基于宏观因子的大类资产配置研究-241021.pdfVIP

证证券券研研究究报报告告

2024年10月21日

基于宏观因子的大类资产配置研究

分析师：林永绿

资格证书：S0650524060001

联系邮箱：linyonglv@

联系电话

联系人：张昊阳

资格证书：S0650124040024

联系邮箱：zhanghaoyang@

联系电话

请务必阅读报告附注中的风险提示和重要声明

整整体框架体框架

➢综合考虑了经济、通胀、信用和货币四个维度，选择对应的宏观经济指标构造因子，为大类资产配置提

供建议。美林时钟模型通过经济与通胀的变化对经济周期进行了划分，并阐述了不同经济周期下各种资

产特征表现，对投资具有很强指导意义；而货币信用框架同样是经典的大类资产配置方法，尤其在我国

宏观逆周期调节力度较强的背景下其适用性更加凸显。因此本文从经济、通胀、信用和货币四个方面综

合来对权益、债券、商品和黄金四类资产的配置提供建议。

➢最终将投资建议运用到风险预算模型当中，策略年化收益6.64%，最大回撤3.34%，夏普比率和卡玛比率

分别为2.04和1.99，在模型中加入货币资产控制风险后，策略夏普比率和卡玛比率分别提升到2.08和

2.29，效果优于风险平价模型与等权配置策略。

研究过程：

①筛选经济指标并对经济指标进行清洗。

②回测每个经济指标出现上行与下行之后各类资产的表现，为使所选标的更具代表性，该步骤中所选资产分别为：沪深

300指数、中证5-10年期国债活跃券指数（净价）、南华商品期货指数和SGE黄金9999指数。

③将所选较为有效的宏观经济指标信号进行合成，合成总的经济、通胀、信用和货币因子信号。

④根据最终信号产生每类资产的风险预算，并使用风险预算模型计算最终资产配置权重，该步骤中为使策略适用性更强，

所选标的资产全部为市场中发行的ETF产品，其中南华商品指数并无对应产品，因此使用豆粕ETF、有色ETF和能源化

工ETF等权配置来代替。

1

请务必阅读报告附注中的风险提示和重要声明

宏宏观数据处理观数据处理

宏观经济数据的处理为构造宏观因子的第一步，通常宏观数据较为滞后，且存在比较强的季节性和噪音干扰，下面介绍本文

对宏观数据处理的方法论：

I.数据补齐及不同口径数据计算：通常较为常用的宏观数据口径包含定基指数（数据原值）、同比和环比三种形式，其中

任何一种数据形式都可计算出另外两种形式，还有一部分数据存在缺失值情况，这时需要根据数据类型对数据进行填充，

之后再根据需求计算同比、环比或当月值数据。例如，制造业固定资产投资数据每月仅公布累计值和累计同比数据，且

该数据存在累计值数据于2018年停止公布和该数据在每年1月不公布的问题，因此需要以下步骤还原数据：1）根据每月

公布的累计值同比数据和过去的累计值数据