基于動態(tài)宏觀事件因子的股債輪動策略

一、動態(tài)宏觀事件的構(gòu)建邏輯宏觀擇時的常用方法當(dāng)量化分析師嘗試使用宏觀數(shù)據(jù)構(gòu)建模型對未來資產(chǎn)收益率進(jìn)行判斷時一般有兩種方式：1）進(jìn)行線性回歸擬合，將未來資產(chǎn)的收益率作為因變量，將宏觀數(shù)據(jù)作為自變量進(jìn)行線性回歸通過回歸模型預(yù)期未來資產(chǎn)收益率或者漲跌方向2)構(gòu)建事件驅(qū)動模型通過統(tǒng)計(jì)某類特定的宏觀事件發(fā)生時未來資產(chǎn)的漲跌情況從中篩選出勝率高的宏觀事件從而構(gòu)建事件因子但是對于宏觀數(shù)據(jù)來說其與未來資產(chǎn)的收益率不一定呈現(xiàn)線性相關(guān)的關(guān)系,或者僅有弱相關(guān)性，例如圖表1中展示的PPI同比與全A收益率的相關(guān)性只有-0.1336，并沒有一個非常強(qiáng)的相關(guān)性，但是在某一時間段內(nèi)，可能與資產(chǎn)收益率的相關(guān)性劇增，例如圖表2中紅框所框出來的部分。所我們希望使用構(gòu)建宏觀事件的方式，去捕捉這類宏觀數(shù)據(jù)的顯著變化的時點(diǎn)，來輔助我們來做投資決。圖表1：全A與PPI同比的線性相關(guān)性相關(guān)性:相關(guān)性:-.13603萬得全萬得全次月收益010-.1-.2-.3-.4-0 -5 0 5 10 15PP同比，圖表2：全A與PPI同比的走勢7,0006,0004,0003,0002,0001,0000萬得全A點(diǎn)位 PPI同比(右軸)_逆序

-10-50510，動態(tài)事件驅(qū)動的優(yōu)勢傳統(tǒng)的事件驅(qū)動類策略的構(gòu)建流程一般為使用樣本內(nèi)時間段數(shù)據(jù)去測試事件的勝率和可靠性等等然后在樣本外長期沿用并不做任何改變或者說沒有一個完善的體系去規(guī)范樣本外該事件因子是否是持續(xù)有效使得投資者在樣本外的使用過程中無法很好的把控事件因子與資產(chǎn)收益率之間關(guān)系的變動例如圖表3中顯示的南華工業(yè)品指數(shù)同比與PPI同比的相關(guān)性，在2012年之前，南華工業(yè)品指數(shù)同比的走勢對于PPI同比有一定的領(lǐng)先性但是隨著時間的推移目前南華工業(yè)品指數(shù)同比基本對于PPI同比的領(lǐng)先性逐漸減弱。圖表4中，LME銅價與全A指數(shù)同比的走勢變化，也體現(xiàn)了同樣的結(jié)論。若我們不能及時把握數(shù)據(jù)與資產(chǎn)關(guān)系變化的話，很有可能滯后或者甚至做出錯誤的投資決策。為了一定程度上解決傳統(tǒng)事件驅(qū)動類策略的弊端本文嘗試構(gòu)建動態(tài)事件驅(qū)動策略框架。將事件因子的評價環(huán)節(jié)包含在每期事件因子的選擇當(dāng)中，動態(tài)選擇與資產(chǎn)走勢更相關(guān)的事件因子，解決樣本外因子的評價問題和動態(tài)因子優(yōu)選問題，使得投資者只需要關(guān)注于挑選更多有效的宏觀數(shù)據(jù)進(jìn)模型中，提升模型的信息輸入就好。圖表3：PPI同比與南華工業(yè)品指數(shù)同比時滯關(guān)系的變化15105010PPI同比 南華工業(yè)品指:同比右軸)

1010806040200204060Wind，圖表4：全A同比與LME銅價同比時滯關(guān)系的變化30202010105005010萬得全A:月:同比 期貨官方價:LME3個月銅:同比右軸)Wind，二、宏觀事件因子構(gòu)建框架及流程構(gòu)建動態(tài)事件因子框架要考慮的關(guān)鍵點(diǎn)為了構(gòu)建動態(tài)事件因子的框架，我們有幾個核心問題需要解決：1)確定使用哪類型的數(shù)據(jù)以怎樣的數(shù)據(jù)結(jié)構(gòu)去搭建哪些的事件因子這第一個問題是我們找尋與資產(chǎn)收益率相關(guān)的宏觀數(shù)據(jù)并且構(gòu)建能夠刻畫他們與資產(chǎn)關(guān)系的事件從而捕獲兩者之間的關(guān)系；確定篩選因子的指標(biāo)：當(dāng)我們用量化的方式去衡量大批量事件因子的好壞，無法人為的逐個用肉眼確認(rèn)所以我們需要找到一些用哪類型的指標(biāo)來篩選優(yōu)秀或者符合需求的事件因子；確定篩選因子的滾動時間窗口長度：當(dāng)我們有了合適的篩選指標(biāo)之后，用多長的滾動時間窗口去計(jì)算該指標(biāo)來判斷事件因子的好壞也是一個我們需要決策的維度。確定最終選用因子的標(biāo):在我們將上述關(guān)鍵點(diǎn)都解決之后，我們只需要確認(rèn)最終因子的篩選指標(biāo)就可以完成整個事件因子計(jì)算和篩選的流程框架。在后續(xù)的章節(jié)2.2宏觀數(shù)據(jù)的選和23宏觀數(shù)據(jù)的預(yù)處我們將完成對于問題1的理解和處理方式，而章節(jié)2.4宏觀事件因子構(gòu)我們會完成對問題2，3，4的解答。宏觀數(shù)據(jù)的選用關(guān)于數(shù)據(jù)方面我們本次報將經(jīng)濟(jì)通脹貨幣和信用四大類的30余個因子包括PMI、PPISHIBORM1等數(shù)據(jù)納入了測試的范圍當(dāng)中后續(xù)還可以對更廣泛的數(shù)據(jù)做進(jìn)一步的測試。圖表5：經(jīng)濟(jì)、通脹、貨幣和信用類指標(biāo)數(shù)據(jù)分類指標(biāo)名稱頻率數(shù)據(jù)發(fā)布時間制造業(yè)PMI月當(dāng)月月末制造業(yè)PMI:生產(chǎn)月當(dāng)月月末制造業(yè)PMI:新訂單月當(dāng)月月末制造業(yè)PMI:新出口訂單月當(dāng)月月末PMI:新訂單-PMI:產(chǎn)成品庫存月當(dāng)月月末經(jīng)濟(jì)工業(yè)增加值:當(dāng)月同比月次月月中產(chǎn)量:發(fā)電量:當(dāng)月值月次月月中消費(fèi)者信心指數(shù)月次月月末固定投資完成額:第一產(chǎn)業(yè)月次月月中國債利差10Y-1M日當(dāng)日收盤國債利差10Y-3M日當(dāng)日收盤PPI:同比月次月月中通脹CPI:同比月次月月中PPI-CPI剪刀差月次月月中PMI:原材料價格月當(dāng)月月末SHIBOR:隔夜日當(dāng)日收盤SHIBOR:2周日當(dāng)日收盤SHIBOR:1個月日當(dāng)日收盤銀行間質(zhì)押式回購加權(quán)利率:7天日當(dāng)日收盤銀行間質(zhì)押式回購加權(quán)利率:14天日當(dāng)日收盤銀行間質(zhì)押式回購加權(quán)利率:1個月日當(dāng)日收盤銀行間質(zhì)押式回購加權(quán)利率:3個月日當(dāng)日收盤貨幣同業(yè)存單:1個月日當(dāng)日收盤同業(yè)存單:3個月日當(dāng)日收盤逆回購利率:7天-銀行間質(zhì)押式回購加權(quán)利率:7天日當(dāng)日收盤中美國債利差10Y日當(dāng)日收盤中國國債美國TIPs利差:10年日當(dāng)日收盤國開債國債利差:10年日當(dāng)日收盤AA級企業(yè)債國債:10年利差日當(dāng)日收盤中間價:美元兌人民幣日當(dāng)日收盤M1:同比月次月月中信用M2:同比月次月月中M1-M2剪刀差月次月月中社會融資規(guī)模:當(dāng)月值月次月月中社會融資規(guī)模存量:同比月次月月中金融機(jī)構(gòu):中長期貸款余額月次月月中Wind圖表6：事件因子構(gòu)建流程圖宏觀數(shù)據(jù)的預(yù)處理對于數(shù)據(jù)的預(yù)處理方面，我們分了4個小步驟：對齊數(shù)據(jù)頻率我們將指標(biāo)的頻率全部統(tǒng)一成了月頻的數(shù)據(jù)對于日頻數(shù)據(jù)的換頻操作上我們有兩種的處理方式第一種為取每月的最后一個交易日的數(shù)據(jù)作為當(dāng)月的數(shù)據(jù)，或者是取月內(nèi)日頻數(shù)據(jù)的均值作為當(dāng)月的數(shù)據(jù)。填充數(shù)據(jù)缺失值對于由于數(shù)據(jù)公布時間不一致導(dǎo)致有些月份數(shù)據(jù)的缺失我們需要對其進(jìn)行填充。這里我們采用的方式是取數(shù)據(jù)過去12個月指標(biāo)的一階差分值的中位數(shù)疊加上一期的數(shù)值進(jìn)行填充。??=??1+??????????12季節(jié)性調(diào)整和濾波處理這個步驟的處理需要看數(shù)據(jù)本身來確定因?yàn)橛袛?shù)指標(biāo)對于資產(chǎn)的指示作用可能隱含在“噪音”當(dāng)中，當(dāng)我們做季節(jié)性調(diào)整或者濾波處理，可能會把這部分重要的信息給過濾掉效果反而不好所以此步驟需要結(jié)合數(shù)據(jù)判斷本文的研究嘗試用量化的形式通過同時構(gòu)建數(shù)據(jù)的4種處理方式的因子最終篩選出更適合該指標(biāo)的處理方:不做處理的原始數(shù)據(jù)b)做季節(jié)性調(diào)整的數(shù)據(jù)；c)做濾波處理的數(shù)據(jù)； d)做完季節(jié)性調(diào)整后再進(jìn)行濾波處理的數(shù)據(jù)在季節(jié)性調(diào)整方面我們采用傳統(tǒng)的X13-ARIMA-SEATS方法對數(shù)據(jù)季節(jié)性調(diào)濾波處理方面為了使得每個時點(diǎn)的過濾后數(shù)據(jù)不包含未來信息并未采用傳統(tǒng)經(jīng)濟(jì)分析常用的雙向HP濾:???????=∑ ????????.??=????(??).????1而是選擇使單向HP濾波，避免數(shù)據(jù)處理過程中隱含的未來函數(shù)。???????=∑ ????????.??=??????(??).????1數(shù)據(jù)格式變動根據(jù)對數(shù)據(jù)的理解不同的數(shù)據(jù)使用不同的數(shù)據(jù)格式使數(shù)據(jù)更能捕捉資產(chǎn)收益率變動方向。圖表7：數(shù)據(jù)格式的變動數(shù)據(jù)格式 解釋data_raw 原始數(shù)據(jù)data_YoY 數(shù)據(jù)的同比變化data_MoM 數(shù)據(jù)的環(huán)比變化data_diff 數(shù)據(jù)的差額變化data_MA12 數(shù)據(jù)的12個月移動平均data_diff_roll12_sum 數(shù)據(jù)的新增量的滾動12個月求和data_diff_roll12_sum_YoY 數(shù)據(jù)的新增量的滾動12個月求和同比變在做完4個步驟的數(shù)據(jù)預(yù)處理之后，我們進(jìn)入事件因子的構(gòu)建階段。宏觀事件因子構(gòu)建關(guān)于事件因子的構(gòu)建，我們將其拆解成7個小步:確定事件的突破方向通過計(jì)算經(jīng)過預(yù)處理后的數(shù)據(jù)與資產(chǎn)標(biāo)的下一期收益率的相關(guān)性，來確定事件的突破方向。當(dāng)相關(guān)性為正相關(guān)時，我們對該數(shù)據(jù)構(gòu)建正向突破(變動)的事件，反之則構(gòu)建反向突(變動)的事件。確定數(shù)據(jù)與資產(chǎn)的領(lǐng)先滯后:我們在章節(jié)1.2動態(tài)事件驅(qū)動的優(yōu)中提及銅價同比與全A指數(shù)同比的領(lǐng)先關(guān)系，隨著時間的推移發(fā)生了變化，所以為了能動態(tài)識別數(shù)據(jù)與資產(chǎn)目前的領(lǐng)先滯后關(guān)系我們對數(shù)據(jù)衍生出滯后0-4期的事件因子然后通過篩選因子的指標(biāo)來衡量，那個時滯期數(shù)下的事件因子更為合適。生成事件因子在本次的框架中我們構(gòu)建了三類的事件因子包括數(shù)據(jù)突破數(shù)據(jù)均線數(shù)據(jù)突破數(shù)據(jù)中位數(shù)以及數(shù)據(jù)的同向變化并且給這些因子事件賦予了不同的參數(shù)，這樣一共構(gòu)建了36個不同的因子事件。圖表8：事件因子的構(gòu)建因子事件 參數(shù)數(shù)據(jù)突破數(shù)據(jù)均線 均線長度：2-12數(shù)據(jù)突破數(shù)據(jù)中位數(shù) 滾動窗口：2-12數(shù)據(jù)同向變動 同向變動期數(shù):1-5圖表9：各類衡量指標(biāo)介

在生成完所有的事件因子之后我們就可以進(jìn)入對事件因子的評價和篩選階段但首先我們需要確定下用哪些衡量指標(biāo)在圖表9種我們列了4種不同的衡量指標(biāo)包:勝率、收益率勝率波動調(diào)整收益率和開倉波動調(diào)整收益率其中勝率只是考慮了該事件因子的開倉成功率而收益率勝率除了成功率之外還包含了盈虧比的信息相對是個更好的指標(biāo)而波動調(diào)整收益率除了考慮前面提及的兩個因素外更融入了波動率的信息但是這個指包含不開倉時間段的信息導(dǎo)致不開倉時間長也可能有高數(shù)值但我們更想獲取的是開倉期間波動調(diào)整收益率更高的事件因子所以就有了第四個指標(biāo)開倉波動調(diào)整收益率但是這個指標(biāo)也有自身的問題就是如果數(shù)據(jù)期數(shù)較少的話可能計(jì)算的數(shù)值會較為敏感導(dǎo)致篩選出來的事件因子好壞不一所以該指標(biāo)更適用于對長時間段的因子評價和篩選當(dāng)中基于這些指標(biāo)不同的特點(diǎn)，我們決定選擇用收益率勝率作為每期事件因子的篩選指標(biāo)；用開倉波動調(diào)整收益率作為后續(xù)確定數(shù)據(jù)滾動時間窗口的指。事件因子衡量指標(biāo) 指標(biāo)構(gòu)建 指標(biāo)優(yōu)劣勢∑??1,??>0∑勝率 ?? ??∑??

，??為總開倉次數(shù) 只考慮指標(biāo)成功率∑????,??>0收益率勝率

???? ????∑??|??

，??為總開倉次數(shù) 除了成功率，還包含盈虧比的信息事件因子衡量指標(biāo) 指標(biāo)構(gòu)建 指標(biāo)優(yōu)劣勢?? ∑?????? ∑??波動調(diào)整收益率

√1 ∑??(????)2

倉時間段的信息，導(dǎo)致不開倉時間長的事件也可能有高數(shù)值???1???? ∑?????? ，??為總開倉次數(shù) 綜合考慮指標(biāo)成功率，收益率和波動率的信息，開倉波動調(diào)整收益率

√1 ∑(????)2

且重點(diǎn)關(guān)注開倉階段的信息，但是要求數(shù)據(jù)量大些???1?? ??因子事件初篩:確定好篩選指標(biāo)之后我們對每期生成因子做個初步的有效性篩選。包括a)滿足t檢驗(yàn)，能在95的置信區(qū)間內(nèi)拒絕事件信號發(fā)出之后，下一期資產(chǎn)收益為0的原假設(shè)b)事件收益率勝>55;c)該事件的發(fā)生次>滾動窗口的時間期數(shù)/6。疊加事件因:在通過初篩選的事件因子當(dāng)中，選擇收益率勝率最高的事件因子作為當(dāng)期的基礎(chǔ)事件因子然后從剩余通過初篩選的事件因子中選出與基礎(chǔ)事件因子低于0.85的次高收益率勝率事件因子，將其與基礎(chǔ)事件因子進(jìn)行疊加若疊加因子事件的勝率高于基礎(chǔ)因子事件則選用疊加事作為當(dāng)期的事件因子反之則僅用最高勝率事作為當(dāng)期的事件因子。若經(jīng)歷了步驟4和5，當(dāng)期沒有能通過篩選的事件因子，則本期該宏觀指標(biāo)標(biāo)記為空倉且當(dāng)期不加入其歸屬的大類因子打分當(dāng)中本質(zhì)上這步實(shí)現(xiàn)了動態(tài)剔除低勝率的事件因子。確定評判事件的最優(yōu)滾動窗口在通過前6個步驟計(jì)算之后我們可以獲得該宏觀數(shù)據(jù)每期動態(tài)選出的事件因子并且基于每期事件因子給出的擇時信號獲得該宏觀數(shù)據(jù)的歷史凈值表現(xiàn)。然后我們對樣本內(nèi)時間(2005年1月-2017年12月)的數(shù)據(jù)計(jì)算開倉波動調(diào)整收益率尋找對于不同宏觀數(shù)據(jù)最合適的滾動時間窗口對于滾動時間窗口的參數(shù)，我們測試了48，60，72，84，96個月時間維度。每個宏觀數(shù)據(jù)都通過對比不同時間窗口的開倉波動調(diào)整收益率來選出最優(yōu)參數(shù)。三、宏觀事件因子表現(xiàn)宏觀事件因子測試結(jié)果示例PPI同PPI代表著上游工業(yè)品價格而中國作為一個制造業(yè)大國工業(yè)品價格的回落能夠有效減緩中下游產(chǎn)業(yè)的成本壓力中下游企業(yè)的毛利率和營收得以提升推動實(shí)體經(jīng)濟(jì)進(jìn)行擴(kuò)張?jiān)鲩L對于PPI同比這個指標(biāo)樣本期內(nèi)最高開倉波動調(diào)整收益率的是用原始數(shù)據(jù)構(gòu)建的48期滾動窗口，所以我們對這個指標(biāo)使用這個參數(shù)。圖表10：PPI同比各情形樣本內(nèi)時間段開倉波動調(diào)整收益率滾動窗口長度 原始數(shù)據(jù) HP濾波 X13季節(jié)調(diào)整 X13-HP481.501.041.040.96600.87-0.100.870.07721.490.210.960.14840.420.200.670.31960.170.060.200.14圖表11：PPI同比事件因子擇時凈值 圖表12：PPI同比事件因子擇時表現(xiàn) 01/2005-11/2022 PPI同比 萬得全A 年化收益率 13.14 10.88 年化波動率 18.07 28.94 最大回撤 -21.21 -68.61夏普比率 0.71 0.46收益回撤比 0.62 0.16Wind， Wind，工業(yè)增加值同比：工業(yè)增加值代表著制造業(yè)生產(chǎn)數(shù)量的變化，是通過排除了產(chǎn)品價格變動的影(PPI包含的部)直接通過生產(chǎn)產(chǎn)品數(shù)據(jù)變化的角度來觀察經(jīng)濟(jì)增長的情況。對于工業(yè)增加值同比這個指標(biāo)樣本期內(nèi)最高開倉波動調(diào)整收益率的是用經(jīng)過X13季節(jié)調(diào)整后數(shù)據(jù)構(gòu)建的72期滾動窗口，所以我們對這個指標(biāo)使用這個參數(shù)。圖表13：工業(yè)增加值同比各情形樣本內(nèi)時間段開倉波動調(diào)整收益率滾動窗口長度 原始數(shù)據(jù) HP濾波 X13季節(jié)調(diào)整 X13-HP480.840.071.670.57601.020.631.310.61721.640.551.700.89840.680.460.970.91960.690.900.971.22Wind圖表14：工業(yè)增加值同比事件因子擇時凈值 圖表15：工業(yè)增加同比事件因子擇表現(xiàn) 01/2005-11/2022工業(yè)增加值同比 萬得全年化收益率 10.14 年化波率 14.34 28.94最大回撤 -28.70 -68.61夏普比率 0.66 0.46收益回撤比 0.35 0.16逆回購利:7天-銀行間質(zhì)押式回購加權(quán)利:7天:MA20逆回購利率是央行政策操作利率銀行間質(zhì)押式回購加權(quán)利率市場的交易利率該差值擴(kuò)大說明銀行間市場資金流動性在變寬松反之流動性則在逐步收緊過程通過這個指標(biāo)我們可以觀測整體市場的流動性是偏寬松還是偏緊的對于這個指標(biāo)來說樣本期內(nèi)最高開倉波動調(diào)整收益率的是用原始數(shù)據(jù)構(gòu)建的96期滾動窗口，所以我們對這個指標(biāo)使用這個參數(shù)。圖表16：各情形樣本內(nèi)時間段開倉波動調(diào)整收益率滾動窗口長度 原始數(shù)據(jù) HP濾波 X13季節(jié)調(diào)整 X13-HP481.410.210.600.5860-0.120.10-0.260.79720.420.941.041.44滾動窗口長度 原始數(shù)據(jù) HP濾波 X13季節(jié)調(diào)整 X13-HP84961.871.001.50 1.392.700.540.941.19Wind圖表17：逆回-銀行間質(zhì)押式回購利因子擇時凈值 圖表18：逆回購-銀行間質(zhì)押式回購利因子擇表現(xiàn)逆回購利率-銀行間質(zhì)2 01/2005-

押式回購加權(quán)利

萬得全A年化收益率 14.23 10.8886 年化波動率 17.34 28.944最大回撤 -25.62 -68.6120夏普比率 0.78 0.460萬得全A 逆回購利率天-銀行間質(zhì)押式回購加權(quán)利率天M

收益回撤比 0.56 0.16Wind Wind最終篩選的宏觀因子最后我們通過計(jì)算樣本內(nèi)時間2005年1月-207年1230余個宏觀數(shù)據(jù)構(gòu)建的事件因子的開倉波動調(diào)整收益率，挑選出了樣本內(nèi)表現(xiàn)較好的11個因子，我們將其列在了圖表19當(dāng)中，并且說明了每個數(shù)據(jù)的數(shù)據(jù)格式、數(shù)據(jù)處理方法和對應(yīng)的滾動窗口期我們將這11個因子分成了兩大:經(jīng)濟(jì)增長和貨幣流動性經(jīng)濟(jì)增長包含經(jīng)濟(jì)通脹和信用三者都是不同維度描述經(jīng)濟(jì)的運(yùn)行情況另外將貨幣類的指標(biāo)單獨(dú)劃分成一類用來刻畫市場的流動性。圖表19：最終篩選的宏觀因子因子分類因子名稱數(shù)據(jù)處理方法滾動窗口M1:同比原始數(shù)據(jù)84PPI:YoY原始數(shù)據(jù)48經(jīng)濟(jì)增長PPI-CPI剪刀差X1348工業(yè)增加值同比X1372國債利差10Y-1M原始數(shù)據(jù)84產(chǎn)量:發(fā)電量:當(dāng)月值:MA3:環(huán)比X13-HP84M1-M2剪刀差HP72中美國債利差:10年原始數(shù)據(jù)84貨幣流動性中國國債美國TIPs利差:10年X1396銀行間質(zhì)押式回購加權(quán)利率:7天原始數(shù)據(jù)48逆回購利率:7天-銀行間質(zhì)押式回購加權(quán)利率:7天:MA20原始數(shù)據(jù)96四、擇時與股債策略表現(xiàn)宏觀事件因子擇時策略構(gòu)建在選定了最終使用的宏觀指標(biāo)之后我們使用這些宏觀數(shù)據(jù)構(gòu)建的宏觀事件因子來搭建擇時策略我們定義當(dāng)大類因子內(nèi)部的細(xì)分因子大于2/3的因子發(fā)出看多信號則當(dāng)期該大類因的信號標(biāo)記為1當(dāng)大類因子內(nèi)部的細(xì)分因少于1/3的因子發(fā)出看多信時，則當(dāng)大類因信號標(biāo)記為0若當(dāng)大類因子內(nèi)部的細(xì)分因發(fā)出看多信的比處于兩個區(qū)間之后則大類因子標(biāo)記對具的比例最后我們將兩個大類因子的得分取平均值，合成最當(dāng)期的股票倉信。圖表20：擇時策略倉位確定流程圖圖表21和圖表22展示的是該宏觀事件因子擇時策略的表現(xiàn)從2005年1月至2022年11月年化收益率為18.73，同期全A指數(shù)為10.88，相對Wind全A有約8的年化超額收益該擇時策略在波動率端也有比較好的表現(xiàn)年化波動率由指數(shù)原來的波動率下降到了15.17最大回撤明顯下降從指數(shù)的68.81下降到了13.77比率上升到了1.13。圖表21：宏觀事件因子擇時策略凈值2520151050股票擇時 wind全AWind，圖表22：宏觀事件因子擇時策略表現(xiàn)01/2005-11/2022股票擇時Wind全A年化收益率18.7310.88年化波動率15.1728.94最大回撤-13.77-68.61夏普比率1.130.46收益回撤比1.360.16Wind (注：該策略表現(xiàn)未包含交易費(fèi)用)當(dāng)我們從圖表23中觀測擇時策略的逐年表現(xiàn)中可以發(fā)現(xiàn)，該策略主要是通過在股指出現(xiàn)回撤的階段控制住下行波動獲取明顯的超額收益在股指上行階段也盡可能的獲取正收益但無法獲取比股指收益更高的收益這一方面是由于擇時策略整體的股票平均倉位較低僅有約40導(dǎo)致的另外也反映了單純通過月頻宏觀因子的擇時很難獲取微觀結(jié)上的擇時高收益，需要有其他維度的數(shù)據(jù)進(jìn)行補(bǔ)充。圖表23：宏觀事件因子擇時策略逐年收益2000%1000%1000%5.0%00%5.0%10.0%時 indA 超額收右)，圖表24：宏觀事件因子擇時策略股票倉位10%10%8%6%4% 2%0%股票 股票平均倉位圖表25：近期細(xì)分因子信

，另外，我們也在圖表25中，列出了近期各細(xì)分因子的擇時信號圖表中的N/A則是代表著該因子在當(dāng)期沒法篩選出符合篩選條件的事件因子所以做了空倉處理在當(dāng)期的大類因子合成信號打分當(dāng)中則會將其剔除出打分的計(jì)算從而達(dá)到動態(tài)篩選優(yōu)秀的宏觀事件的效果另外，11月的擇時倉位是30，而12月由逆回購:7天-銀行間質(zhì)押利:7_MA20事件因子的轉(zhuǎn)向，使得整體的擇時倉位上升到了50。大類因子 細(xì)分因子2022/8/312022/9/302022/10/312022/11/302022/12/31M1:同比1N/AN/AN/AN/APPI:同比00001PPI-CPI剪刀差經(jīng)濟(jì)增長工業(yè)增加值同比1011010101國債利差10Y-1M11N/A1N/A產(chǎn)量:發(fā)電量:當(dāng)月值_MA3:環(huán)比00011M1-M2剪刀差貨幣流動性中美國債利差10Y10N/A0N/A0N/A0N/A0中國國債美國TIPs利差:10年00000銀行間質(zhì)押利率:7天0N/A000逆回購:7天-銀行間質(zhì)押利率:7天_MA2000001宏觀事件因子的風(fēng)險預(yù)算配置策略構(gòu)建另外我們也嘗試了使用擇時策略中獲得的股票倉信息搭配風(fēng)險預(yù)算模型來構(gòu)建不同風(fēng)險偏好的股債輪動策略。這里我們使用全A指數(shù)作為股票資產(chǎn)，中債綜合財(cái)富總值指數(shù)作為債券資產(chǎn)來搭建股債輪動的模型。在此之前，我們測試了基于兩(486個交易日)滾動窗口期計(jì)算協(xié)方差矩陣的不同權(quán)益風(fēng)險貢獻(xiàn)度下的風(fēng)險預(yù)算模型。圖表26中展示的是不同權(quán)益貢獻(xiàn)度下的風(fēng)險預(yù)算策略凈值，而圖表27中展示的對應(yīng)權(quán)益風(fēng)險貢獻(xiàn)度下策略所配置的權(quán)益?zhèn)}位權(quán)重變化可以看到由于債券資產(chǎn)的高夏普導(dǎo)致權(quán)益類資產(chǎn)需要獲得非常高的風(fēng)險貢獻(xiàn)度才能夠提升權(quán)益的倉位占比。圖表26：不同權(quán)益風(fēng)險貢獻(xiàn)度的風(fēng)險預(yù)算策略凈值400350300250200150100050000權(quán)益貢獻(xiàn)度:60% 權(quán)益貢獻(xiàn)度:90% 權(quán)益貢獻(xiàn)度:95% 權(quán)益貢獻(xiàn)度:98% 權(quán)益貢獻(xiàn)度:99%，圖表27：不同權(quán)益風(fēng)險貢獻(xiàn)度的風(fēng)險預(yù)算策略的權(quán)益?zhèn)}位變化8.0%7.0%6.0%5.0%4.0%3.0%2.0%1.0%00%度:60% 度:90% 權(quán)益貢獻(xiàn)度:95% 權(quán)益貢獻(xiàn)度:98%Wind，根據(jù)測算不同權(quán)益風(fēng)險貢獻(xiàn)度下的權(quán)益權(quán)重?cái)?shù)據(jù)我們構(gòu)建了三類不同風(fēng)險等級的股債輪動模:進(jìn)取:基于章節(jié)4.1構(gòu)建的股指擇時模型來搭建股票倉位變動范圍0-100使股指擇時模型的股票倉位作為策略的股票倉位，剩余的倉位分配給債券。穩(wěn)健:基于風(fēng)險預(yù)算模型來搭建，每期權(quán)益的風(fēng)險貢獻(xiàn)度為90-100，具體的變數(shù)=90+(100-90)*股指擇時模型股票倉。保守:基于風(fēng)險預(yù)算模型來搭建每期權(quán)益的風(fēng)險貢獻(xiàn)度為60-90具體的變動值=60+(90-60)*股指擇時模型股票倉位。圖表28和圖表9中展示了這三類配置策略和基準(zhǔn)的股債64組合未考慮交易成本的表現(xiàn)，回測期從2005年1月至202年1月期間保守，穩(wěn)健和進(jìn)取三策略年化收益率分別為6.26，11.96和22.44，同期股債64年化收益率為9.25，穩(wěn)健和進(jìn)取型從收角度都穩(wěn)穩(wěn)跑贏基準(zhǔn)保守型雖然收益沒有跑贏但是波動率最大回撤和夏普率都是4者里面最高的適合風(fēng)險偏好較低的投資者而其他兩個風(fēng)險偏好的策略也同樣在各維度上表現(xiàn)優(yōu)于基準(zhǔn)。圖表28：宏觀事件因子配置策略凈值8 407 356 305 254 203 152 101 50 0股債64 保守 穩(wěn)健 進(jìn)取右軸)Wind，圖表29：宏觀事件因子配置策略表現(xiàn)01/2005-11/2022股債64保守穩(wěn)健進(jìn)取年化收益率9.256.2611.9622.44年化波動率17.243.398.7114.94最大回撤-46.24-3.55-6.77-13.72夏普比率0.531.461.211.36收益回撤比0.201.761.771.64Wind配置策