数量化专题：基于宏观超预期状态的行业配置策略.pdf

数量化专题：基于宏观超预期状态的行业配置策略。e_Summary] 宏观经济数据的真实值与市场预测值之间的差异（超预期量）可能 影响投资者的决策，从而影响资产价格。我们从 Wind 和 Bloomberg 收集了 22 个宏观预期指标，共分为 6 类。Bloomberg 在多数指标上的预测准确度更高。

我们将超预期量（真实值-预测值）划分为六种状态，分别为超（低 于）预期、连续超（低于）预期、边际状态、趋势状态、绝对高低 和反转。每种状态内部又涉及多组参数，以此来遍历指标的参数空 间，整体评估指标对资产价格的影响。以 MLF 1 年利率为例，在 2022 年至 2024 年整体处于超预期状态。

宏观指标对行业的影响方向往往难以确定，若单从逻辑进行判断， 则可能既有正向的逻辑也有反向的逻辑。比如利率对银行盈利的 影响，降低利率时银行贷款的收益率下降，是反向逻辑；但降低利 率可能导致贷款量增加，是正向逻辑。因此，本文以数值测试得出 的实验方向为主，并以逻辑常识进行修正，最终确定指标方向。

根据各组参数的回测结果，我们得到了各指标对于各行业的重要 性得分。以钢铁为例，固定资产投资、房地产开发和工业生产等对 其较重要。例如，LPR1 年、LPR5 年等利率类指标得分较高，表 明钢铁行业对融资成本的变化较为敏感；同时，制造业 PMI 和工 业增加值同比得分较高，反映了经济扩张和制造业活跃对行业需 求的正向带动。

使用指标得分加权，我们可以计算各行业的得分。半个月调仓一 次，得分 Top5 行业组合年化超额收益率为 14.84%，超额收益较 为稳定。该策略的年化双边换手为 23.34 倍，胜率为 55.34%。此 外，采用拟合度最低的指标间等权策略的年化超额为 6.14%，虽 然超额收益有所降低但仍然存在，这说明模型的过拟合风险可控。 截至 2024 年 11 月 20 日，电子、机械设备、综合、家用电器和计 算机的得分较高。