摘要
01
引言
在此前研究中，我们已先后针对原油、美股、黄金三类资产构建了单资产择时策略。虽然各个模型都实现了不错的择时效果，但模型之间却相对割裂，难以形成一条完整的逻辑链条，这也使得模型结果的可解释性相对偏弱。
本篇报告中，我们考虑剥离特质性因素，从影响大类资产走势的共性因素出发，重点讨论以下几个问题：
1、如何合理刻画全球各个主要宏观变量的走势？
2、如何由宏观变量走势映射到大类资产择时判断？
3、如何基于上述结果实现稳健的大类资产配置策略？
02
宏观变量的影响逻辑
本文中，我们重点关注国内权益（中证800）、国内债券（10年期国债）、海外权益（标普500）、黄金（SGE黄金）、原油（布伦特原油）、有色（LME铜）六类资产。
针对这六类资产，考虑到国内与海外在景气、货币、通胀等重要宏观周期上时有错位，我们总结出国内景气、国内货币、国内信用、国内通胀、全球景气、全球货币、全球通胀、美元周期、全球金融风险共计9个重要维度。逻辑上，各个宏观维度对大类资产的影响方向总结在表1中。
其中涉及的逻辑多数较为直观，对其细节我们仅做简要补充：
1、为避免信息维度重复，对于海内外的相同维度，我们仅选取逻辑上更为相关的一项进行考量。
举例来说，由于海内外景气周期的运行多数情况下方向一致，因此国内景气因子可能在统计上对标普500等全球大类资产也具备解释效力。但是，若在判断投资机会时，同时考虑国内及海外景气因子，则会导致信息维度重复。为避免这一点，对于海内外的相同维度，我们仅选取逻辑上更为相关的一项进行考量。
其中，唯一的例外在于，我们认为国内及全球货币宽松对国内权益资产均具有正向影响，这主要是因为，全球货币宽松虽不直接影响国内流动性水平，但可能会通过提振全球资金风险偏好，影响到外资流入新兴市场的决策，从而对国内权益资产走势产生影响。因此，全球货币因子的影响逻辑与国内货币因子并不完全重合。
2、全球通胀周期对美股影响相对较弱。
逻辑上来说，通胀上行一方面可能抑制终端需求，引起经济景气走弱，另一方面可能触发央行货币紧缩操作，因此利空权益资产。不过，若以10年期TIPS隐含通胀预期指标（即盈亏平衡通胀率）衡量市场对美国通胀率的预期变化，可以发现，通胀预期波动与以标普500为代表的美国股指变动并不具备明确的相关关系。例如，2009-2012年间，二者总体呈正相关，而2013-2014年则总体呈负相关。我们认为，美国股指运行或核心关注基本面数据变化，若通胀上行并未影响到基本面景气，那么对股票资产就不构成利空。后续统计中我们也会发现，全球通胀变化对大宗商品收益具有显著区分度，但对美股收益的区分度却较弱。
3、黄金在本文框架中仅作为对冲全球经济及金融风险的工具。
传统分析框架中，往往认为黄金作为抗通胀资产，与通胀正相关，同时作为美元计价的商品，与美元周期负相关。不过，从实际指标走势上来看，这些逻辑上的相关性均不够稳定：（1）无论是以盈亏平衡通胀率为代表的通胀预期，还是核心CPI为代表的实际通胀，与黄金价格的相关性波动均非常大；（2）美元指数与金价的负相关关系在2010年之前较为持续，但在2010年后相关性明显减弱，2020年后多数时间转为正相关。
在20240413外发报告《黄金：量化框架与实战操作》中，我们分析认为，美元信用变化或是理解黄金价格走势的本质逻辑，其可通过美国政府财政压力、央行购金行为等维度进行监测，而这些均为黄金的特质性影响因素，本文中不做考虑。因此，在本文框架中，我们仅从黄金的避险资产属性出发，将其作为对冲全球经济及金融风险的工具。
下一章节中，我们主要探讨如何合理刻画上述9个宏观维度的走势，从而数量化构建对应宏观因子。
03
宏观因子构建
国内景气
尽可能选取更新及时、无缺失值的数据，综合构建国内景气因子。从制造业、非制造业、地产、出口几个维度出发选取指标，经季调、去噪、标准化后，取第一主成分作为国内景气因子。
国内货币
结合央行货币政策工具运用情况及短端利率变化，判断当前货币政策方向。央行的货币政策工具主要包括逆回购利率、MLF利率等利率型工具，以及公开市场操作、MLF投放等数量型工具。除此之外，短端市场利率变化亦可辅助货币政策空窗期的方向判断。我们对各项工具反映出的央行政策取向进行打分，取均值后得到国内货币因子。
国内信用
选用中长期人民币贷款增速判断国内信用周期变化。中长贷更能反映实体经济真实融资需求，我们将经去噪处理后的滚动一年新增人民币贷款同比增速，作为国内信用周期的代理指标，该指标环比上行代表信用扩张，环比下行代表信用收缩。
国内通胀
选用“PMI:主要原材料购进价格”指标判断国内通胀周期变化。PMI作为环比意义的指标，主要原材料购进价格指标走势变化明显领先于CPI、PPI等同比意义的指标，且其公布时间也相对更早，在判断国内通胀走势上具有前瞻性。经季调、去噪、标准化处理后，即可得到国内通胀因子。
若与此前类似，按通胀因子的环比上行及下行进行状态划分，可以发现，中证800指数在通胀上行时的收益表现反而显著高于通胀下行时的收益表现，这似乎与主观逻辑并不相符。我们认为，这是由于通胀上行在部分情况下暗含经济景气上行，若通胀较为温和，对经济并不会产生明显负向影响，因此整体上出现了与景气上行类似的统计结果。
不过，我们并不希望维度之间的信息过于重复，因此考虑对通胀因子做上行、下行、震荡三状态分类：若因子的环比变化超过滚动3年的1倍标准差，定义为上行状态；低于-1倍标准差，定义为下行状态；正负1倍标准差之内，定义为震荡状态。这一设置背后的含义为，通胀较为温和时，往往并不是影响资产表现的核心变量，只有其变动幅度较大时，才可能产生显著影响。
可以发现，三状态分类下，对大类资产收益的区分度非常显著，通胀大幅上行时利空国内股债资产，大幅下行时则利好国内股债资产，这与我们的主观逻辑也更为相符。
另外，对于全球通胀、美元、全球金融风险三项因子，在波动不大时，往往也不是核心定价因素，我们均采用与国内通胀因子类似的处理，为节省篇幅，后文不再单独展示仅划分上下行状态时的大类资产收益统计结果。
全球景气
我们选取了美国制造业PMI、中国PMI新出口订单等四项具备代表性的指标，共同反映全球经济景气周期。做季调、去趋势、标准化处理后，取第一主成分作为最终的全球景气因子。
全球货币
我们主要通过美联储货币政策周期来刻画全球货币周期：
1、美联储主要通过调节政策利率来调节货币松紧，短端利率反映市场预期，更具领先性。由于短端利率波动相对较大，为避免噪音影响，我们设置在平滑后上行超过2bp记为货币紧缩，下行超过2bp则记为货币宽松，若环比变化小于2bp，则延续上月信号。
2、零利率期间，美联储主要通过QE操作来压低长端利率，QE的启动和退出或可代表美联储的货币政策立场。为避免噪音影响，我们设置在美联储持有证券规模月环比增加超过300亿美元时，才认为处于QE周期中，记为货币宽松，否则均认为并未进行QE操作，记为货币紧缩。
综合以上两步判断，我们即可得到最终的全球货币周期划分结果（1代表宽松，-1代表紧缩）。从结果上来看，全球货币因子对国内权益、美股、原油、铜的收益率均具有良好区分度。
全球通胀
选用美国10年期盈亏平衡通胀率判断全球通胀周期变化。美国10年期盈亏平衡通胀率反映了市场对未来通胀走势的预期，我们直接使用经平滑后的该指标刻画全球通胀周期变化。其中，与国内通胀因子类似，我们将该因子划分为下行、上行、震荡三种状态。可以看到，该因子对原油、铜这两类大宗商品的收益具有极强区分度。不过，如前所述，该因子对美股收益的区分能力较弱。
美元周期
选用美元指数代表美元周期变化。与国内通胀因子类似，我们将该因子划分为下行、上行、震荡三种状态。
可以看到：
1、该因子对铜、原油这两类大宗商品的收益区分能力非常显著，这背后的逻辑在于，铜及原油均为美元计价商品，弱美元则意味着，若其价格维持不变，那么对于非美国家而言，以其本币计价的商品价格变得更加便宜，从而会增加其需求，促使商品价格上涨。
2、美元因子对中债也具有较强收益区分力，这背后的逻辑与前类似，弱美元周期往往对应着全球经济景气提升，从而利空债券资产，强美元周期则相反。
3、逻辑上，强美元周期中，资本回流美国，非美国家权益资产均将面临一定压力，弱美元周期则相反。不过，中证800在不同状态下的年化收益表现与逻辑不符，这主要是受到2014-2015年中国权益牛市的扰动。这段时间中国权益资产主要受到国内流动性大幅宽松的刺激，但同时美元指数亦持续走高。
若剔除2014-2015年的数据后重新统计，则可以发现，美元下行周期利好中国权益资产，上行周期则利空，与逻辑相符。
全球金融风险
选用OFR金融压力指数判断全球金融风险变化。由于金融风险仅在较为极端的情况下才会进行定价，我们设置指标环比变化超过滚动3年的2倍标准差时，才定义为上行/下行状态。
在此设置下，该因子发出信号的频率实际上非常稀疏，仅在2008、2015、2018、2020年发出过上行/下行信号。
04
由宏观因子到多资产择时
在上一章节中，我们完成了对国内景气等共计9个宏观因子的构建，并发现它们均对大类资产收益具备解释效力。在此基础上，我们实际上可以通过一个非常直观的打分模型，实现多资产的择时落地：
1、我们在第2章已经通过逻辑演绎给出了各个维度对大类资产的影响方向判断，并在第3章进行了统计验证，结果均与先验逻辑保持一致。
2、接下来，我们可以结合各个宏观因子走势，累加得到资产当前宏观评分。例如，若当前国内景气因子上行，则中证800计+1分；若当前国内信用因子下行，则中证800计-1分。值得注意的是，由于全球金融风险信号较为稀疏，当其发出信号时，往往意味着金融环境受到重大扰动，因此我们对全球金融风险赋予双倍权重。例如，若当前全球金融风险上行，则中证800计-2分。
按此方法，对每类资产遍历所有9类宏观因子，将总得分累加，即可得到该资产当前的宏观评分，大于0代表偏利好，等于0代表中性，小于0代表偏利空。
在这一思路下，我们针对六项大类资产进行简单回测，观察择时效果：
1、回测期为2008年6月至2024年7月，月频调仓，考虑到部分指标需在月初更新，设置调仓日为每月2号后的第一个交易日。
2、基准为持续满仓持有该资产，若宏观评分大于0，则同样满仓持有，等于0则将权重调整为50%，小于0则将权重调整为0。
回测结果显示，所有六项资产均实现了相较基准更低的回撤，且大多数资产实现了相较基准更高的年化收益，宏观评分策略具备一定的择时效果。
另外，我们也统计了宏观评分的不同取值，对大类资产收益表现的区分度。从结果上看，大致存在得分越高，年化收益越高的趋势，但单调性相对较弱。此外，除了中国债券资产，其他5类资产均出现了得分最低的一组，收益率反而相对较高的现象，由于我们主要利用宏观数据构建模型，而市场预期往往领先于数据公布，这可能对应了资产面临的宏观环境极度恶化时，市场预期反而可能触底，转而开始交易反转预期。
05
大类资产配置策略构建
上文中，我们基于宏观因子结果，针对各大类资产构建了单资产择时策略。在此基础上，我们即可综合构建稳健的大类资产配置模型。我们分两步进行模型构建：
1、基于策略视角的风险预算模型：综合各个单资产择时策略信号，给予看多资产更多风险预算，给予看空资产更少风险预算。其中，我们此前系列报告中已经针对原油、美股、黄金三类资产设计了单资产择时模型，由于在宏观因素之外，模型中还加入了资产特质性影响因素（如原油-原油库存、美股-资金流、黄金-央行购金行为），因此相较于本文中仅依靠宏观因子，择时效果要更优。因此，我们此处直接使用前期报告中给出的择时信号，替换前文中计算的择时信号，用以计算最终结果。
2、结合宏观风险平价进行风险控制：在风险预算策略的基础上，通过控制组合在各个宏观维度的风险暴露，精细化调整资产权重，得到更稳健的策略结果。
风险预算模型构建
底层资产选取：利用ETF产品实现策略落地。为便于最终配置策略的落地，我们对于每类资产，选取相应ETF/LOF产品，作为策略的底层配置资产。另外，此处我们加入短融ETF，作为后续模型构建过程中控制风险暴露的对冲资产。为获得尽可能长的历史回测结果以验证模型有效性，我们将资产历史收益序列起点统一至2008年1月，若ETF成立时间较晚，则通过其跟踪指数进行补全。
风险预算模型：主动风险配置方案。风险预算模型是更为人所熟知的风险平价模型的延申。在风险平价模型中，我们忽视较难预测的资产预期收益，仅关注风险端因素，要求各项所配置的资产在最终组合中的风险贡献相同。而风险预算模型则允许组合管理者结合自己的主观观点，进行权重调配，例如，若看多权益资产，则给予权益资产更多风险预算。这样，我们就可以实现更为主动的风险配置。
我们在以下条件下进行策略回测：
1、回测期为2009年1月至2024年7月，月频调仓，考虑到部分指标需在月初更新，设置调仓日为每月2号后的第一个交易日。
2、采用过去250个交易日的日度收益率序列计算资产协方差矩阵
3、6项资产初始风险预算均为1/6。若资产择时观点为看好，则将其风险预算翻倍，中性则不变，看空则风险预算减半。最后，将所有资产的风险预算归一化，即可得到最终的风险预算。
4、考虑双边千二的交易费用。
风险预算策略年化收益6.9%，最大回撤4.7%。在2009年1月至2024年7月的回测区间内，风险预算策略录得年化收益6.9%，年化波动4.4%，年化夏普1.56，最大回撤4.7%，年化双边换手率133%，表现相对较优。
结合宏观风险控制构建稳健配置策略
行文至此，可能会有部分读者感到困惑：既然通过宏观周期评分得到的择时模型可以通过更为精细的单资产择时模型进行替换，那是否意味着我们此前花费大量篇幅构建的宏观因子体系并无必要？这里，我们想要强调，对各个宏观变量的刻画和监测，不仅可用于辅助单资产择时判断，其更重要的应用在于，可帮助我们管理组合的宏观风险暴露，进而实现更为稳健的资产配置模型。
早在1996年，桥水基金推出的全天候策略就已经应用了宏观风险平价的理念。桥水认为，经济增长和通胀是资产价格的两个核心宏观驱动因素，未来的经济环境可能存在增长上行、增长下行、通胀上行、通胀下行四种状态，不同状态下的占优资产不同。同时，由于预测未来较为困难，桥水的全天候策略选择不预测宏观环境，而是将各25%的风险预算分配到4类宏观状态之中，以求在任何环境之中，都能够获取相对稳健的回报，这其实就是一种宏观风险平价的理念。
本文中，主要基于前文构建的宏观因子体系，实现组合的宏观风险控制。具体来说，每个因子都代表了一类较为重要的宏观风险，对不同的大类资产来说影响方向也有所不同。我们在组合优化过程中，加入宏观风险控制条件，使得组合在各个宏观风险上的暴露都尽可能接近于0。其中，对于国内货币、国内通胀、全球货币、全球通胀4类宏观风险，没有反向暴露的资产可供风险对冲，这里我们引入短融作为对冲资产。
叠加宏观风险控制条件后，大类资产配置策略年化收益7.4%，最大回撤4.2%。在叠加了宏观风险控制条件后，在2009年1月至2024年7月的回测期内，策略年化收益7.4%，年化波动4.4%，年化夏普1.62，最大回撤4.2%，年化双边换手率184%，风险收益表现相对单纯的风险预算策略均实现了显著优化。此外，分年度来看，2009年以来，策略仅在2013年录得小幅负收益，其余年份均可取得正收益。
从资产权重变化上来看，策略能够实现更优表现的机理其实非常简单：在正常环境下，通过增加对短融资产的配置，实现更稳定的收益表现；而在大类资产集中反映某一逻辑时（如2020年下半年全球资产均在交易经济复苏），则通过增加对黄金等逆周期资产的配置来对冲可能的周期反转风险。
不过，需要注意的是，本文中所谓“宏观风险控制”并不是统计意义上的精确结果。由于我们选择采用宏观数据计算对应宏观因子，因此相较于通过资产价格数据计算隐含宏观因子的方法而言，各个宏观维度之间可能存在信息重叠，我们也无法计算宏观因子的协方差矩阵。另外，我们在计算资产对宏观风险的暴露系数时，并未考虑资产自身波动率的影响。因此，本文框架下，无法精确实现组合宏观风险暴露的控制。例如，在我们的方法下，2020年下半年虽然组合大幅增加了对黄金、短融的配置比例，但同时中证800、标普500等股票资产的配置比例也有不同幅度的增长。
参数敏感性检验
在构建策略的过程中，有几项重要参数应通过敏感性检验来验证策略稳健性，我们在下文中分别进行讨论：
1、计算资产协方差矩阵时所用的历史收益率序列时间窗口长度
2、计算资产宏观风险暴露强度时的回看时间窗口长度
3、短融的宏观风险暴露强度
计算协方差矩阵的时间窗口长度对策略最终结果影响较小。我们统计了窗口长度为100-1250个交易日时，策略的年化收益及最大回撤表现。其中，为了方便，此处回测起点统一至2014年1月。可以看到，时间窗口过长或过短，对策略表现有小幅影响，处于150日至750日区间中时，策略结果差异较小。
计算资产宏观风险暴露强度的窗口长度不宜过大。我们统计了窗口长度为3-24个月时，策略的年化收益及最大回撤表现。可以看到，窗口长度越长，策略最终表现整体越弱。这是因为，我们采用宏观因子在窗口期内对资产收益方向的判断胜率作为宏观风险暴露强度的代理，若窗口期太长，则结果可能不够灵敏，无法快速反应资产价格运行逻辑的变化。但是，若窗口太短，我们也担心会出现结果不稳定的问题，综合考虑后，我们最终策略中选用的窗口期长度为5。
不同的短融资产宏观风险暴露强度系数，实际上对应的是优化后组合中短融资产占比，调整该系数即可得到具备不同风险收益特征的组合。我们此前展示的策略结果为短融资产风险暴露强度系数为1时的结果，而若系数减半为0.5，则意味着需要双倍资产权重，才可以实现与原来相同的宏观风险暴露。因此，调节该系数实际上实现的就是调节短融资产占比的功能，系数越低，则短融资产占比越高，在收益走低的同时，最大回撤亦明显降低。
06
总结
基于高频宏观数据，综合构建九大类宏观因子。本文中，我们总结出国内景气、国内货币、国内信用、国内通胀、全球景气、全球货币、全球通胀、美元周期、全球金融风险共计9个对大类资产表现有重要影响的宏观维度，并主要基于高频宏观数据，实现对应宏观因子的构建。实证结果表明，各类宏观因子均对大类资产收益具备较强解释力，且影响方向与主观逻辑相符。
通过打分法构建大类资产的宏观择时评分表。我们结合宏观因子走势及其对大类资产的影响方向给出各个宏观因子的打分，将各宏观因子打分结果累加后即可得到各项资产的宏观评分。对于我们考察的中证800、中国10年国债、标普500、SGE黄金、LME铜、布伦特原油六项资产而言，基于宏观评分进行资产择时判断，所有六项资产均实现了相较基准更低的回撤，且大多数资产实现了相较基准更高的年化收益。此外，对于各项资产而言，整体呈现出宏观评分越高，资产年化收益越高的趋势，宏观评分结果可辅助我们进行资产择时判断。
结合宏观风险控制的风险预算模型在回测期内实现年化收益7.4%，最大回撤4.2%。结合宏观评分择时结果以及我们此前研究中构建的单资产择时模型结果，调整各类资产在组合中的风险预算，由此得到的风险预算模型在2009年1月-2024年7月的回测区间内，实现年化收益6.9%，最大回撤4.7%。而若基于宏观因子体系控制组合在九大类宏观风险上的暴露，最终组合可实现年化收益7.4%，年化波动4.4%，年化夏普1.62，最大回撤4.2%。
07
风险提示
1、本文结论根据历史数据总结归纳得到，历史不能代表未来，结论存在失效风险。
2、参数设置对最终结果存在一定影响。
3、策略历史回测数据不代表未来运作的实际效果或可能获得的实际收益。
4、本报告不涉及证券投资基金评价业务，不涉及对基金产品的推荐，亦不涉及对任何基金持仓股票的推荐。
报告作者：
陈奥林 从业证书编号 S1230523040002
徐浩天 从业证书编号 S1230523090002
详细报告请查看20240814发布的浙商证券金融工程深度报告《全球资产配置：宏观打分卡》
法律声明：
本公众号为浙商证券金工团队设立。本公众号不是浙商证券金工团队研究报告的发布平台，所载的资料均摘自浙商证券研究所已发布的研究报告或对报告的后续解读，内容仅供浙商证券研究所客户参考使用，其他任何读者在订阅本公众号前，请自行评估接收相关推送内容的适当性，使用本公众号内容应当寻求专业投资顾问的指导和解读，浙商证券不因任何订阅本公众号的行为而视其为浙商证券的客户。
本公众号所载的资料摘自浙商证券研究所已发布的研究报告的部分内容和观点，或对已经发布报告的后续解读。订阅者如因摘编、缺乏相关解读等原因引起理解上歧义的，应以报告发布当日的完整内容为准。请注意，本资料仅代表报告发布当日的判断，相关的研究观点可根据浙商证券后续发布的研究报告在不发出通知的情形下作出更改，本订阅号不承担更新推送信息或另行通知义务，后续更新信息请以浙商证券正式发布的研究报告为准。
本公众号所载的资料、工具、意见、信息及推测仅提供给客户作参考之用，不构成任何投资、法律、会计或税务的最终操作建议，浙商证券及相关研究团队不就本公众号推送的内容对最终操作建议做出任何担保。任何订阅人不应凭借本公众号推送信息进行具体操作，订阅人应自主作出投资决策并自行承担所有投资风险。在任何情况下，浙商证券及相关研究团队不对任何人因使用本公众号推送信息所引起的任何损失承担任何责任。市场有风险，投资需谨慎。
浙商证券及相关内容提供方保留对本公众号所载内容的一切法律权利，未经书面授权，任何人或机构不得以任何方式修改、转载或者复制本公众号推送信息。若征得本公司同意进行引用、转发的，需在允许的范围内使用，并注明出处为“浙商证券研究所”，且不得对内容进行任何有悖原意的引用、删节和修改。
廉洁从业申明：
我司及业务合作方在开展证券业务及相关活动中，应恪守国家法律法规和廉洁自律的规定，遵守相关行业准则，遵守社会公德、商业道德、职业道德和行为规范，公平竞争，合规经营，忠实勤勉，诚实守信，不直接或者间接向他人输送不正当利益或者谋取不正当利益。
