072_行业轮动系列研究10——宏观经济数据在行业轮动中的应用.pdf

[Table_MainInfo] 金融工程研究 证券研究报告 金融工程专题报告 2018 年05 月30 日 [Table_Title] 行业轮动系列研究10——宏观经济数据在 相关研究 [Table_ReportInfo]《基于因子剥离的FOF 择基逻辑系列十 一 ——基金市场择时与风格 行业轮动中的应用 择时能力探究（下）》2018.05.29 [Table_Summary] 《选股因子系列研究（三十三）——预期 投资要点： 调整类因子的收益特征》2018.05.23 《基于因子剥离的FOF 择基逻辑系列十 ——基金市场择时与风格择时能力探究 本篇报告作为行业轮动系列报告的第十篇，主要介绍宏观经济数据在行业轮动中的 （上）》2018.05.13 应用，分为宏观收益率预测、经济不确定性 beta 和宏观复合因子三大部分。作为 此前侧重于历史基本面和预期基本面的行业轮动框架的一种有效补充。  基于宏观收益率预测的行业轮动策略：我们从经济增长、通货膨胀、国际贸易、 流动性四个维度刻画宏观经济环境，并选取具有领先性的指标：OECD 综合领 [Table_AuthorInfo] 先指标、PPI 同比、人民币汇率指数和M2-M1 剪刀差。参考经济周期模型的处 理方式，将宏观经济数据拆分为长期趋势、周期波动和短期随机波动。以周期波 动为自变量，行业超额收益为因变量，构建行业收益率预测模型，根据预测结果 进行行业轮动。策略多头年化超额收益（相对全行业等权基准，下同）为7.33% ， 空头年化超额收益为-7.75% ，多空收益为16.61%。纯多头策略最大相对回撤为 12.38%，年平均换手率为3.48。  基于经济不确定性 beta 的行业轮动策略：采用 Fama-French 三因子和经济政 策不确定性指数（EPU ）对行业月度收益进行时间序列回归，以EPU 因子的系 分析师:冯佳睿 数作为经济不确定性beta 因子。选择因子值较大的行业构建多头组合，因子值 Tel:(021 较小的行业构建空头组合。策略多头年化超额收益为 5.33% ，空头年化超额收 Email:fengjr@ 益为-7.31% ，多空收益为12.40%。纯多头策略最大相对回撤为8.85% ，年平均 证书:S0850512080006 换手率为 1.98。 联系人:梁镇 Tel:(021  宏观复合因子行业轮动策略：宏观收益率预测策略和经济不确定性 beta 策略的 Email:lz11936@ 月度超额收益相关系数仅为 0.21 ，相关性较低。因此，我们将预测收益率因子 和经济不确定性 beta 因子归一化，按照等权的方式进行复合，得到宏观复合因 子。选择因子值较大的行业构建多头组合，因子值较小的行业构建空头组合。策 略多头年化超额收益为 9.66% ，空头年化超额收益为-11.40%，多空收益为 21.89%。纯多头策略最大相对回撤为7.72% ，年平均换手率为3.40。  风险提