基于宏观因子的大类资产配置研究.pdfVIP

整体框架整体框架

➢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计算2018年以后的累计值；2）根据累计值计算出每月的当月值数据；3）根

据1月和2月的工作日天数将1、2月的合计值按权重分配（社零数据同样缺失1月份值，处理社零数据时使用日历日为权

重；为防止使用未来数据，该类因子的1月份因子值不产生投资决策。）；4）最后根据所得当月值可计算出同比和环比

数据。

原始制造业固定资产投资数据处理后制造业固定资产投资当月值与同比

250,00050400000.7

400.6