宏观量化配置框架回顾 - 构建结合经济、流动性、信用和通胀的宏观量化框架 应用于大类资产配置、行业和风格配置 [1] - 通过主成分分析发现经济和流动性是影响股票、债券、商品等大类资产共同波动的前两大因素 构建经济+流动性时钟模型 [1] - 激进型组合2013年以来年化收益8.5% 较基准超额0.6% 2022年前超额1.6% 2022年出现明显回撤 [3] - 2022年回撤主要源于权益快速下跌期间流动性宽松对组合形成拖累 [5] - 行业配置引入factor mimicking市场关注点模型 根据关注点决定不同维度敏感性权重 [5] - 宏观行业组合2019-2021年表现突出 2022年以来表现偏弱 降低行业选择数量可跑赢中证500和行业等权 [7] - 风格配置选择十大类因子中每月得分前三的因子 构建宏观因子组合和因子共振组合 [10] - 宏观方法在2021-2022年对风格因子筛选贡献明显 2023年底至2024年上半年出现明显回撤 [12] 回撤来源分析 - 回撤来源包括定量宏观判断指标有效性降低、市场受情绪资金等因素驱动、宏观指标与市场预期存在背离 [13] - 2020年后宏观事件影响增多 市场博弈增加 宏观数据与市场预期背离情况频发 [14] - 2022年下半年经济前瞻指标从底部回升但市场持续担忧疫情影响 权益表现偏弱 [14] - 2022年11月-2023年4月长债收益率上行但市场预期政策宽松 权益表现较好 [16] - 2022-2023年信用指标转好但市场更关注结构问题 多数时候保持悲观 [16] - 宏观数据与市场预期背离导致模型判断与市场表现错位 对组合形成拖累 [18] 市场预期修正方案 - 通过Factor Mimicking方法构建宏观变量代理组合 使用128只股票覆盖30个申万一级行业和97个二级行业 总市值28.3亿元占A股1/3 [19] - 选择工业增加值同比、10年期国债收益率、CPI同比、PPI同比、社融同比增速作为五大宏观变量 [19] - 组合构建流程包括计算超额收益矩阵、提取主成分、Lasso回归投影、求解特定暴露组合 [20] - 经济变量拟合效果偏弱但关键区间方向与市场观点匹配 其他变量拟合程度较好 [21][23] - 信用组合能较好反映市场观点 2022年以来信用总量改善但结构偏弱被市场视为信用偏弱信号 [25] - 通过组合收益与12个月均线比较得到市场隐含的宏观变量方向 [27] - 经济维度使用一致预测ROE和净利润增速月度变化构建修正指标 超过±1%视为观点变化 [29] - 流动性维度使用全市场日均换手率、收益靠前行业成交占比、换手提升行业占比构建微观流动性指标 [30][31] - 信用维度主要使用Factor Mimicking组合的隐含观点 [33] - 修正规则核心是当市场隐含预期与宏观数据明显背离时采用市场预期进行修正 [37] 修正观点应用效果 - 经济择时年化收益5.06% 修正后降至4.14% 流动性择时年化收益1.10% 修正后升至1.95% 信用择时年化收益4.33% 修正后升至7.27% [39] - 资产配置修正组合年化收益8.63% 较原经济+流动性组合8.52%略有提升 但受权益仓位限制和跨资产观点偏差影响提升有限 [40][41] - 行业配置修正组合年化收益7.96% 较原宏观行业组合3.67%显著提升 2024年信用悲观和经济数据偏差修正带来正向贡献 [45][46] - 中证500修正后指数增强年化收益14.38% 较原组合12.24%提升明显 沪深300修正后年化收益9.33% 较原组合8.57%提升 [52] - 中证1000修正后年化收益17.96% 较原组合17.62%略有提升 主要因修正数据基于中证800成分股 [52] - 2024年二季度以来信用修正指标持续偏弱 组合降低成长配置 有效匹配市场实际表现 [53] - 修正观点在2020年后宏观数据与市场预期背离场景中能有效降低回撤 增强配置表现 [54]