《中信建投金融工程-基本面量化系列之五：投资时钟指路量化大类资产轮动破局——再谈美林时钟模型在中美市场的有效性.pdf》由会员分享，可在线阅读，更多相关《中信建投金融工程-基本面量化系列之五：投资时钟指路量化大类资产轮动破局——再谈美林时钟模型在中美市场的有效性.pdf（25页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、 C H I N A S E C U R I T I E S R E S E A R C H HTTP:/RESEARCH.CSC.COM.CN 请参阅最后一页的重要声明 证券证券研究报告研究报告基本面量化系列之五基本面量化系列之五 投资时钟指路，量化大类资产轮动破局投资时钟指路，量化大类资产轮动破局 再谈美林时钟模型在中美市场的有效性再谈美林时钟模型在中美市场的有效性 投资时钟热点讨论投资时钟热点讨论：近期，市场上存在一种声音：投资时钟近期失效，认为投资时钟变电扇，在中国市场上表现不佳。计算发现，投资时钟的内在逻辑一直有效。可以从两个角度解释这样的质疑：（1）对于不同的投资者，投资的时间窗口
2、不同，资产配置的策略不同，周期划分结果差异较大。有人买入持有，有人快进快出。站在当前这个时间点，每个人对于当前所处经济周期的判断不同。长期投资者在意趋势性方向，短期投资者关注市场的每一次波动；（2）投资时钟仅考虑经济增长和通货膨胀数据，变量较少，未考虑资金层面的数据（如货币政策等），但从经济周期的角度来看，货币政策确实有重要影响，但同时会作用到各类资产，并不改变投资时钟的内在逻辑。投资时钟模型简述：投资时钟模型简述：投资时钟本质是一个树模型，可以纳入我们基本面量化系列报告之四种提出的“绝对价值-相对价值-择时因素”研究框架。产出缺口（或 GDP 同比）反映绝对价值变化，CPI 同比则体现了相对
3、价值层的情况。投资周期划分（定性投资周期划分（定性 VSVS 定量）：定量）：如何精确划分经济周期是投资时钟的关键，本文主要采用并比较了三种方法：（1）考虑到经济指标序列存在局部噪声，并非趋势性质变，因此过滤噪声，求局部极值，分别确定 GDP 同比序列和 CPI 同比序列周期的高点和低点，并结合基本面信息进行局部调整；（2）分别设置不同的时间窗口N，以当前时间为终点，计算过去N个单位时间内经济指标的变动，确定周期，不加入任何主观因素影响；（3）采用非同期数据进行划分。即以当前时间算起，提前M个单位时间为终点，同样设置时期窗口N，根据滞后M期经济增长和通胀趋势数据，划分衰退、复苏、过热和滞胀四个
4、阶段。投资时钟效果展示（美国投资时钟效果展示（美国 VSVS 中国）：中国）：计算证明投资时钟对于中美证券市场是有效的。定量结合基本面信息的周期划分结果显示：从 1973 年 1 月到 2015 年 10 月，投资时钟在美国证券市场的年化收益率达到 11.66%，最大回撤为 19.99%，夏普比率为 0.98；从 2003 年 1 月到 2016 年 3 年，投资时钟在中国证券市场的年化收益率为 9.91%，最大回撤为 19.02%，夏普比率为 0.72。由于主观划分周期是滞后的，考虑到投资的可操作性，滞后一期经济数据（固定 3 个月观察周期）的投资时钟在美国市场表现较好，从 1973 年 1
5、 月到 2015 年 10 月的累计收益率为 6118.1%，年化收益率为 10.14%，最大回撤为 13.14%，夏普比率为 0.92。滞后一期（固定一个月时间）在中国市场可以获得年化 12.45%的收益率，最大回撤为 24.15%，夏普比率为 0.71。经济增速放缓经济增速放缓+通胀回落：通胀回落：中国经济增速预期放缓，CPI 同比经历从 2015 年 10 月的 1.27%到 2016 年 4 月 2.3%的回升之后，5月回落至 2%。若 CPI 同比见顶回落，那么经济周期将进入衰退，若通胀持续高涨，不排除继续滞胀的可能。后期我们将重点关注上游商品的价格和下游需求端的变化情况。金融金融工
6、程工程研究研究 丁鲁明丁鲁明 021-68821623 执业证书编号：S1440515020001 发布日期：2016 年 6 月 23 日 市场表现市场表现 -42%-32%-22%-12%-2%8%15/6/2315/7/2315/8/2315/9/2315/10/2315/11/2315/12/2316/1/2316/2/2316/3/2316/4/2316/5/23沪深300上证指数 相关研究报告相关研究报告 table_report 16.05.31 基本面量化系列之四：量化全球大类资产配置体系美国道指市盈率估计模型 16.04.20 板块轮动基本面量化系列之三：“量化基本面”理论体
7、系及农林牧渔行业案例-160420 15.08.04 板块轮动基本面量化系列之二梦碎浮华回归本质，论行业财务基本面指标的有效性 15.07.23 板块轮动基本面量化系列之一结合基本面的行业月度波动特征分析 全球大类资产配置研究全球大类资产配置研究 金融工程专题报告 HTTP:/RESEARCH.CSC.COM.CN 请参阅最后一页的重要声明 目录目录 一、投资时钟的基本介绍.1 1.1、货币宽松中的失效？.1 1.2、投资时钟简介.1 1.3、投资时钟的研究逻辑.2 1.4、投资时钟热点讨论.2 二、投资时钟在美国市场的表现.4 2.1、结合基本面信息的定量划分.5 2.2、同期数据固定时间窗
8、口的周期划分.7 2.3、滞后一期数据固定时间窗口的周期划分.8 2.4、逆推投资时钟的逻辑.9 三、投资时钟在中国市场的表现.14 3.1、从经济指标看中国投资时钟.15 3.2、从资产收益率看中国投资时钟.18 四、总结与展望.20 图形图形目录目录 图 1：投资时钟的树模型.1 图 2：本文研究的思路.2 图 3：投资时钟变电扇？.3 图 4：经济周期划分方法.4 图 5：四类标的资产净值曲线（初值为 100）.4 图 6：GDP 同比和 CPI 同比趋势的识别.5 图 7：定量结合主观经济周期的划分.5 图 8：结合基本面信息的定量划分净值曲线（初值为 100）.6 图 9：同期数据固
9、定时间窗口的净值曲线（初值为 100）.7 图 10：滞后一期数据固定时间窗口的净值（初值为 100）.8 图 11：示例：最优资产配置.9 图 12：GDP_YOY_DIFF 的定义.11 图 13：经济指标密度图（原始值）.11 图 14：经济指标密度图（秩次值）.12 图 15：结合基本面信息的周期划分（中国数据）.15 图 16：结合基本面信息的周期划分（中国数据）.15 图 17：C(0，1)模型的周期划分.16 图 18：C(1，1)模型的周期划分.16 图 19：滞后和同期周期划分的策略净值（中国数据（初值为 100）.17 全球大类资产配置研究全球大类资产配置研究 金融工程专题
10、报告 HTTP:/RESEARCH.CSC.COM.CN 请参阅最后一页的重要声明 表格表格目录目录 表 1 主观周期划分的净值表现（美国数据）.6 表 2 C(0，N)模型的净值表现（美国数据）.8 表 3 C(1，N)模型的净值表现（美国数据）.8 表 4 逆推逻辑示例.10 表 5 各类资产表现最好时期的经济指标情况及排名.13 表 6 不同资产的净值表现（中国数据）.17 表 7 各类资产表现最好时期的经济指标情况及排名(中国数据).19 1 HTTP:/RESEARCH.CSC.COM.CN 金融金融工程工程研究研究 金融工程专题报告 请参阅最后一页的重要声明 一、一、投资时钟的基本
11、介绍投资时钟的基本介绍 1.1、货币宽松中的失效？货币宽松中的失效？2004 年 11 月 10 日，美银美林证券发表了著名的研究报告The Investment Clock，从经济增长和通货膨胀趋势两个宏观经济指标入手，进行资产配置。无论是国外还是国内，基于该模型又衍生出了各种各样的研究思路和方法。主要的创新包括采用引入新的宏观变量、基于行业轮动的投资时钟等等。2008 年金融危机之后，全球需求疲软。为了刺激经济的复苏，宽松的货币政策接连出台。截至目前，欧元区、瑞典、丹麦、瑞士和日本相继实施负利率政策，近日，德国十年期国债收益率也一度为负。其中，日本、欧元区和瑞典是为了刺激经济，推升物价，实
12、现温和通胀的目标，丹麦和瑞士则由于本币和欧元挂钩，在欧元区宽松的大背景下，为了抑制国际避险资本因为本币低估而大量涌入，冲击本国经济而推行负利率。有观点认为，传统的投资时钟缺少资金层面的评价指标，非常规的货币宽松在全球范围内推行，金融资产和货币资本之间的供求平衡被打破，投机和避险情绪并存，导致投资时钟的规律被破坏。特别地，国内证券市场散户占比较大，时常被贴上非理性投资的标签，资金层面扩张伴随投资情绪层面的追涨杀跌导致投资时钟失效，那么投资时钟在国内外的表现到底如何，本文将立足于原始模型，希望在原模型基础上进行参数优化，深挖模型背后的逻辑。从定量的角度，精确验证投资时钟的有效性。1.2、投资时投资
13、时钟简介钟简介 投资时钟本质是一个树模型，可以纳入我们基本面量化系列报告之四种提出的“绝对价值-相对价值-择时因素”大类资产配置研究的研究框架中。无论是以 GDP 同比还是产出缺口作为经济增长的评价指标，本质都是反映价值层的改变，即绝对价值的变化，而 CPI 同比则是反映了资产对货币的相对价值。不同资产相对于 GDP 和CPI 指标变化的弹性不同，因此，可以根据这种差异合理配置资产。数据来源：中信建投证券研究发展部 图图 1：投资时钟的树模型投资时钟的树模型 GDP同比通胀同比通胀同比上行下行过热（周期价值）：大宗股票现金/债券上行复苏（周期成长）：股票债券现金大宗滞胀（防御价值）：现金债券大
14、宗/股票衰退（防御成长）：债券现金股票大宗上行下行下行绝对价值相对价值 2 HTTP:/RESEARCH.CSC.COM.CN 金融金融工程工程研究研究 金融工程专题报告 请参阅最后一页的重要声明 衰退时期，经济增长放缓，产能过剩使得商品价格下降，加速通缩，企业利润下降，资产收益率降低，收益率曲线下移，此时央行降息放水，债券收益率降低，价格上升。复苏阶段，宽松的货币政策使得 GDP 加速提高，尽管通缩风险仍在，但由于产能过剩未出清，商品价格低迷。央行保持低利率债券资产吸引力有限，股票收益率较高。过热来临，经济增长放缓，产能限制导致商品价格提高，通胀持续回升，企业利润增长放缓，估值下降，此时 G
15、DP 持续上升，央行提高利率，债券价格下降。相对而言，商品表现较好。滞胀来临，GDP 增长过快，通胀持续升高，通常伴随着刚需商品价格上涨，生产率下降，失业率上升，股票债券表现不佳，现金相对表现较好。简言之，投资时钟主要就是根据 GDP 同比（产出缺口）和 CPI 同比的变化趋势来配置资产。1.3、投资时钟的研究逻辑投资时钟的研究逻辑 本文将从两方面逻辑进行梳理：（1）定量结合定性划分经济周期，基于投资时钟的逻辑配置资产，计算净值的表现。（2）以固定时间窗口内变现最佳的资产为因变量，计算对应阶段宏观经济变量的变化，从而得到宏观经济指标的条件分布，确定最优的时间窗口。数据来源：中信建投证券研究发展
16、部 1.4、投资时钟热点讨论投资时钟热点讨论 近期，市场上存在一种声音：投资时钟近期失效，并认为投资时钟变电扇，在中国市场上表现不佳。经过计算发现，其实投资时钟的内在逻辑一直是有效的，之所以会出现这样的质疑，主要是因为对于不同的投资者，投资的时间窗口不同，资产配置的策略也不尽相同，有的人快进快出，有的买入持有。站在当前这个时间点，每个人对于所处经济周期的定义也不一样。如图 3 所示，长期投资者 B 可能认为经济数据的短期不会对自己的长期投资计划产生影响，因此更在意趋势性方向。而对于短期投资者 A 而言，经济指标的短期波动都是机会。正是这种差异，导致了不同观点的存在。特别是近两年，市场波动较大，
17、加上不同的观点和预期充斥在整个市场，导致投资时钟的有效性受到质疑。的确，从资金层面来说，宽松的货币政策影响资本的供给，但背后的经济学逻辑依然成立，只是增添了更多扰图图 2：本文研究的思路本文研究的思路 投资时钟逻辑经济周期划分资产配置净值表现计算区间内资产回报确定最优时间窗口对应经济指标变动验证投资时钟逻辑思路1思路2从经济和通胀指标出发从各类资产收益率表现出发 3 HTTP:/RESEARCH.CSC.COM.CN 金融金融工程工程研究研究 金融工程专题报告 请参阅最后一页的重要声明 动因素，需要条分缕析，层层剥离。数据来源：中信建投证券研究发展部 投资时钟效果的好坏主要体现在两方面：（1）
18、经济周期的划分。经济周期的划分。“经济增长趋势”和“通货膨胀趋势”的识别是非常困难的，如何度量趋势与噪声一直是经济学界的难题。首先需要考虑的问题是时间窗口的选取，目前很多关于投资时钟的报告对于“衰退-复苏-过热-滞胀”四个阶段的划分偏向于经验和数据相结合的定性方法，未考虑具体的时间窗口。因为在不同阶段,GDP 同比和 CPI 同比指标的标准差（或者说波动率）情况是完全不同。因此，如何自适应地区别噪声和趋势是最关键步骤。尽管有一些复杂的黑箱模型，能够较好地拟合周期，但由于模型参数量太多，经济数据量较少，模型解释性较低，易出现过拟合。（2）投资时钟投资时钟的预测价值。的预测价值。任何资产配置模型的
19、目的均是指导投资决策，因此自变量是否具有预测意义至关重要。样本内识别趋势，配置相应的资产确实可以获得不错的投资回报，但样本外自变量是否能作为先行指标、能否及时获得，继而指导决策更加重要。因此，本文针对美国和中国市场，寻找相应的数据，精确定量地针对以上两点进行了计算与比较。为了比较不同周期划分方法效果的差异。本文分别采用了三种思路划分周期：思路一：考虑到时间序列存在一些局部月度噪声，并非质变，因此过滤噪声，求局部极值，分别确定 GDP同比序列和 CPI 同比序列周期的高点和低点，并结合基本面信息进行局部调整。思路二：分别设置不同的时间窗口N，以当前时间为终点，计算过去N个单位时间内，计算经济指标
20、的变动，确定周期，不加入任何主观因素的影响。思路三：采用非同期数据进行划分。即以当前时间算起，提前M个单位时间为终点，同样设置时期窗口N，根据滞后M期经济增长和通胀趋势的数据划分为衰退、复苏、过热和滞胀四个阶段。简言之，三种思路都可以统一为(,)C M N模型，其中M是经济指标滞后的期数，N是时间窗口的长度，图图 3：投资时钟变电扇？投资时钟变电扇？0.501.001.502.002.503.003.50美国:GDP:不变价:折年数:同比 季投资者B周期划分投资者A周期划分 4 HTTP:/RESEARCH.CSC.COM.CN 金融金融工程工程研究研究 金融工程专题报告 请参阅最后一页的重要
21、声明 即假设当前时间结点为T，可以根据,TMN TM时间内经济数据的变动情况来划分经济周期。本文中思路一为(,)C M N，,M N是主观结合基本面数据确定的，其中,M N和时间点有关，不同时间点的T的长度并不相同；思路二为(0,),1,2,3,.,6CN N，即采用同期数据，经济指标不提前，。本文枚举并比较了不同N的效果；思路三为(1,),1,2,3,.,6CN N 的模型，即经济指标滞后一个单位时间，这样模型更具有实际操作价值。更一般来说，投资时钟模型应该为(,()C M N t，即参数N和时间T有关，在不同的时间点，N的取值是不一样的。市场波动率不同的情况下，N也要根据市场情况进行调整。
22、从逻辑和回测的结果来看，不同的周期划分方式会直接影响资产配置的效果，从投资的角度，对当下所处经济周期的预判至关重要。二二、投资时钟在美国市场的表现投资时钟在美国市场的表现 为了验证投资时钟的逻辑，本文利用美国实际数据进行验证。本文获取了美国从 1973 年 1 月到 2015 年 10月的经济和通胀数据，用 GDP 同比增长率作为经济增速的衡量指标，CPI 同比作为通胀变化的评价变量，其中，GDP 同比是季度数据，通过插值，将其转化为月度数据。股票指数选取标普 500 作为投资标的，债券指数为美银美林证券美国投资级公司债总回报指数，商品是 CRB 现货指数（综合），现金指数用 3 个月的美国国
23、库券收益率来衡量。本文采用上文中提到的三种思路识别 GDP 同比和 CPI 同比局部高低点，划分经济周期。图 5 是四类标的资产的净值曲线，基准为 100。图图 4：经济周期划分方法经济周期划分方法 局部滤波，结合基本面信息划分经济周期设置时间窗口，根据对应区间内经济数据变动划分周期采用提前一期数据，根据对应区间内经济数据变动划分周期定性定量结合定量0.501.001.502.002.503.003.50美国:GDP:不变价:折年数:同比 季T时刻NNM思路2思路3 数据来源：中信建投证券研究发展部 图图 5：四类标的资产净值曲线（初值为四类标的资产净值曲线（初值为 100）5 HTTP:/R
24、ESEARCH.CSC.COM.CN 金融金融工程工程研究研究 金融工程专题报告 请参阅最后一页的重要声明 2.1、结合基本面信息的定量划分结合基本面信息的定量划分 思路一兼顾了定量计算和定性基本面信息，首先简单滤波，去除局部噪声，计算 GDP 同比和 CPI 同比的局部高低点（见图 6）。然后结合相关宏观信息，辅助调整，确定“衰退-复苏-过热-滞胀”四个阶段，根据投资时钟的逻辑进行配置回测，比较和单一投资标的净值曲线的差异。基于以上结果得到经济周期的划分（见图 7）。100600110016002100260031001973年1月1974年6月1975年11月1977年4月1978年9月1
25、980年2月1981年7月1983年1月1984年6月1985年11月1987年4月1988年9月1990年2月1991年7月1993年1月1994年6月1995年11月1997年4月1998年9月2000年2月2001年7月2003年1月2004年6月2005年11月2007年4月2008年9月2010年2月2011年7月2013年1月2014年6月债券商品股票现金 数据来源：中信建投证券研究发展部 图图 6：GDP 同比和同比和 CPI 同比趋势的识别同比趋势的识别 0100200300400500600700800900-5051015 GDP的同比增长率0100200300400500
26、600700800900-5051015 CPI的同比增长率 数据来源：中信建投证券研究发展部 图图 7：定量结合主观经济周期的划分定量结合主观经济周期的划分 6 HTTP:/RESEARCH.CSC.COM.CN 金融金融工程工程研究研究 金融工程专题报告 请参阅最后一页的重要声明 依照周期的划分结果，计算每个周期内收益率最高的资产，对应周期应选择的标的进行配置，将该结果与分别投资单一标的进行比较，得到长期的净值曲线，为了统一度量，对各类资产指数价格做标准化处理，初值均为 100.表表 1 主观周期划分主观周期划分的净值表现的净值表现（美国数据）（美国数据）-10-50510152000.1
27、0.20.30.40.50.60.70.80.911973/1/11974/6/11975/11/11977/4/11978/9/11980/2/11981/7/11983/1/21984/6/21985/11/21987/4/21988/9/21990/2/21991/7/21993/1/31994/6/31995/11/31997/4/31998/9/32000/2/32001/7/32003/1/42004/6/42005/11/42007/4/42008/9/42010/2/42011/7/42013/1/52014/6/5过热滞胀复苏衰退CPI同比实际GDP同比插值 数据来源：中信建
28、投证券研究发展部 图图 8：结合基本面信息的定量划分净值曲线（初值为结合基本面信息的定量划分净值曲线（初值为 100）100210041006100810010100121001973/1/11974/4/11975/7/11976/10/11978/1/11979/4/11980/7/11981/10/11983/1/11984/4/11985/7/11986/10/11988/1/11989/4/11990/7/11991/10/11993/1/11994/4/11995/7/11996/10/11998/1/11999/4/12000/7/12001/10/12003/1/12004/4
29、/12005/7/12006/10/12008/1/12009/4/12010/7/12011/10/12013/1/12014/4/12015/7/1主观划分周期净值债券商品股票现金 数据来源：中信建投证券研究发展部 7 HTTP:/RESEARCH.CSC.COM.CN 金融金融工程工程研究研究 金融工程专题报告 请参阅最后一页的重要声明 品种1973年1月2015年10月年化收益率最大回撤 夏普比率标准差最长未创新高时间（月）债券1002609.027.93%18.02%0.836.52%32商品100290.33798682.52%35.62%0.009.69%187股票1001792
30、.0882536.98%52.56%0.2915.41%81现金100771.7079134.90%0.00%2.510.95%1主观周期划分净值10011167.1694811.66%19.99%0.989.31%37 数据来源：中信建投证券研究发展部 从结果来看，根据投资时钟逻辑，投资单一资产确实可以获得不错的超额收益。从 1973 年 1 月至今可获得年化 11.66%的收益率，尽管 19.99%的最大回撤较高，但考虑到并非分散投资，同时月度换仓，而且没有经过参数优化，说明对于美国市场而言，投资时钟着实有效。2.2、同期数据固定时间窗口的周期划分同期数据固定时间窗口的周期划分 2.1 的
31、结果证明了模型的有效性，但同样存一些问题：（1）包含主观信息，难以量化。因为 2.1 的结果是基于历史划分周期，对历史数据的周期划分本身就是滞后的。对于不同的投资者，包含主观信息划分的结果不尽相同；（2）历史划分趋势易，当前判断方向难。没有系统的判断规则，站在当前的时间结点判断所处周期尤其困难。因此，按照上文 1.3 中提到的逻辑，本文对(0,),1,2,3,.,6CN N 模型进行了回测，该模型固定了时间窗口，有可量化的规则可寻，得到以下结果。图图 9：同期数据固定时间窗口的净值曲线（初值为同期数据固定时间窗口的净值曲线（初值为 100）100210041006100810010100121
32、001973年1月1974年3月1975年5月1976年7月1977年9月1978年11月1980年1月1981年3月1982年5月1983年7月1984年9月1985年11月1987年1月1988年3月1989年5月1990年7月1991年9月1992年11月1994年1月1995年3月1996年5月1997年7月1998年9月1999年11月2001年1月2002年3月2003年5月2004年7月2005年9月2006年11月2008年1月2009年3月2010年5月2011年7月2012年9月2013年11月2015年1月同期数据（时间窗口1个月）同期数据（时间窗口2个月）同期数据（时间
33、窗口3个月）同期数据（时间窗口4个月）同期数据（时间窗口5个月）同期数据（时间窗口6个月）数据来源：中信建投证券研究发展部 8 HTTP:/RESEARCH.CSC.COM.CN 金融金融工程工程研究研究 金融工程专题报告 请参阅最后一页的重要声明 表表 2 C(0，N)模型模型的净值表现的净值表现（美国数据）（美国数据）品种1973年1月2015年10月年化收益率最大回撤 夏普比率标准差最长未创新高时间（月）债券1002609.027.93%18.02%0.836.52%32商品100290.33798682.52%35.62%0.009.69%187股票1001792.0882536.98
34、%52.56%0.2915.41%81现金100771.7079134.90%0.00%2.510.95%1同期数据（时间窗口1个月）1007700.27190710.70%15.78%0.938.83%30同期数据（时间窗口2个月）1006948.09590210.43%15.78%0.908.77%33同期数据（时间窗口3个月）1006626.892310.31%17.18%0.859.16%26同期数据（时间窗口4个月）10010221.8965911.43%13.14%1.048.62%21同期数据（时间窗口5个月）1008325.5601710.90%23.46%0.948.91%2
35、2同期数据（时间窗口6个月）1003817.1244488.89%14.31%0.768.44%22 资料来源：中信建投证券研究发展部 固定了时间窗口的同期回测结果显示，最大回撤有所下降，最长未创新高天数也有下降，有了确定的参数，可以系统地确定当前的周期，效果较好。其中(0,4)C模型效果较好，年化收益率达到 11.43%，最大回撤 13.14%最长未创新高天数下降至 21 个月。同期模型的缺点是：由于经济数据披露的时间相对滞后，我们无法获取提前获得同期的经济数据。2.3、滞后一期数据固定时间窗口的周期划分滞后一期数据固定时间窗口的周期划分 考虑到实际资产配置时策略的可操作性，在当前的时间结点
36、我们无法提前获得经济数据，预期数据可靠性打折，因此采用对提前一期的(1,),1,2,3,.,6CN N 模型进行回测，得到以下结果。表表 3 C(1，N)模型模型的净值表现的净值表现（美国数据）（美国数据）图图 10：滞后一期数据固定时间窗口的净值（初值为滞后一期数据固定时间窗口的净值（初值为 100）1001100210031004100510061007100810091001973年1月1974年1月1975年1月1976年1月1977年1月1978年1月1979年1月1980年1月1981年1月1982年1月1983年1月1984年1月1985年1月1986年1月1987年1月1988
37、年1月1989年1月1990年1月1991年1月1992年1月1993年1月1994年1月1995年1月1996年1月1997年1月1998年1月1999年1月2000年1月2001年1月2002年1月2003年1月2004年1月2005年1月2006年1月2007年1月2008年1月2009年1月2010年1月2011年1月2012年1月2013年1月2014年1月2015年1月滞后一个月净值（时间窗口1个月）滞后一个月净值（时间窗口2个月）滞后一个月净值（时间窗口3个月）滞后一个月净值（时间窗口4个月）滞后一个月净值（时间窗口5个月）滞后一个月净值（时间窗口6个月）数据来源：中信建投证券研
38、究发展部 9 HTTP:/RESEARCH.CSC.COM.CN 金融金融工程工程研究研究 金融工程专题报告 请参阅最后一页的重要声明 品种1973年1月2015年10月年化收益率最大回撤 夏普比率标准差最长未创新高时间（月）债券1002609.027.93%18.02%0.836.52%32商品100290.33798682.52%35.62%0.009.69%187股票1001792.0882536.98%52.56%0.2915.41%81现金100771.7079134.90%0.00%2.510.95%1滞后一个月净值（时间窗口1个月）1005197.3931649.68%21.76
39、%0.779.28%23滞后一个月净值（时间窗口2个月）1007780.53521710.72%17.42%0.978.52%22滞后一个月净值（时间窗口3个月）1006218.10262210.14%13.14%0.928.35%21滞后一个月净值（时间窗口4个月）1004623.8964119.38%15.94%0.828.39%31滞后一个月净值（时间窗口5个月）1003276.4181298.50%21.74%0.718.45%23滞后一个月净值（时间窗口6个月）1002019.7446687.28%22.63%0.598.15%57 数据来源：中信建投证券研究发展部(1,),1,2,
40、3,.,6CN N 的模型效果稍逊于(0,),1,2,3,.,6CN N，但可操作性较高，其中(1,3)C表现较好，年化收益率达到 10.14%，最大回撤为 13.14%，最长未创新高时间为 21 个月。因为滞后期为一个月，尽管模型效果不如同期数据模型，但是从可操作性上来看，该模型优于同期数据模型。2.4、逆推投资时钟的逻辑逆推投资时钟的逻辑 为了更好的说明第二条逻辑，首先我们看一条最优的净值曲线（见图 11 左），图 11 中主要要包括四类资产：股票、债券、现金和商品指数（股票指数：标普 500，债券指数：美银美林证券美国投资级公司债总回报指数，商品：CRB 现货指数（综合），现金指数：3
41、个月的美国国库券）和最优资产配置净值曲线。该净值的计算方法是：计算每个月四类资产的收益率，精确捕捉到每个月表现最好的那一只资产，全仓买入，那么如果初始净值为 100，从 1973 年 1 月到 2015 年 10 月，组合净值将达到 158059.2826。由于最优资产配置净值曲线收益率过高，为了更直观地体现最优配置和单一资产配置的差异，分别对各类净值取对数（见图 11 右）当然这种最优情况是不能实现的，但是我们可以转换思想，不妨令iY表示第i个月收益率最高的资产，X图图 11：示例：最优资产配置示例：最优资产配置 100201004010060100801001001001201001401
42、001601001801001973年1月1974年11月1976年9月1978年7月1980年5月1982年3月1984年1月1985年11月1987年9月1989年7月1991年5月1993年3月1995年1月1996年11月1998年9月2000年7月2002年5月2004年3月2006年1月2007年11月2009年9月2011年7月2013年5月2015年3月债券商品股票现金最优资产配置净值曲线22.533.544.555.51973/1/11974/3/11975/5/11976/7/11977/9/11978/11/11980/1/11981/3/11982/5/11983/7/
43、11984/9/11985/11/11987/1/11988/3/11989/5/11990/7/11991/9/11992/11/11994/1/11995/3/11996/5/11997/7/11998/9/11999/11/12001/1/12002/3/12003/5/12004/7/12005/9/12006/11/12008/1/12009/3/12010/5/12011/7/12012/9/12013/11/12015/1/1债券净值（取对数）商品净值（取对数）股票净值（取对数）现金净值（取对数）最优资产配置净值（取对数）数据来源：中信建投证券研究发展部 10 HTTP:/RES
44、EARCH.CSC.COM.CN 金融金融工程工程研究研究 金融工程专题报告 请参阅最后一页的重要声明 是宏观经济和市场的基本面信息，得到四个条件分布：(X|),1,2,3,4ifx Yjj，1,2,3,4j 分别表示股票、债券、现金和商品。反过来挖掘这四个分布的信息，寻找这四个条件分布的差异，类似贝叶斯的思路。通俗地说，将历史分成四类时期，分别是股票、债券、现金和商品表现最好的时期，现在需要做的就是当前的经济状况和历史上哪一类时期最像，那么我们就配置对应时期表现最好的资产。这个思路有两大难点：第一、历史是否会重演。这四个条件分布可能会随着时间的变化而改变，并不是稳定存在的，如果分布变了，匹配
45、的逻辑也就站不住脚；第二、四个条件分布非常相似，难以分类。如果变量选择的不好，可能会导致四个条件分布非常相似，在这种情况之下，可能进行有监督的学习也是非常困难的。理论支撑在于大数定律，模型的重点则在于变量选择的好坏。在验证基于投资时钟资产配置策略的有效性后，本文根据 1.4 提到的第二种逻辑，逆向验证投资时钟的逻辑。如果从资产收益率的角度出发，计算固定时间段内资产的收益率，对每段时期资产收益率情况进行排名，得到相应时间段内表现最好的资产（如表 4 所示，给出了投资时间窗口为 1 个月，每个月表现最佳的资产），并进而得到 4 个分布，分别为债券，股票，商品，现金收益率最高的四个时期的集合，然后考
46、察对应时间窗口内经济和通胀指标的表现。如果四个时期，经济指标和通胀数据的分布符合投资时钟的逻辑，那么说明这个模型是行之有效的。表表 4 逆推逻辑示例逆推逻辑示例 债券指数 商品指数 股票指数 现金指数债券收益率商品收益率股票收益率现金收益率债券收益率排名商品收益率排名股票收益率排名现金收益率排名表现最佳的资产1973/1/1100.00100.00100.00100.001973/2/1100.00107.3596.25100.460.00%7.35%-3.75%0.46%3142商品1973/3/1100.46109.3396.11100.950.46%1.85%-0.14%0.49%314
47、2商品1973/4/1100.46113.0192.19101.460.00%3.36%-4.08%0.51%3142商品1973/5/1100.46122.1990.45101.990.00%8.13%-1.89%0.52%3142商品1973/6/1100.51126.3089.86102.580.05%3.37%-0.66%0.58%3142商品1973/7/1100.51143.3593.27103.240.00%13.50%3.80%0.64%4123商品1973/8/1100.51148.4289.85103.960.00%3.54%-3.67%0.70%3142商品1973/9/
48、1102.22143.2893.45104.651.70%-3.47%4.01%0.67%2413股票1973/10/1102.22137.7793.33105.260.00%-3.85%-0.13%0.58%2431现金1973/11/1102.22141.1582.70105.920.00%2.45%-11.39%0.63%3142债券1973/12/1102.00151.3684.07106.56-0.22%7.24%1.66%0.60%4123债券时间实际GDP同比插值 CPI同比1973/1/17.563.641973/2/17.323.861973/3/16.884.831973/
49、4/16.315.301973/5/15.705.531973/6/15.146.001973/7/14.775.741973/8/14.647.401973/9/14.507.361973/10/14.028.061973/11/13.018.251973/12/11.768.94 数据来源：中信建投证券研究发展部 表 4 是部分截取了 1973.1-1973.12 的数据进行解释，图中分别用不同颜色标记了四类（分类为表现最佳的资产）。如果对整体数据进行相似处理，我们即可分别获得商品、股票、现金和债券表现最好的时期。例如，对于商品表现最好的时期，我们可以获取对应时期经济数据的变动情况，并且得
50、到(X|4)ifx Y（4 是商品），如表 4 所示，可获得商品表现最好的时期，实际 GDP 同比和 CPI 同比数据的分布。经济看增速，增长看变化，相对价值变动比绝对值本身更重要；为深入挖掘表现较好资产与经济指标间的对应关系，针对固定时间窗口（窗口期长度：16 个月），我们主要着重考察以下四个指标：窗口期末月的 GDP同比 增 速(GDP_YOY)和 CPI 同比 增速(CPI_YOY)，以 及 窗口 期 内 GDP 同比 N 单 位时 间 的差 分 11 HTTP:/RESEARCH.CSC.COM.CN 金融金融工程工程研究研究 金融工程专题报告 请参阅最后一页的重要声明(GDP_YOY