定量宏观逻辑的定量验证:映射混沌开始打开

这篇文章来自刘福的《孙子兵法》。作者是叶·乐儿和刘付兵。摘自郭盛证券研究所2019年2月13日发表的“宏观逻辑的定量验证:映射关系混乱的开始”报告。

如需重印,请联系原作者。

这一系列报告试图建立一个发现和跟踪宏观经济指标和资产价格之间关系的系统。

资产价格和宏观经济指标相互映射,逻辑关系复杂。

然而,我们相信有用的宏观资产逻辑关系可以从数据中得到验证,并且可以被持续跟踪。

宏观经济数据有很长的时间跨度,并且由于政策和经济环境的变化而高度异方差。投资者更加关注指标的增量变化或趋势。

本报告采用状态匹配法将宏观经济指标划分为不同的状态,并检验不同状态划分下资产价格涨跌的共同特征,从而搜索所有具有统计显著性的宏观指标状态-资产价格绩效关系,构建显著映射关系数据库。

由于数据证据只是逻辑传递的一种方式,我们也试图深入挖掘数据背后的逻辑,并利用其他数据作为相互验证的辅助手段,从而增强对数据的理解和对其可靠性的判断,这对资产配置具有重要的参考意义。

在该系列的第一份报告中,我们使用121个宏观经济指标对324项资产进行了状态匹配研究,构建了一个重要的宏观资产关系数据库,展示了一些主要资产、股票要素资产、股票多元空资产的重要宏观资产关系,以及一些重要关系的逻辑强化过程。欢迎所有投资者关注。

1.宏观量化的利弊资产价格的变化是由宏观经济因素驱动的。

宏观经济指标根据其影响资产价格的方式大致可分为两类:政策变量和统计数据。

政策变量通过定价机制更直接地在资产价格中发挥作用,这种定价机制相对快速有效。

另一方面,统计数据更多地影响人们的预期,然后通过交易影响资产价格。在当前市场中,宏观预期的形成和宏观预期向价格的传递需要时间。这也是研究宏观经济指标对资产价格预测研究的意义。

因为宏观经济指数系统是抽象的,所涉及的逻辑链错综复杂,远离资产价格,所以宏观经济指数已经成为任何人装扮的小女孩:对于某个经济指数和资产价格之间的对应关系,可能有几个逻辑链串联在一起,其他无法验证的数据和观点被混合到逻辑链中,最终导致每个宏观状态之后都有一个可解释的逻辑,可解释的逻辑只在某个时刻有用,因为叠加了太多额外的数据和观点。

如果没有持续的跟踪和验证过程,宏观经济指标的研究将始终停留在事后解释和新情况挖掘的逻辑补充上。

这启发我们通过定量统计验证来长期梳理和跟踪宏观逻辑。虽然定量验证不能获得宏观经济逻辑传递的复杂机制,但也有可能获得伪逻辑和非理性逻辑,但我们可以在一定置信度下信任我们的逻辑将从概率的角度为我们提供更准确的预测帮助。

宏观量化的主要优势:1 .统计验证确保结论的科学严谨性和可追溯性;2.批处理可以在短时间内处理各种宏观因素和资产类别。3.遍历搜索可以帮助找到被忽略的关系。

宏观量化的主要不足有:1 .宏观因素的影响期未知,可能无法通过统一窗口进行检查捕捉到关系;2.宏观链条在政策和事件的影响下断裂或改变,这在历史考察中是不能考虑的;3.由于高维条件下的历史数据很少,通过验证得到的关系不一定可靠,不能进行发散推导。

因此,在使用定量工具进行宏观分析时,必须注意归纳与演绎的结合,注意对结果的解释和理解,修剪和纠正不合理的逻辑关系。

2.宏观逻辑的验证宏观指标的状态匹配的低频率导致需要跨越很长一段时间来获得足够的分析数据。因此,不同的政治、经济和文化环境导致的指标异方差性更加明显。因此,与宏观指标的绝对值水平相比,投资者更关注宏观指标的增量变化或趋势。

用宏观指标的趋势状态来划分经济活动周期是一种常用的分析方法。

著名的美林时钟和全天候策略是利用经济增长和通货膨胀的趋势将经济周期划分为四个象限,从而使每个象限的经济状况、政策趋势和资产价格共性更加突出。本质上,这是一种通过使用附加条件来增加概率的方法。

本报告的研究思路也将遵循状态匹配的思想。所谓状态匹配(state matching),是指划分宏观经济指标的状态,研究不同状态下各种资产的表现差异。

我们将通过批量处理获得任何经济指标的状态划分,并测试不同状态划分下资产价格涨跌的共同特征,从而寻找所有具有统计显著性的宏观指标状态——资产价格绩效关系。

显著匹配关系的定义我们采用了两种方法来定义显著匹配关系:方差检验和时序策略检验。

方差分析方差检验方法简单直观,但没有考虑信号在时间序列中的分布,导致结果普遍用于增强不测性。

计时策略测试从实际操作的角度覆盖了整个时间序列,并考虑了一些影响的不对称性。

显著关系的样本外持久性本质上是通过数据验证获得的统计结果,这并不意味着两者之间存在因果关系。因此,有必要防止失败的风险。我们必须验证这种重要关系的持久性和稳定性。

通过在显著性数据库中建立和跟踪关系的进入和退出,可以研究显著性的稳定性。

我们计算了2014年至2018年方差显著关系银行、时间策略(绝对收入)显著关系银行和时间策略(相对收入)显著关系银行的月度变化。2014年底,他们都经历了大量重大的关系失败。在过去两年中,重要关系银行的数量可以长期保持在稳定水平,而宏观经济指标银行和资产银行保持不变。

同时,我们跟踪进入重要关系数据库的每个关系,并计算它进入重要关系数据库的次数。大多数关系在很短的时间内保留在重要关系数据库中,但是在整个调查期间也有许多关系持续了55个月,并且分布显示出一定的“厚尾”效应。

其中,方差分析方法下有28种这样的关系,定时(绝对收入)方法下有26种这样的关系,定时(相对收入)方法下有2种这样的关系。

这些关系在时间序列中是高度稳定的,并且很有可能包含强大的宏观逻辑。

这三个重要关系表明,作为主要资产的沪深300指数在两个宏观经济指标的时间安排上发挥着明显的作用。第一个是消费物价指数:非食品:当月同比,第二个是产出:彩电:当月同比。

这两个指数都经过了6个月的移动平均线处理,上证综指和深证综指在下跌状态下应该都超过300点。

消费物价指数:非食品:当月可能的同比逻辑链:消费物价指数->;货币政策预期->;沪深300产量:彩电:月度同比可能的逻辑链:彩电产量->;彩电销售->;房地产后周期->;房地产销售周期->;投资所需资金金额的变化->;沪深300(具体逻辑挖掘过程见报告)南华工业产品指数时序效应的最重要指标如下。每个指标的预测效果不是特别好。计时策略净值的夏普比率约为0.6-0.7,计时胜率略高于50%。然而,这些宏观经济指标的状态相关性相对较低,将它们简单的等权重结合起来可以提高效果。

从这些指标可以看出,工业品价格主要与汇率、宏观繁荣、货币和利率有关。

在本报告的测试过程中,股票因子组合市值因子对市值因子:债券发行:地方政府债券:当月价值和债券发行:超短期融资券:当月价值有一定的时序影响。这两个指数都做了12个月的移动平均线,与去年同期基本相似。

地方政府债券和超短期融资券的发行反映了地方政府和中小企业新增加的负债。这两个指标最重要的时机判断是看2016年底的市场价值因素空。

2016年上半年,企业利润恶化导致内部现金流下降,违约风险集中爆发导致融资环境突变。在融资成本急剧上升的环境下,中小企业比大企业面临更大的困难,其未来的增长和利润预期被打破。

因此,这两个指标实际反映的逻辑链是:融资环境->;利润预期->;市场价值偏好。

动量因子利用指数:公开市场操作:净货币供应量的下降状态只构成动量因子组合的多时机策略或多空时机策略,其效果优于动量因子组合本身。

从逻辑上看,“公开市场操作:净货币投放”改变了市场流动性或流动性预期,流动性的紧张和宽松将在一定程度上影响整体投资者的投资周期。流动性宽松促使投资者交易更频繁,更倾向于做短期交易,而流动性紧张则促使投资者交易更不频繁,更倾向于长期持有股票,从而影响动量效应的强弱。

杠杆系数对杠杆系数时机影响最大的宏观经济指标如下。整体最有效的指标是汇率期限结构,multi 空计时策略月收益率达到65.75%,making 空计时策略月收益率(月收入不低于0)达到89.04%。

对杠杆因素具有显著时序效应的宏观经济指标与汇率期限结构、进出口、利率等因素相关。

煤炭对煤炭行业时序效应最重要的宏观经济指标如下:一个是RPI:当月同比,另一个是CPI:当月同比。

当零售物价指数和消费物价指数上升时,煤炭行业表现出色,而煤炭行业表现不佳。

电力和公用事业对电力和公用事业行业的时序影响的最重要宏观经济指标是债券收益率的期限分布(10年-2月)。

当术语价差在历史平均值-标准差和平均值之间时,在其他时间做多种电力和公用事业行业,以及做空电力和公用事业行业,可以将电力和公用事业行业的月胜率从47.53%提高到54.94%。

房地产对房地产业的时间效应最重要的宏观经济指标是工业增加值:同月与去年同期相比。

当工业增加值下降时,在做空房地产业务的同时做更多的房地产业务,可以将房地产业务的月收益率从51.02%提高到61.22%。

中国证券500成长型-中国证券500成长型-中国证券500成长型-中国证券500成长型-中国证券500成长型多股空组合时间效应最显著的宏观经济指标为SHIBOR:1个月,行业增加值:股份制企业:同月同比。

当SHIBOR在历史均值-标准差和均值之间时,或者当工业增加值上升时,进行多多空和反之亦然空的组合可以分别将月成功率从47.48%提高到59.71%,从46.58%提高到57.14%。

增长和价值的相对收入经常受到更多利率的影响。

风险提示:以上结论基于历史数据和统计模型计算。如果市场环境在未来发生重大变化或统计数据口径发生变化,模型失效的可能性不会被排除。

发表评论