2024宏观量化行业报告：风险因子与资产配置策略

1. 引言

本篇报告为东吴金工“宏观量化”系列研究的第一篇。东吴金工推出宏观量化系列研究，目的是想站在整体经济运转的宏观角度上去挖掘、总结宏观基本面与资产价格波动的整体规律，探究宏观数据与金融资产之间的映射关系，以量化的手段去捕捉宏观环境给资本市场所带来的风险溢价机会。

在现代经济学理论中，“风险溢价”这个词的存在已经告诉了广大投资者，收益和风险本质上是一体的，任何收益都是承担了相应的风险所获得的。资本资产定价模型（CAPM）和套利定价理论（APT）等经典模型也告诉我们，资产是多个风险因子的组合。换言之，资产配置就是风险配置，资产是我们配置风险的直接手段，而对风险的认识又反过来帮我们预测资产的波动。

目前市场上主流的资产配置思路其实只有两种：

（1）在我们无法准确识别、判断风险的情况下，我们采取被动配置的思路，均衡地配置所有风险，这也就是我们所说的风险平价策略。桥水基金所提出的“全天候策略”就是一个典型的风险平价策略，“全天候”的核心是将投资组合的风险平均的暴露在不同的经济环境中，从而对冲市场环境的风险，使得未来无论处于哪一种经济环境，该投资组合的风险都是可控的。

（2）在我们能对风险做出一定判断和决策的情况下，我们采取主动配置的思路，结合风险因子的情况来寻找预期收益率更高的资产，多承担一部分的风险暴露来获取更高的收益。

被动配置方法在如今资本市场的飞速发展下已经显得有些捉襟见肘，本文作为“宏观量化”系列研究的第一篇，希望从主动配置的角度出发，自上而下构建以风险为核心的资产配置模型。本篇报告有以下三个核心目标：

（1）构建科学合理的、能反映中国宏观环境的宏观风险因子体系。

（2）探究宏观风险和资产波动之间的规律。

（3）如何预测宏观状态，应用宏观风险因子进行资产配置。

2. 宏观风险因子构造

2.1. 宏观风险因子初识：主成分分析法

在构建中国宏观风险因子体系之前，我们首先要确定，宏观风险有哪几类？海外对冲基金的宏观风险因子体系已经发展得比较成熟，我们通过总结发现其中经济增长风险、通胀风险、利率风险、信用风险、汇率风险是五个最常见的维度。为了验证海外对冲基金的因子体系是否适用于中国市场，我们这里采用主成分分析法（PCA）来识别影响国内资产价格波动的关键因素。

我们从股票、债券、商品以及外汇四个方面，挑选了沪深300指数、中证500指数、中证1000指数、恒生指数、中债-国债总指数、中债-信用债总指数、南华综合指数、CRB现货指数和美元指数共九个指标，时间区间设定为2010-01-01至2023-12-30。

我们对所有资产计算同比收益率并进行Z-Score标准化处理，对同比收益率序列进行主成分分析。结果显示，第一主成分的解释度为40.93%，第二主成分的解释度为28.73%，第三主成分的解释度为12.42%，前三主成分的累计贡献率超过80%，前六个主成分的累计贡献率达到96.83%。

通过分析资产在各主成分上的风险暴露，我们认为我国宏观经济环境总共由六种风险驱动，分别是：利率风险、经济增长风险、通胀风险、汇率风险、信用风险和期限利差风险：

1.第一主成分与债券类资产和美元指数有显著正相关关系，与商品呈负相关，与利率影响相反，可以认为利率的相反数，是利率风险因子。利率上行时，新发行的债券可能提供更高的利率，使现有债券的市场价格降低以匹配新债券的收益水平。

2.第二主成分与股票类和商品类资产正相关，与债券类资产呈弱负相关关系，因此我们认为第二主成分是经济增长风险。经济增长通常与企业盈利增长相关，对商品的需求增加，导致股票和商品资产整体上行，并导致对债券的投资意向降低。

3.第三主成分与商品类资产显著正相关，我们将其定义为通胀风险。

4.第四主成分与美元指数呈明显正相关关系，与债券类资产负相关，我们将其定义为汇率风险。

5.第五主成分在长期国债与信用债上的暴露相反，我们将其定义为信用风险。

6.第六主成分在短期国债和长期国债上出现了相反的暴露，我们将其定义为期限利差风险。

我们这里仅采用主成分分析法确定宏观风险的种类，而并非将其作为宏观风险因子最后的结果，主要原因有以下几点：

（1）资产选择和成分评判的过程中会掺杂较强的主观性，所选资产可能无法代表真实宏观风险。

（2）主成分分析法的结果稳健性较差，不同的资产选择、不同的时间区间都会引起各个主成分顺序和风险暴露系数的变动。

（3）主成分之间具有正交性，而宏观环境中的各种风险通常存在较大关联，在模型中存在经济学含义的缺失。

（4）主成分分析法难以准确判断有效信息和噪音，在考虑数据蕴含信息的同时，也将数据中的噪音纳入考虑。

因此，通过主成分分析得到的宏观因子往往只能模拟风险走势，而难以捕捉真实宏观因子的本质，在下文中我们会另寻他法来构造宏观风险因子体系。

2.2. 构建宏观风险因子

目前最主流的宏观风险因子定义方式当属贝莱德BlackRock提出的Factor Mimicking方法，该方法的核心思想就是以资产组合来复制目标因子，以模拟出一些不方便直接定义的因子的走势。Factor Mimicking的优点非常明显，解决了宏观数据低频、滞后的问题，也在宏观风险和金融资产之间建立了直接的联系，同时也能在一定程度上反应市场对于未来宏观环境的预期。但是，Factor Mimicking在国内市场的运用还存在一些问题：

（1）国内市场的资产类别相较于海外市场来说没有那么丰富，部分风险因子的资产化存在困难。例如中国市场上没有直接与通胀挂钩的金融产品，但是美国财政部会发行一种通货膨胀保值债券（TIPS），其本金部分随着CPI指数进行调整，可以提供通货膨胀调整后的收益，因此可以直接将通胀因子资产化。

（2）国内市场不够成熟，金融资产与宏观风险之间的关系不够稳定。例如中国股票市场仍处于发展阶段，股价并不完全由基本面驱动，因此很难通过股票资产直接复制经济增长风险。

3. 基于宏观风险因子的大类资产配置模型

3.1. 宏观风险因子的主要矛盾

在应用宏观风险因子来配置资产之前，我们首先要回答一个关键问题：宏观风险因子的主要矛盾是什么？是因子处于高位/低位的绝对数值还是上行/下行的相对趋势在影响资产的价格？我们统计了常见的大类资产在宏观风险因子处于不同状态下的收益情况，选取的大类资产定义如下：

对于高位/低位的刻画我们用因子值与过去36个月中位数进行对比，若处于过去36个月中位数之上则认为处于高位，若处于过去36个月中位数之下则认为处于低位。

我们统计了大类资产在因子不同状态下的年化收益、月平均收益、夏普比率。我们观察到部分现有研究单纯以月平均收益率来评价资产表现，这显然是不够严谨的，因此我们这里选取夏普比率作为判断状态划分是否合理的主要依据，年化收益、月平均收益用来辅助判断。

统计结果表明，宏观因子的上行/下行是影响资产波动的主要矛盾。上行/下行的状态划分无论从区分度还是宏观经济学常识的角度来看都更加合理。以经济增长风险为例，我们都知道经济繁荣的时候利好股票，经济衰退的时候利空股票。经济增长风险因子上行时大盘股和小盘股的夏普比率分别为0.38和0.55，下行时大盘股和小盘股的夏普比率分别为-0.18和-0.10；经济增长风险因子处于高位时大盘股和小盘股的夏普比率是负的，处于低位时大盘股和小盘股的夏普比率是正的。如果我们以高位/低位来划分状态，就会发现资产的收益情况与宏观经济学常识相反。因此，宏观因子的上行/下行是更加科学合理的状态划分依据，经济增长风险因子上行才对应我们所说的“经济繁荣”，此状态下股票资产的表现相对较好。

3.2. 大类资产投资时钟规律梳理

3.2.1. 单因子资产轮动模型

在明确了用上行/下行来划分宏观因子状态之后，我们统计了宏观风险因子的不同状态对资产收益的影响，并且定量化地给出了相应的观点，其中1代表看多，-1代表看空，0代表不给出观点。

在梳理完单个宏观风险因子对于不同资产的观点之后，我们初步构造了一个基于宏观风险单因子决策的大类资产轮动模型（下称“单因子法”）：

（1）我们无法预知下个月的宏观因子状态，但是宏观经济状况很少发生频繁的状态切换，因此我们假设下个月各个因子均延续本月状态。

（2）我们根据各个宏观风险因子所处的状态，计算截面上各个资产的总得分。

（3）各资产的初始权重比例为大盘股：小盘股：债券：商品：黄金=1：1：1：0.5：0.5，在此基础上根据总得分进行调整，每有一分正的得分则权重比例翻倍，每有一分负的得分则权重比例减半。

（4）回测区间：2011年1月——2023年12月。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）