資產配置|巧借東風，利用一致預期改善宏觀因子預測

來源：中信證券研究

基於宏觀因子的組合配置策略難以避開宏觀因子預測問題。本報告以動態因子模型爲基礎，採用模型外推和一致預期外推兩種方法，探討了增長、通脹和流動性三種因子的預測問題。單純的模型外推依賴於歷史統計規律，難以反映已公佈的未來政策變動等信息，引入一致預期數據可以彌補模型缺陷、改善預測效果。

▍基於宏觀因子的組合配置策略避不開宏觀因子預測問題：

在基於宏觀因子的組合投資中，實際面臨的是尚未開始的宏觀因子變化，合理進行因子預測往往是無法避免的問題。由於底層宏觀指標數據普遍存在公佈時滯，對宏觀因子的預測實際包含即時預測和展望預測兩個部分：

1）即時預測是對統計週期已結束但尚未公佈底層數據的因子值進行估算，

2）展望預測是對正在進行或尚未發生的統計週期的因子值進行估算。

▍從宏觀指標到宏觀因子，利用動態因子模型挖掘經濟波動的核心驅動力：

在前期報告的基礎上，我們將構建宏觀因子的核心步驟梳理爲：

1）明確底層數據覆蓋範圍的宏觀指標分組篩選；根據指標所屬領域進行合理分組，配合模型參數設定有助於明確宏觀因子經濟含義；從實踐運用出發篩選代表性較強、便於及時跟蹤和具備較高實踐性的核心指標。

2）利用動態因子模型尋找宏觀指標的共振趨勢，完成宏觀因子提取；模型參數設定沿用前期報告，各指標分組中隱含因子數設設爲1，隱含因子自迴歸滯後階數設爲3。

▍藉助一致預期數據改善宏觀因子預測效果：

我們採用模型外推和一致預期外推重點探討了增長、通脹和流動性這三個宏觀因子的預測問題。

1）動態因子模型包含的向量自迴歸過程爲我們提供了模型外推的預測方法，但預測結果完全基於歷史數據的統計規律，難以有效反映已知未來信息的影響，如已公佈的政策變化等。

2）一致預期數據包含了宏觀領域研究員從邏輯推演角度形成的判斷，能夠相對及時地反映這些信息，結合歷史數據擬合的模型參數即可得到宏觀因子的一致預期預測值。

3）我們以Wind預期數據爲基礎構建了底層10個宏觀指標的一致預期，從2010年至今的數據看，隨着對應報告期和公佈日期臨近，一致預期與真實值之間的誤差趨於減小。

▍回溯近十年曆史預測數據，單變量回歸評價預測效果：

我們以真實的歷史數據作爲基準預測，採用不帶截距項的單變量回歸來觀察預測效果。

1）增長因子：一致預期外推的預測效果更好，跟模型外推的主要差異在2012年前後；

2）通脹因子：一致預期預測相比模型外推沒有明顯改善；

3）流動性因子：兩種方法均表現尚可，一致預期預測效果更好。

▍主要結論：

1）引入一致預期數據有助於改善基於動態因子模型的宏觀因子預測；

2）一致預期數據的最終效果依賴於可取得的預期數據集；

3）根據截止2021年3月15日的歷史數據和2021年3月16日的一致預期數據，測算未來一年的一致預期值，預計增長因子在4月達到階段高點後回落；通脹因子先升後降在9月達到階段高點；流動性因子先降後升在10月達到階段低點。

▍風險提示：

模型結論基於歷史數據測算存在失效風險。