量化模型与构建方式 1. 滤波方法（数据处理模型） 1. **模型名称**：HP滤波 (Hodrick-Prescott Filter)[10] * **模型构建思路**：将宏观经济时间序列分解为长期趋势成分和中期周期成分，以剔除长期趋势和短期噪声，提取周期波动[3][9]。 * **模型具体构建过程**：通过求解一个最小化问题来得到趋势成分。具体公式为： $$\operatorname*{min}\left\{\sum_{t=1}^{T}(y_{t}-g_{t})^{2}+\lambda\sum_{t=2}^{T-1}[(g_{t+1}-g_{t})-(g_{t}-g_{t-1})]^{2}\right\}$$ 其中，\(y_{t}\)为原始序列数据，\(g_{t}\)为待求解的趋势成分，\(\lambda\)为平滑参数，\(\lambda\)越大，趋势线越平滑[10]。在应用中，首先使用较大的\(\lambda\)去除长期趋势得到周期成分，再使用较小的\(\lambda\)过滤噪声，得到用于分析的中周期序列[10]。 * **模型评价**：可以直观地将时间序列分解为趋势和周期成分，符合经典宏观经济分析框架，但存在较严重的端点偏差问题，且无法识别不同频率的周期[3][42]。 2. **模型名称**：傅里叶变换[25] * **模型构建思路**：将时间序列数据分解为一系列不同频率、振幅和相位的正弦函数的叠加，以识别数据中存在的主要周期性规律[25][26]。 * **模型具体构建过程**：对时间序列进行傅里叶变换，公式为： $$F(f)=\int_{-\infty}^{\infty}f(x)e^{-i2\pi f(x)}\,\mathrm{d}x$$ 由于宏观经济数据通常非平稳，在应用傅里叶变换前，先使用HP滤波去除长周期趋势项，得到平稳序列，再进行变换以提取主要周期并拟合周期序列[26]。 * **模型评价**：适合分析历史数据的整体周期结构，尤其适用于探究经济周期的历史规律，但其假设周期结构在时间上恒定，短期内拟合度可能受到影响[3][42]。 3. **模型名称**：混合滤波[42] * **模型构建思路**：结合HP滤波和傅里叶变换两种方法的优点，以挖掘数据的周期性规律并观察短期趋势变化[3][42]。 * **模型具体构建过程**：将HP滤波与傅里叶变换叠加使用。实践中，使用傅里叶变换挖掘宏观数据的周期性规律，同时使用HP滤波观察因子短期上升或下降的趋势变化[42]。叠加使用后得到的序列既具有一定外推性，又保留了HP滤波在周期拟合上的灵活性[42]。 * **模型评价**：结合了两种方法的优势，所得序列兼具周期规律性和趋势观察的灵活性[42]。 2. 资产配置模型 1. **模型名称**：美林时钟模型[68] * **模型构建思路**：依据经济增长（以PMI同比增速代表）和通货膨胀（以PPI同比代表）两个核心指标的高低变化，将经济周期划分为四个阶段，并为每个阶段配置不同类别的大类资产[68][72]。 * **模型具体构建过程**：使用HP滤波处理后的PMI同比增速和PPI同比数据判断经济周期阶段，具体配置方案如下[68][72]： * 复苏期：PMI同比增速上行，PPI同比下行，配置60%股票、40%债券。 * 扩张期：PMI同比增速上行，PPI同比上行，配置60%商品、40%股票。 * 滞胀期：PMI同比增速下行，PPI同比上行，配置60%现金、40%商品。 * 衰退期：PMI同比增速下行，PPI同比下行，配置60%债券、40%现金。 * **模型评价**：是最著名的经济周期模型之一[68]。 2. **模型名称**：货币信用模型[76] * **模型构建思路**：作为美林时钟理论在中国市场的适应性改进，通过观察“货币”（以M2同比增速代表）和“信用”（以社会融资规模同比增速代表）两个核心驱动因素来指导大类资产配置[76]。 * **模型具体构建过程**：使用HP滤波处理后的M2同比和社会融资规模同比数据判断货币信用状态，具体配置方案如下[76]： * 宽货币宽信用：M2同比上行，社会融资规模同比上行，配置60%股票、40%商品。 * 紧货币宽信用：M2同比下行，社会融资规模同比上行，配置60%商品、40%股票。 * 紧货币紧信用：M2同比下行，社会融资规模同比下行，配置60%现金、40%债券。 * 宽货币紧信用：M2同比上行，社会融资规模同比下行，配置60%债券、40%股票。 量化因子与构建方式 1. **因子名称**：M1同比[3][9] * **因子构建思路**：作为代表货币供给量的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了M1的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 2. **因子名称**：M2同比[3][9] * **因子构建思路**：作为代表货币供给量的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了M2的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 3. **因子名称**：社会融资规模同比[3][9] * **因子构建思路**：作为代表货币供给量的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了社会融资规模的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 4. **因子名称**：1年期国债收益率同比差值[3][9] * **因子构建思路**：作为代表利率的宏观经济因子[3][9]。 * **因子具体构建过程**：报告采用了1年期国债收益率的同比差值数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 5. **因子名称**：PMI同比增速[3][9] * **因子构建思路**：作为代表经济增速的宏观经济因子[3][9]。 * **因子具体构建过程**：报告采用了PMI的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 6. **因子名称**：PPI同比[3][9] * **因子构建思路**：作为代表通胀的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了PPI的同比数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 7. **因子名称**：工业增加值同比[3][9] * **因子构建思路**：作为代表经济增速的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了工业增加值的同比数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 8. **因子名称**：企业利润同比[3][9] * **因子构建思路**：作为代表经济增速的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了企业利润的同比数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 模型的回测效果 （以下回测结果均基于2006年以来的数据） 1. **美林时钟模型**，累计收益807.28%，年化收益11.71%，波动率11.30%，最大回撤17.10%，夏普比率1.037，信息比率0.681，胜率56.49%[70]。 2. **货币信用模型**，累计收益558.45%，年化收益9.93%，波动率16.84%，最大回撤56.02%，夏普比率0.589，信息比率0.362，胜率56.90%[79]。 因子的回测效果 （以下回测结果均基于2006年以来的数据，使用HP滤波处理后因子进行择时） 1. 单因子股指择时表现 （策略：因子上升周期持有中证全指，下降周期空仓） 1. **M1同比因子**，累计收益971.09%，年化收益12.64%，波动率24.85%，最大回撤69.42%，夏普比率0.509，信息比率0.339，胜率57.74%[58]。 2. **M2同比因子**，累计收益100.26%，年化收益3.55%，波动率22.51%，最大回撤69.42%，夏普比率0.158，信息比率-0.237，胜率48.95%[58]。 3. **国债收益率同比差值因子**，累计收益685.90%，年化收益10.91%，波动率18.43%，最大回撤27.47%，夏普比率0.592，信息比率0.265，胜率49.79%[58]。 4. **社会融资规模同比因子**，累计收益731.39%，年化收益11.22%，波动率24.77%，最大回撤69.42%，夏普比率0.453，信息比率0.249，胜率53.56%[58]。 5. **PMI同比增速因子**，累计收益1436.01%，年化收益14.70%，波动率21.07%，最大回撤42.44%，夏普比率0.698，信息比率0.513，胜率54.39%[58]。 6. **PPI同比因子**，累计收益919.17%，年化收益12.36%，波动率20.58%，最大回撤42.44%，夏普比率0.601，信息比率0.355，胜率52.72%[58]。 7. **工业增加值同比因子**，累计收益124.56%，年化收益4.15%，波动率16.52%，最大回撤39.35%，夏普比率0.251，信息比率-0.226，胜率46.86%[58]。 8. **企业利润同比因子**，累计收益522.94%，年化收益9.62%，波动率18.37%，最大回撤42.44%，夏普比率0.524，信息比率0.172，胜率51.46%[58]。 2. 单因子股债择时表现 （策略：因子上升周期持有中证全指，下降周期持有国债指数；对照组为60%债券+40%股票的固定比例组合） 1. **M1同比因子**，累计收益1297.47%，年化收益14.16%，波动率24.84%，最大回撤69.42%，夏普比率0.570，信息比率0.432，胜率60.25%[61]。 2. **M2同比因子**，累计收益174.96%，年化收益5.21%，波动率22.56%，最大回撤69.42%，夏普比率0.231，信息比率-0.129，胜率53.14%[61]。 3. **国债收益率同比差值因子**，累计收益1358.04%，年化收益14.40%，波动率18.43%，最大回撤27.47%，夏普比率0.781，信息比率0.508，胜率56.07%[61]。 4. **社会融资规模同比因子**，累计收益1110.38%，年化收益13.34%，波动率24.76%，最大回撤69.42%，夏普比率0.539，信息比率0.381，胜率59.00%[61]。 5. **PMI同比增速因子**，累计收益2226.26%，年化收益17.12%，波动率21.07%，最大回撤42.44%，夏普比率0.813，信息比率0.669，胜率57.74%[61]。 6. **PPI同比因子**，累计收益1637.78%，年化收益15.41%，波动率20.59%，最大回撤42.44%，夏普比率0.749，信息比率0.558，胜率58.58%[61]。 7. **工业增加值同比因子**，累计收益274.27%，年化收益6.85%，波动率16.65%，最大回撤36.37%，夏普比率0.411，信息比率-0.026，胜率51.05%[61]。 8. **企业利润同比因子**，累计收益864.21%，年化收益12.05%，波动率18.39%，最大回撤42.44%，夏普比率0.655，信息比率0.340，胜率53.56%[61]。

资产配置 - 投研框架从传统美林时钟迭代为中国特色货币信用模型，因经济发展模式变化导致信用周期对资产价格的指示作用显著降低，流动性及中美关系成为影响资产价格的核心因素[12] - 无序市场中波段交易难度高且普适性有限，2025年为股债强弱趋势互换的过渡年份，10年期国债利率波段幅度从20-30BP压降至10-20BP，应把握趋势行情而非过度追逐日常波动[16] - 2018至2025年各类资产表现复盘显示：2018年宏观基本面偏弱股市大幅回撤债券票息回报性好，2019年权益结构性牛市但波动大，2020年公共卫生事件冲击后宽货币驱动权益主升浪债券利率先下后上，2021年大盘高位震荡结构型行情显著债券资本利得收益抬升，2022年地缘政治事件影响通胀压力大盘震荡走弱债券收益降低，2023年大盘下行压力大债券开启三年大牛市，2024年股市先下后上9月新政带动牛市债券在双降预期下走出单边牛市，2025年科技股和反内卷驱动权益结构牛债券震荡资本利得和票息双弱[18] - 历史上每一轮债券牛市对应的10年国债低点持续下行，底层逻辑来自负债牛和资产荒共振，债市资产收益率集体脱锚，本轮牛市10年国债收益率创新低至1.90%[20][21] - 技术面显示2026年权益市场处于3浪上行通道，1浪上涨耗时约2年2浪回调耗时约3年，按斐波那契比例1：1.5估算3浪走完或耗时大于3年终点或在2027年2月以后，本轮5浪推动周期横向耗时更长意味浪级走完相对缓慢[25] - 日本经验显示10年日债1997年破2%后长期横盘震荡，1998-1999年亚洲金融危机推动利率最低触及0.77%后因国债供给激增快速反弹至2.43%，2002-2003年互联网泡沫后QE推动利率最低至0.43%后经济预期向好快速反弹[27][28] - 日本股市2012年12月后步入长期上升通道，截至2025年10月日经225指数累计涨幅达454.85%，驱动因素包括安倍经济学、央行买入ETF及企业盈利修复[30][31] - 过去5年股债商核心主线：上证指数从公共卫生事件后核心资产牛市到政策驱动结构性分化聚焦新质生产力，10年期国债收益率在经济衰退到弱复苏下整体下行形成低利率窄幅震荡格局，南华综合指数由全球流动性驱动普涨转向供需错配与反内卷行情[34] - 2026年资产配置建议：权益中超配A股和港股因中美关系蜜月期、全球央行支持性货币政策及国内经济结构性转型，科技成长为核心主线红利资产具防御属性，美股高配因AI主线和美联储降息预期；债券中中高配中债预计10年期国债波动区间1.7%-2.0%票息策略为重点利率呈N型走势，高配短信用债和中高配二永债挖掘期限利差和信用下沉机会，超配转债沿正股替代高价策略、条款催化双低券及底仓券机会；商品中超配黄金因去美元化及地缘政治扰动；外汇中高配美元指数弱美元长期趋势不变，高配人民币因中美利差收窄及出口数据超预期[36] 聚焦中美 - 美国经济从软着陆向金发姑娘状态演绎，劳动力市场冷而不冰呈现新增就业走低但失业率稳定，通胀总体可控但结构分化商品端因关税政策上升服务端住房通胀稳步下行，整体风险可控[41][45][48] - 特朗普政府宽财政基调明确，大漂亮法案落地使得2025-2034年财政赤字扩张3.38万亿美元，国债余额从36.2万亿美元快速上行至38.0万亿美元债务可持续性问题不容忽视，通过增收减支为宽财政提供支持2024财年净利息支出达8811亿美元占财政收入17.92%[49][51][56] - 美联储降息空间相对有限，通胀仍高于2%目标劳动力市场未衰退式回落，FedWatch显示至2026年末最多三次降息[55][56] - AI已成为美国经济增长引擎，Mag 7资本开支增速显著2025Q3达1002.78亿美元同比增68.6%，市值占比升至30.6%，AI产业循环投资显示政策背书下的信用扩张机制与估值体系脱离传统模型，具备系统重要性及尾部风险特征[58][61][66] - 中美关系实力相当互有诉求构成基础，特朗普商人特质重物质利益轻意识形态打开关系想象空间，美国社会阵营分化显著仅18%成年人认为两党能在基础事实上达成一致80%认为存在分歧，特朗普通过胜利叙事弥合内部矛盾[68][69][72][76][78] - 中美摩擦口头大于实际冲突，名打实谈或为主线，中国对美国出口依赖度从2018年后逐年走低，当前为难得稳定窗口期有助于中国稳住出口引擎[83][84] - 国内经济结构优化内生驱动的新平衡，2025年出口成为增长稳定器投资拉动减弱消费引擎换挡服务消费接棒，2026年增长更依赖出口韧性与服务消费内生驱动，通胀将开启缓慢实现进程由反内卷带来的企业盈利改善及成本传导推动[86][88] - 投资主动熄火传统模式退场，2025年固定资产投资增速放缓地产投资持续负增长制造业与基建后劲不足，增长压力从资金面转向盈利面[90][92] - 消费结构换挡服务需求成为新支柱，2025年商品零售累计同比下降服务零售温和回升，股市财富效应支撑消费能力，2026年服务消费有望保持较快增长取代商品消费成为内需主要动力[94][96] - 出口保持韧性成为稳增长压舱石，2025年价格指数稳步回升印证供应链不可替代性及议价能力增强，数量指数稳健，2026年中美关系阶段性缓和提供稳定性[98][100] - 价格修复有时滞与2015年供给侧改革相似但驱动不同，当前PPI回升由外需结构升级与反内卷政策共振推动，将更缓慢结构性，2026年PPI或将止跌企稳[102][104] - 结构性通胀或是新常态，2025年CPI受食品拖累低迷核心CPI在服务类价格拉动下稳步上行，2026年将呈现结构性传导特征仅在需求有韧性竞争格局好领域实现有效传导[106][108] - 2026年或将是从通缩压力缓和到通胀均值回归的关键年，PPI企稳回升沿产业链缓慢传导服务类价格稳健上涨，但生猪存栏高位制约食品涨幅消费复苏不平衡制约价格传导广度[110][111] 流动性 - 货币政策框架下基础货币投放新形势，短期流动性通过质押式逆回购灵活操作中期流动性有MLF等对标关键期限存单利率长期流动性在存准率逼近5%下买卖国债必要性增强[115][116] - 货币政策配合财政进入新阶段，降准历史显示2019至2025年各季度降准次数分布不均2025年仅在5月降准0.5次[118]

报告行业投资评级 未提及 报告核心观点 货币信用模型在特定历史时期大类资产配置领域具有重要意义，但伴随经济发展模式内在变革，新时代需要以全新的思维方式和投资框架看待债券市场与权益市场新行情，与时俱进不断革新方能提高投资胜率[1][3][31] 根据相关目录总结 美林时钟 - 美林时钟是进行大类资产配置的典型框架，基于增长、通胀两个维度将宏观经济划分为四个象限，可灵活进行大类资产配置[1][10] - 美林时钟优点是模型形式简单，仅通过增长、通胀两因素就能对大类资产价格趋势形成相对准确判断，在欧美市场回测结果较准确，但实际应用存在局限，如数据频率低且有滞后性、难以准确把握周期拐点[11] - 自2012年后中国经济增长和通胀周期性显著减弱，经典版美林时钟出现“水土不服”问题[13] 中国版美林时钟——货币信用模型 - 货币信用模型沿用美林时钟两因子划分宏观经济周期的底层逻辑，从货币及信用两个维度划分经济，对应美林时钟四个阶段，不同阶段股债商市场表现不同[2][15] - 美林时钟资产定价逻辑是自上而下的宏观逻辑，货币信用模型以信用周期映照宏观经济冷热，引入货币周期考虑流动性因素，两者资产定价逻辑有区别[2][22] - 中美投资环境差异使两者适用性不同，美林时钟接近价值投资，与欧美成熟资本市场契合，货币信用模型兼具价值与估值视角，更适应国内投资氛围，如对2015年权益市场行情解释能力更强[23] - 近年来货币信用模型适用性减弱，原因是中国经济增长模式变化，2008年转向投资驱动模式，信用周期成核心变量之一，2020年房地产业经营模式变革、投资约束增加，消费取代信用周期成观测经济景气重要指标[28][29]