量化模型与构建方式 1. 宏观周期识别框架 1. **模型名称**：宏观周期识别框架[9] 2. **模型构建思路**：为改善单一维度判断不稳定的问题，同时考虑经济景气、通胀、利率、库存、信用五个维度的宏观指标，构建高维宏观周期识别框架[9]。 3. **模型具体构建过程**： * **宏观因子变量构建**：将宏观指数分别对宽基指数、代理宏观变量做回归，选取t值显著的细分宏观变量，用过去一年标准差倒数加权构建宏观因子变量[2]。 * **数据处理**：采用单边HP滤波器对宏观经济数据进行调整，以消除短期波动对长期趋势判断的影响[2]。 * **状态与趋势划分**：基于滤波后的变量，分别用因子动量划分宏观趋势（上行、下行）和用时序百分位划分宏观状态（高、中、低位）[2]。 2. 中证全指择时策略 1. **模型名称**：中证全指择时策略[28] 2. **模型构建思路**：基于宏观变量组合（流动性+库存、流动性+信用）对中证全指未来上涨概率的预测值进行择时[26]。 3. **模型具体构建过程**：统计“流动性+库存”和“流动性+信用”两个子策略对中证全指未来收益是否上涨的预测值，当任一子策略的预测值高于阈值（0.6）时，对中证全指做多，反之做空[26]。 3. 红利指数择时策略 1. **模型名称**：红利指数择时策略[35] 2. **模型构建思路**：基于宏观变量组合（通胀+库存、库存+信用）对红利指数未来上涨概率的预测值进行择时[35]。 3. **模型具体构建过程**：计算“通胀+库存”和“库存+信用”两个子策略对红利指数未来收益是否上涨的预测值的均值，当该均值高于阈值（0.6）时，对红利指数做多，反之做空[35]。 4. 风格轮动配置策略 1. **模型名称**：风格轮动配置策略[48] 2. **模型构建思路**：利用有效的宏观因子两两组合，滚动预测六大风格指数的远期收益率，并基于预测结果进行月度调仓配置[42]。 3. **模型具体构建过程**： * **因子组合筛选**：筛选出“通胀+库存”和“通胀+信用”两个有效的宏观因子组合[43]。 * **收益预测与排序**：将两个子策略对风格指数未来收益的预测值进行截面排序并求均值[48]。 * **配置规则**：每月等权配置预测值排名前二的风格指数[48]。 模型的回测效果 1. 中证全指择时策略 * **回测期**：2012年1月末至2026年1月31日[28] * **年化收益**：16.56%[28] * **年化波动**：21.98%[29] * **夏普比率**：75.33%[29] * **最大回撤**：-28.10%[29] * **超额收益（相对中证全指）**：10.19%[28] * **跟踪误差**：35.06%[29] * **信息比率(IR)**：29.07%[29] * **相对最大回撤**：-50.30%[29] 2. 红利指数择时策略 * **回测期**：2012年1月末至2026年1月31日[35] * **年化收益**：10.97%[35] * **年化波动**：14.91%[41] * **夏普比率**：0.74[41] * **最大回撤**：-19.92%[41] * **超额收益（相对红利指数）**：8.49%[35] * **跟踪误差**：9.63%[41] * **信息比率(IR)**：0.88[41] * **相对最大回撤**：-12.47%[41] 3. 风格轮动配置策略 * **回测期**：2014年9月30日至2026年1月31日[48] * **年化收益**：14.79%[48] * **年化波动**：23.46%[52] * **夏普比率**：0.63[52] * **最大回撤**：-45.93%[52] * **超额收益（相对风格等权）**：4.61%[48] * **跟踪误差**：10.56%[52] * **信息比率(IR)**：0.44[52] * **相对最大回撤**：-31.16%[52] 量化因子与构建方式 1. 宏观因子变量 1. **因子名称**：宏观因子变量[2] 2. **因子构建思路**：通过回归筛选出对市场有显著影响的细分宏观变量，并进行加权合成，以构建综合性的宏观因子[2]。 3. **因子具体构建过程**： * 将宏观指数分别对宽基指数、代理宏观变量做回归[2]。 * 选取回归结果中t值显著的细分宏观变量[2]。 * 使用过去一年历史数据的标准差倒数对选出的变量进行加权，构建最终的宏观因子变量[2]。 2. 宏观趋势（因子动量） 1. **因子名称**：宏观趋势（因子动量）[2] 2. **因子构建思路**：基于滤波后的宏观变量，通过其动量方向来判断宏观经济的趋势是上行还是下行[2]。 3. **因子具体构建过程**：对经过单边HP滤波器处理后的宏观变量，计算其动量，并根据动量方向划分为“上行”或“下行”趋势[2]。 3. 宏观状态（时序百分位） 1. **因子名称**：宏观状态（时序百分位）[2] 2. **因子构建思路**：根据宏观变量在历史序列中所处的位置，来判断当前宏观状态处于高位、中位还是低位[2]。 3. **因子具体构建过程**：计算滤波后的宏观变量在历史时间序列上的百分位，根据设定的分位数阈值（例如，前30%为高位，中间40%为中位，后30%为低位）划分状态[2]。 4. 有效宏观因子组合 1. **因子名称**：通胀+库存组合、通胀+信用组合[43] 2. **因子构建思路**：将两个不同的宏观维度（状态或趋势）进行组合，形成对风格轮动预测更有效的复合因子信号[42][43]。 3. **因子具体构建过程**：报告通过测试发现，“通胀”与“库存”的组合，以及“通胀”与“信用”的组合，在预测风格指数未来收益率方面具有较好的有效性和互补性[43]。

报告核心观点 - 报告提出一个高维宏观周期识别框架，通过将经济景气、通胀、利率、库存、信用五个维度的宏观变量进行升维处理，以更精准地驱动宽基指数择时、风格与行业轮动 [1][8][9] - 核心结论是，在当前经济景气下行、通胀细分项下行的宏观环境下，看好小盘和红利风格 [1][3] - 报告基于历史回测数据，为宽基指数择时、红利指数配置及风格轮动提供了具体的量化策略和配置建议 [3][27][37][50] 宏观周期识别框架构建 - 传统单一经济周期（如美林时钟）稳定性较差，对股市的短期预测效用有限，因此需要构建多维度框架 [8][9] - 报告同时考虑经济景气、通胀、利率、库存、信用五个维度的指标，以改善单一维度判断不稳定的问题 [9] - 宏观因子构建时，采用单边HP滤波器消除短期波动，并综合宏观变量的边际变化与其所处的时序百分位状态进行升维分析 [2] 当前宏观状态分析 - 截至2025年12月31日，宏观经济整体处于弱复苏态势，整体指标分位由72%降至61% [17] - 通胀整体保持低位下行，能源价格环比下跌2.8% [19] - 流动性条件维持中位上行，资金面延续宽松 [19] - 信用环境维持中位下行，综合指标由50%下降至47.22%，但M2同比增速与社会融资规模存量同比微升 [19] - 库存指标分位由41.67%上升至57.28%，转为中位上行，显示企业去库存周期可能即将结束 [19] 宽基指数择时策略 - 构建了基于流动性+库存、流动性+信用子策略的中证全指择时策略，当任一子策略预测值高于阈值0.6时做多 [27] - 策略自2012年1月末至2025年12月31日，年化收益达16.20%，相对中证全指超额收益10.26% [3][30] - 当前库存指标转为中位上行，流动性维持中位上行，报告建议对中证全指的配置可提升至中性偏积极 [30] - 历史数据显示，当库存处于中等向上水平时，中证全指上涨概率最高，达73.83% [3][34] 红利指数择时策略 - 构建了基于通胀+库存、库存+信用子策略的红利指数择时策略，当预测均值高于阈值0.6时做多 [37] - 策略自2012年1月末至2025年12月31日，年化收益为10.78%，相对红利指数超额收益8.42% [3][37] - 当前通胀指标转为低位下行，库存指标转为中位上行，考虑到通胀指标的衰减，报告将红利指数配置建议下调为中性观察 [37] 风格轮动策略 - 筛选出通胀+库存、通胀+信用两个有效的宏观因子组合用于风格轮动预测，每月等权配置预测值排名前二的风格指数 [44][50] - 策略自2014年9月30日至2025年12月31日，年化收益为14.15%，相对风格等权组合超额收益6.08% [3][50][58] - 根据最新数据，在当前通胀低位下行、库存中位上行、信用高位下行的阶段，策略推荐配置红利与绩优风格 [3][60] - 敏感性分析显示，在通胀低位下行状态下，对小盘和红利风格更为有利 [24]