【广发宏观陈礼清】M1、BCI、PPI与宏观择时

Original 广发宏观郭磊宏观茶座 2024-01-16

广发证券资深宏观分析师陈礼清博士

chenliqing@gf.com.cn

广发宏观郭磊团队

报告摘要

第一，资产定价是宏观基本面的映射。宏观基本面是一个复合概念，包括经济的好坏、价格的胀缩、流动性环境的松紧等。这些宏观因素分别影响企业盈利和贴现率，并最终影响资产价格；对宏观环境的分析，本质上也是分析这些层面。在这里，我们构建一个三维宏观择时框架。用中国企业经营状况指数（BCI）代表经济的“量”；工业品出厂价格指数（PPI）代表经济的“价”；用狭义货币供给量（M1）来代表流动性环境。

第二，我们进一步解释下，货币类指标选择“M1同比”主要考虑三点优势：一是M1为微观主体活跃度的映射；二是M1经验上领先库存和价格周期；三是M1口径更改较少，可追溯时间长。量的层面选择“BCI指数”，一是它作为景气扩散指标，更多体现经济实际增长层面的变化；二是它公布时点较早；三是它在调查问卷设计上采用的是对未来6个月较去年同期的好坏变化，内嵌了基数和预期成分。价的层面选择“PPI同比”，也有三点考量：一是它对应工业企业利润状况，是微观面最基础性的部分；二是经验上看，它作为上游价格，会向下游传递，PPI领先于核心CPI；三是序列波动周期性强。

第三，我们首先做了基于历史数据的追溯检验。统计上看，权益市场表现对流动性（M1同比为代表）最敏感，M1上行期A股多为牛市，M1上行时段沪深300平均月涨幅为3.7%。在统计的2005年以来的6轮完整周期中，只有2015年前后出现明显背离。其次是BCI，BCI指标的领先性较M1弱，但在绝大部分时段均与权益市场表现出较强的同步性，即便是小幅背离的时段比如2014年及2015H2-2016H1，它的吻合度也要好于其他指标，这个可能和2014-2015年金融条件有利于它的样本企业有关；然后是PPI同比，早期表现为“错位”相关；最近两轮周期和市场有较高的同步性，典型背离时段主要是2014.07-2015.05，2018.12-2019.10。

第四，运用这些指标择时能否获得超额收益？首先，我们分别构建了基于同比指标变化的简单策略。策略思路均为在宏观数据公布之后的第二天进行择时，如果看到指标好转上行，则买入指数，反之卖出。结果显示，单纯基于BCI指数的择时策略效果最好，在2012年以来的大部分时间段内可以跑赢沪深300，特别是在2016年后，年化收益率为3.3%（同期沪深300年化收益率为0.03%），超额收益为27.34%。单纯基于M1的择时策略在2008.06-2016.05能跑赢指数；但2009H2拐点反转后，该策略大幅回撤，吞噬掉了2008H1-2009H1期间的顺周期收益；叠加上14-15年多空判断失误，导致该策略在自2005年以来的全样本上没有获得超额收益；单纯基于PPI同比的择时策略结果与二分法下的股市复盘表现一致，由于早期是“错位相关”，叠加如前所述在2014-15年、18-19年的失效，全样本区间是负超额收益；但最近两轮表现尚可，即20年6月至22年12月、23年1月至今有超额收益。

第五，我们对简单策略进行改进。一个基本理解是：M1同比、BCI指数、PPI同比三类指标对投资的意义除具有一定领先和同步性外，还在于其周期往复的规律性。简单策略之所以效果一般，是因为其择时收益仅来自于指标的领先和同步性，单纯的“数据路径”依赖一方面会因为指标反复出现多空信号而产生紊乱；二是“领先性偏弱，同步性占主导”的宏观择时指标在市场出现大的下行拐点时，往往难以避免大幅回撤，进而吞噬之前顺周期时段的收益。而宏观指标的另一魅力——“周期性”恰好可以弥补这一缺陷。融合数据路径演绎和周期均值回复的规律性，即便宏观指标仅仅是同步，或者甚至滞后于资产价格表现，我们也可以根据当下数据的周期位置来提前预判宏观指标未来的走势，进而根据周期均值往复的经验，推测资产价格。在这一理解的基础上，我们进行两种方法的策略改进。

第六，第一种改进方式为“滤波处理”叠加“变化速率”。“滤波处理”剥离了周期成分，更直接地根据周期信号进行择时判断；“变化速率”是同比的一阶差分，相当于提前一步考虑了同比可能的变动方向。结果来看，改进后的PPI策略下沪深300指数在2005年至今年化收益率为10.5%，全样本超额收益为65.5%。基于数据可得性，三类指标在2012年后可以进行综合。等权重方式下，综合策略的年化收益率为9.6%，与同期沪深300指数的基准收益相比超额收益为101%，即便等权重综合后的策略也在15-16年出现回撤，但规避了12-13年、18以及22年的大幅调整，捕捉了14、19年的上涨。

第七，第二种改进方式是进行不同区制的划分。我们以经验的波动区间为标准去捕捉超调点。两类情形提示买入，一是当PPI处于中枢0.5%与正向一倍标准差5.0%之间（意味PPI处于上行期，并且仍有上行空间），二是当PPI处于负向一倍标准差-4%之下（意味着PPI严重向下超调）。反之，当PPI处于负向一倍标准差-4%与中枢0.5%之间（意味PPI处于下行期，并且尚未走完下行周期），或者PPI处于正向一倍标准差5.0%以上（意味着PPI严重向上超调）时进行卖出。PPI策略在这一改进下收益提升明显，自2012年以来年化收益率为8.83%。同理，在BCI较好但尚未登顶或者严重下行超调时买入，反之卖出，择时策略效果也有了明显的改进。2012年以来分区制下将三类择时信号等权重综合后获得11%的超额收益，明显超过简单基于同比变化的策略，但低于滤波融合变化速度的策略，可能因为分区制策略在不同指标上对区制的划分仍相对粗糙。

第八，简单总结，因为宏观指标存在周期，无论是实际增长指标BCI、价格指标PPI、货币指标M1，均可以为我们提供投资上的“位置感”；而只要进一步科学合理运用，比如利用周期性、敬畏趋势性、警惕极值点，则它们所形成的宏观择时会是有效的。

报告简版

第一

资产定价是宏观基本面的映射。宏观基本面是一个复合概念，包括经济的好坏、价格的胀缩、流动性环境的松紧等。这些宏观因素分别影响企业盈利和贴现率，并最终影响资产价格；对宏观环境的分析，本质上也是分析这些层面。在这里，我们构建一个三维宏观择时框架。用中国企业经营状况指数（BCI）代表经济的“量”；工业品出厂价格指数（PPI）代表经济的“价”；用狭义货币供给量（M1）来代表流动性环境。

无论股债，任何资产本质上均为名义增长定价。名义增长率又由实际增长率和通胀构成。因此，任何宏观择时模型，本质上都需要选择一个量的指标来反映实际增长，一个价的指标来刻画通胀，比如美林时钟。在名义增长周期之外，流动性环境又从无风险利率和风险溢价两个环节影响企业贴现率，进而影响资产价格。

第二

我们进一步解释下，货币类指标选择“M1同比”主要考虑三点优势：一是M1为微观主体活跃度的映射；二是M1经验上领先库存和价格周期；三是M1口径更改较少，可追溯时间长。量的层面选择“BCI指数”，一是它作为景气扩散指标，更多体现经济实际增长层面的变化；二是它公布时点较早；三是它在调查问卷设计上采用的是对未来6个月较去年同期的好坏变化，内嵌了基数和预期成分。价的层面选择“PPI同比”，也有三点考量：一是它对应工业企业利润状况，是微观面最基础性的部分；二是经验上看，它作为上游价格，会向下游传递，PPI领先于核心CPI；三是序列波动周期性强。

货币类指标选择“M1同比”的三点原因。一是M1为货币活化程度的表征指标。在货币金融体系的指标中，相较于信用端指标——社融信贷类，M1所代表的狭义货币流动性充裕是信用扩张的必要但非充分条件。二则，在全部宏观指标体系中，M1的领先性也是相对较强的，既领先库存周期，又领先价格周期。经验上，M1同比基本上领先工业企业产成品存货同比，PPI同比约12个月。对消费品价格的领先性以2013年为时间节点，在2013年前，M1对CPI基本上领先1年；2013年后，由于猪周期的波动，M1对消费品价格的领先性在其与核心CPI上继续保持。三则，就指标本身含义而言，M1口径更改较少，追溯时间长，直接对应当前市场需求，也直接作用于物价。

“量”层面指标选择BCI指数，同样具有三点优势。一则，作为景气扩散指标，与PMI类似，调查中小民营企业家对经营状况的体感，具体计算方式是销售前瞻、利润前瞻、融资环境、库存四个方向指数的算术平均，因而，更多反映经济在实际增长层面的情况。二则，BCI指数公布时间点较早，为每月月底公布当月值。三则，BCI指数在调查问卷设计上采用的是对未来6个月较去年同期的好坏变化，指标内嵌基数效应，并且属于“预期”类指标，可以看作是一个每月公布时点靠前的类“企业家信心指数”。除疫情期间基数干扰较大外，BCI基本上对PMI有6个月的领先性。

“价”的层面选择“PPI同比”也有三点考量。一是PPI对应工业企业利润，是微观面最基础部分。从经济意义上看，PPI是工业企业利润三因素框架（量、价、利润率）中的价格因素，而工业企业利润又是A股企业利润的前瞻性指标。二则，在价格系列指标中，逻辑上，PPI是上游工业品价格，是价格周期上行的起点；数据上，PPI同比2013年前同步于CPI，2013年后，稳定领先核心CPI约6个月。三则，从统计上发现，PPI序列的波动周期性较强，跟踪PPI基本上已经可以把握PPI-CPI剪刀差的变化。

第三

我们首先做了基于历史数据的追溯检验。统计上看，权益市场表现对流动性（M1同比为代表）最敏感，M1上行期A股多为牛市，M1上行时段沪深300平均月涨幅为3.7%。在统计的2005年以来的6轮完整周期中，只有2015年前后出现明显背离。其次是BCI，BCI指标的领先性较M1弱，但在绝大部分时段均与权益市场表现出较强的同步性，即便是小幅背离的时段比如2014年及2015H2-2016H1，它的吻合度也要好于其他指标，这个可能和2014-2015年金融条件有利于它的样本企业有关；然后是PPI同比，早期表现为“错位”相关；最近两轮周期和市场有较高的同步性，典型背离时段主要是2014.07-2015.05以及2018.12-2019.10。

我们模仿美林时钟，观察了不同宏观状态下的股市表现。首先，先对“M1、BCI、PPI”这三个变量进行各自的二分法观察。结果发现，股市表现对流动性（M1同比为代表）最为敏感。

M1上行期A股多为牛市（三牛、二震荡、一熊），沪深300平均月涨幅为3.7%，只有2015年前后是例外；下行期A股多表现为熊市（三熊、二震荡、一牛），沪深300平均月跌幅为-0.8%，也是在14-15年出现例外。

BCI指标的领先性较M1弱，但在14-16年与股市走势较M1更为一致，上行期沪深300月均涨幅为0.8%，主要表现为牛市和震荡市（二牛、三震荡、一熊）；在下行期的6个阶段中，A股多为熊市（三熊、二震荡、一牛），沪深300的月均跌幅为-0.8%。

PPI同比基本上与股市表现“错位”，并没有表现出明显领先于股市的优势。在6个上行阶段（共75个月），股市整体表现不佳，沪深300除了2020.05-2021.10期间的月均涨幅为1.5%以外，其余阶段均呈现下跌状态，平均跌幅-1.5%。相反，在PPI下行的6个阶段中，沪深300的月均涨幅3.1%，A股呈现出三牛、二震荡、一熊的行情。整体来看，2014.07-2015.05（PPI自-0.87%下降至-5.9%；沪深300自2350点上升至4841点），2018.12-2019.10（PPI自0.9%下降至-1.6%；沪深300自3011点上升至3887点）是两个相对明显的背离时段，而近两轮上行期和下行期与股市表现同步性较高。

其次，我们结合三维择时框架，进行了2×2×2共8个宏观状态的划分。结果显示，除去14-15年的异常情况外，收益相对最佳的状态是“M1上、BCI上、PPI上”，对应“货币流动性宽松、经济上行、通胀回升”的环境，即2012.09-2013.01、2020.01-2021.02两个时间段，前者沪深300月均涨幅3.4%、后者则为2.6%。表现最差的经济状态为“M1下、BCI下、PPI下”，对应“货币流动性紧张、经济下行、通胀回落”的环境，该时段沪深300共跌去22.8%，平均月跌幅为-1.6%。

第四

运用这些指标择时能否获得超额收益？首先，我们分别构建了基于同比指标变化的简单策略。策略思路均为在宏观数据公布之后的第二天进行择时，如果看到指标好转上行，则买入指数，反之卖出。结果显示，单纯基于BCI指数的择时策略效果最好，在2012年以来的大部分时间段内可以跑赢沪深300，特别是在2016年后，年化收益率为3.3%（同期沪深300年化收益率为0.03%），超额收益为27.34%。单纯基于M1的择时策略在2008.06-2016.05能跑赢指数；但2009H2拐点反转后，该策略大幅回撤，吞噬掉了2008H1-2009H1期间的顺周期收益；叠加上14-15年多空判断失误，导致该策略在自2005年以来的全样本上没有获得超额收益；单纯基于PPI同比的择时策略结果与二分法下的股市复盘表现一致，由于早期是“错位相关”，叠加如前所述在2014-15年、18-19年的失效，全样本区间是负超额收益；但最近两轮表现尚可，即20年6月至22年12月、23年1月至今有超额收益。

首先，我们分别考察了基于M1、PPI、BCI三个同比指标单独择时的策略，以及基于三者同比序列的简单综合策略。策略思路均为在数据公布之后的第二天进行调仓，如果看到指标好转上行，则买入指数，反之卖出。

“M1同比提升则买入，回落则卖出”的简单策略在2008.06-2016.05期间，持续跑赢指数，但在2009年下半年开始明显回撤，吞噬掉了大量08年6月至09年6月期间的超额收益，最终该策略在2005.01-2023.09的全样本区间上并没有获得超额收益（-4.13%）。

单纯基于BCI指数的择时策略在2012年以来的大部分时间段内可以跑赢沪深300，特别是在2016年后，年化收益率为3.3%（同期沪深300年化收益率为0.03%），超额收益为27.34%。将BCI结果与基于PMI回测结果进行比较，可以印证BCI更反映内需、更反映预期的特点，在14-18年、20-22年均比基于PMI改善构建的策略更好。

单纯基于PPI同比的择时策略结果与二分法下的股市复盘表现一致，在2006.01-2023.09的全样本区间上，超额收益为-93%，最大回撤为85.15%。从各个时间段的收益来看，其中只有近两轮，即23年1月至今以及20年6月至22年12月有超额收益。

最后，三类指标综合策略收益亦跑输大盘，也明显弱于仅依靠BCI进行的择时策略。这背后可能反映了PPI同比涨跌信号与股市涨跌错位，M1同比信号部分失效时段判断错误等因素影响。

第五

我们对简单策略进行改进。一个基本理解是：M1同比、BCI指数、PPI同比三类指标对投资的意义除具有一定领先和同步性外，还在于其周期往复的规律性。简单策略之所以效果一般，是因为其择时收益仅来自于指标的领先和同步性，单纯的“数据路径”依赖一方面会因为指标反复出现多空信号而产生紊乱；二是“领先性偏弱，同步性占主导”的宏观择时指标在市场出现大的下行拐点时，往往难以避免大幅回撤，进而吞噬之前顺周期时段的收益。而宏观指标的另一魅力——“周期性”恰好可以弥补这一缺陷。融合数据路径演绎和周期均值回复的规律性，即便宏观指标仅仅是同步，或者甚至滞后于资产价格表现，我们也可以根据当下数据的周期位置来提前预判宏观指标未来的走势，进而根据周期均值往复的经验，推测资产价格。在这一理解的基础上，我们进行两种方法的策略改进。

M1同比、BCI指数、PPI同比不仅自身代表着货币、经济、价格周期，三者融合也有明显的周期轮转规律。由于原始序列存在趋势和噪音，我们按照HP滤波方法进行序列中周期成分的剥离。与市场常规做法不同的是，我们运用了“二次滤波”法，即在一次过滤得到周期项之后，我们针对这一周期项再进行一轮滤波，将新的趋势项（Trend2），而不是新的周期项（Cycle2）作为原序列的周期规律指标。第一层滤波过滤了长期趋势，第二层滤波过滤了短期不规则噪音。2012年以来，“经济—通胀”周期、“货币—经济”周期大约走过了三轮周期。而“货币—通胀”周期自2005年以来大约走过了三轮半的周期。

第六

第一种改进方式为“滤波处理”叠加“变化速率”。“滤波处理”剥离了周期成分，更直接地根据周期信号进行择时判断；“变化速率”是同比的一阶差分，相当于提前一步考虑了同比可能的变动方向。结果来看，改进后的PPI策略下沪深300指数在2005年至今年化收益率为10.5%，全样本超额收益为65.5%。基于数据可得性，三类指标在2012年后可以进行综合。等权重方式下，综合策略的年化收益率为9.6%，与同期沪深300指数的基准收益相比超额收益为101%，即便等权重综合后的策略也在15-16年出现回撤，但规避了12-13年、18以及22年的大幅调整，捕捉了14、19年的上涨。

由于PPI类指标实际走势滞后股市表现，在上述简单策略中效果最差，我们主要对PPI指标进行改造。PPI数据胜在周期波动较大，周期规律体现在三点：一则每轮周期的“谷-峰”高度较相近，基本上振幅在一个标准差之内；二则每轮周期的时长也较相近；三则，PPI的“谷-峰”规律与股市的“底部-顶部”基本上保持着半个多身位的间隔，即PPI每轮“谷-峰”时长大约2年，而市场“底部-顶部”对PPI “谷-峰”基本领先1年。

数据上，滞后12月的PPI周期成分与M1周期成分以及沪深300基本同步。根据半个身位（1年）的间隔，我们发现，如果按照预期的未来1年后PPI将触底回升，在底部区域买入，则对应到当下的策略应该是顶部区域买入。如果预期未来1年后PPI将登顶回落，即在PPI顶部区域卖出，则当前应该在底部区域卖出。我们通过同比的一阶差分，即变化速度，来刻画顶部和底部区域，当PPI处于顶部区域，无论是登顶前的爬坡，还是登顶后的回落，变化速度均在变小。结果看，2005年至今，策略有10.5%的年化收益，超额收益为65.5%，最大回撤为34%，胜率为57%。

由于BCI指数始于2012年，在2012年后我们可以将三类指标进行综合。与PPI处理方式一致，我们将M1和BCI进行二次滤波处理。2012年以来，综合策略明显跑赢大盘，等权重方式下年化收益率为9.6%，与同期的基准收益相比可以获得101%的超额收益。该策略不仅规避了12-13年、18年以及22年的大跌，捕捉到了14年、19年的上涨。虽然也在15-16年出现大幅回撤，但整体策略收益率明显高于任何其他择时策略。

第七

第二种改进方式是进行不同区制的划分。我们以经验的波动区间为标准去捕捉超调点。两类情形提示买入，一是当PPI处于中枢0.5%与正向一倍标准差5.0%之间（意味PPI处于上行期，并且仍有上行空间），二是当PPI处于负向一倍标准差-4%之下（意味着PPI严重向下超调）。反之，当PPI处于负向一倍标准差-4%与中枢0.5%之间（意味PPI处于下行期，并且尚未走完下行周期），或者PPI处于正向一倍标准差5.0%以上（意味着PPI严重向上超调）时进行卖出。PPI策略在这一改进下收益提升明显，自2012年以来年化收益率为8.83%。同理，在BCI较好但尚未登顶或者严重下行超调时买入，反之卖出，择时策略效果也有了明显的改进。2012年以来分区制下将三类择时信号等权重综合后获得11%的超额收益，明显超过简单基于同比变化的策略，但低于滤波融合变化速度的策略，可能因为分区制策略在不同指标上对区制的划分仍相对粗糙。

依据不同区制来构建策略的思想在于具有明显周期规律序列的历史分位是具有指示意义的，即如果目前处于较低分位，预示着底部将近，上行周期在一段时间后将开启；而如果目前处于较高的分位，则预示着顶部将近，下一阶段将是下行周期。

首先，以PPI为例，自2005年以来的中枢为0.5%，上下一倍标准差的数据分别是5.0%和-4.0%，并且可以观察到PPI基本上在一倍标准差内波动。超过5%的时间点，基本上对应的是沪深300的阶段性顶部区域，而低于-4.0%的时间点则是沪深300的底部区域。未来“PPI上行”对应当前两种情形，一是当前PPI处于上行的前半段，下一阶段将继续上行，二是当前PPI处于下行的底部，或者下行已经超调。我们在两种情形下买入，一是PPI位于历史中枢0.5%以上，但小于一倍标准差上限值5.0%，另一种情况是PPI位于一倍标准差下限-4.0%以下，前者对应PPI还有上行空间，后者对应PPI已经严重向下超调。卖出策略则反之。这一择时收益自2012年以来为159.6%，年化收益率为8.83%，超额收益为85.3%。不但有效地规避了15-16年的大跌，也在2018年的大跌中保持较小的回撤。整体区间上的最大回撤仅为20.7%。

其次，以BCI为例，BCI指数本身有着类似于PMI的枯荣线。我们构建买入策略对应同样对应两种情形。一是BCI位于枯荣线50之上，但低于一倍标准差上限60，二是BCI不但位于枯荣线之下，而且位于一倍标准差下限48之下，前者对应BCI较好但尚未登顶，后者对应BCI已经明显向下超调，大概率接下来将会拐头向上。同理，卖出策略定义相反情形。从回报率的角度，通过区制划分后，基于BCI的择时策略有了明显的改进，但最大回撤仍在40%~42%左右。拆分年度表现看，分区制策略的超额收益改进，一是集中在15年之前，即其规避了13年的下跌，捕捉了14年的上涨，二是规避了19年在上涨过程中的反复，使得这一策略在19年也有明显超额收益。

最后，我们在分区制下将三类择时信号综合，等权重下超额收益为11%，折合年化收益为4.0%，BCI权重放大至占70%后，超额收益提升至21%，折合年化收益率为4.8%。由此可见，分区制策略的超额收益远超简单基于同比变化的策略，但低于滤波融合变化速度的择时策略，可能是因为分区制策略基于原序列划分区制而构建，不同序列自身的区制划分都比较粗糙，使得综合后的多空信号不强。

第八

简单总结，因为宏观指标存在周期，无论是实际增长指标BCI、价格指标PPI、货币指标M1，均可以为我们提供投资上的“位置感”；而只要进一步科学合理运用，比如利用周期性、敬畏趋势性、警惕极值点，则它们所形成的宏观择时会是有效的。

风险提示：一是策略回测模型构建基于历史数据，可能在未来有较大经济冲击或者市场改变时并没有很强的样本外超额效果，二是模型仍有待将各类参数进行敏感性分析，提高策略的稳健性。三是宏观层面货币、经济以及价格周期的代理变量仍有待改善。

正文

PART1三维宏观择时框架的构建

（一）指标筛选的原则：抓主要矛盾

宏观周期的框定，最常见的划分标准是基于经济的量价方向，无论股债，任何资产本质上均为名义增长定价。名义增长又包含实际增长和通胀。因此，任何宏观择时模型，本质上都需要选择一个量的指标来反映实际增长，一个价的指标来刻画通胀，比如美林时钟。美林时钟在国内效果欠佳之后，又扩延出货币信用周期。在名义增长周期之外，流动性环境又从无风险利率和风险溢价两个环节影响企业贴现率，进而影响资产价格。

从周期视角看，传统的演绎路径常常为：经济一旦过热，通胀超过央行目标成为约束，政策将会倾向于紧缩货币，货币指标最先见顶，信用扩张进一步受阻，经济过热得到遏制，同时通胀在供需和货币紧缩作用下见顶回落，形成“货币顶——信用顶——经济顶——通胀顶——货币顶……”的循环。反之，当经济处于下行通道中，价格也会疲软，引发通缩风险。衰退期，政策通常会进行降准降息等宽松操作，即在一轮下行期，同样会先看到货币见底，进而信用开始扩张。“粮草”到位，“兵马”行动，企业居民的生产消费在信用见底后也出现企稳回升，最后在供求作用下，通胀重拾上行，形成“货币底——信用底——经济底——通胀底……”的循环。因此，对于宏观周期的捕捉，从逻辑上看，应该至少从“货币金融类”、“经济—量”、“经济—价”三个维度进行刻画。

但值得注意的是，资本市场定价的是投资者预期。虽然事后来看，不少经济变量与股市相关性较高。但对于投资决策而言，这些数据公布时，往往宏观变量已经被大部分Price in，也更多体现的是“股市是经济的晴雨表”。比如衡量经济增长最常用的月频指标——工业增加值同比，其虽然比季频GDP时效性更强，但每月数据发布仍需等到下月中旬。因此，即便从走势上看，数据与资产价格有一定同步性，但在事前，也较难直接根据数据决策来获得超额收益。换言之，从量化视角看，在不使用“未来数据”的前提下，简单的数据依赖策略并不能获得良好的收益。

因此，我们在宏观量化择时框架的第一步，就是在宏观指标的筛选层面，就尽可能地寻找处于整个宏观指标体系“上游”的指标，即优先考虑在“货币金融类”、“经济—量”、“经济—价”三个维度上相对领先的数据。

同时，在指标选择中，我们认为抓“主要矛盾”比“眉毛胡子一把抓”更重要。在“货币金融类”、“经济—量”、“经济—价”三个维度上，每个维度都可以找到若干代理指标。一种简单的思路是直接利用这些指标进行回归，构建宏观多因子模型，但存在指标多重共线性、国内宏观因子口径多变等问题。另一种现有思路是构建尽可能全面的指标池，在每个维度上各进行一轮指标合成，常见的提纯技术有主成分分析（PCA）、动态因子建模（DFM）等。这类方式更多是通过计量方式，根据数据自身波动的特点，找到相关序列族里波动的公共因子，可以有效解决多重共线性问题。但我们认为后者同样是一个纯量化的“黑箱”过程，也容易受到不同宏观指标自身噪音的干扰，产生对宏观周期的错误判断。这与传统美林时钟难以准确划分国内复苏、过热、滞胀、衰退一样，诸多宏观指标中相互冲突时，简单的量化提纯一是容易受到异常极值的影响，二是容易受到并不十分重要的指标波动干扰。因为从技术底层逻辑看，诸如主成分、动态因子建模等方式都是将标准化后的序列自身波动程度视为最终合成得分中的赋权依据，而不是经济逻辑。

因此，在指标选择中，我们倾向于在各个维度上选择一个核心变量作为代表。这一逻辑底层在于，事物的发展是由其主要矛盾驱动的。资产价格会受到宏观面“货币金融类”、“经济—量”、“经济—价”三个维度的影响，理应在这三个方向中最关键最领先的指标上优先看到相关性。

（二）“货币类”——M1同比

关于“货币金融类”指标，我们选择的是“M1同比”，优势体现在三个方面。

第一，M1是货币活化程度的表征指标。在货币金融体系的指标中，M1是微观主体活跃度的体现，更具有信号意义。因为手握高流动性货币的居民企业从逻辑上也有更强的消费投资意愿。相对于衡量信用端的社融信贷类指标，M1衡量的是货币端，货币流动性充裕是信用扩张的必要但非充分条件。

第二，在全部宏观指标体系中，M1的领先性也是相对较强的。一是领先库存周期。M1同比基本上领先工业企业产成品存货约12个月；二是领先价格周期。货币因素对通胀的影响体现在M1对CPI、PPI的领先性上。自2000年以来的6轮周期中，M1基本上领先PPI同比12个月左右，与对产成品存货的领先性基本相当，一同反映了流动性充裕程度对企业投资生产的领先意义。

而对消费品价格，M1基本上也有1年左右的领先性。虽然从走势上看到2013-2020年期间，M1与CPI的关联度下降，但这主要是受到CPI中猪价的波动干扰。从核心CPI指标看，M1同比对终端价格的领先性在2013年后仍非常明显。

第三，观察指标本身情况，相较于社融信贷序列，M1含义更为简洁，即M0+活期存款，直观反映了居民企业手中的现金流，历史上的口径变动也较少，便于追踪和回溯。在央行的视角里，M1直接对应当前市场需求，最直接作用于当前的物价水平[1]。

（三）“经济—量”——BCI指数

“经济—量”指标，我们选择的是“BCI指数”。BCI是长江商学院发布的中国企业经营状况指数（Business conditions index），基本编制思路与PMI类似。

首先，作为景气扩散指标，与PMI类似，调查中小民营企业家对经营状况的体感，具体计算方式是销售前瞻、利润前瞻、融资环境、库存四个方向指数的算术平均，因而，更多反映经济在实际增长层面的情况。并且，由于调查对象主要是长江校友和学员企业，而这类企业多为中小民营企业，因此相较于PMI，更多反映了中小民营企业的经营体感。

其次，BCI指数公布时间点较早，为每月月底公布当月值。

第三，BCI指数在调查问卷设计上采用的是对未来6个月较去年同期的好坏变化，指标内嵌基数效应，并且属于“预期”类指标，可以看作是一个类似于“企业家信心指数”的预期类型指标。每月公布时点又在当月月底，这与经济量层面的其他宏观指标而言，都是相对靠前的。从历史走势看，BCI指数在正常年份中基本领先PMI6个月左右。

（四）“经济—价”——PPI同比

关于“经济—价”的指标，我们选择PPI同比，而不是CPI同比或PPI-CPI。在逻辑上，PPI是上游工业品价格，CPI反映的是下游消费品价格。通胀周期的上行常常起于上游原材料的价格受供需作用上涨，进而中下游企业面临阶段性的成本上涨带来的利润挤压。当PPI上行一段时间后，下游企业通过价格转嫁的方式将成本转移到最终消费品，最终CPI价格也跟随上涨。从货币视角看，货币宽松所释放的流动性也通常先产生上游通胀压力，进而传导至下游。

在成本价格转移较通畅的时期，PPI和CPI走势较为一致，消费品价格会较快对工业品涨价做出响应，比如2013年之前。2013年后，PPI对下游消费品价格开始保持大约6个月的领先性。由于2013年后CPI同比受到猪价周期影响明显，我们转而观察核心CPI同比。从更反映下游内需的核心CPI与PPI的走势看，PPI基本上对核心CPI有半年左右的领先性。因此，在价格族类指标中，PPI领先性较强。

事实上，市场一直以来都关注PPI与CPI的剪刀差，认为两者轧差就反映了价格周期的运行状态，因为两者轧差本质上就是通胀上下游价差。如果轧差过高，则说明上游价格并没有较快地传导到下游。

但我们认为，直接选择PPI相较于PPI-CPI剪刀差更有优势。一则PPI对应工业企业利润，是微观面最基础部分。PPI是工业企业利润三因素框架（量、价、利润率）中的价格因素，而工业企业利润又是A股企业利润的前瞻性指标，后者以季度频率公布。

二是从统计上发现，PPI序列的波动周期性较强，跟踪PPI基本上已经可以把握PPI-CPI剪刀差的变化。由于PPI的波动明显大于CPI，两者剪刀差基本上跟随PPI的波动而定。从数量级上，PPI走势能解释PPI与CPI剪刀差波动的80%；从拐点上，基本上PPI见底后或者见顶后1-3个月，PPI-CPI剪刀差也见底或见顶。此外，2013年后，两者剪刀差与CPI波动一样，容易受CPI中的猪价周期干扰。因此，我们选择PPI同比作为我们跟踪“经济—价”的指标。

至此，我们得到了初代的宏观择时框架图。在我们的三维框架中（“货币金融类”、“经济—量”、“经济—价”），由于选择的“经济—量”类指标——BCI指数，是中小民营企业家对未来6个月经营状况的预期值，传统“货币顶——经济顶”的路径也改为了“货币顶——经济预期顶”，货币与经济之间的时滞也有所缩短。而价格由于存在粘性，往往触底和登顶的时点都慢于经济。在三个维度释放多空信号时，我们按照“货币——经济——价格”优先考虑M1，其次判断BCI，最后再看PPI。

PART2基于历史的追溯检验

我们首先做了基于历史数据的追溯检验，统计了在三维指标各自不同状态下的市场表现。

通过对“M1、BCI、PPI”这三个变量分别进行的二分法观察发现，股市表现对流动性（M1同比为代表）最为敏感。M1上行对股市有明显的积极信号意义。BCI指标的领先性较M1弱，但在14-16年前与股市走势更为一致。PPI同比并没有表现出明显领先于股市的优势，基本上与股市表现“错位”，反映价格周期确实作为“货币——经济——价格”三维框架中的最后一环，其周期运行规律提前为市场所定价。

（一）流动性松紧下的股市表现

首先是M1同比。从简单走势对比来看，M1同比与沪深300走势呈现“略领先——背离——领先性有所恢复”的特征，主要的背离时段为2014-2015年、2017-2018年。疫情以来，M1与股市的领先性重新恢复，平均领先约1-3月。比如2020年1月M1触底，3月沪深300降至3686点位；2021年1月M1登顶，而在同年1-5月，沪深300增至5238点的平均水平；2022年1月M1转负为-1.9%，4月沪深300也迎来阶段性底部点位4016。我们进一步统计了两种流动性状态下的沪深300涨跌幅，区间为2005年至今。我们定义沪深300指数月涨幅超过1%为牛市，下跌超过1%为熊市，涨跌幅处于[-1%，1%]之间为震荡行情。简单的分组统计显示，在流动性上行的6个阶段里，A股多为牛市（三牛、二震荡、一熊），沪深300平均月涨幅为3.7%，只有15年那轮是例外。同样，在流动性下行的6个阶段内，A股多表现为熊市（三熊、二震荡、一牛），平均月跌幅为 -0.8%，也是在14-15年出现例外。由此可见，A股对M1同比所表征的货币流动性是敏感的，除去14-15年那轮背离，基本上流动性充裕这一单一因素就能给出相对准确的择时信号。

（二）“实际增长”好坏中的股市表现

同样，我们进一步考察了经济上行、下行和PPI上行、下行的股市表现。BCI指数起点为2012年，在自2012年至今的十余年时间里，经济周期上下行时长基本相当。其中有74个月BCI处于上行期，70个月BCI处于下行期。在上行期的6个阶段，沪深300月均涨幅为0.8%，主要表现为牛市和震荡市（二牛、三震荡、一熊）；在下行期的6个阶段中，A股多为熊市（三熊、二震荡、一牛）。如果不考虑14年的背离，股市月均跌幅为-0.8%。总体来说，BCI在14-15年与股市的背离较M1有所减弱。在绝大部分时段均与权益市场表现出同步性，典型背离的时段也只有2014年以及2015H2-2016H1。

（三）通胀上下行期的股市表现

在2005年以来的月度样本中，PPI下行多于上行，有158个月处于下行期，75个月处于上行期。但上行阶段，股市表现不佳，除了2020年5月至2021年10月期间沪深300月均涨幅为1.5%以外，其余阶段均呈现下跌状态，平均跌幅-1.5%。相反，在PPI下行阶段，沪深300的月均涨幅平均值为3.1%。在下行期的6个阶段中，A股呈现出三牛、二震荡、一熊的行情。这似乎与直觉相悖，但背后实际反映了作为宏观变量传导的三维框架中，“价格周期”处于最后的一环。此时市场已经基于历史价格周期对PPI上行有所预期进而提前Price in了。从PPI和沪深300的走势也可以看出PPI同比略滞后于沪深300表现。如果观察两者6个月的滚动平均走势，两者的同步性有一定提升。

整体来看，2014.07-2015.05（PPI自-0.87%下降至-5.9%；沪深300自2350点上升至4841点），2018.12-2019.10（PPI自0.9%下降至-1.6%；沪深300自3011点上升至3887点）是两个相对明显的背离时段，而近两轮上行期和下行期与股市表现同步性较高。

（四）三维框架下，八类宏观状态下的股市表现

最后，我们结合三维择时框架，进行了222共8个宏观状态的划分，结果显示，除去14-15年的异常情况外，收益相对最佳的状态是“M1上、BCI上、PPI上”对应“货币流动性宽松、经济上行、通胀回升”，即2012.09-2013.01、2020.01-2021.02两个时间段，前者沪深300月均涨幅3.4%、后者月均涨幅2.6%。表现最差的经济状态为“M1下、BCI下、PPI下”对应“货币流动性紧张、经济下行、通胀回落”，该时段沪深300跌去22.8%，平均月跌幅为-1.6%。

PART3基于三维指标同比的简单策略

基于以上的三维择时框架，我们首先构建简单的“指标提升则买入”策略，即观察到原始同比数据边际变好则买入，边际变差则卖出。我们分别考察了基于M1、PPI、BCI三个指标单独择时的策略，以及三者综合的策略。结果发现，在单纯的同比择时策略中，只有基于BCI指数的择时策略效果最好，在2012年以来的大部分时间段内可以跑赢沪深300，特别是在2016年后，年化收益率为3.3%，超额收益为27.34%。单纯基于M1的择时策略在2008.06-2016.05期间，持续跑赢指数，但其中2009H2拐点反转后，该策略大幅回撤，吞噬掉了2008H1-2009H1期间的顺周期收益，叠加上14-15年多空判断失误，最终该策略在自2005年以来的全样本上没有获得超额收益；单纯基于PPI同比的择时策略结果与二分法下的股市复盘表现一致，全样本区间是负超额收益；但最近两轮表现尚可，即20年6月至22年12月、23年1月至今有超额收益。

（一）单纯基于M1同比

首先为单纯基于M1同比的择时策略。策略思路为，以每月15号为调仓时间点，即每月15号前大多数情况会公布上月金融数据。如果每月15号看到上月M1同比较上上月改善，则买入指数，反之则卖出指数。

策略在2008年6月开始跑赢沪深300，但在2009年下半年和2016年经历了两轮大幅回撤。两轮回撤最终使得在2005.01-2023.09的全样本区间上，策略获得了257.21%的绝对收益，同期大盘收益272.61%，整体的超额收益为负（-4.13%）。在2008.06-2016.05期间，虽然该策略持续跑赢指数，但策略在2009年下半年开始明显回撤，吞噬掉了大量08年6月至09年6月期间的超额收益，最终该策略在此期间获得了1.45%的绝对收益和15.6%的超额收益。

（二）单纯基于BCI指数

其次为单纯基于BCI指数的择时策略。因为月底会公布当月的BCI指数，即最早在每月月初1号就可以知道上月的BCI指数。因此，不同于M1同比策略，策略思路改为，以每月1号为调仓时间点，月初看到上月的BCI指数较上上月改善，则买入指数，反之则卖出指数。

策略在2012年以来的大部分时间段内可以跑赢沪深300，整体策略收益为63.28%，超额收益为15.03%。特别是在2016年后，根据BCI指数边际强弱信号可以获得持续跑赢沪深300的收益，绝对收益为27.61%，年化收益率为3.3%，超额收益为27.34%。此外，我们还将BCI结果与基于PMI回测结果进行比较，可以印证BCI更反映内需、更反映预期的特点，在14-18年、20-22年均比基于PMI改善构建的策略更好。

（三）单纯基于PPI同比

再次为单纯基于PPI同比的择时策略。策略思路为，以每月10号为调仓时间点，即每月10号可以拿到通胀数据。如果每月10号看到上月PPI同比较上上月改善，则买入指数，反之则卖出指数。

策略结果与上节二分法下的股市复盘表现一致，单纯依托PPI同比走强的策略会持续跑输大盘。在2006.01-2023.09的全样本区间上，策略绝对收益为-72%，超额收益为-93%，最大回撤为85.15%。

为了厘清PPI同比策略跑输的具体时段，我们进一步将PPI同比自2006年以来按照峰谷划分为7轮周期，从各个时间段的收益来看，其中只有近两轮，即23年1月至今以及20年6月至22年12月有超额收益。其余周期中，16-20年、12-14年、09-12年轮中的部分时段跑赢大盘。

（四）汇总三类择时信号的综合策略

最终我们将三类指标进行整合，以BCI的起始点2012年3月作为策略起点。三类指标直接对比结果显示只有BCI指数有较稳定的超额收益，但也在21年下半年开始面临较大的回撤。M1同比在此时由于错过了14-15年的看涨，发出了看空的错误判断，进而使得整体收益跑输大盘。我们尝试分别用等权重加权和赋予BCI指数更高的权重（占70%）等方式进行策略综合。可以看到，由于2012年后，单纯的PPI同比涨跌信号与股市涨跌错位，M1同比信号又在股市大起之时错失良机，因此，两类综合之后的择时策略收益反而输大盘，也明显弱于仅依靠BCI进行的择时策略。

PART4

策略改进的思路和方向

（一）宏观指标的另一魅力——“周期性”

虽然我们在选择“货币金融类”、“经济—量”、“经济—价”三类宏观指标时尽可能寻找了在当期具有一定领先性或同步性的指标，但宏观指标对投资的指导意义还在于其周期规律性，即通过历史周期规律捕捉以及当下经济状态判断，进一步推演未来宏观环境，进而提前预判未来市场的演绎情况。这一假设建立的前提，不仅仅是我们所定义的货币、经济、价格自身具有周期性，三者融合也应该有类似于美林时钟、货币信用时钟一样的周期规律。

我们在二维坐标中观察了“BCI、PPI”，“BCI、M1”以及“PPI、M1”的周期性，分别对应“经济—通胀”周期（类似于美林时钟）、“货币—经济”周期、“货币—通胀”周期。从图中可以看到，自2012年以来，“经济—通胀”周期、“货币—经济”周期大约走过了三轮周期。而“货币—通胀”周期自2005年以来大约走过了三轮半的周期。

（二）“周期性”另类观察：二次滤波

由于原始序列存在趋势和噪音，我们按照HP滤波方法进行周期序列的剥离。通常对产出、价格等序列的HP滤波只进行一次，即通过一层过滤得到序列的趋势项（Trend1）和周期项（Cycle1），直接采用周期项作为序列周期的刻画。

与市场常规做法不同的是，我们运用了“二次滤波”法，即在一次过滤得到周期项之后，我们针对这一周期项再进行一轮滤波，将新的趋势项（Trend2），而不是新的周期项（Cycle2）作为原序列的周期规律指标。这是因为，从HP滤波原理出发，第一轮滤波分离出的趋势项（Trend1）代表的是序列中频率较低的长期性成分，而周期项（Cycle1）代表的是序列中频率较高的中期波动和短期噪音。这类中短期的高频波动成分不仅仅包含了周期规律，也包含了季节性规律，以及一些不规则的扰动。我们所考察的货币、经济、通胀的周期规律性只是中短期波动中的一部分。因此对第一轮滤波后的周期项（Cycle1）再进行滤波，提取其中的趋势项（Trend2），舍去周期项（Cycle2），相当于在粗糙的中短期波动中剔除了部分季节性和不规则噪音的干扰。至此，我们得到了一个对“M1、BCI、PPI”周期性的有效剥离，将其定义为“周期因子”。“周期因子”是原序列周期项的趋势项（Cycle1—Trend2）。

三类宏观指标的“周期因子”较原序列呈现更加明显的周期性规律。一是从“周期因子”与沪深300的走势看，剔除了长期时间趋势以及短期不规则噪音后，周期因子与股市表现规律性更为明显。二是观察“货币金融类”、“经济—量”、“经济—价”三类宏观指标的两两关系，同样发现周期规律性更为明显。这与原始序列的信号一致，2012年以来，“经济—通胀”周期、“货币—经济”周期大约走过了三轮周期。而“货币—通胀”周期自2005年以来大约走过了三轮半的周期。

PART5

三维择时框架的应用及改进

（一）改进一：融合二次滤波及变动速率的策略

从上文结果中，我们可以初步得到三个结论，一则，在三维宏观世界里，过滤掉长期趋势和短期不规则噪音后具有非常明显的周期规律；二则，无论从简单的指标与股市表现比对看，还是通过二分法观察不同状态的市场行情看，流动性多寡与股市涨跌最为同步，其次是经济预期，最后是PPI。并且，14-15年都是一个很特殊的时间段，仅有经济预期BCI与股市的背离相对轻一些。三则，不考虑指标的周期性规律，简单地直接运用指标好坏进行多空择时，仅有基于BCI的策略收益整体跑赢大盘，M1策略在14-16年间多空判断错误，而PPI多空信号与股市错位也难获得超额收益。

那么是否就无法运用这三类宏观指标进行择时来获得超额收益呢？我们在第二大节中发现，这三类指标不仅自身具有周期波动，两两之间也存在明显周期轮转规律，特别是剥离了长期趋势和短期不规则噪音之后的二次滤波序列规律性显著。因此，即便诸如PPI类指标实际走势滞后股市表现，但PPI数据胜在周期波动较大，远超过CPI等其他数据。观察PPI二次滤波的结果，我们可以清晰地看到其“谷-峰”之间的规律性，一则每轮周期的“谷-峰”高度较相近，基本上振幅在一个标准差之内；二则每轮周期的时长也较相近，以“谷-谷”为例，一轮为2009年5月至2015年5月，历时约6年，另一轮为2015年5月至2019年12月，历时4年7个月；以“峰-峰”为例，一轮为2011年5月至2016年9月，历时5年5个月，另一轮为2016年9月至2021年12月，历时5年3个月。

更重要的是，PPI的“谷-峰”规律与股市的“底部-顶部”基本上保持着半个多身位的间隔，即PPI每轮“谷-峰”时长大约为2年，而市场“底部-顶部”对PPI “谷-峰”基本上领先1年，如2008年10月市场底对应的PPI “谷”在2009年5月，间隔8个月；2014年6月前后的市场底对应的PPI “谷”在2015年5月，间隔1年；2018年12月的市场底对应的PPI “谷”在2019年12月，间隔1年。市场顶与PPI “峰”之间也有类似规律，2009年7-12月的市场顶对应的PPI “峰”在2011年5月，间隔1年半，2015年12月的市场顶对应的PPI “峰”在2016年9月，间隔9个月，2021年1-5月的市场顶对应的PPI “峰”在2021年12月，间隔6个月-1年。平均来看，股市对PPI的提前定价稳定在9-12个月。因此，直接利用PPI同比走强作为复苏信号进行买入的择时策略基本上是错位的，难以获得超额收益。但由于PPI周期自身的稳健规律性以及与股市“底部-顶部”的稳定关系，如果判断PPI底部在未来9-12个月到来，那么即便现在PPI仍然处在下行，也应该根据周期位置看多。换言之，相当于当前市场择时的判断并不是基于当下PPI给出的，而是基于对未来12个月PPI的预期给出的。

为了证实这一点，我们将经过二次滤波提取的PPI周期成分滞后12个月，根据滞后了12个月的PPI上行和下行趋势进行多空判断。我们认为虽然根据滞后12个月PPI进行多空判断无异于在使用“未来数据”。但由于PPI的周期规律性强，在PPI预期值难以量化的背景下，未来PPI的真实波动即为当下PPI预期的无偏估计。从走势看，滞后了12个月的PPI周期成分与M1周期成分以及沪深300基本同步。从策略收益看，新的PPI择时策略在全部区间内的择时收益明显提高，自2005年至今有28%的超额收益，年化收益率为9.0%。以M1周期成分策略作为对照，两者策略的差距明显减小。

虽然以上可以证明运用PPI指标进行择时的有效性，但在实操中，我们难以用滞后12个月的PPI这一“未来数据”进行择时决策。考虑到PPI与股市经验保持约半个身位的时间间隔（定义1个PPI身位为“谷-峰”，约2年时间），我们观察到实际PPI同比位于底部区域，即下行后半段和上行前半段时，半个身位（约1年）前的状态为PPI运行在顶部区域。

因此，如果按照预期的未来1年后PPI将触底回升，在底部区域买入，则对应到当下的策略应该是顶部区域买入。相应地，如果预期未来1年后PPI将登顶回落，即在PPI顶部区域卖出，则当前应该在底部区域卖出。

进一步来看，PPI顶部和底部区域的刻画需要依赖于序列的一阶差分，即变化速度。当PPI处于顶部区域，无论是登顶前的爬坡，还是登顶后的回落，边际变动的数值均在变小。同样，当处于底部区域，无论是筑底过程中的俯冲，还是触底回升后上行，边际变动的数值均在变大。因此，我们将二次滤波与同比变化速率相结合，将新的策略定义为在PPI顶部区域，即二次滤波处理后的PPI一阶差分下行期，看多；在PPI底部区域，即二次滤波处理后的PPI一阶差分上行期，看空。

从结果来看，经过二次滤波处理的PPI“顶部买入、底部卖出”策略在2009年后获得了较明显的差额收益，虽然在2015年下半年以及2022年都出现了回撤，但回撤幅度明显小于基准，并且规避了2018年的大跌。策略在2005年至今获得10.5%的年化收益，超额收益为65.5%，最大回撤为34%，胜率为57%。

至此，我们得到了新的PPI择时策略，即二次HP滤波处理得到周期成分后再根据同比变动，而不是同比上下行进行多空判断。此外，我们也发现经过二次滤波剥离之后的M1和BCI同样也有较原始序列择时拥有更好的策略效果，单一指标的年化收益率从2012年至今有6.8%-8.0%。

三类指标在2012年后可以进行综合。合成方式有三，一是运用主成分分析法（PCA）提取三类滤波处理后的第一主成分作为公共择时因子。其中，考虑到PPI和BCI均滞后于沪深300，将两者滤波处理后的周期成分再进行了滞后处理。方式二与方式三和简单策略中保持一致，分别采用等权重合成以及赋予BCI指标70%的权重。结果显示，三种合成方式下的综合策略均能跑赢大盘，平均获得8.4%左右的年化收益，明显领先基于原序列好坏直接进行择时的简单策略收益。

在不对原序列进行滞后处理的情况下，我们将价格指标换成二次滤波处理后的PPI同比一阶差分，BCI和M1仍然直接使用二次滤波剥离出来周期成分。我们看到，不使用任何“未来数据”的综合策略结果只有在等权重方式下是最好的，年化收益率为9.6%，与同期的基准收益相比可以获得101%的超额收益。该策略不仅规避了12-13年、18年以及22年的大跌，捕捉到了14年、19年的上涨。虽然也在15-16年出现大幅回撤，但整体策略收益率明显高于任何其他择时策略。

（二）改进二：分区制的择时策略

另一种针对周期性指标略滞后于市场表现的择时方式，是进行不同区制的划分，然后根据指标的位置而不是指标的变化（上行或下行）来进行交易。这一策略的前提仍然需要序列存在明显的周期规律。因为只有这样，我们计算每个时点的历史分位才是具有参考意义的，如果目前处于较低分位，预示着底部将近，上行周期在一段时间后将开启；而如果目前处于较高的分位，则预示着顶部将近，下一阶段将是下行周期。

以PPI为例，我们以经验的波动区间为标准去捕捉超调点。PPI的周期轮转是较强并且较稳定的。原始序列自2005年以来的中枢为0.5%，上下一倍标准差的数据分别是5.0%和-4.0%，并且可以观察到PPI基本上在一倍标准差内波动。超过5%的时间点，基本上对应的是沪深300的阶段性顶部区域，而低于-4.0%的时间点则是沪深300的底部区域。换言之，在上文中，我们发现股市领先PPI半个身位（1年左右时间），依据未来1年的PPI上行或者下行判断，反推得到当前的PPI应该买入或者卖出的时点特征。这样处理的逻辑起点在于PPI的可预测性，未来1年的PPI可以作为当前PPI预期的近似估计。

而分区制的判断则暂时不考虑股市和PPI的领先滞后关系，择时的依据还是未来“PPI是否上行或下行，上行是价格周期释放出的积极信号”，但这一未来预期映射到当下的纽带，并不是采用经验上观察到的股市对PPI的领先关系，而是直接利用PPI的周期位置进行判断。

换言之，未来“PPI上行”对应当前两种情形，一是当前PPI处于上行的前半段，下一阶段将继续上行，二是当前PPI处于下行的底部，或者下行已经超调。相应地，未来“PPI下行”也对应当前两种情形，一是当前PPI处于下行的前半段，未来将继续下行，二是当前PPI处于上行的顶部，或者上行已经超调，接下来将迎来拐点。

因此，我们根据这一特点进行策略构建。在两种情形下买入，一是PPI位于历史中枢0.5%以上，但小于一倍标准差上限值5.0%，另一种情况是PPI位于一倍标准差下限-4.0%以下，前者对应PPI还有上行空间，后者对应PPI已经严重向下超调。卖出策略也有两种情形，一是PPI位于历史中枢0.5%以下，但大于一倍标准差下限值 -4.0%，另一种情况是PPI位于一倍标准差上限5.0%以上，前者对应PPI还有下行空间，后者对应PPI已经严重向上超调。

从走势上看，不考虑于股市的领先滞后关系，单纯的PPI分区制择时的买入时点基本上对应沪深300的阶段低点或者是沪深300在上行期将继续上行的中继站，而卖出时点基本上对应沪深300的阶段性高点或者是沪深300在下行期将继续下行的前半段。

从策略结果看，这一择时收益自2012年以来为159.6%，年化收益率为8.83%，超额收益为85.3%。不但有效地规避了15-16年的大跌，也在2018年的大跌中保持较小的回撤。整体区间上的最大回撤仅为20.7%，相较其他策略回撤明显减弱。

进一步观察BCI。上文中我们利用BCI的变化进行择时，指数上行即买入，指数下行即卖出。而事实上，BCI于PMI编制原理类似，也以50作为指数的枯荣线。换言之，对于BCI指数的应用，人们本身就既关心边际变化情况，也关心绝对位置的状态。我们初步尝试以50作为分界点进行二区制择时，当BCI位于枯荣线50之下卖出，位于50之上买入。结果显示对BCI进行简单区制划分的策略在2021年前可以获得跑赢大盘的超额收益，但在21年以来策略回撤明显。整体来看，简单的区制策略大约能获得37%的绝对收益，折合年化收益率为2.84%，超额收益为-3.48%。

借鉴PPI的经验，BCI出现上下超调现象时同样可能预示着接下来预期将会发生扭转。我们同样计算了2012年以来BCI指数的中枢和一倍标准差上下限。平均而言，BCI处于54附近，说明企业经营状况整体上是高于枯荣线之上的。一倍标准差上限为60.2，主要出现在17-18年，13-14年，一倍标准差下限为48，主要出现在20年一季度以及22年二季度。

由于50对于BCI而言具有枯荣的指示意义，我们构建的BCI分多个区制的策略为，买入对应两种情形，一是BCI位于枯荣线50之上，但低于一倍标准差上限60，二是BCI不但位于枯荣线之下，而且位于一倍标准差下限48之下，前者对应BCI较好但尚未登顶，后者对应BCI已经明显向下超调，大概率接下来将会拐头向上。同理，卖出对应相反的两种情形，一是BCI位于枯荣线之下，但尚未触及一倍标准差48这一下限值，二是BCI已经明显向上超调，大概率接下来会拐头向下。这一策略结果显示，自2012年以来绝对收益为125.69%，折合年化收益率为7.5%，超额收益为59%。相较于前期使用BCI变动进行择时的策略，分区制的策略收益率高出近一倍，甚至高于使用二次滤波以及滞后处理BCI择时策略。

虽然从回报率的角度，通过区制划分后，基于BCI的择时策略有了明显的改进，但最大回撤仍在40%~42%左右。我们拆分每年的策略收益情况，并将分区制策略与简单策略进行对比，发现，分区制策略的超额收益改进，一是集中在15年之前，即其规避了13年的下跌，捕捉了14年的上涨，而18年的下跌并没有很好的规避。二是规避了19年在上涨过程中的反复，使得这一策略在19年也有明显超额收益。而简单基于BCI正向变化则买入，负向变化则卖出的策略则相反，主要规避了15年的下跌，捕捉了16年的上涨。一定程度上也规避了18年的大幅回撤，捕捉了20年的上涨。但无论是分区制BCI策略，还是简单BCI变动策略，都在近两年有相同的表现，均跑输大盘。由此可见，虽然在2012年的全序列上分区制策略收益改进明显，但要注意的是，这一超额收益来源主要来自于早年的贡献。

至此，我们也可以在分区制的框架下对PPI、BCI以及M1指标进行综合。其中由于M1与股市基本同步，并不明显滞后，依托周期规律制作的区制策略在M1维度上并没有获得明显的超额收益，反而是简单的M1变化策略和基于二次滤波提取的M1周期成分进行择时的策略能获得较好收益。我们分别将二次滤波后的M1周期成分、PPI分区制信号、BCI分区制信号三类指标进行合成。合成方式采用等权重以及赋予BCI 70% 权重的方法。

结果显示，两种合成方法均有超额收益，等权重下超额收益为11%，折合年化收益为4.0%，BCI权重放大之后，策略收益也有所放大，但较之前的策略敏感性分析中，分区制下的策略收益提升并不多，超额收益相较等权重提升至21%，折合年化收益率为4.8%。

这两类超额收益均远超简单基于同比变化的策略，但低于滤波融合变化速度的择时策略，可能是因为分区制策略基于原序列划分区制而构建，不同序列自身的区制划分都比较粗糙，使得综合后的多空信号不强。

风险提示：一是策略回测模型构建基于历史数据，可能在未来有较大经济冲击或者市场改变时并没有很强的样本外超额效果；二是模型仍有待将各类参数进行敏感性分析，提高策略的稳健性；三是宏观层面货币、经济以及价格周期的代理变量仍有待改善。

[1] http://wuhan.pbc.gov.cn/wuhan/2929354/123527/2786998/index.html

郭磊篇

【广发宏观郭磊】平减指数已逐步回升

【广发宏观郭磊】9月出口表现及其对宏观面的影响

【广发宏观郭磊】8月大部分经济指标均有好转

【广发宏观郭磊】价格周期完成触底

【广发宏观郭磊】8月出口：海外PMI反弹影响下的初步改善

【广发宏观郭磊】PMI数据与宏观面逻辑

【广发宏观郭磊】从与2016年的比较看当前宏观面位置