周期輪動(dòng)規(guī)律的融會(huì)貫通

工通華泰研究基于庫(kù)存周期的去噪、識(shí)別與預(yù)測(cè)體系我們探索基于庫(kù)存周期的去噪、識(shí)別與預(yù)測(cè)體系。在去噪層面，我們借助三同步、滯后三類代理指標(biāo)。在周期的識(shí)別層面，我們根據(jù)三類指標(biāo)的走勢(shì)變化定位庫(kù)存周期狀態(tài)，并考察周期狀態(tài)的轉(zhuǎn)移規(guī)律，從后驗(yàn)的角度發(fā)現(xiàn)周期輪動(dòng)規(guī)律相對(duì)穩(wěn)定，且各狀態(tài)下資產(chǎn)與指標(biāo)的表現(xiàn)呈現(xiàn)分化。在周期的預(yù)測(cè)層面，我們考慮實(shí)際應(yīng)用過程中對(duì)周期狀態(tài)進(jìn)行每月滾動(dòng)外推，建立周期狀態(tài)與指標(biāo)表現(xiàn)的映射關(guān)系。對(duì)庫(kù)存周期絕對(duì)位置與相對(duì)位置的刻畫主動(dòng)投資最本質(zhì)的工作是預(yù)測(cè)，自上而下的主動(dòng)投資核心在于對(duì)經(jīng)濟(jì)規(guī)律的研究與識(shí)別。長(zhǎng)期以來，經(jīng)濟(jì)周期被認(rèn)為是對(duì)金融市場(chǎng)有一定解釋和預(yù)測(cè)作用的經(jīng)濟(jì)規(guī)律，自上而下的主動(dòng)投資離不開對(duì)經(jīng)濟(jì)周期的把握。傅里葉變換有助于對(duì)經(jīng)濟(jì)周期絕對(duì)位置的把握，而美林投資時(shí)鐘、普林格時(shí)鐘則致力于刻畫周期的相對(duì)位置。我們采用三周期濾波與HP濾波進(jìn)行去噪，構(gòu)建指標(biāo)體系與周期不同階段的映射關(guān)系，兼顧穩(wěn)定性與靈活性，對(duì)庫(kù)存周期進(jìn)行更全面的刻畫。不同周期狀態(tài)依次轉(zhuǎn)移，資產(chǎn)在周期上下行階段表現(xiàn)分化對(duì)一系列指標(biāo)進(jìn)行濾波后根據(jù)領(lǐng)先滯后關(guān)系劃分領(lǐng)先、同步、滯后三組代理指標(biāo)。從劃分結(jié)果來看，以股票市場(chǎng)的走勢(shì)為基準(zhǔn)，表征流動(dòng)性的指標(biāo)相對(duì)領(lǐng)先，生產(chǎn)與價(jià)格類指標(biāo)基本同步，通脹和財(cái)務(wù)指標(biāo)相對(duì)滯后。結(jié)合領(lǐng)先、同步、滯后指標(biāo)的走勢(shì)建立不同周期狀態(tài)的映射關(guān)系，發(fā)現(xiàn)周期狀態(tài)轉(zhuǎn)移規(guī)律穩(wěn)定，歷輪庫(kù)存周期長(zhǎng)度基本一致，且不同周期狀態(tài)下各資產(chǎn)、各行業(yè)指數(shù)的月收益率均值及月勝率呈現(xiàn)分化。滾動(dòng)外推預(yù)測(cè)的周期狀態(tài)定位具備一定參考價(jià)值在實(shí)際應(yīng)用中，投資決策無法參考通過全樣本數(shù)據(jù)進(jìn)行周期狀態(tài)劃分的結(jié)近，但略為滯后，且可能受到噪聲沖擊。大量指標(biāo)的統(tǒng)計(jì)結(jié)果表明，周期上下行階段各指標(biāo)表現(xiàn)分化，全樣本濾波劃分周期以及滾動(dòng)外推預(yù)測(cè)周期均能實(shí)現(xiàn)對(duì)庫(kù)存周期的有效刻畫。從實(shí)用性的角度而言，借助多指標(biāo)、多視角綜合判斷有利于實(shí)現(xiàn)對(duì)庫(kù)存周期更立體的刻畫。風(fēng)險(xiǎn)提示：研究觀點(diǎn)基于歷史規(guī)律總結(jié)，歷史規(guī)律可能失效；市場(chǎng)的短期波動(dòng)與政策可能會(huì)干擾對(duì)經(jīng)濟(jì)周期的判斷；市場(chǎng)可能會(huì)出現(xiàn)超預(yù)期波動(dòng)。資產(chǎn)配置策略無法保證未來獲得預(yù)期收益，對(duì)依據(jù)或使用該規(guī)律所造成的后果由投資者自行承擔(dān)。linxiaoming@+(86)75582080134chenye@+(86)1063211166李聰licong@+(86)1063211166liuzhicheng@+(86)1063211166韓晳hanxi@+(86)1056793937SACNo.S0570521080001yuanjieying@SFCNo.BRR314+(86)75582366825研究員SACNo.S0570520100006研究員SACNo.S0570522100001研究員SACNo.S0570521110002研究員SACNo.S0570521110001SACNo.S0570516010001SFCNo.BPY421研究員研究員華泰證券研究所分析師名錄金工研究金工研究經(jīng)濟(jì)周期的定位方法：去噪、識(shí)別與預(yù)測(cè) 4經(jīng)濟(jì)周期狀態(tài)轉(zhuǎn)移實(shí)證：主要資產(chǎn)在不同周期階段表現(xiàn)分化 8合成基礎(chǔ)大類指標(biāo)表征全球主要資產(chǎn)、經(jīng)濟(jì)指標(biāo)的走勢(shì)特征 8流動(dòng)性指標(biāo)走勢(shì)領(lǐng)先，價(jià)格序列呈現(xiàn)同步，通脹與財(cái)務(wù)指標(biāo)相對(duì)滯后 10領(lǐng)先、同步、滯后指標(biāo)指示周期狀態(tài)的轉(zhuǎn)移規(guī)律 12各資產(chǎn)、行業(yè)指數(shù)在不同周期狀態(tài)下收益表現(xiàn)分化 16經(jīng)濟(jì)周期的應(yīng)用：領(lǐng)先、同步、滯后指標(biāo)的有效性分析 18周期狀態(tài)的滾動(dòng)外推預(yù)測(cè)仍相對(duì)有效，可能存在一定滯后 18滾動(dòng)外推預(yù)測(cè)的周期劃分結(jié)果對(duì)資產(chǎn)配置有一定參考價(jià)值 19庫(kù)存周期的不同階段能在大量指標(biāo)中得到驗(yàn)證 20風(fēng)險(xiǎn)提示 21附錄 22圖表1：傅里葉變換原理示意 4圖表2：上證指數(shù)同比序列傅里葉變換頻譜圖 4圖表3：標(biāo)普500同比序列傅里葉變換頻譜圖 4圖表4：美林投資時(shí)鐘 5圖表5：股票、債券、商品走勢(shì)示意 5圖表6：普林格六階段與資產(chǎn)價(jià)格走勢(shì)示意 5圖表7：高維系統(tǒng)狀態(tài)與低維觀測(cè)變量的關(guān)系 6圖表8：領(lǐng)先、同步、滯后指標(biāo)示意圖 7圖表9：全球主要國(guó)家股票同比序列及合成股票同比序列 8圖表10：股票同比序列 8圖表11：利率同比序列(單位：%) 8圖表12：商品同比序列 9圖表13：匯率同比序列 9圖表14：CPI同比序列(單位：%) 9圖表15：PPI同比序列(單位：%) 9圖表16：M1同比序列(單位：%) 9圖表17：M2同比序列(單位：%) 9圖表18：工業(yè)生產(chǎn)指數(shù)同比序列 10圖表19：零售銷售同比序列 10圖表20：股指ROE序列 10圖表21：股指ProfitMargin序列 10圖表22：股票同比序列及42個(gè)月高斯濾波 11圖表23：股票同比序列及三周期濾波 11圖表24：股票同比序列及HP濾波 11圖表25：股票同比序列及三周期+HP濾波 11圖表26：股票、M1、CPI序列42個(gè)月高斯濾波 11圖表27：股票、M1、CPI序列三周期濾波 11圖表28：股票、M1、CPI序列HP高斯濾波 12圖表29：股票、M1、CPI序列三周期+HP濾波 12圖表30：領(lǐng)先、同步、滯后指標(biāo)分類結(jié)果 12圖表31：HP濾波序列合成領(lǐng)先、同步、滯后代理指標(biāo) 12圖表32：周期六階段與領(lǐng)先、同步、滯后指標(biāo)的上下行狀態(tài) 13圖表33：HP濾波序列合成領(lǐng)先、同步、滯后指標(biāo)下的周期狀態(tài)轉(zhuǎn)移 13圖表34：HP濾波序列刻畫的歷輪庫(kù)存周期 14圖表35：三周期濾波序列合成領(lǐng)先、同步、滯后代理指標(biāo) 14圖表36：三周期濾波合成領(lǐng)先、同步、滯后指標(biāo)下的周期狀態(tài)轉(zhuǎn)移 14圖表37：三周期濾波序列刻畫的歷輪庫(kù)存周期 14圖表38：三周期+HP濾波序列合成領(lǐng)先、同步、滯后代理指標(biāo) 15圖表39：三周期+HP濾波序列合成領(lǐng)先、同步、滯后指標(biāo)下的周期狀態(tài)轉(zhuǎn)移 15圖表40：三周期+HP濾波序列刻畫的歷輪庫(kù)存周期 15圖表41：周期六狀態(tài)下各類資產(chǎn)月收率均值 16圖表42：周期六狀態(tài)下行業(yè)指數(shù)月收率均值 16圖表43：周期六狀態(tài)下各類資產(chǎn)月勝率 16圖表44：周期六狀態(tài)下行業(yè)指數(shù)月勝率 16圖表45：周期上下行狀態(tài)下各類資產(chǎn)月收率均值 17圖表46：周期上下行狀態(tài)下各類資產(chǎn)月勝率 17圖表47：周期上下行狀態(tài)下行業(yè)指數(shù)月收率均值 17圖表48：周期上下行狀態(tài)下行業(yè)指數(shù)月勝率 17圖表49：全樣本濾波劃分及滾動(dòng)預(yù)測(cè)的周期狀態(tài)轉(zhuǎn)移規(guī)律 18圖表50：滾動(dòng)外推預(yù)測(cè)刻畫的歷輪庫(kù)存周期 19圖表51：滾動(dòng)外推預(yù)測(cè)周期各狀態(tài)下各類資產(chǎn)月收率均值 19圖表52：滾動(dòng)外推預(yù)測(cè)周期上下行狀態(tài)下各類資產(chǎn)月收率均值 19圖表53：滾動(dòng)外推預(yù)測(cè)周期六狀態(tài)下行業(yè)指數(shù)月收率均值 19圖表54：滾動(dòng)外推預(yù)測(cè)周期上下行狀態(tài)下行業(yè)指數(shù)月收率均值 19圖表55：滾動(dòng)外推預(yù)測(cè)周期各狀態(tài)下各類資產(chǎn)月收率均值(剔除2020年異常值) 20圖表56：滾動(dòng)外推預(yù)測(cè)周期上下行狀態(tài)下各類資產(chǎn)月收率均值(剔除2020年異常值) 20圖表57：滾動(dòng)外推預(yù)測(cè)周期六狀態(tài)下行業(yè)指數(shù)月收率均值(剔除2020年異常值) 20圖表58：滾動(dòng)外推預(yù)測(cè)周期上下行狀態(tài)下行業(yè)指數(shù)月收率均值(剔除2020年異常值) 20圖表59：濾波劃分周期六狀態(tài)下各類指標(biāo)上行比例 21圖表60：滾動(dòng)外推預(yù)測(cè)周期六狀態(tài)下各類指標(biāo)上行比例 21圖表61：周期六狀態(tài)下所有指標(biāo)上行比例 21圖表62：不同周期狀態(tài)下股票資產(chǎn)月收率均值 22圖表63：不同周期狀態(tài)下債券資產(chǎn)月收率均值 22圖表64：不同周期狀態(tài)下商品資產(chǎn)月收率均值 23圖表65：不同周期狀態(tài)下外匯資產(chǎn)月收率均值 23圖表66：不同周期狀態(tài)下MSCI一級(jí)行業(yè)指數(shù)月收率均值 24圖表67：不同周期狀態(tài)下中信一級(jí)行業(yè)指數(shù)月收率均值 26金工研究別與預(yù)測(cè)主動(dòng)投資最本質(zhì)的工作是預(yù)測(cè)，自上而下的主動(dòng)投資核心在于對(duì)經(jīng)濟(jì)規(guī)律的研究與識(shí)別。長(zhǎng)期以來，經(jīng)濟(jì)周期被認(rèn)為是對(duì)金融市場(chǎng)有一定解釋和預(yù)測(cè)作用的經(jīng)濟(jì)規(guī)律，自上而下的主動(dòng)投資離不開對(duì)經(jīng)濟(jì)周期的把握。然而金融市場(chǎng)存在龐雜的噪聲，定位經(jīng)濟(jì)周期的位置對(duì)于投資而言顯得艱難且重要。華泰金工團(tuán)隊(duì)深耕經(jīng)濟(jì)周期研究，擅長(zhǎng)運(yùn)用頻譜分析技術(shù)實(shí)現(xiàn)經(jīng)濟(jì)周期的定位。傅里葉變換將時(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào)，側(cè)重分析信號(hào)在全局上的規(guī)律，能有效把握相對(duì)標(biāo)準(zhǔn)的周期信號(hào)特征。其優(yōu)點(diǎn)是穩(wěn)定性，在頻率與相位的刻畫上受到的擾動(dòng)較小，因此主要用于定位周期的絕對(duì)位置。但不可否認(rèn)的是，傅里葉變換缺少一定的靈活性，對(duì)于信號(hào)受到的不規(guī)則沖擊適應(yīng)性較低。料來源：華泰研究資料來源：Wind，華泰研究資料來源：Wind，華泰研究定位經(jīng)濟(jì)周期相對(duì)位置的方法包括美林投資時(shí)鐘、普林格時(shí)鐘等。對(duì)經(jīng)濟(jì)周期相對(duì)位置的刻畫主要基于不同資產(chǎn)、不同指標(biāo)之間的變化特征，根據(jù)特定的相互關(guān)系形成周期輪動(dòng)規(guī)律，并依據(jù)相對(duì)穩(wěn)定的狀態(tài)轉(zhuǎn)換實(shí)現(xiàn)預(yù)測(cè)與資產(chǎn)配置。美林投資時(shí)鐘將經(jīng)濟(jì)周期劃分為四個(gè)階段，通過產(chǎn)出缺口和CPI識(shí)別經(jīng)濟(jì)周期，并在不同階段分別選擇匹配的投資品種，復(fù)蘇、過熱、滯漲、衰退四階段分別對(duì)應(yīng)股票、大宗商品、現(xiàn)金和債券四類資產(chǎn)。普林格時(shí)鐘則將經(jīng)濟(jì)周期劃分為六個(gè)階段，周期六階段的有序輪動(dòng)構(gòu)成股票、債券、商品三類資產(chǎn)的牛熊組合。相較于美林投資時(shí)鐘，普林格時(shí)鐘能更好解釋各類資產(chǎn)價(jià)格走勢(shì)趨同的場(chǎng)景。金工研究金工研究資料來源：《TheInvestmentClock》(2004年)，美林證券，華泰研究資料來源：《積極型資產(chǎn)配置指南》，馬丁J.普林格，機(jī)械工業(yè)出版社(2018資料來源：《積極型資產(chǎn)配置指南》，馬丁J.普林格，機(jī)械工業(yè)出版社(2018從經(jīng)濟(jì)周期的定位和預(yù)測(cè)到大類資產(chǎn)的配置，實(shí)際上是宏觀經(jīng)濟(jì)環(huán)境到金融資產(chǎn)價(jià)值的一種映射關(guān)系。美林投資時(shí)鐘與普林格時(shí)鐘嘗試給出可行的映射關(guān)系，對(duì)資產(chǎn)配置研究具有重要參考價(jià)值。但在實(shí)際應(yīng)用層面，對(duì)經(jīng)濟(jì)環(huán)境的刻畫較難通過少量指標(biāo)來實(shí)現(xiàn)。我們認(rèn)為，所謂的經(jīng)濟(jì)環(huán)境，是金融經(jīng)濟(jì)體的內(nèi)生狀態(tài)，具有高維、抽象的特征，無法被精準(zhǔn)測(cè)度，只能通過各類觀測(cè)指標(biāo)去感知。無論是實(shí)體部門的產(chǎn)出、通脹水平，還是政府、央行的逆周期調(diào)節(jié)手段，無論是宏觀經(jīng)濟(jì)指標(biāo)的漲跌，還是金融資產(chǎn)價(jià)格的波動(dòng)，都只是我們觀測(cè)經(jīng)濟(jì)環(huán)境的一個(gè)視角，但并非經(jīng)濟(jì)環(huán)境本身。金工研究金工研究料來源：華泰研究另一方面，美林投資時(shí)鐘與普林格時(shí)鐘對(duì)于經(jīng)濟(jì)周期的刻畫都隱含了重要的前提假設(shè)，認(rèn)為指標(biāo)具有統(tǒng)一的周期。指標(biāo)本身的運(yùn)行相對(duì)規(guī)律，指標(biāo)之間的相互關(guān)系才能呈現(xiàn)有序的變化從而形成周期輪動(dòng)。舉例而言，假設(shè)指標(biāo)A和指標(biāo)B的周期都是42個(gè)月，根據(jù)這兩個(gè)指標(biāo)的上下行以及相互關(guān)系變化去定義不同的狀態(tài)能有效呈現(xiàn)周期狀態(tài)的依次轉(zhuǎn)移；但假設(shè)指標(biāo)C的周期是100個(gè)月，根據(jù)指標(biāo)A和指標(biāo)C的變化去定義的狀態(tài)則較難呈現(xiàn)出依次的轉(zhuǎn)移規(guī)律。然而，美林投資時(shí)鐘與普林格時(shí)鐘都沒有對(duì)經(jīng)濟(jì)周期進(jìn)行明確的定義，也沒有解釋試圖刻畫的是什么周期。盡管經(jīng)濟(jì)環(huán)境本身是復(fù)雜、高維的，經(jīng)濟(jì)周期的統(tǒng)一規(guī)律也較難被嚴(yán)格論證。但我們認(rèn)為，無論是做經(jīng)濟(jì)環(huán)境判斷還是金融投資，最核心的周期判斷是關(guān)于庫(kù)存周期的定位。本報(bào)告中，我們結(jié)合對(duì)于經(jīng)濟(jì)周期絕對(duì)位置與相對(duì)位置的判斷，提出基于庫(kù)存周期的去噪、識(shí)別與預(yù)測(cè)體系。庫(kù)存周期是被廣泛觀測(cè)和討論的經(jīng)濟(jì)周期，實(shí)證表明，一系列大類資產(chǎn)及宏觀指標(biāo)都能反映庫(kù)存周期的變化規(guī)律。理論上來說，在庫(kù)存周期的運(yùn)行過程中，不同指標(biāo)的變化不是完全同步的，指標(biāo)之間存在領(lǐng)先滯后關(guān)系。借助不同指標(biāo)的狀態(tài)以及指標(biāo)之間的領(lǐng)先滯后關(guān)系有望實(shí)現(xiàn)對(duì)庫(kù)存周期的定位。料來源：華泰研究周期六個(gè)階段的依次轉(zhuǎn)移是理論上的示意性規(guī)律。真實(shí)的庫(kù)存周期可能并不標(biāo)準(zhǔn)，也可能噪音很大，因此會(huì)造成狀態(tài)轉(zhuǎn)移的不規(guī)則。若庫(kù)存周期本身不標(biāo)準(zhǔn)，客觀的偏離是無法通過技術(shù)手段進(jìn)行修正的。但處理噪音使得規(guī)律本身更為顯著對(duì)于周期的識(shí)別與預(yù)測(cè)是有必后文中，我們探索基于庫(kù)存周期的去噪、識(shí)別與預(yù)測(cè)體系。在去噪層面，我們借助三周期濾波以及HP濾波進(jìn)行去噪，對(duì)一系列指標(biāo)進(jìn)行篩選與分類，構(gòu)建領(lǐng)先、同步、滯后三類代理指標(biāo)。在周期的識(shí)別層面，我們根據(jù)三類指標(biāo)的走勢(shì)變化定位庫(kù)存周期狀態(tài)，并考察周期狀態(tài)的轉(zhuǎn)移規(guī)律，從后驗(yàn)的角度觀察周期輪動(dòng)規(guī)律是否穩(wěn)定，以及各狀態(tài)下資產(chǎn)與指標(biāo)的表現(xiàn)是否呈現(xiàn)分化。在周期的預(yù)測(cè)層面，我們考慮實(shí)際應(yīng)用過程中對(duì)周期狀態(tài)進(jìn)行每月滾動(dòng)外推，建立周期狀態(tài)與指標(biāo)表現(xiàn)的映射關(guān)系。1995年1月1995年10月1996年7月1997年4月1998年1月1998年10月1999年7月2000年4月2001年1月2001年10月2002年7月2003年4月2004年1月2004年10月1995年1月1995年10月1996年7月1997年4月1998年1月1998年10月1999年7月2000年4月2001年1月2001年10月2002年7月2003年4月2004年1月2004年10月2005年7月2006年4月2007年1月2007年10月2008年7月2009年4月2010年1月2010年10月2011年7月2012年4月2013年1月2013年10月2014年7月2015年4月2016年1月2016年10月2017年7月2018年4月2019年1月2019年10月2020年7月2021年4月2022年1月2022年10月庫(kù)存周期的變化在多數(shù)資產(chǎn)價(jià)格和經(jīng)濟(jì)指標(biāo)的走勢(shì)上都留下了痕跡，以同比的視角觀察指標(biāo)的變化能相對(duì)清晰觀察到3-4年的周期波動(dòng)。面對(duì)大量的指標(biāo)與復(fù)雜的噪聲，選取哪些指標(biāo)、以什么樣的形式刻畫庫(kù)存周期是研究的起點(diǎn)。以股票市場(chǎng)為例，中國(guó)、美國(guó)、日本、德國(guó)股票同比序列走勢(shì)相對(duì)同步，考慮合成全球股票序列是有代表性且科學(xué)可行的。以波動(dòng)率倒數(shù)加權(quán)的方法對(duì)各個(gè)底層序列進(jìn)行合成，盡可能避免合成序列受到單一市場(chǎng)異動(dòng)的影響。從圖表可以看出，合成的股票序列取同比后，與各底層序列的相似度仍然較高，但波動(dòng)率有所減小，能有效表征全球股票市場(chǎng)的變化。150%標(biāo)普500德國(guó)DAX日經(jīng)225上證指數(shù)股票100%50%0%-50%-100%-150%資料來源：Wind，Bloomberg，華泰研究CPIPPIMM指標(biāo)、股指ROE、股指ProfitMargin進(jìn)行合成，序列如下圖表所示。可以看出，合成序列的走勢(shì)均存在一定的周期波動(dòng)，能在一定程度上反映庫(kù)存周期的特征。但受到噪聲的干擾，合成序列的周期穩(wěn)定性不足，仍需進(jìn)行去噪處理。60%40%20% 0%-20%-40%-60%-80%1995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究0.0(0.2)(0.4)(0.6)1995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究60%40%20% 0%-20%-40%-60%-80%1995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究6.05.04.03.02.00.0(1.0)(2.0)1995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究20.018.016.014.012.010.08.06.04.02.00.01995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究20%15%10% 5% 0% -5%-10%-15%-20%-25%-30%1995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究15.010.05.00.0(5.0)(10.0)1995年1月1996年6月1997年11月1999年4月2000年9月2002年2月2003年7月2004年12月2006年5月2007年10月2009年3月2010年8月2012年1月2013年6月2014年11月2016年4月2017年9月2019年2月2020年7月2021年12月2023年5月資料來源：Wind，Bloomberg，華泰研究14.012.010.08.06.04.02.00.01995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究金工研究金工研究191995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月25%20%15%10%5%0%-5%-10%-15%-20%-25%資料來源：Wind，Bloomberg，華泰研究20.018.016.014.012.010.08.06.04.02.00.01995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究191995年1月1996年7月1998年1月1999年7月2001年1月2002年7月2004年1月2005年7月2007年1月2008年7月2010年1月2011年7月2013年1月2014年7月2016年1月2017年7月2019年1月2020年7月2022年1月3500%3000%2500%2000%1500%1000%500%0%-500%-1000%-1500%-2000%資料來源：Wind，Bloomberg，華泰研究10.09.08.07.06.05.04.03.02.01.00.01995年1月1996年5月1997年9月1999年1月2000年5月2001年9月2003年1月2004年5月2005年9月2007年1月2008年5月2009年9月2011年1月2012年5月2013年9月2015年1月2016年5月2017年9月2019年1月2020年5月2021年9月2023年1月資料來源：Wind，Bloomberg，華泰研究通脹與財(cái)務(wù)指標(biāo)相對(duì)滯后對(duì)各個(gè)指標(biāo)進(jìn)行去噪處理，我們主要嘗試了周期濾波和HP濾波。周期濾波方法需要對(duì)序列的周期規(guī)律有一定先驗(yàn)信息，進(jìn)行傅里葉變換后采用高斯濾波提取特定頻譜的特征。HP濾波從數(shù)據(jù)本身出發(fā)，進(jìn)行全局的去噪處理。從原理上看，周期濾波的穩(wěn)定性較強(qiáng)，HP濾波則更為靈活。以股票市場(chǎng)為例，下述圖表呈現(xiàn)不同去噪方式處理后的序列。42個(gè)月高斯濾波最為直接刻畫序列的短周期特征，能有效捕捉歷史上多次較大幅度的波動(dòng)，濾波后的序列呈現(xiàn)較強(qiáng)的規(guī)則性，且具有外推預(yù)測(cè)的功能。三周期濾波集合了序列42個(gè)月、100個(gè)月、200個(gè)月的始序列的擬合效果相較42個(gè)月高斯濾波的結(jié)果更佳，同樣可進(jìn)行外推預(yù)測(cè)。HP濾波靈活刻畫序列的走勢(shì)，平滑效果顯著，僅發(fā)揮去噪作用，不具備外推預(yù)測(cè)的功能。三周期+HP濾波把兩種濾波結(jié)果進(jìn)行疊加，兼顧穩(wěn)定性與靈活性，實(shí)現(xiàn)平滑效果的同時(shí)把握序列的周期特征。金工研究金工研究60%40%20%0%-20%-40%-60%-80%1995年1月1997年1月1999年1月2001年1月2003年1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月2.5%2.0%1.5%1.0%0.5%0.0%-0.5%-1.0%-1.5%-2.0%-2.5%資料來源：Wind，Bloomberg，華泰研究預(yù)測(cè)60%40%20% 0%-20%-40%-60%-80%1995年1月1997年1月1999年1月2001年1月2003年1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月資料來源：Wind，Bloomberg，華泰研究60%40%20%0%-20%-40%-60%-80%股票同比三周期濾波(右)1995年1月1997年1月1999年1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月40%30%20%10%0%-10%-20%-30%資料來源：Wind，Bloomberg，華泰研究預(yù)測(cè)60%40%20% 0%-20%-40%-60%-80%1995年1月1997年1月1999年1月2001年1月2003年1月1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月資料來源：Wind，Bloomberg，華泰研究MCPI序列為例，42個(gè)月高斯濾波、三周期濾波、HP濾波、三周期+HP濾波的結(jié)果如下圖表所示。42個(gè)月高斯濾波序列的領(lǐng)先滯后關(guān)系最為穩(wěn)定，HP濾波序列的規(guī)則性相對(duì)較弱。綜合不同濾波結(jié)果可以判斷，M1相對(duì)股票較為領(lǐng)先，CPI相對(duì)股票較為滯后。1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月2.5%2.0%1.5%1.0%0.5%0.0%-0.5%-1.0%-1.5%-2.0%-2.5%02.5%2.0%1.5%1.0%0.5%0.0%-0.5%-1.0%-1.5%-2.0%-2.5%資料來源：Wind，Bloomberg，華泰研究40%30%20%10%0%-10%-20%-30%股票M1(右)CPI(右)(%)864201995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月資料來源：Wind，Bloomberg，華泰研究1995年1月1996年1月1997年1月1998年1月1999年1月2000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2016年1月2017年1月2018年1月2019年1月2020年1月2021年1月2022年1月2023年1月股票M1(右)CPI(右)(%)40%30%20%10% 0%-10%-20%-30%-40%-50%-60%86420(2)1995年1月1997年1月1999年1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月資料來源：Wind，Bloomberg，華泰研究股票M1(右)CPI(右)(%)30%1420%1210%100%8-10%6-20%4-30%2-40%01995年1月1997年1月1999年1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月資料來源：Wind，Bloomberg，華泰研究對(duì)所有大類指標(biāo)兩兩之間的領(lǐng)先滯后關(guān)系進(jìn)行分析，可以大致劃分領(lǐng)先、同步、滯后三類指標(biāo)，其中相位相對(duì)接近、區(qū)分度不高的指標(biāo)歸為一類。領(lǐng)先指標(biāo)包括M1、M2、利率、匯率，同步指標(biāo)包括股票、商品、工業(yè)生產(chǎn)、零售銷售，滯后指標(biāo)包括CPI、PPI、股指ROE、股指ProfitMargin。從劃分結(jié)果來看，以股票市場(chǎng)的走勢(shì)為基準(zhǔn)，表征流動(dòng)性的指標(biāo)相對(duì)領(lǐng)先，生產(chǎn)與價(jià)格類指標(biāo)基本同步，通脹和財(cái)務(wù)指標(biāo)相對(duì)滯后。領(lǐng)先指標(biāo)同步指標(biāo)滯后指標(biāo)M1股票CPIM2商品PPI利率工業(yè)生產(chǎn)股指ROE匯率零售銷售股指ProfitMargin資料來源：Wind，Bloomberg，華泰研究標(biāo)指示周期狀態(tài)的轉(zhuǎn)移規(guī)律基于各個(gè)大類指標(biāo)的濾波結(jié)果進(jìn)一步合成領(lǐng)先、同步、滯后的代理指標(biāo)，合成前先對(duì)各濾波序列進(jìn)行標(biāo)準(zhǔn)化以統(tǒng)一量綱。由于HP濾波沒有先驗(yàn)信息，僅從數(shù)據(jù)本身出發(fā)，在去噪的同時(shí)能較大程度保留序列本身的信息，因此HP濾波的合成序列所呈現(xiàn)出的周期特征是序列自身的樸素規(guī)律。HP濾波序列合成的領(lǐng)先、同步、滯后代理指標(biāo)如下圖表所示。三個(gè)代理指標(biāo)呈現(xiàn)較為明顯的領(lǐng)先滯后關(guān)系，進(jìn)一步印證了指標(biāo)構(gòu)建的合理性。此外，指標(biāo)呈現(xiàn)相對(duì)規(guī)律的周期性波動(dòng)，能夠從數(shù)據(jù)本身出發(fā)，在沒有先驗(yàn)信息的條件下實(shí)現(xiàn)對(duì)周期的刻畫。領(lǐng)先同步滯后300%200%100%0%-100%-200%-300%-400%資料來源：Wind，Bloomberg，華泰研究1995年2月1995年12月1996年1995年2月1995年12月1996年10月1997年8月1998年6月1999年4月2000年2月2000年12月2001年10月2002年8月2003年6月2004年4月2005年2月2005年12月2006年10月2007年8月2008年6月2009年4月2010年2月2010年12月2011年10月2012年8月2013年6月2014年4月2015年2月2015年12月2016年10月2017年8月2018年6月2019年4月2020年2月2020年12月2021年10月2022年8月2023年6月根據(jù)領(lǐng)先、同步、滯后指標(biāo)的上下行狀態(tài)構(gòu)建周期六階段的映射。以同步指標(biāo)為基準(zhǔn)，同步指標(biāo)在周期狀態(tài)1-3呈現(xiàn)上行，在周期狀態(tài)4-6呈現(xiàn)下行。領(lǐng)先指標(biāo)的上下行變化均提前于同步指標(biāo)一個(gè)周期階段，滯后指標(biāo)則滯后一個(gè)階段。映射關(guān)系如下圖表所示。周期狀態(tài)領(lǐng)先指標(biāo)同步指標(biāo)滯后指標(biāo)上行上行下行上行上行上行下行上行上行下行下行上行下行下行下行上行下行下行料來源：華泰研究根據(jù)領(lǐng)先、同步、滯后指標(biāo)的上下行狀態(tài)得到周期狀態(tài)轉(zhuǎn)移規(guī)律如下圖表所示，其中不滿足狀態(tài)1-6特征的月份設(shè)定為延續(xù)上月的周期階段。舉例而言，實(shí)際數(shù)據(jù)統(tǒng)計(jì)中可能出現(xiàn)領(lǐng)先指標(biāo)下行、同步指標(biāo)上行、滯后指標(biāo)下行的情況，此時(shí)三者的上下行關(guān)系相對(duì)混亂，無法給出清晰的周期狀態(tài)判斷，因此判定當(dāng)下的狀態(tài)與上月一致。從狀態(tài)轉(zhuǎn)移結(jié)果來看，每輪周期均大致按照狀態(tài)1-6依次轉(zhuǎn)移，但每個(gè)狀態(tài)的持續(xù)時(shí)長(zhǎng)不一致。同時(shí)，受到噪聲干擾的情況下，周期轉(zhuǎn)移的規(guī)律可能不穩(wěn)定，比如會(huì)出現(xiàn)從狀態(tài)3退回狀態(tài)2的情形。綜合來看，基于HP濾波序列刻畫的周期狀態(tài)轉(zhuǎn)移規(guī)律效果較為理想，歷輪庫(kù)存周期長(zhǎng)度平均為43.5個(gè)月，說明在不引入先驗(yàn)信息的前提下庫(kù)存周期的特征比較顯著。數(shù)據(jù)本身反映了庫(kù)存周期的變化規(guī)律是我們進(jìn)行庫(kù)存周期定位的先決條件，HP濾波序列刻畫的周期狀態(tài)轉(zhuǎn)移規(guī)律為后續(xù)的改進(jìn)和調(diào)整奠定了基礎(chǔ)。42資料來源：Wind，Bloomberg，華泰研究起點(diǎn)-1998/8/312001/12/312005/10/312009/4/302012/8/312016/3/312020/5/29平均值終點(diǎn)1998/7/312001/11/302005/9/302009/3/312012/7/312016/2/292020/4/30-長(zhǎng)度(月)不完整404642404350不完整5資料來源：Wind，Bloomberg，華泰研究200個(gè)月周期規(guī)律進(jìn)行合成，先驗(yàn)認(rèn)為這三個(gè)周期能較大程度解釋指標(biāo)的走勢(shì)變化。三周期濾波序列合成的領(lǐng)先、同步、滯后指標(biāo)走勢(shì)較為一致，且領(lǐng)先滯后關(guān)系穩(wěn)定。因此基于三周期濾波合成指標(biāo)的周期狀態(tài)轉(zhuǎn)移呈現(xiàn)較強(qiáng)的規(guī)則性，每輪周期均按狀態(tài)1-6依次轉(zhuǎn)移，不會(huì)出現(xiàn)狀態(tài)的跳變或者回退，且每輪周期的長(zhǎng)度基本一致。領(lǐng)先同步滯后200%150%100%50%0%-50%-100%-150%-200%-250%1995年1月1997年1月1999年1995年1月1997年1月1999年1月2001年1月2003年1月2005年1月2007年1月2009年1月2011年1月2013年1月2015年1月2017年1月2019年1月2021年1月2023年1月資料來源：Wind，Bloomberg，華泰研究圖表36：三周期濾波合成領(lǐng)先、同步、滯后指標(biāo)下的周期狀態(tài)轉(zhuǎn)移765432101995年1月1996年41995年1月1996年4月1997年7月1998年10月2000年1月2001年4月2002年7月2003年10月2005年1月2006年4月2007年7月2008年10月2010年1月2011年4月2012年7月2013年10月2015年1月2016年4月2017年7月2018年10月2020年1月2021年4月2022年7月資料來源：Wind，Bloomberg，華泰研究起點(diǎn)終點(diǎn)長(zhǎng)度(月)1995/2/281998/9/30441998/10/302002/1/31402002/2/282005/9/30442005/10/312009/3/31422009/4/302012/6/29392012/7/312016/3/31452016/4/292019/6/28392019/7/312023/4/2846平均值375資料來源：Wind，Bloomberg，華泰研究三周期濾波與HP濾波分別具備穩(wěn)定性與靈活性的特點(diǎn)，兩者的簡(jiǎn)單疊加能在一定程度上實(shí)現(xiàn)相互補(bǔ)充，更具備實(shí)用性。從下圖可以看出，由濾波疊加序列合成的領(lǐng)先、同步、滯后指標(biāo)規(guī)律性相對(duì)明確，能有效刻畫周期特征的同時(shí)也反映了原始序列的波動(dòng)，甚至真實(shí)呈現(xiàn)了部分噪聲所造成的干擾。1995年1月1995年10月1996年7月11995年1月1995年10月1996年7月1997年4月1998年1月1998年10月1999年7月2000年4月2001年1月2001年10月2002年7月2003年4月2004年1月2004年10月2005年7月2006年4月2007年1月2007年10月2008年7月2009年4月2010年1月2010年10月2011年7月2012年4月2013年1月2013年10月2014年7月2015年4月2016年1月2016年10月2017年7月2018年4月2019年1月2019年10月2020年7月2021年4月2022年1月2022年10月300%200%100% 0%-100%-200%-300%-400%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2016年1月2017年1月2018年1月2019年1月2020年1月2021年1月2022年1月2023年1月資料來源：Wind，Bloomberg，華泰研究基于濾波疊加序列合成的領(lǐng)先、同步、滯后指標(biāo)所構(gòu)建的周期狀態(tài)轉(zhuǎn)移規(guī)律如下圖表所示。從不同的周期狀態(tài)轉(zhuǎn)移結(jié)果來看，基于三周期濾波的效果是最為標(biāo)準(zhǔn)的，但先驗(yàn)信息占據(jù)主導(dǎo)使得在周期的刻畫層面上對(duì)真實(shí)序列的波動(dòng)適應(yīng)性不足?；贖P濾波的效果相對(duì)純粹，容易出現(xiàn)噪聲的沖擊形成不規(guī)則的周期劃分。基于三周期與HP相疊加濾波的結(jié)果則兼具兩者的優(yōu)勢(shì)，能在一定程度上借助周期的先驗(yàn)信息對(duì)噪聲進(jìn)行修正，從而在相對(duì)靈活刻畫周期狀態(tài)的基礎(chǔ)上避免短期噪聲所造成的偏離，是更為理想的周期狀態(tài)劃分方法。42資料來源：Wind，Bloomberg，華泰研究起點(diǎn)終點(diǎn)長(zhǎng)度(月)1995/2/281998/8/31431998/9/302001/11/30392001/12/312005/6/30432005/7/292009/3/31452009/4/302012/7/31402012/8/312016/3/31442016/4/292020/2/28472020/3/31-不完整平均值資料來源：Wind，Bloomberg，華泰研究1.56%2.62%2.32%1.27%1.91%3.66%0.89%0.90%0.54%0.38%-0.19%0.06%-0.43%-1.12%0.53%-0.43%-1.25%-0.48%1.56%2.62%2.32%1.27%1.91%3.66%0.89%0.90%0.54%0.38%-0.19%0.06%-0.43%-1.12%0.53%-0.43%-1.25%-0.48%資料來源：Wind，Bloomberg，華泰研究根據(jù)周期狀態(tài)轉(zhuǎn)移規(guī)律實(shí)現(xiàn)對(duì)周期的刻畫后，統(tǒng)計(jì)各個(gè)周期狀態(tài)下各資產(chǎn)、各行業(yè)指數(shù)的月收益率均值，周期狀態(tài)劃分方式包括基于三周期濾波序列，以及基于HP濾波和三周期與HP濾波疊加，詳細(xì)統(tǒng)計(jì)結(jié)果見附錄。對(duì)基于三周期和HP濾波疊加序列所構(gòu)建的周期六狀態(tài)，進(jìn)一步統(tǒng)計(jì)各類資產(chǎn)與各行業(yè)指數(shù)的收益表現(xiàn)。不同狀態(tài)下資產(chǎn)表現(xiàn)分化，以股票和商品為代表的進(jìn)攻類資產(chǎn)在狀態(tài)1-3中表現(xiàn)強(qiáng)勢(shì)，在狀態(tài)4-6中表現(xiàn)不佳；以債券和外匯為代表的防御類資產(chǎn)則相反，在狀態(tài)1-3中表現(xiàn)弱勢(shì)，在狀態(tài)4-6中錄得較高收益。MSCI行業(yè)指數(shù)與中信一級(jí)行業(yè)指數(shù)的規(guī)律與股票資產(chǎn)較為一致。股票債券商品外匯狀態(tài)狀態(tài)11.73%0.04%1.20%-0.12%狀態(tài)21.78%-0.02%0.77%-0.30%狀態(tài)30.96%0.19%1.67%0.07%狀態(tài)4-0.10%0.25%0.89%0.21%狀態(tài)5-0.05%0.38%-2.02%0.80%狀態(tài)6-0.79%0.45%-1.42%-0.01%資料來源：Wind，Bloomberg，華泰研究MSCI發(fā)達(dá)市場(chǎng)一級(jí)行業(yè)指數(shù)MSCI新興市場(chǎng)一級(jí)行業(yè)指數(shù)中信一級(jí)行業(yè)指數(shù)資料來源：Wind，Bloomberg，華泰研究統(tǒng)計(jì)各資產(chǎn)和各行業(yè)指數(shù)在不同周期狀態(tài)下的月度正收益概率，整體結(jié)論與月收益率均值的分布較為匹配。風(fēng)險(xiǎn)資產(chǎn)在周期狀態(tài)1-3的勝率較有優(yōu)勢(shì)，防御資產(chǎn)在周期狀態(tài)4-6勝率領(lǐng)先。月勝率的統(tǒng)計(jì)是對(duì)月均收益率統(tǒng)計(jì)結(jié)果的補(bǔ)充，股債資產(chǎn)在各個(gè)狀態(tài)下的月勝率均高于50%，說明樣本內(nèi)存在長(zhǎng)期上行趨勢(shì)，可以進(jìn)一步解釋月均收益率在周期不同狀態(tài)下漲跌不對(duì)稱的結(jié)果。股票債券商品外匯64.55%56.34%47.39%65.23%54.57%51.56%42.58%59.85%66.67%59.09%52.27%53.77%62.00%54.79%51.03%53.97%67.46%36.90%50.00%66.89%43.92%5608%資料來源：Wind，Bloomberg，華泰研究月平均收益MSCI發(fā)達(dá)市場(chǎng)一級(jí)行業(yè)指數(shù)MSCI新興市場(chǎng)一級(jí)行業(yè)指數(shù)中信一級(jí)行業(yè)指數(shù)68.06%68.06%67.61%60.58%63.28%65.16%66.34%63.03%63.64%50.21%58.36%51.10%48.72%50.63%46.51%52.67%49.73%43.24%44.24%1.21%0.07%0.36%-0.85%0.34%55.67%59.79%65.45%47.41%45.21%56.07%從各資產(chǎn)表現(xiàn)來看，周期上下行階段收益明顯分化，但具體到6個(gè)狀態(tài)之間的分化程度不夠顯著，這一統(tǒng)計(jì)結(jié)果在一定程度上是符合直覺的。在周期上行過程中，上行的前、中、后期分別對(duì)應(yīng)狀態(tài)1-3，但資產(chǎn)表現(xiàn)通常不會(huì)呈現(xiàn)相對(duì)固定的漲速快慢分化。金融市場(chǎng)存在較多噪聲，對(duì)于漲跌方向性判斷相較于對(duì)漲跌幅度的判斷更簡(jiǎn)單，準(zhǔn)確率也更高。1.21%0.07%0.36%-0.85%0.34%55.67%59.79%65.45%47.41%45.21%56.07%股票債券商品外匯1.41.49%-0.31%資料來源：Wind，Bloomberg，華泰研究股票債券商品外匯63.2163.21%52.58%資料來源：Wind，Bloomberg，華泰研究MSCI發(fā)達(dá)市場(chǎng)一級(jí)行業(yè)指數(shù)MSCI新興市場(chǎng)一級(jí)行業(yè)指數(shù)中信一級(jí)行業(yè)指數(shù)1.24%1.81%-0.16%-0.85%0.04%資料來源：Wind，Bloomberg，華泰研究MSCI發(fā)達(dá)市場(chǎng)一級(jí)行業(yè)指數(shù)MSCI新興市場(chǎng)一級(jí)行業(yè)指數(shù)中信一級(jí)行業(yè)指數(shù)65.4765.47%64.79%59.05%52.91%46.95%48.55%資料來源：Wind，Bloomberg，華泰研究1995年1月1995年11月1996年9月1997年7月1998年5月1999年3月2000年1月2000年11月2001年9月20021995年1月1995年11月1996年9月1997年7月1998年5月1999年3月2000年1月2000年11月2001年9月2002年7月2003年5月2004年3月2005年1月2005年11月2006年9月2007年7月2008年5月2009年3月2010年1月2010年11月2011年9月2012年7月2013年5月2014年3月2015年1月2015年11月2016年9月2017年7月2018年5月2019年3月2020年1月2020年11月2021年9月2022年7月2023年5月在實(shí)際應(yīng)用中，投資決策無法參考通過全樣本數(shù)據(jù)進(jìn)行周期狀態(tài)劃分的結(jié)果，只能按月滾同步、滯后指標(biāo)并劃分周期狀態(tài)轉(zhuǎn)移的結(jié)果。實(shí)證表明，周期狀態(tài)轉(zhuǎn)移規(guī)律較為穩(wěn)定，且不同資產(chǎn)、行業(yè)指數(shù)在不同的周期狀態(tài)下收益表現(xiàn)分化。在本章節(jié)中，按照同樣的流程，我們對(duì)按月滾動(dòng)外推預(yù)測(cè)的結(jié)果進(jìn)行分析。滾動(dòng)外推預(yù)測(cè)的操作方法為，每月末對(duì)過去10年的數(shù)據(jù)序列進(jìn)行三周期和HP濾波，構(gòu)建領(lǐng)先、同步、滯后指標(biāo)并考察最新一期的上下行狀態(tài)，進(jìn)一步根據(jù)指標(biāo)的上下行確定對(duì)應(yīng)的周期狀態(tài)，即為下月的周期預(yù)測(cè)結(jié)果。從下述圖表來看，滾動(dòng)預(yù)測(cè)的結(jié)果相較全樣本濾波劃分的結(jié)果略為滯后，同時(shí)穩(wěn)定性較弱，具體體現(xiàn)為可能出現(xiàn)周期狀態(tài)回退的現(xiàn)象，如2020年2月末進(jìn)入狀態(tài)1，但2020年3-7月預(yù)測(cè)為狀態(tài)6，2020年8月后重新進(jìn)入狀態(tài)1。2020年3月全球風(fēng)險(xiǎn)事件頻發(fā)，金融市場(chǎng)大幅波動(dòng)，局部影響了周期的形態(tài)導(dǎo)致滾動(dòng)預(yù)測(cè)判斷從周期上行初期退回周期下行階段。指標(biāo)的局部擾動(dòng)對(duì)外推預(yù)測(cè)的結(jié)果有一定影響，但全局濾波具有較高穩(wěn)定性，可以有效修正周期的局部偏離，2020年同期均劃分為周期狀態(tài)1。此外，滾動(dòng)預(yù)測(cè)結(jié)果中周期六個(gè)狀態(tài)的持續(xù)時(shí)長(zhǎng)分布相對(duì)不均勻，在一些周期過程中可能缺少特定階段?？赡艿脑蛟谟?995年的滾動(dòng)預(yù)測(cè)需要用到1985-1995年的數(shù)據(jù)，早期數(shù)據(jù)缺失較多且數(shù)據(jù)質(zhì)量稍差，導(dǎo)致滾動(dòng)外推結(jié)果準(zhǔn)確度不高。42 濾波劃分滾動(dòng)預(yù)測(cè)資料來源：Wind，Bloomberg，華泰研究0.89%0.89%0.23%0.06%0.22%0.10%0.10%2.05%0.86%1.20%1.54%1.34%1.62%1.64%0.35%0.04%1.07%0.45%0.07%0.72%1.22%2.23%-0.12%起點(diǎn)-終點(diǎn)1999/5/31長(zhǎng)度(月)不完整1999/6/302002/3/29342002/4/302006/1/31462006/2/282009/8/31432009/9/302012/10/31382012/11/302016/5/31432016/6/302019/9/30402019/10/31-不完整平均值667資料來源：Wind，Bloomberg，華泰研究一定參考價(jià)值在滾動(dòng)預(yù)測(cè)的周期各狀態(tài)下，統(tǒng)計(jì)各類資產(chǎn)和行業(yè)指數(shù)的收益表現(xiàn)如下圖表所示。進(jìn)攻和防御屬性的資產(chǎn)在周期上下行階段的收益仍然呈現(xiàn)分化，說明滾動(dòng)預(yù)測(cè)的周期劃分結(jié)果具有一定的參考價(jià)值。如前文分析，滾動(dòng)預(yù)測(cè)的周期狀態(tài)劃分結(jié)果相較全樣本濾波劃分的結(jié)果略為滯后，因此周期上下行階段對(duì)于資產(chǎn)收益表現(xiàn)的區(qū)分度變?nèi)酢Ｍ瑫r(shí)劃分結(jié)果的穩(wěn)定性變差使得統(tǒng)計(jì)結(jié)果容易受到異常值影響，商品與MSCI行業(yè)指數(shù)在周期狀態(tài)6錄得較佳的平均收益在一定程度上違背了直覺。股票債券商品外匯狀態(tài)10.42%0.10%0.19%-0.06%狀態(tài)21.20%0.25%0.65%0.05%狀態(tài)31.15%-0.01%1.85%-0.56%狀態(tài)40.50%0.29%-0.01%0.46%狀態(tài)50.61%0.31%-0.54%0.29%狀態(tài)60.30%0.09%0.72%-0.09%資料來源：Wind，Bloomberg，華泰研究股票債券商品外匯00.92%0.47%資料來源：Wind，Bloomberg，華泰研究MSCI發(fā)達(dá)市場(chǎng)一級(jí)行業(yè)指數(shù)MSCI新興市場(chǎng)一級(jí)行業(yè)指數(shù)中信一級(jí)行業(yè)指數(shù)資料來源：Wind，Bloomberg，華泰研究MSCI發(fā)達(dá)市場(chǎng)一級(jí)行業(yè)指數(shù)MSCI新興市場(chǎng)一級(jí)行業(yè)指數(shù)中信一級(jí)行業(yè)指數(shù)00.97%0.77%1.74%0.67%0.78%0.56%資料來源：Wind，Bloomberg，華泰研究根據(jù)前文的對(duì)比分析，滾動(dòng)預(yù)測(cè)的周期劃分結(jié)果在2020年出現(xiàn)較為明顯的異常，導(dǎo)致周期狀態(tài)6所統(tǒng)計(jì)的資產(chǎn)收益表現(xiàn)存在一定偏離，進(jìn)攻資產(chǎn)在周期狀態(tài)6的月均收益可能超預(yù)期偏高。剔除2020年3-7月的樣本后統(tǒng)計(jì)結(jié)果如下圖表所示，收益表現(xiàn)與全樣本濾波劃分金工研究金工研究0.89%0.24%0.29%2.05%1.54%1.64%1.07%0.86%1.34%0.35%1.20%1.62%0.04%0.07%0.72%1.65%-3.30%的周期結(jié)果更為接近，資產(chǎn)在不同周期階段的分化效果也更明顯。需要指出，實(shí)際應(yīng)用過程中，事前對(duì)異常值進(jìn)行剔除或修正的難度較大。從事后來看，滾動(dòng)外推預(yù)測(cè)的結(jié)果若更接近全樣本濾波劃分的周期狀態(tài)，那預(yù)測(cè)的準(zhǔn)確度大概率更高，對(duì)資產(chǎn)配置的指導(dǎo)價(jià)值也0.89%0.24%0.29%2.05%1.54%1.64%1.07%0.86%1.34%0.35%1.20%1.62%0.04%0.07%0.72%1.65%-3.30%股票債券商品外匯狀態(tài)狀態(tài)10.42%0.10%0.19%-0.06%狀態(tài)21.20%0.25%0.65%0.05%狀態(tài)31.15%