【国君金工-学界纵横系列】选股组合如何对冲宏观风险
（以下内容从国泰君安《【国君金工-学界纵横系列】选股组合如何对冲宏观风险》研报附件原文摘录）
点击上方“辰奥临君” ，关注我们 陈奥林 从业证书编号 S0880516100001 杨能 从业证书编号 S0880519080008 导读 基于特殊二阶段回归模型，可以有效捕捉宏观经济风险，获取新的增量信息，从而帮助投资者获取更高的边际回报。 摘要 回顾A股风格切换的重要节点，投资风格和风险偏好的转变通常与宏观经济环境密不可分。目前国内经济受国际疫情恢复不确定性，导致宏观不确定性上升，宏观经济风险对投资组合影响正不断加大。 传统风险模型分析投资组合的风险来源由基本面因子和特质风险解释，忽略了宏观经济波动对投资组合的影响。 《Quantifying Macroeconomic Risk》一文发现通过有效捕捉宏观经济风险，可以为市场环境定位、风险来源、绩效归因和投资组合表现作出增量信息贡献。 关键模型是在传统风险模型基础上，通过引入捕捉宏观风险效应机制，从而构建的宏观风险模型。作者选取合适的宏观因子，并进行了宏观风险模型有效性验证。实证结果表明宏观因子对基本面因子具有一定的解释力度，能够有效替代部分传统风险模型中的基本面因子。 该宏观风险模型能够在多个方面进行应用，以达到为投资者提供宏观层面增量信息的目的。具体包括：分析投资组合在各个宏观因子上的暴露度，从而对市场环境进行准确定位；对投资组合进行风险来源分解，判断实际风险来源以及是否得到合理回报；对投资组合进行绩效归因，了解策略收益的真实驱动力；利用对冲宏观经济风险来提升策略表现，有效缩小策略最大回撤。 通过为投资组合设定宏观风险暴露上限，发现相比较于没有限制的策略对应表现，该策略年化收益提升23%，最大回撤下降超过50%。 01 文章背景及结论 选题背景 回顾A股风格切换的重要节点，投资风格与风险偏好的转变通常与宏观经济环境密不可分。2011年年初，利率上行、期限利差收窄，经济复苏过程中利率中枢上移，市场风格由成长向价值切换；2013年经济复苏，中小企业盈利预期乐观 ，市场风格由大盘向小盘切换；2018年10月流动性进入宽松周期，十年期国债利率维持低位，市场风格由价值向成长切换。目前国内经济受国际疫情恢复不确定性，导致宏观不确定性在逐渐上升，宏观经济风险对投资组合影响正不断加大。 对于量化投资者而言，如何量化宏观经济信息，并将其纳入组合构建是量化研究的难点之一，本篇报告推荐的学术文章提供了一种新的量化宏观信息的思路。 核心结论 文章的结论主要分为两个部分，包括模型的有效性检验相关结论以及宏观风险模型应用相关结论。 一方面，文章检验了新构建的二阶段模型的有效性，即宏观因子是否能够有效解释基本面因子。通过检验回归调整R方，发现单个基本面因子的部分收益可以由宏观因子合理解释；通过判断投影回归系数符号的经济有效性和数值稳定性，发现宏观因子对基本面因子的解释满足统计显著和经济显著性质；通过单因子投资组合风险拆解，发现该投资组合大约三分之一的风险都来自于宏观因子波动。 另一方面，文章指出了宏观经济风险模型对投资决策增量信息贡献的增益作用，具体表现在四个方面。通过分析投资组合在各个宏观因子上的暴露度，发现在2009、2012、2016三个时间点体现出了极端宏观风险暴露值，这与历史实际情况一致；通过对投资组合进行风险来源分解，发现宏观因子风险分散在传统风险模型中的各个基本面因子风险贡献中，真正的风险来源没有在传统风险模型中被捕获；通过对投资组合进行绩效归因，发现投资组合在2016年期间表现较差的原因归因于宏观经济因素而非像风险模型描述的归因于风格因子；通过为投资组合设定宏观风险暴露上限，发现相比较于没有限制的策略对应表现，该策略年化收益提升23%，最大回撤下降超过50%。 文章背景 投资组合的风险来源真的如传统因子模型所分析的那样，可以由风格、行业、公司因子和特质风险全部解释吗，宏观波动在这过程中又扮演什么角色？Qontigo和State Street Global Advisors合作的论文《Quantifying Macroeconomic Risk》主要围绕上述问题进去展开分析。 传统风险模型具有清晰的经济含义，并被反复验证能够捕捉与标的资产相关的大部分系统性风险。但在全球经济复苏大背景下，人们预期乐观，风险偏好上升，导致个股与宏观层面因素相关性上升，关注传统风险模型中所缺失的对宏观风险的考虑显得尤为重要。 以往的文献通过两种解决方法来加入对宏观因子的考虑。第一种方法是在构建传统风险模型的同时，对宏观因子单独构建一个类似的时间序列模型；第二种方法是将宏观因子与原有的基本面因子同时作为风险模型的自变量输入，得到一个整体的时间序列模型。这两种方法的缺点在于基本面因子和宏观因子之间存在（高度）相关性。 《Quantifying Macroeconomic Risk》提供一种新的解决思路，能够有效解决相关性这一问题。文章建立在 “量化宏观风险”的思想基础上，具体做法是通过使用基本面因子在宏观因子层面的投影替代原有的基本面因子，从而完成一个二阶段的回归模型以构建新的宏观风险模型，有效捕捉宏观经济风险。这个框架首次在2016年Axioma的年度投资者大会上被展示，后被State Street Global Advisors改进使用。 通过模拟动量策略投资组合并分析风险及收益表现，发现新的宏观风险模型下，投资组合收益和风险来源并不完全来自于传统模型中风格因子等基本面因子，而是来自于市场动态变化所产生的的宏观波动。这一结论说明通过宏观风险模型对投资组合进行有效分析后，可以获取新的增量信息，从而帮助基金经理获取更高的边际回报。 02 核心模型 核心模型 基础模型 文章首先给出单个国家的多因子模型如下， 其中 r 代表标的资产收益率， X 为基本面因子暴露度向量， f 为基本面因子收益向量， ε 为特质风险回报。文章使用的多因子模型为AXWW4模型，其中根据因子性质，包括了风格因子、行业因子和公司因子三类基本面因子。 由多因子模型可以推导得到传统风险模型。具体地，对多因子模型等式两边同时求方差，并假设cov(f,ε) = 0，可得 其中 Σ_ff 代表基本面因子收益方差协方差矩阵， Σ_εε 代表特质风险方差。 接下来，根据之前的思路，文章将引入捕捉宏观风险效应机制。假设基本面因子收益是宏观因子收益的线性组合，即 其中g为宏观因子收益，δ为残差基本面因子收益。 将公式3带入多因子模型，可得宏观因子模型，即 以及新的风险模型如下 假设cov(g,δ) = 0，我们得到简化的宏观风险模型，即 对比传统风险模型和简化后的宏观风险模型，可以发现两者衡量的风险大小相同，不同的是宏观风险模型优先使用宏观因子来解释组合风险，强调了宏观因子模型是多因子模型的线性变换。 宏观因子选取 宏观因子的选取主要考虑到三个方面的因素： a.选取的宏观因子要与标的资产和投资策略相关，例如不同的国家具有不同的宏观特征，选取的宏观因子也应该随之变化 b.选取的宏观因子可交易且可获取数据频率高于每周，这一考虑排除了包括GDP在内的一系列低频或不可交易的宏观因子的使用 c.选取的宏观因子之间不存在多重共线性，这保证了基本面因子在宏观因子层面上投影的有效性 在考虑以上三个方面后，文章挑选了五个关键宏观因子来构建最终的宏观风险模型，包括利率变化（分为平移和斜率两种变化）、高息信用利差、能源价格和贵金属价格，具体信息如下表： 以上的宏观因子捕捉传统宏观经济效应，包括增长、通胀预期以及政策影响。 模型有效性检验 投影回归调整R方 IVD：受益需求扩容+产业升级+进口替代，IVD行业高景气持续，未来3-5年有望保持15%左右稳健增长。行业分化加大，化学发光（迈瑞、安图、迈克）、分子诊断（艾德、凯普）、POCT（万孚）最具潜力；随前期培育实验室逐步扭亏，第三方检验龙头（金域、迪安）步入收获期。 医疗器械：国产替代成熟的高值耗材（如心脏支架）受带量采购影响短期承压，如乐普、蓝帆；产品生命周期处于初期的耗材（如大动脉支架-心脉、角膜塑形镜-欧普、口腔修复膜-正海、血液灌流器-健帆、内镜下耗材-南微、骨科关节-春立、爱康）由于产品渗透率低，国产化率低，受集采降价影响较小，行业景气度高，相关个股仍维持较高速增长；医疗设备（彩超-迈瑞、内窥镜-开立）不受集采降价影响，且分级诊疗提升需求，行业景气度高。 从图1中可以看到总量、市场相关的基本面因子调整R方更高，比如全球市场因子、市场敏感度因子等，而公司特质相关的基本面因子调整R方相对较低，比如价值因子、杠杆率因子等。但总的来说，回归结果中调整R方说明了宏观因子可以合理解释部分的基本面因子收益。 投影回归系数 替代的经济含义也需要进行相应的检验，需要确保回归系数自身具有比较直观的经济含义并保持相对稳定。文章以市场敏感度因子为例，进行投影回归模型的实证检验，各个宏观因子回归系数如图2所展示： 从图2中可以看到市场敏感度因子在信用利差因子上有负敞口，而在利率因子上有正敞口，我们可以从经济角度来解释这一结果。当信用利差较大时，市场投资者往往处于风险规避状态，低BETA股票收益率更高，从而体现出来市场敏感度因子和信用利差因子的负相关关系。另一方面，当利率向上时，投资者需要更高的风险溢酬，高BETA股票更加受益，从而体现出来市场敏感度因子和利率因子的正相关关系。 单因子投资组合风险拆解 为了控制其他基本面因子对研究的特定单个基本面因子的干扰，文章通过对单个基本面因子构建对应因子模拟投资组合（FMP），使用宏观风险模型对FMP事前波动率进行拆解以检验对应基本面因子和宏观因子之间的关系。FMP投资组合构建确保对应的单个基本面因子上的风险暴露为1且在其他基本面因子上的风险暴露为0。以敏感度因子为例，对应FMP风险拆解结果如图3所展示： 从图3中可以看到在后半段的样本期内，FMP三分之一的风险来自于宏观因子，尤其是信用利差因子。 其他风格基本面因子的FMP风险拆解如表2所示： 从表2中可以看出市场敏感度因子和波动因子对应的FMP风险来源中，宏观因子占比相对更大。这一实证结果进一步验证了宏观因子可以对基本面因子进行部分解释。 03 模型的应用 中证医疗指数选取与医疗器械、医疗服务等与医疗行业相关代表性公司股票作为指数样本股，以反映沪深两市医疗主题股票的整体走势。 动量策略表现和FTSE表现对比见图4： 从图4中可以看到大部分情况下主动策略表现优于被动指数表现。 宏观因子层面暴露度分析 相比较于FMP，模拟的动量策略会受到多个基本面因子影响，风险来源更加广泛并具有现实意义。通过二阶段宏观因子模型回归，获取并对比动量策略和FTSE对应的各个宏观因子暴露值，得到图5： 从图5中可以发现在2009年、2012年和2016年三个时间点都出现了极端风险暴露值，这是多因子模型没有捕捉到的。这些极端的风险暴露值集中于利率平移因子和信用利差两个因子上。 文章猜测动量策略和FTSE风险暴露值的差异来源于市场动态变化。从历史上来看，2016年中期，投资者出于对经济增长的担忧，怀疑美联储提高利率可信度，导致美国十年期利率触碰历史低点，这一现象导致投资组合对利率变化更加敏感。考虑到这种暴露值差异也可能是由于动量策略在对应的时间点对不同板块的配置上存在一定倾向导致，文章检验了动量策略在周期型板块和防御型板块上仓位变化，发现在三个极端风险暴露值时间点对应的板块配置并无明显规律，从而否定了这一可能性。 通过分析投资组合在不同宏观因子上暴露度，可以准确定位投资组合所处市场环境的动态变化，这是多因子模型无法捕捉到的信息。 风险来源分解 投资组合的风险是因子暴露、因子波动率和相关性的函数，所以除了分析动量策略投资组合在宏观因子上的暴露度信息外，宏观因子本身的波动率和相关性也是宏观风险模型可提供的重要信息。通过宏观风险模型对动量策略收益跟踪误差进行风险拆解，得到结果显示在图6中： 从图6中可以看到，在一些时期，宏观因子风险是组合跟踪误差的重要驱动因素。文章将2016年作为子样本进行单独分析，风险贡献拆解结果如图7： 从图7中发现，2016年上半年面临重大宏观风险，而这些风险在传统风险模型中分散在风格、行业、国家等基本面因子风险贡献中，真正的风险来源没有在传统风险模型中被捕获。这一关键信息的了解是必要的，因为这可以帮助基金经理判断风险是否得到了合理的回报，以便及时调整对应的头寸。 绩效归因 在理想情况下，根据动量策略的构建原理，绩效归因的结果会集中于动量因子本身，但是在现实情况中，考虑到投资组合会受到其他因素的影响，因此对投资组合进行绩效归因是必要的。对2016年3-4月子样本期间动量策略表现进行绩效归因，结果显示在图8中： 从图8中可以看到，2016年动量策略表现差于FTSE并不像多因子模型所描述的归因于风格因子，而是像宏观因子模型所描述的归因于宏观经济因素。 策略构建提升 考虑对冲宏观风险能够有效提升改善策略表现。具体地，文章在动量策略优化条件中添加宏观因子风险暴露限制，从而得到有宏观风险限制的动量策略表现，对比结果见表4： 从表4中可以看到，策略表现回报提升了23%，信息比率提升了61%，并且有效降低了一半以上的最大回撤。 文章尝试从两方面分析策略改善的原因。一方面对比分析了有宏观风险限制动量策略和无宏观风险限制动量策略的历史回撤。历史回撤表现展示在图9中： 从图9中可以发现，有宏观风险限制动量策略在2009年的回撤降低的尤为明显，在该期间投资组合严重暴露在信用利差持续扩大的风险之下，这说明宏观风险暴露的限制使得改善后的动量策略有效规避了该期间的宏观经济风险。 另一方面，文章计算策略改善前后在动量因子上的暴露值，结果显示在图10： 04 总结 原文结论 在文章中， Qontigo和State Street Global Advisors通过将基本面因子投影至宏观因子层面，从而在传统风险模型基础上构建了宏观风险模型。该模型可应用于暴露值分析、风险来源分析、绩效归因以及投资组合构建等多个方面，为投资经理提供宏观风险层面的新信息，以得到更高的边际风险调整回报。 我们的思考 文章的整体模型框架和应用是比较完整的，从基础模型的搭建，到模型有效性的检验，最后给出模型的具体应用。从数据统计显著性到模型背后的经济含义解释都相对完整。 文章所做的分析适用于全球资本市场，模型的有效性关键在于宏观因子的选择，具体如何根据国内宏观环境选择可交易高频的宏观因子是策略在国内市场应用的难点，有待进一步的研究。同时在设定宏观风险暴露上限的策略组合优化中，如何进一步提升优化也是策略具体实施过程中可以考虑的另一方向。 详细报告请查看20210505发布的国泰君安金融工程专题报告《选股组合如何对冲宏观风险-------学界纵横系列之三》 特别声明： 法律声明： 本订阅号不是国泰君安证券研究报告发布平台。本订阅号所载内容均来自于国泰君安证券研究所已正式发布的研究报告，如需了解详细的证券研究信息，请具体参见国泰君安证券研究所发布的完整报告。本订阅号推送的信息仅限完整报告发布当日有效，发布日后推送的信息受限于相关因素的更新而不再准确或者失效的，本订阅号不承担更新推送信息或另行通知义务，后续更新信息以国泰君安证券研究所正式发布的研究报告为准。 根据《证券期货投资者适当性管理办法》，本订阅号所载内容仅面向国泰君安证券客户中的专业投资者。因本资料暂时无法设置访问限制，若您并非国泰君安证券客户中的专业投资者，为控制投资风险，还请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。如有不便，敬请谅解。 市场有风险，投资需谨慎。在任何情况下，本订阅号中信息或所表述的意见均不构成对任何人的投资建议。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。国泰君安证券及本订阅号运营团队不对任何人因使用本订阅号所载任何内容所引致的任何损失负任何责任。 本订阅号所载内容版权仅为国泰君安证券所有。订阅人对本订阅号发布的所有内容(包括文字、影像等)进行复制、转载的，需明确注明出处，且不得对本订阅号所载内容进行任何有悖原意的引用、删节和修改。
点击上方“辰奥临君” ，关注我们 陈奥林 从业证书编号 S0880516100001 杨能 从业证书编号 S0880519080008 导读 基于特殊二阶段回归模型，可以有效捕捉宏观经济风险，获取新的增量信息，从而帮助投资者获取更高的边际回报。 摘要 回顾A股风格切换的重要节点，投资风格和风险偏好的转变通常与宏观经济环境密不可分。目前国内经济受国际疫情恢复不确定性，导致宏观不确定性上升，宏观经济风险对投资组合影响正不断加大。 传统风险模型分析投资组合的风险来源由基本面因子和特质风险解释，忽略了宏观经济波动对投资组合的影响。 《Quantifying Macroeconomic Risk》一文发现通过有效捕捉宏观经济风险，可以为市场环境定位、风险来源、绩效归因和投资组合表现作出增量信息贡献。 关键模型是在传统风险模型基础上，通过引入捕捉宏观风险效应机制，从而构建的宏观风险模型。作者选取合适的宏观因子，并进行了宏观风险模型有效性验证。实证结果表明宏观因子对基本面因子具有一定的解释力度，能够有效替代部分传统风险模型中的基本面因子。 该宏观风险模型能够在多个方面进行应用，以达到为投资者提供宏观层面增量信息的目的。具体包括：分析投资组合在各个宏观因子上的暴露度，从而对市场环境进行准确定位；对投资组合进行风险来源分解，判断实际风险来源以及是否得到合理回报；对投资组合进行绩效归因，了解策略收益的真实驱动力；利用对冲宏观经济风险来提升策略表现，有效缩小策略最大回撤。 通过为投资组合设定宏观风险暴露上限，发现相比较于没有限制的策略对应表现，该策略年化收益提升23%，最大回撤下降超过50%。 01 文章背景及结论 选题背景 回顾A股风格切换的重要节点，投资风格与风险偏好的转变通常与宏观经济环境密不可分。2011年年初，利率上行、期限利差收窄，经济复苏过程中利率中枢上移，市场风格由成长向价值切换；2013年经济复苏，中小企业盈利预期乐观 ，市场风格由大盘向小盘切换；2018年10月流动性进入宽松周期，十年期国债利率维持低位，市场风格由价值向成长切换。目前国内经济受国际疫情恢复不确定性，导致宏观不确定性在逐渐上升，宏观经济风险对投资组合影响正不断加大。 对于量化投资者而言，如何量化宏观经济信息，并将其纳入组合构建是量化研究的难点之一，本篇报告推荐的学术文章提供了一种新的量化宏观信息的思路。 核心结论 文章的结论主要分为两个部分，包括模型的有效性检验相关结论以及宏观风险模型应用相关结论。 一方面，文章检验了新构建的二阶段模型的有效性，即宏观因子是否能够有效解释基本面因子。通过检验回归调整R方，发现单个基本面因子的部分收益可以由宏观因子合理解释；通过判断投影回归系数符号的经济有效性和数值稳定性，发现宏观因子对基本面因子的解释满足统计显著和经济显著性质；通过单因子投资组合风险拆解，发现该投资组合大约三分之一的风险都来自于宏观因子波动。 另一方面，文章指出了宏观经济风险模型对投资决策增量信息贡献的增益作用，具体表现在四个方面。通过分析投资组合在各个宏观因子上的暴露度，发现在2009、2012、2016三个时间点体现出了极端宏观风险暴露值，这与历史实际情况一致；通过对投资组合进行风险来源分解，发现宏观因子风险分散在传统风险模型中的各个基本面因子风险贡献中，真正的风险来源没有在传统风险模型中被捕获；通过对投资组合进行绩效归因，发现投资组合在2016年期间表现较差的原因归因于宏观经济因素而非像风险模型描述的归因于风格因子；通过为投资组合设定宏观风险暴露上限，发现相比较于没有限制的策略对应表现，该策略年化收益提升23%，最大回撤下降超过50%。 文章背景 投资组合的风险来源真的如传统因子模型所分析的那样，可以由风格、行业、公司因子和特质风险全部解释吗，宏观波动在这过程中又扮演什么角色？Qontigo和State Street Global Advisors合作的论文《Quantifying Macroeconomic Risk》主要围绕上述问题进去展开分析。 传统风险模型具有清晰的经济含义，并被反复验证能够捕捉与标的资产相关的大部分系统性风险。但在全球经济复苏大背景下，人们预期乐观，风险偏好上升，导致个股与宏观层面因素相关性上升，关注传统风险模型中所缺失的对宏观风险的考虑显得尤为重要。 以往的文献通过两种解决方法来加入对宏观因子的考虑。第一种方法是在构建传统风险模型的同时，对宏观因子单独构建一个类似的时间序列模型；第二种方法是将宏观因子与原有的基本面因子同时作为风险模型的自变量输入，得到一个整体的时间序列模型。这两种方法的缺点在于基本面因子和宏观因子之间存在（高度）相关性。 《Quantifying Macroeconomic Risk》提供一种新的解决思路，能够有效解决相关性这一问题。文章建立在 “量化宏观风险”的思想基础上，具体做法是通过使用基本面因子在宏观因子层面的投影替代原有的基本面因子，从而完成一个二阶段的回归模型以构建新的宏观风险模型，有效捕捉宏观经济风险。这个框架首次在2016年Axioma的年度投资者大会上被展示，后被State Street Global Advisors改进使用。 通过模拟动量策略投资组合并分析风险及收益表现，发现新的宏观风险模型下，投资组合收益和风险来源并不完全来自于传统模型中风格因子等基本面因子，而是来自于市场动态变化所产生的的宏观波动。这一结论说明通过宏观风险模型对投资组合进行有效分析后，可以获取新的增量信息，从而帮助基金经理获取更高的边际回报。 02 核心模型 核心模型 基础模型 文章首先给出单个国家的多因子模型如下， 其中 r 代表标的资产收益率， X 为基本面因子暴露度向量， f 为基本面因子收益向量， ε 为特质风险回报。文章使用的多因子模型为AXWW4模型，其中根据因子性质，包括了风格因子、行业因子和公司因子三类基本面因子。 由多因子模型可以推导得到传统风险模型。具体地，对多因子模型等式两边同时求方差，并假设cov(f,ε) = 0，可得 其中 Σ_ff 代表基本面因子收益方差协方差矩阵， Σ_εε 代表特质风险方差。 接下来，根据之前的思路，文章将引入捕捉宏观风险效应机制。假设基本面因子收益是宏观因子收益的线性组合，即 其中g为宏观因子收益，δ为残差基本面因子收益。 将公式3带入多因子模型，可得宏观因子模型，即 以及新的风险模型如下 假设cov(g,δ) = 0，我们得到简化的宏观风险模型，即 对比传统风险模型和简化后的宏观风险模型，可以发现两者衡量的风险大小相同，不同的是宏观风险模型优先使用宏观因子来解释组合风险，强调了宏观因子模型是多因子模型的线性变换。 宏观因子选取 宏观因子的选取主要考虑到三个方面的因素： a.选取的宏观因子要与标的资产和投资策略相关，例如不同的国家具有不同的宏观特征，选取的宏观因子也应该随之变化 b.选取的宏观因子可交易且可获取数据频率高于每周，这一考虑排除了包括GDP在内的一系列低频或不可交易的宏观因子的使用 c.选取的宏观因子之间不存在多重共线性，这保证了基本面因子在宏观因子层面上投影的有效性 在考虑以上三个方面后，文章挑选了五个关键宏观因子来构建最终的宏观风险模型，包括利率变化（分为平移和斜率两种变化）、高息信用利差、能源价格和贵金属价格，具体信息如下表： 以上的宏观因子捕捉传统宏观经济效应，包括增长、通胀预期以及政策影响。 模型有效性检验 投影回归调整R方 IVD：受益需求扩容+产业升级+进口替代，IVD行业高景气持续，未来3-5年有望保持15%左右稳健增长。行业分化加大，化学发光（迈瑞、安图、迈克）、分子诊断（艾德、凯普）、POCT（万孚）最具潜力；随前期培育实验室逐步扭亏，第三方检验龙头（金域、迪安）步入收获期。 医疗器械：国产替代成熟的高值耗材（如心脏支架）受带量采购影响短期承压，如乐普、蓝帆；产品生命周期处于初期的耗材（如大动脉支架-心脉、角膜塑形镜-欧普、口腔修复膜-正海、血液灌流器-健帆、内镜下耗材-南微、骨科关节-春立、爱康）由于产品渗透率低，国产化率低，受集采降价影响较小，行业景气度高，相关个股仍维持较高速增长；医疗设备（彩超-迈瑞、内窥镜-开立）不受集采降价影响，且分级诊疗提升需求，行业景气度高。 从图1中可以看到总量、市场相关的基本面因子调整R方更高，比如全球市场因子、市场敏感度因子等，而公司特质相关的基本面因子调整R方相对较低，比如价值因子、杠杆率因子等。但总的来说，回归结果中调整R方说明了宏观因子可以合理解释部分的基本面因子收益。 投影回归系数 替代的经济含义也需要进行相应的检验，需要确保回归系数自身具有比较直观的经济含义并保持相对稳定。文章以市场敏感度因子为例，进行投影回归模型的实证检验，各个宏观因子回归系数如图2所展示： 从图2中可以看到市场敏感度因子在信用利差因子上有负敞口，而在利率因子上有正敞口，我们可以从经济角度来解释这一结果。当信用利差较大时，市场投资者往往处于风险规避状态，低BETA股票收益率更高，从而体现出来市场敏感度因子和信用利差因子的负相关关系。另一方面，当利率向上时，投资者需要更高的风险溢酬，高BETA股票更加受益，从而体现出来市场敏感度因子和利率因子的正相关关系。 单因子投资组合风险拆解 为了控制其他基本面因子对研究的特定单个基本面因子的干扰，文章通过对单个基本面因子构建对应因子模拟投资组合（FMP），使用宏观风险模型对FMP事前波动率进行拆解以检验对应基本面因子和宏观因子之间的关系。FMP投资组合构建确保对应的单个基本面因子上的风险暴露为1且在其他基本面因子上的风险暴露为0。以敏感度因子为例，对应FMP风险拆解结果如图3所展示： 从图3中可以看到在后半段的样本期内，FMP三分之一的风险来自于宏观因子，尤其是信用利差因子。 其他风格基本面因子的FMP风险拆解如表2所示： 从表2中可以看出市场敏感度因子和波动因子对应的FMP风险来源中，宏观因子占比相对更大。这一实证结果进一步验证了宏观因子可以对基本面因子进行部分解释。 03 模型的应用 中证医疗指数选取与医疗器械、医疗服务等与医疗行业相关代表性公司股票作为指数样本股，以反映沪深两市医疗主题股票的整体走势。 动量策略表现和FTSE表现对比见图4： 从图4中可以看到大部分情况下主动策略表现优于被动指数表现。 宏观因子层面暴露度分析 相比较于FMP，模拟的动量策略会受到多个基本面因子影响，风险来源更加广泛并具有现实意义。通过二阶段宏观因子模型回归，获取并对比动量策略和FTSE对应的各个宏观因子暴露值，得到图5： 从图5中可以发现在2009年、2012年和2016年三个时间点都出现了极端风险暴露值，这是多因子模型没有捕捉到的。这些极端的风险暴露值集中于利率平移因子和信用利差两个因子上。 文章猜测动量策略和FTSE风险暴露值的差异来源于市场动态变化。从历史上来看，2016年中期，投资者出于对经济增长的担忧，怀疑美联储提高利率可信度，导致美国十年期利率触碰历史低点，这一现象导致投资组合对利率变化更加敏感。考虑到这种暴露值差异也可能是由于动量策略在对应的时间点对不同板块的配置上存在一定倾向导致，文章检验了动量策略在周期型板块和防御型板块上仓位变化，发现在三个极端风险暴露值时间点对应的板块配置并无明显规律，从而否定了这一可能性。 通过分析投资组合在不同宏观因子上暴露度，可以准确定位投资组合所处市场环境的动态变化，这是多因子模型无法捕捉到的信息。 风险来源分解 投资组合的风险是因子暴露、因子波动率和相关性的函数，所以除了分析动量策略投资组合在宏观因子上的暴露度信息外，宏观因子本身的波动率和相关性也是宏观风险模型可提供的重要信息。通过宏观风险模型对动量策略收益跟踪误差进行风险拆解，得到结果显示在图6中： 从图6中可以看到，在一些时期，宏观因子风险是组合跟踪误差的重要驱动因素。文章将2016年作为子样本进行单独分析，风险贡献拆解结果如图7： 从图7中发现，2016年上半年面临重大宏观风险，而这些风险在传统风险模型中分散在风格、行业、国家等基本面因子风险贡献中，真正的风险来源没有在传统风险模型中被捕获。这一关键信息的了解是必要的，因为这可以帮助基金经理判断风险是否得到了合理的回报，以便及时调整对应的头寸。 绩效归因 在理想情况下，根据动量策略的构建原理，绩效归因的结果会集中于动量因子本身，但是在现实情况中，考虑到投资组合会受到其他因素的影响，因此对投资组合进行绩效归因是必要的。对2016年3-4月子样本期间动量策略表现进行绩效归因，结果显示在图8中： 从图8中可以看到，2016年动量策略表现差于FTSE并不像多因子模型所描述的归因于风格因子，而是像宏观因子模型所描述的归因于宏观经济因素。 策略构建提升 考虑对冲宏观风险能够有效提升改善策略表现。具体地，文章在动量策略优化条件中添加宏观因子风险暴露限制，从而得到有宏观风险限制的动量策略表现，对比结果见表4： 从表4中可以看到，策略表现回报提升了23%，信息比率提升了61%，并且有效降低了一半以上的最大回撤。 文章尝试从两方面分析策略改善的原因。一方面对比分析了有宏观风险限制动量策略和无宏观风险限制动量策略的历史回撤。历史回撤表现展示在图9中： 从图9中可以发现，有宏观风险限制动量策略在2009年的回撤降低的尤为明显，在该期间投资组合严重暴露在信用利差持续扩大的风险之下，这说明宏观风险暴露的限制使得改善后的动量策略有效规避了该期间的宏观经济风险。 另一方面，文章计算策略改善前后在动量因子上的暴露值，结果显示在图10： 04 总结 原文结论 在文章中， Qontigo和State Street Global Advisors通过将基本面因子投影至宏观因子层面，从而在传统风险模型基础上构建了宏观风险模型。该模型可应用于暴露值分析、风险来源分析、绩效归因以及投资组合构建等多个方面，为投资经理提供宏观风险层面的新信息，以得到更高的边际风险调整回报。 我们的思考 文章的整体模型框架和应用是比较完整的，从基础模型的搭建，到模型有效性的检验，最后给出模型的具体应用。从数据统计显著性到模型背后的经济含义解释都相对完整。 文章所做的分析适用于全球资本市场，模型的有效性关键在于宏观因子的选择，具体如何根据国内宏观环境选择可交易高频的宏观因子是策略在国内市场应用的难点，有待进一步的研究。同时在设定宏观风险暴露上限的策略组合优化中，如何进一步提升优化也是策略具体实施过程中可以考虑的另一方向。 详细报告请查看20210505发布的国泰君安金融工程专题报告《选股组合如何对冲宏观风险-------学界纵横系列之三》 特别声明： 法律声明： 本订阅号不是国泰君安证券研究报告发布平台。本订阅号所载内容均来自于国泰君安证券研究所已正式发布的研究报告，如需了解详细的证券研究信息，请具体参见国泰君安证券研究所发布的完整报告。本订阅号推送的信息仅限完整报告发布当日有效，发布日后推送的信息受限于相关因素的更新而不再准确或者失效的，本订阅号不承担更新推送信息或另行通知义务，后续更新信息以国泰君安证券研究所正式发布的研究报告为准。 根据《证券期货投资者适当性管理办法》，本订阅号所载内容仅面向国泰君安证券客户中的专业投资者。因本资料暂时无法设置访问限制，若您并非国泰君安证券客户中的专业投资者，为控制投资风险，还请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。如有不便，敬请谅解。 市场有风险，投资需谨慎。在任何情况下，本订阅号中信息或所表述的意见均不构成对任何人的投资建议。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。国泰君安证券及本订阅号运营团队不对任何人因使用本订阅号所载任何内容所引致的任何损失负任何责任。 本订阅号所载内容版权仅为国泰君安证券所有。订阅人对本订阅号发布的所有内容(包括文字、影像等)进行复制、转载的，需明确注明出处，且不得对本订阅号所载内容进行任何有悖原意的引用、删节和修改。
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。
