核心观点 - 报告构建了一个由多维度宏观因子合成的德国权益宏观拟合指标，该指标对德国股市收益率预测效果良好，可作为宏观择时与资产配置的辅助工具，以产生稳定的超额收益 [1][3] - 通过该指标生成的预期收益率对DAX指数次月收益率方向的判断准确率约为64%，基于此构建的动态权重策略在回测期内累计实现42.78%的超额收益，年均超额收益2.89% [3][84] 1. 德国权益基准指数选择 - 报告比较了DAX指数与MSCI德国指数，最终选择DAX指数作为德国权益定量建模的参考基准，因其蓝筹股特征更突出、市场认知度高且相关投资产品更丰富 [3][31] - **DAX指数结构特征**：截至2026年7月15日，DAX指数共有40只成分股，总市值约2.12万亿欧元，前十大成分股权重合计58.07%，行业集中度高，工业（33.74%）、金融（19.08%）和信息技术（12.01%）三大行业权重合计达64.83% [12][15][18] - **MSCI德国指数结构特征**：截至2026年6月30日，MSCI德国指数有53只成分股，总市值约1.88万亿美元，前十大成分股权重合计62.82%，行业同样集中于工业（31.11%）、金融（22.03%）和信息技术（15.12%） [25][27][28][30] 2. 宏观因子模型构建与改进 - **改进思路**：摒弃了传统宏观周期模型主观划分周期和预设静态权重的做法，改为直接使用底层宏观因子，并根据因子与资产收益率的动态相关性自适应调整权重，以更及时反映市场定价 [34][35] - **宏观因子选取与处理**：选取了景气（德国ZEW经济景气指数）、通胀（德国CPI同比、布伦特原油价格）和流动性（德美两年期国债利差、两年期德国国债利率）等多维度因子，对原始数据差分处理后进行标准化和时间加权移动平均（TWMA）计算 [36][39][40][43][44] - **宏观拟合指标合成与效果**：基于动态相关性自适应调整各因子权重，合成德国权益宏观拟合指标。经HP滤波平滑处理的指标对当期及次期德股涨跌幅的解释力度分别约为81%和77%；经6M-TWMA平滑处理的指标解释力度分别约为71%和57% [48][50][55] 3. 宏观指标在资产配置中的应用 - **生成主动观点**：从宏观拟合指标的历史分布位置（分布信号）和边际变化（边际信号）两个维度生成对DAX指数次月的预期收益率，两类信号根据历史样本外预测误差（RMSE）的平方倒数动态加权合成最终预期收益率 [59][60][65][72] - **观点效果验证**：合成预期收益率与经HP滤波平滑处理的实际收益率中枢相关系数达0.91，与未经平滑处理的原始实际收益率相关系数为0.31，对次月收益率正负方向的判断准确率约为64% [3][73] - **动态权重策略回测**：以预期收益率作为择时信号，构建了防御性（预期收益非负时持仓100%，否则80%）、进攻性（非负时120%，否则100%）和双边（非负时120%，否则80%）三种动态权重策略。以2013年12月31日为基准，截至2026年6月30日，双边策略累计实现42.78%的超额收益，年均超额收益2.89% [77][84]