宏观基本面&动量视角：大类资产轮动量化策略体系-240828（26页）.pdf

1、 本报告由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供。在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。同时请务必阅读正文之后的免责条款和声明。证券研究报告证券研究报告资产配置资产配置深度深度 大类资产轮动大类资产轮动量化量化策略体系策略体系 宏观基本面宏观基本面&动量视角动量视角 核心观点核心观点 本文基于宏观和动量两个维度构造完全量化可回测的大类资产轮动策略。宏观模块创新性地引入 Listwise 排序学习算法ListMLE，从截面维度构造简单稳健的宏观周期查询字典，同时引入动量模块，利用其与宏观的互补性构造复合轮

2、动策略，2017年以来复合策略绝对收益年化 17.8%，夏普 1.48，最大回撤 9.1%，月度胜率 71%，其中 2019 年以来策略年化收益 22.3%，2024 年以来每月均能事前选到当月表现最优的大类资产。基于基于 ListMLEListMLE 的宏观基本面策略的宏观基本面策略 基于基础数据构建完全可得宏观趋势数据库，将其作为自变量解释大类资产截面收益率差异。本文创新性地引入 ListMLE 这一排序学习模型，在宏观策略这样的小样本数据上有良好的预测能力和可解释性。基于 ListMLE 的宏观基本面策略 17 年以来绝对收益年化 14.52%，最大回撤 11.8%，月度胜率 72.5%

3、，除 2022 年以来均能录得正收益。基于基于 BBW_BIASBBW_BIAS 的动量因子的动量因子 本文使用经典的 BBW_BIAS 因子作为动量模块因子，相比简单的收益率动量增加了波动信息，更加适合作为大类资产截面收益的解释因子。17年以来因子绝对收益年化 7.9%，最大回撤 17.8%，表现差强人意，但是却是宏观基本面策略的完美拼图。基于宏观基本面基于宏观基本面&动量的大类资产轮动策略动量的大类资产轮动策略 由于单一模型总会面临阶段性失效时段，本文结合宏观基本面和动量两个维度构造复合轮动策略。考虑到二者的高度互补性，我们使用因子动量的思想对宏观和动量信号进行轮动，即每次决策时回溯过去一

4、段时间两个维度的业绩表现，选择业绩较好的一个维度信号作为配置信号，复合策略 2017 年以来年化绝对收益17.8%，夏普 1.48，最大回撤 9.1%，月度胜率 71%，每年均能录得正收益，其中 2019 年以来策略年化收益 22.3%。2024 年以来表现非常优秀，每月都选到了当月表现最优的资产。资产配置资产配置研究研究 丁鲁明丁鲁明 021-68821623 SAC 编号:S1440515020001 发布日期：2024年 08 月 28日 市场表现市场表现 相关研究报告相关研究报告 24.08.06【中信建投金融工程及基金研究】:“逐鹿”Alpha 专题报告（二十二）Factor Zoo

5、 II 基本面因子挖掘统一框架 24.07.09【中信建投大类资产配置】:资产配置及量化策略 2024 年中期投资策略报告：康波萧条周期下的绝对收益破局方向 24.07.07【中信建投金融工程及基金研究】:金融工程及基金研究2024 年中期投资策略报告：不畏市场风格切换，基本面事件高频机器学习选股+长期陪伴式 FOF 策略表现优异 24.06.23【中信建投金融工程及基金研究】:技术指标因子高频化 24.06.07【中信建投金融工程】:“逐鹿”Alpha 专题报告（二十一）基于新闻、研报、财务、技术指标的大模型个股分析框架初探 -15%-10%-5%0%5%10%2023/8/142023/9

6、/142023/10/142023/11/142023/12/142024/1/142024/2/142024/3/142024/4/142024/5/142024/6/142024/7/14国债指数上证指数 资产配置资产配置研究研究 资产配置深度报告 请务必阅读正文之后的免责条款和声明。目录目录 引言.1 一、宏观基本面模块.2 1.数据准备和处理.2 2.模型原理.4 3.策略构建及回测.5 4 模型可解释性探究.7 二、动量模块.8 三、基于宏观基本面&动量的大类资产轮动策略构造.10 附录-分年参数平原.12 参考文献.20 风险分析.21 图目录 图 1:宏观变量处理流程.3 图 2