海银财富大数据宏观策略之二--“增长”指数

经济越发展，信用越重要。海银财富面对未来，充满信心，我们将继续发扬创新务实，锐意进取的精神，不坠壮志，搏击长空，扶摇而上。我们愿与业内和各界朋友一起，共同合作，为客户提供更专业优质的服务。宏观策略一直是金融研究的核心组成部分之一，其重要程度不言而喻。但宏观策略又存在三个明显的缺陷而受人诟病：主观性强：券商各大宏观首席中永远存在多空的争论。覆盖面广：每年宏观研究都有大量的新增研究覆盖需求，各大券商宏观研究团队的编制也是一扩再扩，覆盖面过广使得宏观研究的复杂性进一步上升，宏观细项数据之间打架的情况一再出现。理解不易：宏观研究报告相对其他报告而言，需要更多的储备知识加以理解，且随着近年来宏观环境的复杂性进一步增加，此种知识储备的要求也在水涨船高。
在此种背景下，我们提出使用大数据的方法进行数据可视化处理，使得整体宏观情况可以被3个简单的指数进行概括，而基于这三个指数，我们能对中国增长及双层流动性（金融机构的流动性与市场的流动性）进行模拟，海银财富分析，而在广义DDM模型假设下，理论上此3个指数能有效的对市场交易频繁的资产进行初步定价。
在此篇报告中，我们将主要介绍数据模型的方法论与增长指数的编纂方法。在接下来的报告中我们将介绍双层流动性指数与指数的综合使用方法。
从历史数据回测的角度来看，我们的指数表现出了较好的拟合属性，同时相对实际经济数据表现出了一个季度左右的领先能力。
另外，我们的量化增长指数进一步确认了自2016年年中以来宏观经济复苏的小周期，且相比GDP增速，海银财富分析，指数进一步确认了2017年上半年复苏的持续性，与资本市场的表现相一致。而当下已经逐步进入筑顶向下阶段，但回落幅度有限，与我们之前对经济缓降的判断契合。
内容目录
一、宏观策略研究的目前情况
二、本文模型的前提假设
三、模型的编制与回测
一
宏观策略研究的目前情况
所谓宏观研究，是资本市场中对"宏观经济研究"的简称。海银财富分析，它将原本"高大上"的经济研究理论及工具运用到现实中，力图得出对资产配置及有价证券投资有价值的分析与预判。宏观研究是有价证券投资研究体系的一个核心组成部分。
但站在当下，宏观策略又存在三个明显的缺陷受人诟病：
1. 主观性强：券商各大宏观首席中永远存在多空的争论。
2. 覆盖面广：每年宏观研究都有大量的新增研究覆盖需求，各大券商宏观研究团队的编制也是一扩再扩，覆盖面过广使得宏观研究的复杂性进一步上升，宏观细项数据之间打架的情况一再出现。
3. 理解不易：宏观研究报告相对其他报告而言，需要更多的储备知识加以理解，且随着近年来宏观环境的复杂性进一步增加，此种知识储备的要求也在水涨船高。
海银财富分析，什么是"唯物主义宏观分析"分析呢？简单来说，就是当下的经济学家把宏观经济与金融市场设想为一个由无数齿轮所组成的庞大机器，对冲基金桥水公司（Bridgewater）的创始人Ray.Dalio便是如此认为，在一份长达三百多页的报告中，Dalio详细解释了他所认为的经济机器的运作方式，由于其论述较为复杂，本文中不再详细展开，有兴趣的读者可以在网上自行下载。
海银财富分析，不过这种逻辑框架最大的问题是，经济与市场并不是一台一成不变的机器，内部的齿轮所处的位置始终处于变化的状态当中，且每一个齿轮在不同时间段所处的功效也十分不同，这就导致了一个核心的问题：经济指标之间的数量关系经常破裂，市场与经济指标之间的关系也异常的不稳定。举例来讲：部分分析师曾经用一个非常有趣的指标来拟合当下经济发展的情况：名义规模以上企业增加值（也有人用名义GDP增速，但此数据频率较低，我们在此用更高频的数据代替）。在图1与图2中，我们可以清楚的看到，在过去很长一段时间内，名义工业增加值不管是对股票还是债券市场皆能提供较好的参考，其用整个企业的发展速度来作为市场判断的指标取得了非常好的效果。海银财富分析，但是自2014年之后，债券收益率的波动开始与此指标脱钩，股市也出现了一波并不能被此数据解释的大牛市，同样，房地产走势也与此数据没了联系。
海银财富分析，宏观经济换进的复杂程度已经超过了如GDP增速+通胀（美林时钟也是用此逻辑）此种单一指标能解释的范畴。当下的宏观策略如果继续依赖于传统分析框架，则宏观策略将继续给读者以一种"一头雾水"的茫然感。

在此背景下，我们将使用大数据的方法，建立我们自己的宏观量化策略模型，尽最大的可能，克服目前宏观策略的种种问题。
二
本文模型的前提假设
本文模型的首个假设便是市场有效假说。在此基础上，我们认为所有经过二级市场交易所形成的价格皆蕴含了市场参与者对经济运行的预期与判断，而整体市场参与者所反应的判断又应是相对有效的。
什么是有效市场假说呢？有效市场假说（Efficient Markets Hypothesis，EMH）是由尤金·法玛于1970年提出的。其核心内容为："有效市场是这样一个市场，在这个市场中，存在着大量理性的、追求利益最大化的投资者，他们积极参与竞争，每一个人都试图预测单个股票未来的市场价格，每一个人都能轻易获得当前的重要信息。海银财富分析，在一个有效市场上，众多精明投资者之间的竞争导致这样一种状况：在任何时候，单个股票的市场价格都反映了已经发生的和尚未发生、但市场预期会发生的事情"。海银财富分析，2013年的诺贝尔经济学奖便颁给了此理论的创始者。虽然目前市场中对于此理论仍有颇多争议，特别是行为金融学对于有效市场假说中"理性投资者"这一前提假设提出了较强的质疑，但从我们实际模型的回测来看，在控制整体数据矩阵方差的情况之下，二级交易市场中各个金融产品成交价格所形成的矩阵皆可被一到两个数量因子所解释，而这一到两个数量因子与过去的宏观经济走势存在十分强烈的正相关性。
简单来说，市场在交易过程中，会掺杂参与者对于目前经济状况的判断，其中部分可能反应了普通投资者并未获得的信息。
三
模型的编制与回测
在最后一部分内容中，我们将就我们量化宏观策略模型中首个生成的因子进行简介。
首先，我们简要介绍我们使用的大数据量化方法：探索性因子分析法（Exploratory Factor Analysis，EFA），简单来说，探索性因子分析法是一项用来找出多元观测变量（多维矩阵）的基础结构、并进行降维处理的技术，海银财富分析，EFA能够在控制总数据矩阵方差最大化的情况下，将将具有错综复杂关系的数量关系综合为少数几个核心因子，而这几个核心因子，能解释原始数量矩阵中的绝大多数数量关系。海银财富分析，此种方法设计到较复杂的数学推理，在此不做过多解释，有兴趣的读者可自行下载相关文献进行研读。
其次，我们要重点介绍我们所使用的底层数据。我们的模型底层数据主要包括几大二级市场的价格数据：债券市场、股票市场、期货市场、房地产市场、外汇市场（图表4）。海银财富分析，我们尽可能多的将国内现有的二级市场数据纳入我们的模型，因为理论上来讲，基础数据矩阵越为丰富，最后的因子归纳越为准确。

最后，我们对我们的指数进行数据回测。
首先，相对国家统计局公布的实际GDP增速而言，我们的量化增长指数能够较好的拟合GDP走势，同时领先其一个季度左右（图表5）。
其次，相对高盛-国家统计局中国宏观经济指数先行指标而言，海银财富分析，我们的量化增长指数基本上与其走势一致，但不同的是，高盛的指数只能更新至当前月份M的M-3月（如：其指数目前至更新至2017年7月），而我们的指数可以实时更新（图表6）。
总结来说，从历史数据回测的角度来看，我们的指数表现出了较好的拟合属性，同时相对实际经济数据表现出了一个季度左右的领先能力。

  大数据量化宏观策略的第一篇主要围绕"增长"这一子量化数据展开，在接下来的报告中，我们将继续介绍"双层流动性"量化策略指数。

呵呵 都没人想我~~