开始增加、状态切换更加频繁。若我们单独看2020年以来的情况，熵值明显增加的阶段包括2020年3月、2020年7月、2021年3月、2021年8月以及2022年4月以来。今年4月的熵值增加速度明显更快，且相比于之前，熵值处于高位的持续时间较长，7-8月曾出现小幅回落，近期又有所升高。此外我们发现，近两年上述沪深300 Regime Switching得到的熵值和前面我们展示的航班、PMI情况呈现出极强的相似性，熵值大幅上升、下降的阶段与航班数量大幅下降、上升的时间点高度吻合，说明过去2年中市场体现的不确定性能够较好地反映疫情带来的经济预期不确定性： 随着疫情管控措施的调整，航班数量对经济活动的表征意义将减弱，市场对经济的关注可能将转向其他角度，但上述沪深300状态转移隐含的熵值给了我们替代性的观察视角，在经济活动表征指标变化时辅助我们对不确定性做出判断。 而根据多资产状态转移计算的熵值情况如下： 从图上来看，多资产状态转移的熵值波动较大，与沪深300单资产的结果存在一定差异，说明单资产和多资产中投资中隐含的不确定性表达有所不同。近三年中21年中、22年初的不确定性相对偏低，近期有持续抬升的迹象。 整体来看，资产的状态转移也能够对市场表达的不确定性进行补充，当资产收益的结构特征变化较快或者分类的稳定性较弱时，投资行为中包含的不确定性预期可能较强。 3. 不确定性不同时市场的表现特征 上面部分中，我们介绍了可以用来衡量不确定性的指标，下面我们首先尝试将几个维度进行合成，指标的具体情况和权重设定如下： 合成后的指标走势如下： 指标单月的波动相对较大，但通过数值也能对不确定性偏高的阶段进行刻画，而从平滑后的均线上也能够看到不确定性趋势的变化。 根据以上不确定指标的刻画，我们选择2014年、2015年10月到2016年5月、2019年7月到2020年8月三段不确定性持续较高的时间，来观察高不确定性阶段的资产、行业、因子的表现特征，并与其余时间段的情况进行对比。 3.1 大类资产：不确定性高时黄金表现最佳，权益多从震荡转向上涨 首先，我们观察几个不确定性较高的阶段股债资产的表现： 从图上我们看到，三个阶段的股债表现特征呈现出一定相似之处：初期股票表现多呈现震荡特征，债券上涨较明显，而后期股票开始出现趋势性上涨，债券表现回落。 我们进一步计算各阶段大类资产的年化收益，并与2014~2020年其他不确定性较低阶段整体的年化收益进行比较： 2014年、2019~2020的两个阶段权益在后期的上涨都较为明显，2016年不确定性阶段之后也出现了权益的持续上涨；不确定性较高的阶段利率债表现明显强于不确定性低的时段，在阶段进入末期后表现会有所回落。股债的这一特征也体现了市场风险偏好与不确定性的关系：当不确定性开始持续升高时市场风险偏好有所降低，债券表现出色，而不确定性持续一段时间、进入末期后市场风险偏好开始大幅提升。 此外，从上述表现中我们也能看到资产表现与不同不确定性维度的关系：2014年宏观政策不确定性指标（EPU）提示的不确定性较低，宏观代理组合及资产价格端隐含的不确定性较高，此时黄金表现不突出，权益从震荡走向大幅上涨；后面2个阶段在各个维度都提示不确定性偏高，此时黄金的表现明显较好。 3.2 行业配置：高不确定性时轮动快，后续主线逐渐清晰 在不确定性持续的阶段，我们看到权益在初期较长的时间段都呈现出震荡的表现，而从过去半年的直观感受来看，震荡中的行业表现也呈现出轮动较快的特点，下面我们尝试观察过去是否也存在这一现象。 我们尝试对行业切换的速度进行定义，针对31个申万一级行业，我们每日计算其日度收益率并从高到低进行排序，然后计算如下指标： 我们计算以上各指标在3个高不确定性阶段的均值，并计算各阶段的值与低不确定性阶段的值在“均值相同”这一假设下的p值： 从以上结果来看，除了2015年末到2016年上半年的第二阶段指标的显著性稍弱，另外2个阶段在3个指标上都体现了较强的显著性，各高不确定阶段指标在均值上也几乎都体现了行业排序波动明显更大、排序相关性更低、靠前行业一致性更弱的特点，说明不确定性较强的时期行业轮动倾向于更快。 我们具体观察2014、2019~2020年不确定较高的阶段行业排序波动、靠前行业一致性2个指标的变化特点如下： 两个阶段的行业排序波动都处于较高的水平，而靠前行业的一致性在不确定性初期处于明显较低的水平，后续逐渐有所提升，说明随着不确定性持续，行业表现逐渐从快速轮动走向主线逐步清晰。 我们进一步观察上述两个时段部分单个行业的月度表现排名： 2014年高不确定性持续的阶段行业的月度排名呈现出较明显的从轮动快走向主线清晰的特征：TMT多次出现排名领先与垫底的交替，地产产业链在3月表现较好而后续并未延续，消费、金融也出现了类似的情况；而到后期，银行地产开始持续领先，其余行业表现排名也趋向稳定，金融地产+周期的主线行情开始出现。 2019~2020年的情况也类似，不确定性刚开始提升时排名靠前的行业在新能源、周期、TMT、地产产业链间切换，后续逐渐向金融地产、电子稳定。 总结来看，在不确定性较高的环境下行业往往表现出相比于低不确定性时更快的轮动速度，随着时间推移、市场将从不确定性走出，行业主线逐渐清晰。 3.3 因子配置：高不确定性时红利、动量、低波表现更好 不确定性较高时，权益市场震荡行情多、行业轮动快，而这些现象同样也能够反映到选股因子的表现上。我们观察各高不确定性阶段和不确定性较低的阶段各申万风格因子的IC和多空收益情况（因子定义详见附录）： 从上表中，我们看到在高不确定性的环境下，部分因子如小市值、高分红、高动量、低波动率整体相比于低不确定性阶段有更高的平均IC和收益，而低估值在低不确定性阶段胜率更高，其余因子在低不确定性阶段胜率相对一般。我们进一步观察2014-2015年上半年、2019-2020年部分因子的累计IC情况： 从因子视角来看，2014年不确定性较高的阶段，市值、动量、低波、红利因子的IC都较稳定，方向较为明确，而在逐渐走出不确定性时因子出现一定波动；估值及财务类因子在整体呈波动状态，在不确定性提升初期稳定性不高，都后续稳定性提升。整体来看，在这一不确定性较高的阶段，因子收益整体与长期IC方向一致、稳定性较高，价量相关的因子及偏防御的高分红因子稳定性更强，提示该阶段在因子策略上保持稳定、略倾斜红利和价量可能是较好的选择；而逐渐走出不确定性后，常规风格因子IC波动增加、胜率有所下降，该阶段可能需要与更多基本面信息、另类信息结合。 从上面两个时间段我们同样可以看到，低估值在低不确定性阶段表现相对较好，而其余基本面因子在不确定性较高时相对稳定、不确定性较低时胜率不高。 总体来看，不确定性较高时权益市场震荡多、行业轮动快，此时价量相关的因子如动量及防御类因子表现偏强，其他因子多数表现较为稳定；而不确定性降低后低估值表现较强、分析师预期因子较稳定，其他因子多数波动增加、有效性降低。 4. 从不确定走向确定时的投资启示 4.1 大类资产：黄金具备性价比，股强债弱可能性大 从当前时点来看，我们面临的不确定性从2022年3-4月开始出现持续的偏高，EPU、代理组合、资产价格端提示的不确定性都偏高，前期资产表现上也出现了权益震荡明显、利率债上涨的情况。站在2023年初，虽然短期内疫情仍会对供给带来一定的影响，需求和信心的恢复也仍需要一定时间，但整体来看，我们走出疫情、走出不确定性的希望正在提升，我们已经站在不确定性的末期。 在过去半年多的不确定性环境中，我们已经见到了权益资产的宽幅震荡以及利率债的上涨行情，根据前面不同不确定性环境下的资产表现特征，在不确定性走向尾声时风险偏好往往有所提升，权益有望迎来上涨行情，而债券资产的压力相对较大。而黄金在不确定性仍存在的当前阶段仍然有机会，这也与海外宏观不确定性仍然偏高、衰退预期提升有关；另外，从我们此前对黄金供需的分析来看，近阶段金饰消费、实物金投资的需求都有所提升，在持续回调后黄金的性价比较高。 4.2 行业配置：从均衡走向主线行情 在不确定较高时，行业轮动往往较快、主线不清晰，无论是日度还是月度收益上都易出现热点快速切换的现象，此时整体均衡配置、略偏右侧的交易策略也更易获得出色的收益；而当我们逐渐从不确定性走出时，市场的主线特征将逐渐清晰。 截至到11月，2022年以来我们的行业表现持续处于轮动较快的状态，多数行业持续表现靠前的时间仅在1个月左右，这也反过来提示我们目前仍处在不确定性中： 目前政策不确定性、市场对宏观环境预期的不确定性及交易行为的不确定性仍在持续，疫情管控措施调整后物流、主要城市地铁客运数据都有所下滑： 预计走出不确定性还需要1~2个季度，但在走向不确定性尾声时，后续行业主线有望逐步清晰，目前可关注支持“宽信用”方向的地产链及后续的消费复苏。 4.3 因子配置：从保守走向多元化 从不确定性持续阶段的因子表现来看，我们发现不确定性较高时价量相关的因子如动量以及防御类因子表现偏强，其他因子多数表现较为稳定，此时选择相对保守、稳健的因子策略并适当向价量倾斜可能效果更好；而不确定性降低后，低估值表现较强、分析师预期因子较稳定，其他因子多数波动增加、有效性降低。因此，站在2023年初，短期内不确定性仍将延续，建议在因子配置上继续偏稳健，后续随着信用环境转好、经济回升，风格可能偏向价值，而此时市场主线将逐渐清晰，其他传统因子的胜率将有所下降，也需要更多的基本面、另类信息进行多元化补充。 5.风险提示及声明 本报告的研究分析均基于历史数据，资产配置模型根据历史数据构建，历史表现不代表未来；疫情超预期发展、政策大幅波动等情况下模型可能失效。 6. 附录：因子定义

点此查看微信公众号原文全部内容>>

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）