金融工程专题：基于宏观指标的行业轮动方法.pdf

金融工程专题

目录

1.宏观因子的选取4

2.因子有效性检测与筛选6

2.1因子有效性检测6

2.2因子筛选8

3.指数择时模型的建立11

4.行业轮动模型的建立13

5.总结与未来展望14

请务必阅读正文之后的声明2of17

金融工程专题

图目录

图1：宏观因子相关性检验10

图2：行业轮动模型历史收益13

图3：行业轮动模型相对收益14

表目录

表1：宏观因子汇总4

表2：宏观因子有效性检验6

表3：宏观因子筛选结果8

表4：入选模型因子列表11

表5：指数择时模型收益统计12

表6：行业轮动模型收益统计13

请务必阅读正文之后的声明3of17

金融工程专题

1.宏观因子的选取

在以往有关行业轮动策略的系列研究报告里，我们详细研究了运用各种数据，如：

量价数据、行业基本面数据、资金流向数据及市场一致预期数据等等来建立行业

轮动模型的策略，实现了模型收益与稳定性的不断优化。本报告中，我们将关注

点扩展到宏观经济层面，从经济增长、通货膨胀、货币政策以及利率环境等角度

出发，对59个宏观经济指标进行了初步的选择与分析。经过因子的有效性检验后，

我们确定了11个最具影响力的宏观因素，用于构建我们的指数择时和行业轮动模

型。

首先，我们根据指标性质将这些宏观变量细分为四大类别：一是反映经济增长的

指标，如国内生产总值（GDP）、工业增加值、采购经理人指数（PMI）、进出口

总值、固定资产投资完成额和全社会用电量等；二是体现通胀水平的指标，包括

消费者价格指数（CPI）、生产者价格指数（PPI）、猪肉价格、原油价格以及螺

纹钢价格等；三是衡量货币流动性的指标，例如广义货币供应量（M2）、社会融

资规模增量及美元对人民币汇率等；四是与利率环境相关的指标，涵盖上海银行

间同业拆放利率（Shibor）、隔夜回购利率（R007）、不同期限国债收益率、信

用利差和期限利差等。

针对那些非同比或非环比性质的宏观指标，我们实施了初步的数据预处理，确保

所有指标在量纲上的统一性（具体方法详见表1）。鉴于某些指标存在数据缺失

的情况，我们运用了线性插值技术来进行填补。此外，对于受季节影响，波动较

大的数据，我们做了季节性调整处理，使用过去12个月的移动平均值代替其当月

值，以提高模型预测的准确性与可靠性。

表1：宏观因子汇总

指标大类