因时制宜：宏观状态分类下的权益风险预警初探

资产配置专题系列之十九丨2023.3.23

中信证券研究部

刘方
组合配置首席分析
师
S1010513080004

刘笑天组合配置分析师S1010521070002

赵文荣
量化与配置首席分
析师
S1010512070002
顾晟曦
指数研究首席分析
师
S1010517110001

史丰源

核心观点

基本面、流动性、市场情绪等维度指标的极端状态，蕴含着未来的不确定性，是对权益资产风险的重要预警。但在不同的宏观环境下，市场投资者的关注点存在差异，适用的预警指标也不尽相同。本文利用剩余流动性一通胀宏观分类框架，构建了因时制宜的权益风险预警框架。从历史表现看，该模型在回撤行情中多次及时预警；纳入预警信号的股债配置策略，2020年以来提供了6.4%的年化超额收益，风险控制水平有所提升。

因时制宜：不同经济市场背景下投资者的关注因素存在差别，权益风险预警应当“动态化”。极端的经济、市场环境往往蕴含着未来的不确定性，借助相关指标及时预警，具有重要投资意义。但历次熊市行情中投资者的关注因素存在差别，代表性指标表现差异显著。因此，权益风险预警也要因时制宜，实现指标筛选、评价的动态化。

我们利用剩余流动性、通胀因子的边际变化，建立了划分宏观状态的权益风险预警模型。我们希望筛选出各宏观状态下预警效果长期稳健的指标，帮助实现更优的综合预警效果：

(1）权益风险的定位：选择中证全指为代表性权益指数，在训练期计算滚动窗□收益率分布，将尾部分布对应的区间作为被预警样本。

(2）备选指标的处理和评价：选取涵盖市场情绪、估值因素和经济基本面的备选指标，借鉴假设检验方法，从预警可信度和有效性两维度形成指标评价。

(3）不考虑宏观状态分类的预警：全训练期统一执行指标筛选，加权形成综合预警指标。综合指标在测试期的预警效果有限。

(4）剩余流动性一通胀宏观状态分类：基于剩余流动性因子、通胀因子的边际变化，建立贴合国内经济趋势的宏观周期划分。

(5）考虑宏观状态分类的预警：不同宏观状态下的优选结果有差异，价格类、货币类指标整体预警效果更好。综合指标预警效果显著提升，2020年初、2021年初、2022年以来均及时发出预警信号，我们测算和中证全指的相关系数为-0.23。

结合权益风险预警模型，我们实现了配置策略的优化，年化超额收益6.4%。我们在股债80/20 固定比例配置中纳入对综合预警指标的考量，构建对应的预警策略。从2022年1月至2023年3月，预警策略的年化收益率为9.3%，相比固定比例配置的年化超额收益达到6.4%;年化波动率12.6%,最大回撤-18.5%。

风险因素：市场逻辑转变，风险预警效用减弱；经济趋势变化，现有宏观状态划分不适用；指标预测、实际配置和模型存在误差；备选指标维度不足，反映市场风险不充分。

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

为您的创业、职场、商业、投资、亲子、网赚、艺术、健身、心理、个人成长…全面赋能！

关注公众号获取更多资料

添加微信：xxyg_wei

备注“入群"

立刻免费领取

200套知识地图+最新研报

致终身学习者社群

行业报告/思维导图/电子书/资讯情报

收钱文案、增长黑客、产品运营、品牌企划、营销战略、办公软件、会计财务、广告设计、摄影修图、视频剪辑、直播带货、电商运营、投资理财、汽车房产、餐饮烹饪、职场经验、演讲口才、风水命理、心理思维、恋爱情趣、美妆护肤、健身瘦身、格斗搏击、漫画手绘、声乐训练、自媒体打造、效率软件工具、游戏影音.....

扫码先加好友，以备不时之需

组合配置联席首席分析师S1010519090002

厉海强

组合配置分析师

S1010512010001

因时制宜：权益风险预警的动态化..
刻画经济、市场极端状态，构建权益风险预警模型 6
权益资产尾部风险的定位. ..6
备选指标的处理和评价.. ..7
不考虑宏观状态分类的权益风险预警， ..10
结合宏观状态分类，改进权益风险预警模型， ..12
剩余流动性一通胀宏观状态分类 ..12
考虑宏观状态分类的权益风险预警. ..13
纳入权益风险预警的资产配置策略. ..19
研究总结. .21
风险因素 .21
相关研究... .21

插图目录

图1：A股数次熊市行情，部分经济、市场指标的分位值特征 4
图2：权益风险预警模型建立流程（含不分状态、分状态） .6
图3：中证全指滚动收益率与尾部风险暴露. .7
图4：建立备选指标极端状态到权益风险的映射. .9
图5：不考虑宏观状态分类，训练期各备选指标预警的可信度和有效性 .10
图6：不考虑宏观状态分类，测试期综合预警指标的预警效果， .11
图7：剩余流动性一通胀宏观分类框架 .13
图8：基于通胀因子和剩余流动性因子的宏观状态分类 .13
图9：考虑宏观状态分类，训练期各指标的预警可信度、有效性汇总 .14
图10：考虑宏观状态分类，训练期综合预警指标的预警效果 .16
图11：考虑宏观状态分类，测试期综合预警指标的预警效果 .17
图12：测试期固定比例配置策略、对应预警策略净值， .19

表格目录

表1：备选指标选取及分类 .8
表2：不考虑宏观状态分类，训练期优选指标 .10
表3：宏观指标选取（通胀、增长、流动性、剩余流动性） .12
表4：考虑宏观状态分类，训练期预警有效指标. .15
表5：综合指标成功预警的区间，优选指标和综合预警指标分位值数据 .18
表6：测试期固定比例配置策略、对应预警策略净值， .19

因时制宜：权益风险预警的动态化

极端的经济、市场环境往往蕴含着未来的不确定性，借助相关指标的异常预警权益风险，或具有重要投资意义。受内外环境变化影响，A股市场在2020年初、2021年初、2022年以来数次出现大范围回撤，给资产配置带来较大挑战。而极端的经济、市场环境往往蕴含着未来的不确定性，是权益市场波动的常见诱因。若能借助相关指标的异常，及时识别权益资产的尾部风险，就能够减少投资组合的大幅回撤，具备重要的投资意义。

但在不同的经济、市场背景下，投资者的关注因素存在差别。回顾A股历史上数次熊市行情，指标表现在各时点的差异较为明显。我们选取了受投资者关注的经济、市场指标，测算对比了A股不同回撤期，这些指标近500个交易日所处的历史分位值特征。下表展示了部分指标的测算结果，无论是从指标所处的历史分位值角度，还是从分位值与指数的相关性角度，多数指标在不同时段的状态、趋势均有显著差异，例如：

2015 年和2018 年的两次回撤，经济增速下行压力体现为增长指标的低分位；但在2022年以来的两次回撤中，增长指标并未给出类似的明确信号；

M1同比和M2-M1同比在回撤区间的走势往往相反，在2008年、2018年和2022年，M2-M1同比处于高分位，M1同比处于低分位；但在2015年，M1同比持续上行，M2-M1同比持续下行；

中美利率在回撤区间的走势，2008年与后续呈现完全不同的强弱对比，2008年美联储推行宽松政策，中美利差处于高位；而后续数次回撤都处于中国的降息区间与美国的加息区间，中美利差处于低位。

因此，权益风险预警也需因时制宜，适应经济、市场背景的转变，动态化筛选、应用预警指标，提升市场择时的有效性。

图1：A股数次熊市行情，部分经济、市场指标的分位值特征

指标所处历史分位值均值
回撤区间			2008年2月 2015年6月 2018年3月 2022年1月 2022年7月-2008年10月 -2016年1月 -2018年10月 -2022年4月 -2022年10月
工业增加值同比			0.19	0.16	0.32	0.45	0.34
工业增加值同比			CPI同比M1同比M2-M1同比中证全指成交额			0.55	0.01	0.06	0.51	0.94
0.74	0.33	0.79				0.67	0.28
全部工业品 PPI同比		0.97				0.06	0.36	0.65	0.41
11同比	0.23	0.78				0.01	0.19	0.59
0.76	0.23	0.93				0.76	0.97
0.40	0.75	0.20				0.57	0.39
中证全指换手率中债1年期国债到期收益率美国1年期国债到期收益率			0.16	0.69	0.20	0.64	0.32
			0.78	0.13	0.44	0.19	0.04
			0.10	0.96	0.99	0.96	0.99

历史分位值与中证全指相关系数

历史分位值与中证全指相关系数
回撤区间	2008年2月	2015年6月	2018年3月	2022年1月	2022年7月
	-2008年10月	-2016年1月	-2018年10月	-2022年4月	-2022年10月
工业增加值同比	0.58	0.47	0.42	0.33	-0.86
固定资产投资完成额同比	-0.92	-0.71	0.40	-0.75	0.28
CPI同比	0.92	-0.50	-0.48	0.88	0.91
全部工业品 PPI同比	0.60	-0.72	0.55	-0.23	0.45
M1同比	0.92	-0.01	-0.13	-0.83	-0.17
M2-M1同比	-0.63	-0.69	-0.66	0.22	0.87
中证全指成交额	0.89	0.90	0.74	0.46	0.74
中证全指换手率	0.36	0.81	0.22	-0.10	0.69
中债1年期国债到期收益率	0.49	-0.70	0.86	0.37	-0.52
美国1年期国债到期收益率	-0.45	0.75	-0.11	-0.87	-0.35
中证全指区间涨跌幅	-63.7%	-43.9%	-26.2%	-22.0%	-15.7%

资料来源：Wind，中信证券研究部测算。

本篇报告，我们提出了一种利用剩余流动性一通胀宏观分类框架，分宏观状态筛选指标、进行风险预警的方法，解决“权益风险预警动态化”的核心问题。宏观状态被广泛认为对资产配置有指导作用，美林证券提出了“美林时钟”框架，便是宏观经济周期与大类资产规律相联系的代表。我们认为，宏观状态不仅影响大类资产的收益表现，也会影响经济、市场因素对大类资产的作用逻辑。我们将基于剩余流动性一通胀宏观分类框架，分状态筛选权益风险预警指标，实现预警效力提升，优化市场择时效果。

刻画经济、市场极端状态，构建权益风险预警模型

我们希望在不同的宏观状态下，通过对国内外经济基本面、金融市场相关指标极端状态的及时监测，筛选优秀指标，帮助实现权益风险的提前预警。好的预警指标需要在较长的历史区间内有稳健的预警效果，我们考虑下述模型建立方式：

（1）划分预警模型的训练期和测试期；

（2）在训练期定位权益指数的尾部风险暴露；

（3）收集备选指标数据，刻画指标的极端状态；

（4）在训练期对运用极端状态预警权益风险的效果进行评估，筛选优秀指标；

（5）优秀指标实现复合，构建综合预警指标，在测试期内衡量预警效果。

图2：权益风险预警模型建立流程(含不分状态、分状态)

资料来源：中信证券研究部。

权益资产尾部风险的定位

被预警的权益风险应当波及面广、破坏性强，在市场上具备影响力。因此，我们选择中证全指作为代表权益指数。中证全指发布于2004年12月31日，由A股剔除ST、*ST股票、新上市股票后的剩余股票构成成分股，按照自由流通市值加权靠档，对权益资产有较高的市场代表性。

划分训练期和测试期。为保证训练样本数量充足，同时满足对备选指标的处理需求，我们进行如下划分：

训练期：2007年1月31日——2019年12月31日。

测试期：2020年1月1日——2023年3月20日。

基于滚动窗口收益率数据，定位训练期权益资产的尾部风险暴露。在训练期区间，我们以20个交易日为窗口期，滚动计算持有中证全指的收益率，并将收益率处于后20%的窗口作为被预警样本。如下图所示，训练期内共3194个样本中，尾部风险暴露对应的样本共646个，我们测算阈值收益率为-5.4%。风险样本主要出现在2008年、2010年-2012年、2015年和2018年：

2008年，全球资本市场动荡通过出口传导至我国，引起经济基本面“断崖式”下滑和广泛的市场情绪恐慌。从2008年2月初至10月末，中证全指跌幅达-64.4%；呈“快熊”行情，持有20天的平均收益率为-9.5%，出现尾部风险暴露的频率约为69.1%。

2010年，市场从前次危机中恢复并回归繁荣。但随后国内经济开启下行周期，前期宽松引致“滞胀”问题长期困扰。各类不利因素叠加，2011年初至2012年底中证全指跌幅达-30.8%；持有20天的平均收益率为-1.1%，出现尾部风险暴露的频率约为30.1%。

2015年的指数回撤集中于下半年的两次“股灾”，本质上是由杠杆资金引发的流动性危机。该阶段回撤的特点是速度快、幅度大，2015年6月至2016年1月，中证全指跌幅达-41.0%；持有20天的平均收益率为-5.3%，出现尾部风险暴露的频率约为42.7%。

2018年，中美贸易摩擦形成拉锯，国内进出口数据急剧下滑；叠加去杠杆导致的经济、信用趋弱，2018年全年中证全指跌幅达-29.9%；“慢熊”特征显著，持有20天的平均收益率为-2.8%，出现尾部风险暴露的频率约为27.2%。

图3：中证全指滚动收益率与尾部风险暴露

资料来源：Wind，中信证券研究部测算；注：数据区间为2007年1月31日-2019年12月31日。

备选指标的处理和评价

关于何种指标的极端状态能预示权益资产的回撤，市场上尚无明确定论，进行训练期内的筛选更为合理。我们广泛选取市场情绪、指数估值和经济基本面的指标，形成用于筛选的指标集：

市场情绪：从历史来看，投资者对指数有广泛、强烈的看涨或看空情绪，抑或市场交易热度急剧变化，都有可能成为大幅回撤的信号。包括交易数据、基金仓位、动量效应、风险偏好等。

指数估值：包括传统的PE、PB等估值指标，以及我们统计的ERP、PIR 等指标。过高的估值可能蕴含定价风险；低估值不完全代表安全边际出现，产业逻辑转换、市场情绪悲观均可引致“低估值陷阱”。

经济基本面：宏观经济基本面的边际变化，一般被认为有领先的指导意义。我们覆盖了国内外基本面分析中常用的增长、信用、货币和价格指标，这些指标综合反映了对应时点宏观经济的运行特征。

表1：备选指标选取及分类

指标类型	指标名称	指标注解	指标频率
市场情绪	中证全指成交额	中证全指成分股当日总成交额	日
	中证全指换手率	中证全指成分股当日加权换手率	日
	偏股混合基金仓位	偏股混合基金股票仓位加权平均	周
	灵活配置基金仓位	灵活配置基金股票仓位加权平均	周
	交易集中度	成交额前三行业占市场总成交额比例	日
	股票涨跌比	全市场上涨股票与下跌股票之比	日
	中证全指收益率	中证全指日度收益率	日
	风险偏好指数	中证全指成分股过去20个交易日收益率和波动率的相关系数	日
	中证全指PE-TTM	最新每股市价为最近12个月每股收益的倍数，综合法计算	日
估值因素	中证全指 PB-LF	普通股每股市价为每股净资产的倍数，按综合法计算	日
	中证全指 PS-TTM	每股市价为过去12个月每股营业收入的倍数，综合法计算	日
	权益风险溢价 ERP	中证全指市盈率倒数与十年期国债到期收益率的差值	日
	利润利息比 PIR	中证全指市盈率倒数与十年期AAA级企业到期收益率的比值	日
	M1同比	当月同比	月
经济基本面- 货币指标	M2-M1同比	当月同比	月
	金融机构新增人民币贷款	金融机构当月新增全部人民币贷款	月
	金融机构新增中长期贷款	金融机构当月新增一年以上人民币贷款	月
	中债1年期国债到期收益率	中债估值中心统计	日
经济基本面- 信用指标	中债期限利差	中债10年期国债到期收益率-中债1年期国债到期收益率
	中债信用利差	中债1年期AAA 企业债到期收益率-中债1年期国债到期收益率	日
	美国1年期国债到期收益率	美联储统计	日
	美国期限利差	美国10年期国债到期收益率-美国1年期国债到期收益率	日
	美国信用利差	美国穆迪1年期Aaa 企业债收益率-美国1年期国债到期收益率	日日
	7天银行间同业拆借利率	中国货币网公布加权利率	日
	1个月银行间同业拆解利率	中国货币网公布加权利率	日
	CPI同比	当月同比
经济基本面- 价格指标	全部工业品 PPI同比		月
	CGPI同比	当月同比	月
	中国食用农产品价格指数	企业商品交易价格指数当月同比	月
	中国大宗商品价格总指数	商务部统计，反映八大类食用农产品的价格走势依托流通产业网的大宗商品现货价格周度数据，加权平均计算	周
			周
	布伦特原油现货价	英国布伦特原油现货价	日
	CRB 商品价格指数	路透集团公布RJ/CRB 商品价格指数	日
经济基本面-	工业增加值同比	当月同比	月
增长指标	进口金额同比	当月同比	月

出口金额同比	当月同比	月
PMI	国家统计局公布	月
固定资产投资完成额同比	累计同比	月
房地产投资完成额同比	累计同比	月
房屋新开工面积同比	累计同比	月
消费者信心指数	国家统计局公布	月
公共财政支出同比	当月同比	月
公共财政收入同比	当月同比	月
社会消费品零售总额同比	当月同比	月

资料来源：Wind，中信证券研究部。基于日频数据进行分析，对月频和周频指标，各时点统计最新的可得数据。

关于如何刻画备选指标的极端状态，我们关注尾部分布的特征，将指标处于历史高分位或低分位视为发出预警信号。统计各预警指标在过去500个交易日中所处的分位值，从该指标有分位值数据起，将分位值高于80%或低于20%视为发出预警信号。鉴于单日指标异常的可信度不高，我们将分位值做5个交易日的等权平均处理。

为建立备选指标极端状态到权益风险的映射，我们之前已选取出现尾部风险暴露的20个交易日窗口，将其第一个交易日视作尾部风险暴露的起始日；起始日之前5个交易日的平均分位值发出预警信号，视为成功预警。

图4：建立备选指标极端状态到权益风险的映射

资料来源：中信证券研究部。

为在特定区间评价备选指标，我们参考假设检验中第一类错误、第二类错误的测算方法，构建预警可信度、预警有效性两个维度，评价预警效果：

（1）预警可信度：特定区间指标成功预警次数/指标发出预警总次数，即当备选指标发出预警信号时，是否正确预示着权益指数的回撤，正确预警和错误预警概率如何，对应假设检验的第一类错误概念。

（2）预警有效性：特定区间内指标成功预警次数/尾部风险暴露的样本数，即当权益指数真正面临回撤时，备选指标有多大概率及时发出预警信号，对应假设检验的第二类错误概念。

接下来，从高分位和低分位视角，分别统计两维度的评分，实现备选指标的优选，复合构建综合预警指标。为便于刻画宏观分类对权益风险预警的增量贡献，我们区分不考虑和考虑分类情形，在下文分别介绍。

不考虑宏观状态分类的权益风险预警

不考虑宏观状态，即认为各类备选指标对权益风险的预警效果，并不会受到宏观周期的影响。我们测算整个训练期内各指标的预警可信度和预警有效性，将可信度和有效性赋予相同权重，计算综合评分：

其中，Correcti以及Effective；分别对应备选指标i的预警可信度和预警有效性，All_Score，对应备选指标i的综合评分。

图5：不考虑宏观状态分类，训练期各备选指标预警的可信度和有效性

资料来源：Wind，中信证券研究部测算；注：统计区间为2007年1月31日至2019年12月31日。

备选指标在高分位和低分位视角均能分别得到综合评分。高、低分位的综合评分放在一起比较，取最高的6个评分，对应指标即为优选指标。在测试期，将低分位优选指标的分位值做负向处理，所有优选指标的5日平均分位值按综合评分加权，得到综合预警指标。通过综合预警指标与中证全指走势的对比，能够整体衡量指标筛选的有效性。

表2：不考虑宏观状态分类，训练期优选指标

指标名称	预警信号	预警可信度	预警有效性	指标综合评分
布伦特原油现货价	高分位	32.5%(307/945)	47.5%(307/646)	80.0
美国1年期国债到期收益率	低分位	27.1%(314/1163)	48.6%(314/646)	76.0
中国食用农产品价格指数	高分位	20.6%(266/1292)	52.1%(266/511)	72.6
社会消费品零售总额当月同比	高分位	40.2%(194/483)	30.0%(194/646)	70.2
CRB 商品价格指数	高分位	34.9%(226/648)	35.0%(226/646)	69.9
美债期限利差	高分位	29.5%(248/841)	38.4%(248/646)	67.9

资料来源：Wind，中信证券研究部测算。注：预警可信度=训练期指标成功预警次数/指标发出预警总次数；预警有效性：训练期指标成功预警次数/尾部风险暴露的样本数。部分指标有分位数数据较晚，因此对应的尾部风险暴露样本数低于646个。

结果显示，未考虑宏观状态的综合预警指标在测试期的预警效果较差。考虑加权对分位值数据的影响，我们以综合预警指标高于0.6视为发出预警信号。优选指标在训练期的预警有效性、准确度均较为突出；但综合预警指标在2020年初、2022年的熊市行情中，均未能有效发出预警信号。我们测算综合预警指标在测试期的预警可信度为6.6%，预警有效性为12.3%，与中证全指20天滚动收益率的相关系数仅为-0.03。

图6：不考虑宏观状态分类，测试期综合预警指标的预警效果

资料来源：Wind，中信证券研究部测算；注：测试区间为2020年1月1日至2023年3月 20日。

结合宏观状态分类，改进权益风险预警模型

剩余流动性一通胀宏观状态分类

既然全区间统一的优秀指标筛选与综合指标预警效果较差，那么考虑宏观状态分类之后，指标极端状态能否提供额外信息？我们尝试在前述框架中纳入宏观周期因素，再进行指标的筛选，以及权益风险的预警。我们认为，备选指标对权益风险的预警效果，会随着宏观周期变化而发生变动。

在《资产配置专题系列之二一一宏观因子视角下的资产轮动：增长、通胀和剩余流动性》（2019-04-18）报告中，我们验证了宏观投资时钟指导资产配置的有效性：宏观周期与大类资产的收益风险特征，与影响资产表现的经济、市场因素均密切相关。因此，宏观周期的纳入也有机会为权益风险预警提供有价值的参考。

报告同时构建了基于剩余流动性一通胀视角的宏观分类，更贴合国内的宏观经济趋势。2010 年以来经济增速持续下滑，传统美林时钟结合增长和通胀的阶段划分在国内缺乏实践意义。而剩余流动性从宏观流动性中剔除实体部门的流动性需求，较好刻画了金融市场的流动性环境，帮助走出美林时钟的困境。运用DFM-MSM两步法，我们分别构建了月频的通胀因子与剩余流动性因子，前者是CPI和PPI同比中共振的部分，后者则是流动性因子与增长因子的差值。

表3：宏观指标选取 (通胀、增长、流动性、剩余流动性)

因子类型	宏观因子底层指标	指标类型频率		数据起始时间
增长因子	GDP	当季同比	季度	1997年
	工业增加值	当月同比	月度	1997年
	社会消费品零售总额	当月同比	月度	1997年
	固定资产投资累计完成额	累计同比	月度	1997年
通胀因子	消费者价格指数（CPI)	当月同比	月度	1997年
通胀因子	工业生产者出厂价格指数(PPI)	当月同比	月度	1997年
流动性因子	M1	月末同比	月度	1997年
	M2	月末同比	月度	1997年
	人民币贷款	月末同比	月度	1997年
	社会融资规模存量	月末同比	月度	2003年

资料来源：Wind，中信证券研究部。

我们以报告中宏观因子的时序变化为依据，搭建了剩余流动性一通胀分类框架，体现对宏观状态的考量。在DFM-MSM两步法的构建过程中已经说明，因子在截面的绝对水平衡量了经济运行的中枢，而因子在时序的边际变化衡量了经济的变化趋势，对周期波动更为敏感。根据因子的上行、下行特征，共划分出4类宏观状态。考虑到投资者的宏观信息获取同样存在滞后性，宏观状态的划分也以最新可得数据为准。

图7：剩余流动性一通胀宏观分类框架

资料来源：中信证券研究部。

划分结果显示，训练期四类宏观周期的时长分别为35个月、50个月、56个月和39个月，按宏观状态优选指标的条件完备。测试期宏观状态的变动更加频繁，通胀因子在2020年和 2022 年处于下行趋势，但在 2021年呈现全年上升。而剩余流动性在 2020 年底至2021年中出现了大幅度下降，后续逐步回升。若我们的假设成立，那么测试期周期变动更频繁，就会引致不考虑宏观状态分类的指标预警，在测试期的预警效果显著弱化。

图8：基于通胀因子和剩余流动性因子的宏观状态分类

资料来源：Wind，中信证券研究部测算；注：测算区间为2007年1月至2023年3月。

考虑宏观状态分类的权益风险预警

考虑宏观状态分类，我们在不同状态下分别执行指标评估、筛选。具体而言，训练期尾部风险的定位、指标预警效果的评估方法不变，我们分别测算四类宏观状态区间，备选指标在高分位和低分位预警的可信度和有效性。

在剩余流动性一通胀分类框架下，备选指标在不同状态的预警可信度、有效性差异显著，初步支持我们的分类筛选观点。图×结果显示，多数指标若比较不同状态的预警可信度和有效性，及与无状态分类的结果比较，都呈现明显差异。并没有出现在各状态下均有领先预警效果的指标：

剩余流动性、通胀因子双上行时，进口金额同比高分位、7天银行间同业拆借利率高分位、交易活跃度低分位等的预警可信度较高，M1同比高分位、新增中长期贷款高分位、中债信用利差低分位等的预警有效性较好。

剩余流动性因子上行、通胀因子下行时，CPI同比高分位、消费者信心指数高分位、固定资产投资完成额同比高分位的预警可信度较高，基金仓位指标高分位、国内价格类指标低分位、M2-M1同比高分位的预警有效性较好。

剩余流动性因子下行、通胀因子上行时，公共财政收入同比高分位、交易活跃度低分位、进口金额同比低分位等的预警可信度较高，国内外价格类指标高分位、房地产投资完成额同比高分位、美国1年期国债收益率低分位的预警有效性较好。

剩余流动性、通胀因子双下行时，出口金额同比高分位、固定资产投资完成额高分位、美国1年期国债收益率高分位的预警可信度较高，国内外大宗商品价格高分位、PE-TTM低分位、M1同比低分位的预警有效性较好。

图9：考虑宏观状态分类，训练期各指标的预警可信度、有效性汇总

划分宏观状态各指标低分位的预警效果

资料来源：Wind，中信证券研究部测算；注：状态1代表“剩余流动性、通胀因子双上行”，状态2代表“剩余流动性因子上行、通胀因子下行”，状态3代表“剩余流动性因子下行、通胀因子上行”，状态4代表“剩余流动性、通胀因子双下行”；统计区间为2007年1月31日至2019年12月31日。

至于优秀指标的筛选，我们不仅关注各状态下指标的绝对表现，也关注各状态下相比未分类结果，指标预警效果的相对提升。指标在特定宏观状态下具备预警可信度、有效性的同时，相比无状态分类的情形，也应有增量的信息贡献。因此，我们采用如下方法构建综合评分：

其中，Correct和Effective分别对应状态H下指标i的预警可信度和预警有效性，AlL_Score对应状态H下指标i的综合评分。与不考虑宏观状态分类的流程相似，在各状态下我们将高分位、低分位综合评分放在一起比较，综合评分前6位指标即为该状态对应的优选指标。

各宏观周期的优选指标有较大差异，价格类、货币类指标整体预警效果更好：

“剩余流动性上行，通胀上行”时，当货币、信用指标继续扩张，而PMI指数等处于低分位，则需要注意资产泡沫过度累积，与实体经济发展相背离的可能性，例如2015 年“股灾”的情形；

“剩余流动性上行，通胀下行”时，价格类指标的极端状态能提供较有效的信息，从历史来看PPI偏向先于CPI下行，工业增加值处于低分位，反映企业生产端的缓滞，例如2019 年中美贸易摩擦的情形；

“剩余流动性下行，通胀上行”时，国内外价格类指标、M2-M1剪刀差均在高分位有优良的预警效果，反映经济秩序紊乱和投资者悲观情绪，此外房地产投资对股市有较强的挤出效应，例如2008年金融危机传导至国内市场的情形；

“剩余流动性下行，通胀下行”时，若实体需求减弱伴随金融市场流动性紧缩，则“估值陷阱”更有可能出现，即低估值不一定提供安全边际，在2008年金融危机和2018 年中美贸易争端期间均出现类似情形。

表4：考虑宏观状态分类，训练期预警有效指标

宏观状态	优选指标	预警信号	训练期代表性预警案例
剩余流动性上行通胀上行	M1同比	高分位	2015年9月至2016年1月：M1 同比、新增贷款处于高分位，而中债信用利差、PMI指数处于低分位；过热的货币信用扩张与经济发展相背离，引致资产泡沫破裂；
	公共财政收入同比	高分位
	金融机构新增中长期贷款	高分位
	中债信用利差	低分位
	中国大宗商品价格总指数	低分位
	PMI	低分位
剩余流动性上行通胀下行	CPI同比	高分位	2019年4月至2019年5月：受中美贸易摩擦影响，企业生产缓滞，PPI先于CPI下行；房地产投资对股市的挤出效应显著;基金仓位见顶回落，机构资金净流出；
	房地产开发投资完成额同比	高分位
	偏股混合基金仓位	高分位
	灵活配置基金仓位	高分位
	工业增加值同比	低分位
	全部工业品 PPI同比	低分位
剩余流动性下行通胀上行	CGPI同比	高分位	2008年2月至2008年4月：金融危机蔓延，居民对经济前景的情绪悲观，反映在储蓄方面M2-M1高剪刀差；同时海外通胀输入，扰乱正常经济秩序；
	房地产开发投资完成额同比	高分位
	M2-M1同比	高分位
	CRB 商品价格指数	高分位
	CPI同比	高分位
	中证全指收益率	低分位
剩余流动性下行通胀下行	中证全指ERP	高分位	2008年7月至2008年8月、2018年5月至2018年10月：实体需求减弱，金融市场流动性紧张，M2-M1剪刀差处于高位，权益资产现"估值陷阱"，即低估值在该宏观状态下不一定提供安全边际。
	M2-M1 同比	高分位
	固定资产投资完成额同比	高分位
	中国大宗商品价格总指数	高分位
	中证全指PE-TTM	低分位
	M1同比	低分位

资料来源：Wind，中信证券研究部测算；注：统计区间为2007年1月31日至2019年12月31日。

我们基于各时点的状态分类结果，对应前述优选指标，经过低分位指标负向处理、评分加权、5日平均等系列操作形成综合预警指标。以综合预警指标高于0.6视为发出预警信号，训练期内，经我们测算综合预警指标在2008年、2011年、2015年和2018年的回撤行情中均实现了正确预警。

图10：考虑宏观状态分类，训练期综合预警指标的预警效果

资料来源：Wind，中信证券研究部测算；注：训练区间为2007年1月31日至2019年12月31日。

而在测试期，相比不考虑状态分类的情形，纳入状态分类后综合预警指标的预警效果显著提升。我们仍以综合预警指标高于0.6视为发出预警信号。图6显示，在2020年初、2021年初、2021年底至2022年初、2022年下半年等权益资产集中回撤的时点，综合预警指标均发出了较为明确的预警信号；而在牛市行情出现期间，综合预警指标基本未对配置有过多干扰。我们测算测试期内，综合预警指标与中证全指滚动20日收益率的相关系数为-0.23。

图11：考虑宏观状态分类，测试期综合预警指标的预警效果

资料来源：Wind，中信证券研究部测算；注：测试区间为2020年1月1日至2023年3月20日。

分析综合指标的成功预警案例（2020年2月至3月、2021年2月至3月、2022年1月至2月，2022年8月至10月），对应宏观状态下的优选指标表现突出，综合指标预警信号明显，例如：

2020年2月至3月，剩余流动性上行而通胀下行，受疫情影响工业增加值快速下滑，企业生产停滞导致CPI和PPI分位值显著分化，对权益指数的回撤均有预警效应；

2021年2月至3月，剩余流动性下行而通胀上行，全球大宗商品价格普涨传导至国内，CGPI同比、CRB商品价格指数均处于高分位，对权益指数的回撤有预警效应；房地产市场景气度上升，对权益资产有一定的挤出效应；

2022年1月至2月、8月至10月，剩余流动性、通胀双下行，历史数据来看该宏观状态下易出现“低估值陷阱”，2022年的指数估值印证了这一规律；这一年M2-M1同比对投资者情绪的反映也比较准确。

表5：综合指标成功预警的区间，优选指标和综合预警指标分位值数据

回撤区间	2020年2月-3月	2021年2月-3月	2022年1月-2月	2022年8月-10月
回撤区间		剩余流动性上行，通胀下行剩余流动性下行，通胀上行	剩余流动性下行，通胀下行	剩余流动性下行，通胀下行
优选指标1	偏股混合基金仓位	CGPI同比	固定资产投资完成额同比	固定资产投资完成额同比
平均分位值	0.97	1.00	0.60	0.41
优选指标2	灵活配置基金仓位	CRB 商品价格指数	M2-M1同比	M2-M1 同比
平均分位值	0.83	0.93	0.86	0.98
优选指标3	房地产开发投资完成额同比	房地产开发投资完成额同比	中证全指ERP	中证全指 ERP
平均分位值	0.09	0.91	0.79	0.90
优选指标4	CPI同比	M2-M1同比	中国大宗商品价格总指数	中国大宗商品价格总指数
平均分位值	0.94	0.31	0.97	0.75
优选指标5	工业增加值同比	CPI同比	中证全指 PE-TTM	中证全指 PE-TTM
平均分位值	0.02	0.10	0.30	0.11
优选指标6	全部工业品 PPI 同比	中证全指收益率	M1同比	M1同比
平均分位值	0.18	0.47	0.04	0.61
综合预警指标	0.72
平均分位值		0.62	0.76	0.66

资料来源：Wind，中信证券研究部测算。注：标红指标为对应区间预警效果较好的指标。

纳入权益风险预警的资产配置策略

在资产配置策略中结合纳入宏观状态分类的权益风险预警，能有效优化组合的收益风险特征。我们分别基于不结合、结合状态分类时的测试期数据，构建了以国内股债为配置工具，结合预警信号的配置策略（下称预警策略）。

我们在配置“80%中证全指+20%中债新综合全价”，月度再平衡的基础上，纳入日度的权益风险预警。当综合预警指标超过0.6时，降低中证全指的配置比例为20%，中债全价为80%，期间月度再平衡同采用该配置比例；综合预警指标停止预警后，恢复原有的配置比例。

经我们测算，从2020年1月至2023年3月，股债80/20固定比例配置的累计收益率为9.4%，股债20/80 固定比例配置的累计收益率为4.9%；而未纳入宏观状态分类的预警策略，预警信号发出主要在2021年，不能帮助配置组合提升收益，累计收益率仅为5.1%。

纳入宏观状态分类的预警策略，同期获得了显著的超额收益。纳入预警后配置的累计收益率达31.9%，年化收益率9.3%，相比80/20 固定比例配置的年化超额收益为6.4%。同时，在年化波动率、最大回撤等风险控制指标上均领先80/20 固定比例配置，以及未纳入宏观状态分类的预警策略。在主要的熊市行情中，纳入宏观状态分类的预警策略体现了较强的抗跌能力。

图12：测试期固定比例配置策略、对应预警策略净值

资料来源：Wind，中信证券研究部测算；注：净值区间为2020年1月1日至2023年3月20日。

表6：测试期固定比例配置策略、对应预警策略净值

2020年1月1日-2023年3月20日	累计收益率	年化收益率	年化波动率	最大回撤	较固定配置年化超额
股债80/20固定比例配置	9.4%	2.9%	16.0%	-22.7%
股债20/80固定比例配置	4.9%	1.6%	3.9%	-5.6%	-1.3%
80/20 比例配置为基础，未纳入宏观状态分类的预警策略	5.1%	1.6%	14.2%	-22.7%	-1.3%
80/20 比例配置为基础，纳入宏观状态 31.9% 分类的预警策略		9.3%	12.6%	-18.5%	6.4%

资料来源：Wind，中信证券研究部测算。

研究总结

本篇报告，我们研究了经济、市场指标极端状态对权益风险的预警作用，同时考虑到市场逻辑的转换，将“实现权益风险预警的动态化”作为核心任务。我们以权益指数的尾部回撤为预警对象，选取涵盖市场情绪、估值因素、经济基本面的数十项备选指标；在不同的剩余流动性一通胀宏观状态下，从预警可信度、有效性两维度评价和筛选指标，建立了考虑宏观状态分类的权益风险预警模型。

不考虑宏观状态分类的指标筛选、综合指标预警效果较差，测试期的预警信号发出集中与 2021年，对指数回撤的预警价值不高。考虑宏观状态分类后，各状态下的优选指标差异明显，以价格类、货币类指标为主；综合指标预警效果显著提升，2020年初、2021年初、2022年的回撤时点均及时发出预警信号。

在股债固定比例配置的基础上，纳入对综合预警指标的考量，构建预警策略。经过我们测算，不考虑宏观状态分类的预警策略，未能产生显著的超额收益贡献；而考虑宏观状态分类的预警策略，有效增强了固定比例配置的抗跌能力，2020年至今贡献了6.4%的年化超额收益，风险控制水平也有一定提升。

综合来看，研究结果支持“市场指标极端状态能够预警权益风险”的观点，而实现预警的动态化是重要前提；基于剩余流动性一通胀宏观分类框架的分析，能够体现宏观状态对市场逻辑的内在影响，帮助建立适应周期变化的权益风险预警模型，提升预警效力，优化择时效果。

风险因素

市场逻辑转变，风险预警效用减弱；

经济趋势变化，现有宏观状态划分不适用；

指标预测、实际配置和模型存在误差；

备选指标维度不足，反映市场风险不充分。

分析师声明

主要负责撰写本研究报告全部或部分内容的分析师在此声明：(i）本研究报告所表述的任何观点均精准地反映了上述每位分析师个人对标的证券和发行人的看法；（ii）该分析师所得报酬的任何组成部分无论是在过去、现在及将来均不会直接或间接地与研究报告所表述的具体建议或观点相联系。

一般性声明

本研究报告由中信证券股份有限公司或其附属机构制作。中信证券股份有限公司及其全球的附属机构、分支机构及联营机构（仅就本研究报告免责条款而言，不含CLSAgroup of companies），统称为“中信证券”。

本研究报告对于收件人而言属高度机密，只有收件人才能使用。本研究报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布该研究报告的人员。本研究报告仅为参考之用，在任何地区均不应被视为买卖任何证券、金融工具的要约或要约邀请。中信证券并不因收件人收到本报告而视其为中信证券的客户。本报告所包含的观点及建议并未考虑个别客户的特殊状况、目标或需要，不应被视为对特定客户关于特定证券或金融工具的建议或策略。对于本报告中提及的任何证券或金融工具，本报告的收件人须保持自身的独立判断并自行承担投资风险。

本报告所载资料的来源被认为是可靠的，但中信证券不保证其准确性或完整性。中信证券并不对使用本报告或其所包含的内容产生的任何直接或间接损失或与此有关的其他损失承担任何责任。本报告提及的任何证券或金融工具均可能含有重大的风险，可能不易变卖以及不适合所有投资者。本报告所提及的证券或金融工具的价格、价值及收益可跌可升。过往的业绩并不能代表未来的表现。

本报告所载的资料、观点及预测均反映了中信证券在最初发布该报告日期当日分析师的判断，可以在不发出通知的情况下做出更改，亦可因使用不同假设和标准、采用不同观点和分析方法而与中信证券其它业务部门、单位或附属机构在制作类似的其他材料时所给出的意见不同或者相反。中信证券并不承担提示本报告的收件人注意该等材料的责任。中信证券通过信息隔离墙控制中信证券内部一个或多个领域的信息向中信证券其他领域、单位、集团及其他附属机构的流动。负责撰写本报告的分析师的薪酬由研究部门管理层和中信证券高级管理层全权决定。分析师的薪酬不是基于中信证券投资银行收入而定，但是，分析师的薪酬可能与投行整体收入有关，其中包括投资银行、销售与交易业务。

若中信证券以外的金融机构发送本报告，则由该金融机构为此发送行为承担全部责任。该机构的客户应联系该机构以交易本报告中提及的证券或要求获悉更详细信息。本报告不构成中信证券向发送本报告金融机构之客户提供的投资建议，中信证券以及中信证券的各个高级职员、董事和员工亦不为（前述金融机构之客户）因使用本报告或报告载明的内容产生的直接或间接损失承担任何责任。

评级说明

投资建议的评级标准		评级	说明
报告中投资建议所涉及的评级分为股票评级和行业评级（另有说明的除外）。评级标准为报告发布日后6到12个月内的相对市场表现，也即：以报告发布日后的6到12个月内的公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。其中：A 股市场以沪深 300指数为基准，新三板市场以三板成指 (针对协议转让标的)或三板做市指数（针对做市转让标的）为基准；香港市场以摩根士丹利中国指数为基准；美国市场以纳斯达克综合指数或标普 500 指数为基准；韩国市场以科斯达克指数或韩国综合股价指数为基准。	股票评级	买入	相对同期相关证券市场代表性指数涨幅20%以上
		增持	相对同期相关证券市场代表性指数涨幅介于5%～20%之间
		持有	相对同期相关证券市场代表性指数涨幅介于-10%～5%之间
		卖出	相对同期相关证券市场代表性指数跌幅10%以上
	行业评级	强于大市	相对同期相关证券市场代表性指数涨幅10%以上
		中性	相对同期相关证券市场代表性指数涨幅介于-10%～10%之间
		弱于大市	相对同期相关证券市场代表性指数跌幅10%以上

特别声明

在法律许可的情况下，中信证券可能（1）与本研究报告所提到的公司建立或保持顾问、投资银行或证券服务关系，（2）参与或投资本报告所提到的公司的金融交易，及/或持有其证券或其衍生品或进行证券或其衍生品交易，因此，投资者应考虑到中信证券可能存在与本研究报告有潜在利益冲突的风险。本研究报告涉及具体公司的披露信息，请访问 htps://research.citicsinfo.com/disclosure。

法律主体声明

本研究报告在中华人民共和国（香港、澳门、台湾除外）由中信证券股份有限公司（受中国证券监督管理委员会监管，经营证券业务许可证编号：Z20374000）分发。本研究报告由下列机构代表中信证券在相应地区分发：在中国香港由CLSALimited（于中国香港注册成立的有限公司）分发；在中国台湾由CLSecurities Taiwan Co.,Ltd.分发;在澳大利亚由CLSAAustralia PtyLtd.(商业编号:53139992331/金融服务牌照编号:350159)分发；在美国由CLSA（CLSAAmericas,LLC 除外）分发；在新加坡由CLSASingapore PteLtd.（公司注册编号：198703750W）分发；在欧洲经济区由CLSAEurope BV分发；在英国由CLSA（UK)分发；在印度由CLSAIndia Private Limited分发（地址：8/F,Dalamal House,Nariman Point,Mumbai400021;电话:+91-22-66505050;传真:+91-22-22840271;公司识别号：U67120MH1994PLC083118);在印度尼西亚由PTCLSASekuritasIndonesia 分发;在日本由 CLSA Securities Japan Co.,Ltd.分发;在韩国由 CLSASecurities Korea Ltd.分发;在马来西亚由 CLSA Securities MalaysiaSdn Bhd 分发;在菲律宾由 CLSA Philippines Inc.(菲律宾证券交易所及证券投资者保护基金会员)分发;在泰国由 CLSA Securities (Thailand) Limited分发。

针对不同司法管辖区的声明

中国大陆：根据中国证券监督管理委员会核发的经营证券业务许可，中信证券股份有限公司的经营范围包括证券投资咨询业务。

中国香港：本研究报告由CLSALimited分发。本研究报告在香港仅分发给专业投资者（《证券及期货条例》（香港法例第571章）及其下颁布的任何规则界定的），不得分发给零售投资者。就分析或报告引起的或与分析或报告有关的任何事宜，CLSA客户应联系CLSALimited的罗鼎，电话：+852 2600 7233。

美国：本研究报告由中信证券制作。本研究报告在美国由CLSA（CLSAAmericas，LLC 除外）仅向符合美国《1934年证券交易法》下15a-6规则界定且CLSAAmericas，LLC提供服务的“主要美国机构投资者”分发。对身在美国的任何人士发送本研究报告将不被视为对本报告中所评论的证券进行交易的建议或对本报告中所述任何观点的背书。任何从中信证券与CLSA获得本研究报告的接收者如果希望在美国交易本报告中提及的任何证券应当联系CLSAAmericas,LLC（在美国证券交易委员会注册的经纪交易商），以及CLSA的附属公司。

新加坡：本研究报告在新加坡由CLSASingaporePteLtd.，仅向（新加坡《财务顾问规例》界定的）“机构投资者、认可投资者及专业投资者”分发。就分析或报告引起的或与分析或报告有关的任何事宜，新加坡的报告收件人应联系 CLSA Singapore Pte Ltd，地址：80 Raffles Place,#18-01,UOB Plaza 1,Singapore 048624，电话：+65 6416 7888。因您作为机构投资者、认可投资者或专业投资者的身份，就CLSA Singapore Pte Ltd.可能向您提供的任何财务顾问服务，CLSA Singapore Pte Ltd豁免遵守《财务顾问法》（第110章）、《财务顾问规例》以及其下的相关通知和指引（CLSA业务条款的新加坡附件中证券交易服务C部分所披露）的某些要求。MCI（P）085/11/2021。

加拿大：本研究报告由中信证券制作。对身在加拿大的任何人士发送本研究报告将不被视为对本报告中所评论的证券进行交易的建议或对本报告中所载任何观点的背书。

英国：本研究报告归属于营销文件，其不是按照旨在提升研究报告独立性的法律要件而撰写，亦不受任何禁止在投资研究报告发布前进行交易的限制。本研究报告在英国由CLSA（UK）分发，且针对由相应本地监管规定所界定的在投资方面具有专业经验的人士。涉及到的任何投资活动仅针对此类人士。若您不具备投资的专业经验，请勿依赖本研究报告。

欧洲经济区：本研究报告由荷兰金融市场管理局授权并管理的 CLSAEurope BV 分发。

澳大利亚：CLSAAustraliaPtyLtd（“CAPL”）(商业编号：53139992331/金融服务牌照编号：350159)受澳大利亚证券与投资委员会监管，且为澳大利亚证券交易所及CHI-X的市场参与主体。本研究报告在澳大利亚由CAPL仅向“批发客户”发布及分发。本研究报告未考虑收件人的具体投资目标、财务状况或特定需求。未经CAPL事先书面同意，本研究报告的收件人不得将其分发给任何第三方。本段所称的“批发客户”适用于《公司法（2001）》第761G条的规定。CAPL研究覆盖范围包括研究部门管理层不时认为与投资者相关的ASXAIIOrdinaries 指数成分股、离岸市场上市证券、未上市发行人及投资产品。CAPL寻求覆盖各个行业中与其国内及国际投资者相关的公司。

印度：CLSAIndia PrivateLimited，成立于1994年11月，为全球机构投资者、养老基金和企业提供股票经纪服务（印度证券交易委员会注册编号：INZ000001735）、研究服务（印度证券交易委员会注册编号：INH000001113)和商人银行服务（印度证券交易委员会注册编号：INM000010619）。CLSA及其关联方可能持有标的公司的债务。此外，CLSA及其关联方在过去12个月内可能已从标的公司收取了非投资银行服务和/或非证券相关服务的报酬。如需了解CLSA India“关联方”的更多详情，请联系 Compliance-India@clsa.com。

未经中信证券事先书面授权，任何人不得以任何目的复制、发送或销售本报告。

资产配置专题系列之十九：因时制宜，宏观状态分类下的权益风险预警初探-20230323-中信证券-24页