📑 本文目录
宏观风险平价宏观因子周期定位金融街证券增长因子通胀因子

宏观风险平价策略系列解读（一）：基于资产价格反推的宏观高频因子体系

研报信息

项目内容
标题构建宏观高频因子体系：宏观经济或由弱复苏向低通胀扩张过渡
子标题宏观风险平价策略系列（一）：宏观状态识别与周期定位
机构金融街证券
分析师张一（S0670524030001）、何修桐（S0670526060001）
日期2026-07-07
类型策略研究/宏观风险平价系列首篇
状态系列待续（后续将涉及风险平价组合构建）

核心问题

传统的宏观经济分析依赖低频的官方统计数据（PMI、GDP、CPI等），存在三个根本缺陷：

  1. 数据滞后严重 — 官方PMI次月发布，GDP季度发布，等数据出来宏观经济状态已经变化
  2. 统计口径调整 — 官方数据经常修订，历史可比性下降
  3. “温差”现象 — 表观经济数据与市场实际感受之间存在显著偏差（本次研报明确指出”表观数据与底层价格压力之间存在明显温差”）

研报的核心思路：与其等官方数据，不如直接从资本市场价格中”反推”宏观经济状态——资产价格是亿级市场参与者用真金白银投票的结果，天然高频、实时、无修订。

方法论的创新点

借鉴Breeden-Lamont经济跟踪组合范式

研报参考了Breeden、Lamont等学者提出的”经济跟踪组合”（Economic Tracking Portfolio）框架——在资产空间中寻找一个投资组合，使其收益率与某种宏观经济变量的变化最大程度相关。

这与传统的”用经济数据预测市场”正好相反：

  • 传统做法：GDP超预期 → 利好股市
  • 本文做法：股市中某些资产的相对表现 → 反推GDP隐含状态

双因子体系构建

增长因子

增长因子选取经济增长敏感资产，通过波动率倒数加权构建：

资产类别具体标的代表含义权重范围
权益沪深300、中证500盈利预期10%-30%
消费可选消费指数需求强度10%-30%
工业品沪铜、螺纹钢、焦煤实体需求10%-30%

关键设计：用波动率倒数横截面加权（而非等权或市值加权），均衡各资产的波动敞口，避免高波动单一品种主导因子走势。

通胀因子

通胀因子以”60% CPI + 40% PPI”经验加权综合指标为基准，选取对应代理资产：

代理资产对应的通胀分项
原油交通通信（燃料）
猪肉食品烟酒
商品指数PPI分项传导链

周期定位框架

以增长状态和通胀状态变化方向为坐标轴，构建二维四象限框架：

              通胀上行
                 │
     再通胀      │      复苏
   (增长↓通胀↑) │  (增长↑通胀↑)
────────────────┼────────────────
   (增长↓通胀↓)  │  (增长↑通胀↓)
     衰退        │   低通胀扩张
                 │  (Goldilocks)
              通胀下行

加上增长动能和通胀动能作为辅助指标，判断当前状态的改善/恶化速度——“状态告诉你在哪里，动能告诉你接下来要去哪里”。

当前周期定位（2026年7月）

研报给出的重要判断：

维度当前状态趋势评述
增长低位修复动能持续为正由AI产业链资本开支带动的外需订单脉冲驱动
通胀重新转弱动能转负国内有效需求不足，价格中枢仍存回落风险
综合低通胀扩张（Goldilocks）增长改善+通胀回落可持续性高度依赖外需

关键发现：资产价格隐含的增长动能明显强于官方PMI所反映的实体景气度——二者出现阶段性背离。这与2016年、2021年外需驱动型修复高度相似。

与已有复现策略的对比

已有策略方法论与本报告的互补性
招行五指标择时微观市场指标（资金流/估值/情绪）补充宏观维度——招行从市场内部选时，本报告从宏观外部定方向
中邮LSTM-GHMM择时LSTM时间序列预测+隐状态切换LSTM做短期预测，本报告的宏观因子做中期周期定位——可以串联使用
国信Agent行业轮动因子+Agent驱动行业配置本报告的宏观状态可作为行业轮动的”过滤器”——在衰退期规避周期行业，在复苏期加仓

工程化落地路径

数据依赖

数据来源频率本地可得性
沪深300/中证500DuckDB/akshare日频✅
可选消费指数申万一级行业日频✅（DuckDB有行业指数）
沪铜/螺纹钢/焦煤akshare商品期货日频✅
原油/猪肉/商品指数akshare日频✅（原油需布伦特或WTI）

结论：数据完全可在本地获取，无需外部依赖。

复现难度评级：⭐⭐⭐（中等）

步骤难度说明
资产价格采集⭐直接从DuckDB读取
波动率倒数加权⭐滚动窗口波动率计算
多空组合剥离⭐⭐“风险资产-低风险资产”相对收益结构
同比曲线计算⭐12个月滚动同比
周期判断规则化⭐⭐⭐将定性判断转为量化规则

难点在于规则化

研报给出了方法论框架和定性结论，但没有给出具体的量化交易规则（如何时切换资产配置、风险平价组合的具体权重等）。作为系列第一篇，它更像是”地图”而非”导航指令”——告诉你当前在哪里，但还没告诉你怎么走。

预期后续的系列文章（二、三…）会涉及：

  • 基于宏观状态的资产配置权重调整
  • 风险平价组合的具体构建
  • 动态仓位管理

局限性分析

  1. 系列未完，策略未闭环 — 作为系列首篇，只完成了”状态识别”部分，“组合构建”还未给出，无法直接回测
  2. 外需依赖风险 — 当前增长修复主要靠外需（AI产业链资本开支），如果海外需求走弱，模型信号可能突然失效
  3. 因子周期性失效 — 文中提到的增长-通胀二维框架在”类滞胀”（增长下行+通胀上行）环境外可能不够全面
  4. 纯宏观无法选股 — 这个框架只能告诉你是该加仓还是减仓、该配周期还是防御，但无法精选个股——需要结合微观因子使用

实践启示

这套宏观高频因子体系可以跟我们已有的量化系统形成完美互补：

  1. 作为择时过滤器的上游 — 在宏观状态为”衰退”时，强制降低仓位或切换到防御板块；在”复苏”时放开选股约束
  2. 与LSTM-GHMM择时结合 — LSTM做短周期（5-20日）预测，宏观因子做中周期（3-6月）定位，形成多时间尺度择时
  3. 用于风险平价组合的基准 — 构建股债商多资产风险平价组合时，用宏观状态决定各资产的长期配置中枢

总结

金融街这篇宏观风险平价策略（一）提供了一个从资产价格反推宏观经济状态的高频框架，弥补了传统宏观分析”低频滞后”和”与市场脱节”的痛点。增长因子+通胀因子+四象限框架的组合简洁而有效，数据完全可在本地复现。虽然作为系列首篇还未给出完整的交易策略，但方法论本身已经具有独立的实用价值——可以作为所有量化策略的”宏观过滤器”。

相关阅读

💬 评论