来源：广发金融工程研究
报告摘要
重构量化行业轮动框架，探寻多维宏观状态:
一个完善的行业轮动框架，通常涵盖对宏观变量的解读、对行业景气度的分析以及考虑个股微观特征等多个维度。基于宏观维度，前期我们通过对不同环境极端状态进行提炼，刻画了从宏观到行业涨跌特征的知识图谱，策略样本外两年多取得了稳定的表现。
本文为宏观事件策略的升级版，出发点是引进更多宏观指标及状态刻画，基于多指标特征共振挖掘更立体的多维宏观状态，进而研究行业轮动中有效的宏观驱动因素及逻辑，探索其中可量化建模的方法。
挖掘不同宏观状态背后的行业轮动机会：
本文与之前的单宏观事件的区别在于：单事件通常对形态要求更为苛刻因此较少触发信号，而多维事件则在宏观事件状态刻画上相对放开，但要求多个指标同时触发信号，只有当多个宏观指标处于极端状态并产生共振时，才触发相应“宏观事件”，进而研究其对特定行业的影响。
指标选择上，共涵盖了约54个常见的宏观指标及各行业相关指标约1100个，每个指标根据其是否触发历史新高、是否处于短期高位等状态各定义8类事件状态，共衍生出约12000类宏观事件。
策略实证结果：
报告中围绕各行业的有效宏观事件库，构建了基于28个申万一级行业的轮动策略，自2010年1月至2021年2月共11年的样本测算区间内，轮动策略相对行业等权基准指数获得约26%的年化超额收益，各行业单独择时也均获正贡献。
最新推荐行业：
截至2021年2月，根据模型最新一期测算结果，3月推荐超配的行业组合为：采掘、轻工制造。
核心风险提示：
本模型采用量化方法通过历史数据统计、建模和测算完成，所得出的规律及推介行业未必具有严格的投资逻辑，也未必符合当前宏观环境特点，在极端的市场环境变化中有失效的风险。
1
行业轮动框架简介
1.1 量化行业配置框架介绍
一个完善的行业轮动框架，通常涵盖对宏观变量的解读、对行业景气度的分析以及考虑个股微观特征等多个维度。前期我们分别从宏观变量、行业景气、估值水平及资金流特征等角度构造对行业轮动框架进行量化重构。
其中宏观维度的研究，我们前期通过对不同环境的极端状态进行提炼，刻画了从宏观到行业涨跌特征的知识图谱，并基于此构建了行业轮动策略。策略样本外两年多取得了稳定的表现。
本文为宏观事件驱动策略的升级版，研究出发点是引进更多宏观指标及状态刻画，基于多指标特征共振挖掘更加立体多维宏观状态，进而研究行业轮动中有效的宏观驱动因素及逻辑，探索其中可量化建模的方法。
1.2宏观视角行业轮动方法探讨：从单指标到多维度宏观状态刻画
宏观变量对所有行业来说都是唯一的总量指标，不存在横向差异，因此通常采用时间序列方法进行分析，以下是比较常见的四个不同分析角度：
1.样本分类法
这种方法在于首先分析时间样本的统计规律，根据统计规律在不同的时间点进行不同行业的配置。常见的“美林时钟”就属于该类方法，在不同经济周期运行状态下配置合适的行业。该方法虽逻辑与结论简单直观，且易于操作，但由于对样本的分类存在显著的滞后性，实际应用中偏差与争议较大。
2.时间序列回归
此类方法采用回归的方法，利用宏观数据或者市场情绪等数据对未来的行业指数走势进行拟合，从而利用拟合的趋势对行业指数走势进行预测。这一方法也较为简单，但缺点在于缺乏足够清晰的逻辑以及容易陷入过拟合。如下表所示，若考虑宏观指标的实际披露存在时间滞后，计算常见宏观变量与行业收益率相关系数，发现二者并不存在显著的相关性，单纯采用宏观因子完整序列进行一个行业轮动分析，难以获得显著结果。
3.模式匹配法
在行业历史数据中寻找模式，基于行业自身相对变化来预测行业的下一阶段的变化，比如技术分析。这种方法的假设是历史会重复发生，缺点是缺乏因果关系，并且行业数量有限，在统计意义上并不能构成大样本。
4.宏观状态刻画与事件策略思路
与时间序列回归法不同的是，事件驱动法只针对少数情况，该方法所得到的结论通常更加鲜明直观，且由于剔除了大量可能无效的数据信息，分析结果有效性也更加显著。而本文与之前的单宏观事件的区别在于：单事件通常对形态要求更为苛刻因此较少触发信号，而多维事件则在宏观事件状态刻画上相对放开，但要求多个指标同时触发信号，只有当多个宏观指标处于极端状态并产生共振时，才触发相应“宏观事件”，进而研究其对特定行业的影响。
综合对比上述四种常见的宏观指标分析角度，本文选择从宏观事件驱动的角度出发，利用统计学方法，寻找宏观事件和行业表现之间的关系，为行业配置提供建议。在具体的因子选取中，既考虑宏观指标，也纳入各行业特有的指标进行测算。
2
宏观事件驱动策略构建
2.1 宏观与行业指标库构建
宏观环境的变化体现了经济的周期性变化及内在规律，因此它与股票市场的行业表现息息相关。为了能较好地利用宏观环境的变化信息对行业轮动提供建议，我们主要选取了经济增长，货币政策，财政政策，通胀水平等一系列指标构成宏观因子数据库。
报告从事件驱动的角度出发来研究行业配置。在宏观因子的选择上，我们主要选择了一些市场上投资者关注度较高的宏观因子，并要求这些宏观因子有一个比较可靠的数据来源，以及一个相对较高的公布频率——至少每月公布一次数据。
主要分为如下11类 (见下表)，宏观因子数据的更新滞后时间不同，更新频率也不同，为了能够统一在同一个框架下进行观测，报告中都将默认以最新更新的数据作为本期最新的观测值，同时由于策略均是月频换仓，而数据的频率不同，因此我们需要将根据数据的频率进行一定的调整。若是月频数据，则无须进行调整；若是日度数据，将用月末的数据作为该月的数据。
由于各行业的表现不仅受宏观因素的影响，还受不同的产业变量的影响，我们将对产业逻辑进行梳理，从需求、供给、成本等影响行业景气的驱动因素出发，除通用的宏观因子外，构建每个行业都有特有或产业上下游的相关指标，以下是各行业的部分重要指标展示：
2.2 策略构建原理
每一个宏观事件，具体包含4个指标的子事件，当4个事件同时发生时，才认为该宏观事件被触发了，因此对所有指标的子事件不宜要求过于苛刻，否则较难产生多指标共振的情形。
每类宏观指标，均衍生定义以下6种事件模式（如下表所示），对于每个行业，通过将不同的宏观因子或行业指标和不同的事件模式相结合，构成特定的事件，并统计分析在不同的事件下各行业指数的表现，从而筛选出对于特定行业指数具有显著影响力的事件。因子事件中所包含的参数K1、K2、K3将通过样本内优化的方法来确定。
对于特定的某个因子事件，我们观察历史上该因子事件发生后下一期各个行业的超额收益。如果历史上每次某个因子事件发生之后，某行业在下一个时间段的超额收益比较稳定，那么我们就认为该因子事件对于该行业未来一段时间内的收益存在较为显著的影响。我们将申万一级28个行业和通用的宏观事件及各自的事件库两两交叉，测算出每个行业最有效的预测事件（如下图）。
确定各行业的有效事件库后，采用定期调仓的模式，以一个自然月作为调仓的周期。在每一个换仓时点，对每个行业都基于各自的有效事件库进行检测，如果有事件发生触发了该行业，就选中进行配置，并且限制行业数量，比如不超过7个，这样就得到每个月超配的行业组合；如果当期没有事件触发，则假设直接配置所有行业的等权组合。每期配置完成后，计算收益并进行下一期的测算。在构建行业投资组合时，我们只做多行业指数，不做空行业指数，所以行业有效事件IR均值<0的行业不予考虑，当某期有事件触发的行业有效事件IR均值都小于0时，也直接配置所有行业的等权组合。
3
事件库整理及案例展示
3.1 有效事件筛选逻辑
在为各行业筛选历史上对其未来收益率影响较为显著的因子事件时，我们采用两个标准进行筛选：历史上因子事件的发生次数、以及事件对下一期的行业轮动预测的有效性。
为保证因子事件具有参考意义，我们在筛选时会考虑因子事件历史上发生的次数，当对于某个因子的极值事件发生次数不低于10次时，我们才考虑其对于未来资产收益率的预测能力；同时，我们定义因子事件IR为：每次因子事件发生后，下一期平均超额收益/超额收益的标准差，如果因子事件IR的绝对值越大，则该因子事件对于某一个资产未来收益的影响将更加稳定，我们设置IR绝对值阈值为0.8。
因子事件近期高(低)位、趋势连续上涨(下跌）、先上涨后下跌(下跌后上涨)中包含参数K1、K2、K3，对于同一因子、相同类型的事件，若存在不同参数的事件同时满足发生次数不低于10次和事件IR绝对值>=0.8，只保留IR绝对值最大的事件。
3.2 行业多维宏观事件举例
经过上述筛选过程,可获得每个行业的有效事件库。下面我们将针对于其中一些行业展示它对应有效的部分宏观及行业事件。图中展示了行业指数表现与它对应的单个有效事件的联系，其中，深蓝色实线是基于事件进行行业择时的动态调整策略，表示如果该事件发生，则下一期做多对应的行业，否则配置所有行业的等权组合；橙色虚线为宏观或行业指标的走势，事件触发点用红色圈出；红色实线是动态调整组合的累积超额收益。
以“食品饮料”行业的混合事件为例，当触发如下事件：“GDP当季同比6期趋势下行&消费者信心指数6期趋势下行&CPI同比6期趋势上行&食品CPI同比6期趋势上行”时，行业下个月表现如下图所示。
事件触发13次，行业平均月超额收益率2.5%，月度胜率77%，信息比2.14。
可以看到，2011年及2016年上半年，随着经济下滑，消费者信心指数连续走低，而CPI趋势向上，混合事件“GDP当季同比6期趋势下行&消费者信心指数6期趋势下行&CPI同比6期趋势上行&食品CPI同比6期趋势上行” 触发，事件发生后，食品饮料行业表现显著优于等权基准。
3.3 事件触发及行业配置统计
经过了筛选，我们为每个行业找到了对应的有效事件库（如下表所示），包含宏观事件与该行业特有的行业事件，可以利用这些事件的触发来构建我们的事件驱动策略。
在构建事件驱动策略前，对每个行业的混合宏观事件进行统计如下表所示。第二列为各行业的有效事件个数，第三列为各行业在其有效事件下的触发次数，第四、五列为各行业在其有效事件库下单独进行测算的年化信息比和超额收益（基准为行业等权基准）。
据上表所示，各行业基于有效事件库触发的择时信号进行配置，均取得了优异的表现，其中挑选具有代表性的若干个行业展示。
食品饮料行业宏观事件驱动择时策略表现如下：行业共收录3个混合事件，任何事件触发都超频该行业，历史共触发信号26次，平均超额收益2.6%，信息比2.3。
有色行业宏观事件驱动择时策略表现如下：行业共收录8个混合事件，任何事件触发都超频该行业，历史共触发信号45次，平均超额收益5.6%，信息比1.5。
银行行业宏观事件驱动择时策略表现如下：行业共收录8个混合事件，任何事件触发都超频该行业，历史共触发信号47次，平均超额收益3.4%，信息比2.04。
轻工制造行业宏观事件驱动择时策略表现如下：行业共收录8个混合事件，任何事件触发都超频该行业，历史共触发信号67次，平均超额收益1.2%，信息比1.47。
4
策略实证
4.1 策略设置
行业选择：行业分类采用申万一级行业分类，共28个行业；
调仓周期：1个月；
训练区间：2000年1月至2018年22月；
回测区间：2010年1月至2021年2月；
策略基准：行业等权基准；
交易成本：双边千分之三；
策略设置：每月各行业基于各自的有效事件库进行检测，一旦有事件发生触发了该行业，将该行业作为备选行业；根据各行业发生事件IR排序，配置不超过7个IR均值最大（且>0）的行业，得到每个月超配的行业组合，等权配置选中的行业。如果当期没有有效行业，或有效行业的IR均值都<0，直接配置行业等权组合。
4.2 实证结果
从以下回测结果可以看到，在考虑了宏观事件驱动来对行业进行配置后，全样 本年化超额收益率达到26%。
分年度来看，从2010年1月到2021年2月，各年超额收益都为较高。
各期超配行业组合明细及最新行业配置结果如下表所示，每个月超配的行业组合权重为等权。
5
总结
5.1 策略总结
基于宏观维度的我们开展了行业轮动研究，前期通过对不同环境的极端状态进行提炼，刻画了从宏观到行业涨跌特征的知识图谱，并基于此构建了行业轮动策略。策略样本外两年多取得了稳定的表现。
本文为宏观事件驱动策略的升级版，研究出发点是引进更多宏观指标及状态刻画，基于多指标特征共振挖掘更加立体多维宏观状态，进而研究行业轮动中有效的宏观驱动因素及逻辑，探索其中可量化建模的方法。
在宏观因子的选择上，主要选择了一些市场上投资者关注度较高的宏观因子，并要求这些宏观因子有一个比较可靠的数据来源，以及相对较高的公布频率，大部分指标至少每月公布一次数据，主要分为11大类包含：国内生产总值、经济景气指数、工业生产、工业企业指标、投资相关指标、房地产指标、零售消费、通货膨胀等，对于每个行业，也选取相关的行业指标。
我们定义六类宏观因子事件(近期高位、近期低位、趋势上行、趋势下行、上涨后下跌和下跌后上涨)来刻画宏观因子的转态，并采用两个标准进行筛选事件：历史上因子事件的发生次数、以及事件对下一期的收益率预测能力的稳定性（体现为IR），从历史上寻找有效因子事件。
在行业配置的策略的具体运作上，我们采用定期调仓的方式，以一个自然月作为调仓的周期。每个月末交易日作为策略的起点，各行业基于各自的有效事件库进行检测，一旦有事件发生触发了该行业，就将该行业作为备选的有效行业，同时限制配置的行业数量，得到每个月超配的行业组合。策略能获得较稳定的超额回报。
5.2 策略展望
在寻找行业有效事件库和策略回测过程中，使用的均是全样本数据，存在一定程度的过拟合。实际使用中，仍需要观察策略样本外表现，并考虑采用滚动样本进行建模。此外，对于宏观事件的模式可继续灵活扩展，行业的划分维度同样可以从申万一级继续扩展到细分行业。
5.3最新结果
根据模型最新一期识别结果，3月超配行业组合为：采掘与轻工制造。
风险提示
本模型采用量化方法通过历史数据统计、建模和测算完成，所得出的规律及推介行业未必具有严格的投资逻辑，也未必符合当前宏观环境特点，在极端的市场环境变化中有失效的风险。
详细研究内容请参见广发金工专题报告
《多维宏观状态下的行业轮动策略：重构量化行业轮动框架：宏观篇（下）》
法律声明：
本微信号推送内容仅供广发证券股份有限公司（下称“广发证券”）客户参考，其他的任何读者在订阅本微信号前，请自行评估接收相关推送内容的适当性，广发证券不会因订阅本微信号的行为或者收到、阅读本微信号推送内容而视相关人员为客户。
完整的投资观点应以广发证券研究所发布的完整报告为准。完整报告所载资料的来源及观点的出处皆被广发证券认为可靠，但广发证券不对其准确性或完整性做出任何保证，报告内容亦仅供参考。
在任何情况下，本微信号所推送信息或所表述的意见并不构成对任何人的投资建议。除非法律法规有明确规定，在任何情况下广发证券不对因使用本微信号的内容而引致的任何损失承担任何责任。读者不应以本微信号推送内容取代其独立判断或仅根据本微信号推送内容做出决策。
本微信号推送内容仅反映广发证券研究人员于发出完整报告当日的判断，可随时更改且不予通告。
本微信号及其推送内容的版权归广发证券所有，广发证券对本微信号及其推送内容保留一切法律权利。未经广发证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、刊登、转载和引用，否则由此造成的一切不良后果及法律责任由私自翻版、复制、刊登、转载和引用者承担。
