ERP中枢抬升导致传统的股债性价比模型失效，原因在于其作为一个简化的股债比价指标，无法准确地反映宏观经济基本面的边际变化对资产定价的影响。我们转换视角，从宏观因子的视角构建股债比价框架，进而指导股债配置。宏观因子模型深入到影响资产背后的宏观因素当中，能够及时地反映宏观因素变化对资产价格的影响。我们建立起宏观因子选取和映射关系建立的“三大原则”，包括影响机制稳健性、影响最大化和符合经济学含义三项。股债配置模型并不是追求仅仅通过宏观因子提升对单一资产收益的预测能力，而是尝试回答宏观因素能在多大程度上解释股债相对收益。2015年以来，基于宏观因子的股债配置模型相比ERP模型取得较好的超额收益。2022年4月至2024年7月，宏观因子模型在固收+和股债轮动策略下，分别相较ERP模型取得5.7%和26.5%的累计超额收益。
摘要
历史上，由于A股估值中枢或是利率中枢的变化，共出现过两轮股权风险溢价（Equity Risk Premium，ERP）中枢上移的情况。2011-2014年期间，受全球经济复苏缓慢及国内经济转型的共同影响，经济增速中枢下移，企业盈利下降，A股估值中枢下移导致ERP中枢抬升。2022年至今，房地产下行的大背景下，经济内生动能不足，利率中枢下移推升ERP中枢。
ERP中枢抬升导致股债超额收益与ERP择时信号背离，传统的股债性价比模型失效。ERP配置模型失效的原因在于，其作为一个简化的股债比价指标，无法准确地反映宏观经济基本面的边际变化。通过ERP择时进行股债配置本质上是利用了ERP均值回归的周期特性，存在周期期限偏长和均值中枢移动的问题。当经济基本面出现结构性变化从而导致ERP中枢移动时，老周期标准下的低估/高估可能是新周期下的合理估值，从而使得ERP择时效果减弱。
我们转换视角，从因子而非周期视角对股债进行比价，进而指导股债配置。宏观因子模型穿透股债预期收益的表象，深入到影响资产背后的宏观因素当中，建立起稳健的宏观因子到资产表现的映射关系，能够及时地反映宏观因素的边际变化，更适合短期限下的战术资产择时。我们从理论的角度明确宏观因子与资产价格之间的关系，并建立宏观因子选取和映射关系建立的“三大原则”，包括影响机制稳健性、影响最大化和符合经济学含义三项。具体来看，对于股票而言，信用、增长和通胀具有正向影响，海内外利率具有负向影响。对债券而言，信用、增长、通胀和海外利率均具有负向影响，流动性具有正向影响。
我们建立从宏观因子到资产表现映射关系下的股债配置模型，并不是追求仅仅通过宏观因子提升对单一资产收益的预测能力，而是尝试回答宏观因素能在多大程度上解释股债相对收益。在这个目标下，宏观因子配置模型具备较高的稳健性和容错度。2015年以来，基于宏观因子的股债配置模型相比ERP模型取得较好的超额收益。宏观因子模型下，资产组合回测收益率和夏普比较ERP模型均有显著提高，而结合宏观因子模型和ERP模型的综合配置组合能进一步提高组合收益率。特别的，2022年4月至2024年7月，ERP模型失效时期，而使用宏观因子模型在固收+和股债轮动策略下，分别相较ERP模型取得5.7%和26.5%的累计超额收益。
同时，我们基于宏观因子模型构建月度股债表现打分卡。根据8月最新的打分卡，对股票影响较大的宏观因子是海外利率，美联储降息预期升温，海内外利率回落对股票起到一定的提振作用。对债券影响较大的宏观因子是信用、流动性和海外利率。其中，社融增速放缓和海外利率回落对债券起到一定的提振作用，但流动性边际收紧对债券形成拖累。整体而言，8月宏观因子模型结果显示更利好股票。
正文
2022年以来，ERP择时失效
大类资产配置通过在不同资产之间进行收益和风险的分散，从而达到两者的平衡。常见的大类资产配置集中在流动性相对较好的权益类和债权类资产之间。一个传统的股债配置框架是以股权风险溢价（Equity Risk Premium，ERP）为股债性价比衡量的宏观择时。ERP呈现均值回归的特征，从而对未来的股债超额收益具有一定的领先性。较低的ERP意味着未来权益相比债券的收益吸引力下降，可以减配权益、增配债券；而较高的ERP意味着未来权益相比债券的收益吸引力上升，可以增配权益、减配债券。
2022年以来，传统的股债配置模型开始失效。2022年4月，ERP升至5年滚动80%分位数以上水平，给出超配权益的择时信号。但至2024年7月，沪深300相比国债指数累计超额收益为-30.6%，实际股债超额收益与ERP择时信号背离。本轮ERP中枢上移主要是由于利率中枢下移所导致的。2022年以来，10年期国债利率中枢下移近80bps，进而ERP中枢上移，ERP对未来股债超额收益的预测能力减弱，ERP择时模型失效。
图表1：2022年以来，ERP对股债超额收益预测弱化
注：股权风险溢价为沪深300指数PE倒数减去10年期国债收益率
资料来源：Wind，中金公司研究部
图表2：过去两年利率中枢下移，ERP择时效果弱化
资料来源：Wind，中金公司研究部
ERP择时效果减弱的原因在于其作为一个简化的股债比价指标，无法准确地反映宏观经济基本面的结构性变化。ERP将股票的盈利收益率（E/P）和债券收益率（r）做差，得到一个简化的股债比价指标，但并未深入到影响股债未来收益的基本面因素。因此，当经济基本面发生结构性变化，从而导致股票或债券预期收益中枢移动时，ERP反映的股债比价将出现偏差。历史上ERP共出现过两轮中枢上移的情况，分别出现在2011-2014年与2022年至今。
图表3：2005年以来共出现两轮ERP中枢上移
资料来源：Wind，中金公司研究部
2011-2014年期间，ERP中枢上移主要是由于A股估值（P/E）中枢下移所导致的。从DDM模型可知，估值主要由盈利增速g、贴现率r、及分红比例λ共同决定：P/E=λ/(r-g)。2011年之后，受全球经济复苏缓慢、以及国内经济结构转型的共同影响，国内经济增速中枢下移，企业盈利ROE下滑，股票估值下降成为ERP中枢抬升的关键因素。
图表4：2011-2014年，上证指数估值下移
资料来源：Wind，中金公司研究部
图表5：2011年后，经济增速换挡，盈利中枢下移
资料来源：Wind，中金公司研究部
2022年至今，ERP中枢上移则主要是由于利率中枢下移所导致的。2021年以来，房价触顶回落，居民财富效应减弱，收入信心偏低，消费与投资偏弱。本轮经济修复呈现出需求偏弱、内生动能不足、复苏节奏较缓的特征。房地产下行时期，利率中枢下移，推升ERP中枢。
图表6：房地产的顺周期特性
资料来源：Wind，中金公司研究部
图表7：房地产下行，利率中枢下移
资料来源：Wind，中金公司研究部
通过ERP择时进行股债配置，本质上是利用了ERP均值回归的周期特性，存在周期期限偏长和均值中枢移动的问题。当ERP上升超过临界阈值时，股票进入“低估”周期，增配股票并随着ERP的周期性修复获得超额收益；当ERP下降超过阈值时，股票进入“高估”周期从而减配股票。从这个角度看，利用ERP进行择时与美林周期下的资产轮动都是周期视角，均面临着周期择时期限偏长的问题。一个典型的完整ERP周期短则3年、长则5年，在实践中可以认为是战略资产配置的期限，远超战术择时的期限概念。更重要的是，经济基本面的结构性转变可能会导致股市估值或利率中枢的移动，进而使得ERP中枢变化。因此，仅仅通过追踪ERP本身可能会忽视经济基本面对股债定价的影响。当ERP中枢发生变化时，老周期下的低估/高估可能是新周期下的合理估值，ERP择时效果减弱。
股债配置的宏观因子视角
我们转换视角，从因子而非周期的视角对股债收益比价，并进行股债之间的择时配置。我们穿透股债预期收益的表象，深入到影响资产背后的宏观因素当中，建立起稳健的从宏观因子到资产表现的映射关系，并根据宏观因子变化所反映的股债收益比较进行择时。相比于ERP择时，因子视角能够及时地反映宏观因素的边际变化，把握宏观因素变化对资产定价的影响，更适合短期限下的战术资产择时。
因子视角下股债配置方法包括了宏观因子选取、指标处理、映射关系构建等步骤。一般而言，为定量地建立从宏观经济到资产表现的映射关系，首先需要宏观因子的选取和构建。常见的宏观因子构建方法包括了宏观变量法、主成分分析法（PCA）、动态因子模型（DFM）、因子模拟组合（FMP）等方法。其次是如何对宏观因子和资产进行指标处理。简单来说，宏观因子与资产表现的对应关系是水平值还是变化值？领先滞后关系如何？我们需要同时从理论和实践中寻找答案。最后是如何建立宏观因子与资产表现之间的映射关系。既要考虑经济学意义，也要使用相应的计量模型，包括简单线性回归、带有变量筛选的线性回归等。
现有研究多将重点放在了如何构建宏观因子上，模型运用和底层指标都颇为复杂，但这只是因子视角下股债配置的第一步。事实上，没有完美的宏观因子。但宏观因子与资产表现的映射关系是相对稳健的，直接影响当前宏观因素对资产的影响，值得更多的重视。另外，宏观因子与资产之间映射关系的经济学含义也容易受到忽视，可能出现回归结果或许在统计上显著，但缺乏经济学意义。
与此前的研究有所不同，我们将重点放在建立起宏观因子和资产表现的稳健函数关系上，而非着力于函数输入参数（宏观因子）的测算与优化。首先，我们直接使用宏观经济指标作为宏观因子变量，其优点是经济学含义简单直接，可以利用成熟的模型进行预测。同时，我们从理论的角度明确宏观因子与资产价格之间的关系，并建立宏观因子选取和映射关系建立的“三大原则”，包括满足影响机制稳健性、影响最大化和符合经济学含义三项。最后，利用简单的多元线性回归模型构建宏观因子与资产表现之间的映射关系，并进行股债配置的策略回测。
因子选取
目前，实践研究中关注的宏观因子大同小异，因子数量从3个到7个不等，较具共识的因子包括增长、信用、通胀、利率、流动性等等。具体而言，我们分别对股票和债券选取对应的因子，其中影响股票的宏观因子包括增长、通胀、信用、利率和海外利率，影响债券的宏观因子包括增长、通胀、信用、流动性和海外利率。主要的区别在于对于股票考虑国内利率的影响，而对于债券考虑流动性的影响。
指标处理
宏观因子对资产表现的影响机制是复杂的，但我们的目标是建立一段时期内相对稳健、显著、合理的宏观因子对资产表现的映射关系，从而可以较好地对股债收益进行可靠的短期预测。因此，我们提出宏观因子具体指标筛选的“三大原则”：稳健性原则、影响最大化原则和经济学意义原则。
第一，影响机制稳健性原则。
我们要求宏观因子对资产的影响机制具有一定的稳健性。具体的，我们将2005年以来的时期划分为2005年至今（全样本），以及2015至今（子样本）两个样本，并要求宏观因子指标对资产的影响在两个样本期内一致。一方面，考虑到我们对股债均选取5类宏观因子进行拟合，根据回归的一般原则，每一个变量至少需要15个左右的观测点。因此，回归的样本时期在月频数据下应该在8年以上，即约从2015年起至今。另一方面，2015年前后中国经济和资本市场出现了较为明显的结构性变化。首先，2015年前后我国经济进入增速换挡期，GDP实际增速在2015年之后趋势性进入新阶段。其次，从市场来看，2015年之后，股票和债券市场的收益波动性都出现了明显的下降。从这两方面考虑，我们以2015年为划分，分别考察两个样本时期宏观因子对资产表现的影响。
图表8：2015年后国内经济开始降速换挡
资料来源：Wind，中金公司研究部
图表9：2015年之后市场波动性大幅下降
资料来源：Wind，中金公司研究部
第二，影响最大化原则。
我们要求筛选出的因子对资产的影响最为显著，该原则可以在宏观因子候选指标中确定影响最大的指标，同时确定指标与资产表现的领先滞后关系。我们的基准是T月的资产收益对应T月的宏观因子，如果T月的宏观因子对T月的资产影响最大，则记为同期；如果T月的宏观因子对T+1月的资产收益影响最大，则记为宏观因子领先资产表现1期。这仅仅起到时间轴标记的作用，但同时也具有一定的合理性，当前经济高频数据可以对经济指标进行良好的跟踪与预测，市场交易不必一定要等到真实数据公布才开始。
第三，影响机制的经济学意义原则。
我们要求宏观因子对资产影响的机制与经济学意义相一致。一个常见的误区是，将宏观因子指标同比与资产价格同比相对应，其背后隐含的含义是宏观因子的变动将带动资产价格的变化，但事实上可能并非如此。根据资产定价的DDM模型，资产价格是资产未来现金流的折现值，以股票为例：
V为当期价格，Dt为未来股利，r为折现率。进一步来看，如果假定股利支付率λ为常数
其中，Et是名义盈利Et=QtPt，Qt为数量，Pt为价格，q和p是实际增长和通胀。最终，
股票价格V是实际增长q、通胀p和折现率r的函数。即，股票价格本身就对应着增长和通胀。对未来增长和通胀的增长预期已经反映在对当前的价格之中，那么资产收益则应该对应着增长和通胀的变化情况。
具体来看，对于股票而言，信用、增长和通胀具有正向影响，海内外利率具有负向影响；对债券而言，信用、增长、通胀和海外利率均具有负向影响，流动性具有正向影响。其中，可能有争议的是通胀对股票的影响机制。理论上，折现率本身是通胀的函数，存在通胀上升-加息-折现率上升的传导机制，所以可能产生通胀与股票负相关的直觉认识。但实际上，货币政策并不是通胀的同步函数，其中存在时滞，通胀上升更多是带动企业盈利的改善，因此通胀对股票的影响是正向的。另外，货币政策和折现率同时也是增长的函数，如果认为通胀和股票是反向的关系，那么同样的逻辑增长也应该推导出增长和资产是反向的，这显然是不合理的。从数据来看，通胀上行时期股票表现明显好于通胀下行时期。最后，通胀对股票收益具有阈值效应，在阈值之下，股票收益与通胀正相关，当通胀超过阈值时，股票收益开始下跌。具体而言，2015年至今，当PPI同比超过4%时，沪深300的收益开始下降。但2015年以来，通胀低于4%的时期占比接近70%。因此，我们重点考虑通胀对股票收益的提升作用，而不考虑阈值效应。
图表10：通胀变化与股票收益正相关，与债券负相关
注：样本区间为2015年至2024年6月，通胀指标为PPI同比
资料来源：Wind，中金公司研究部
图表11：通胀对股票收益具有阈值效应
资料来源：Wind，中金公司研究部
根据上述“三大原则”，我们针对股票和债券筛选出宏观因子下相应的具体经济指标如图表12所示。首先，所筛选的宏观因子对资产收益的影响与经济学理论是一致的，从侧面说明我国资本市场对经济运行反映的有效性，以及上文所述指标处理方式的合理性。其次，大部分指标对资产影响最显著的时期普遍在当期或是领先1期，也就是在经济指标发生时期、或是数据公布时期。对于股票而言，信用具有一定的领先性，对于债券而言，增长具有一定的领先性，对两者而言，美债利率均领先1期。对于股票而言，信用的领先性较容易理解，因为信用扩张本身即为领先指标。美债对于股票和债券的价格影响均有一定的领先性，可能在于跨境资本流动的滞后，从而使得资产对海外因子的反应存在一定的时滞。
图表12：“三大原则”下宏观因子指标筛选结果
注：T月宏观数据与T月资产表现记为同期，领先期数表示宏观数据领先资产表现月数
资料来源：Wind，中金公司研究部
映射关系
在确定宏观因子指标选取与领先滞后关系后，我们将资产表现作为因变量，宏观因子（含常数项）作为自变量，通过简单的多元线性回归构建宏观因子对股债表现的映射关系。具体来看，信用因子对股债收益的影响在2015年之后均有明显的提升。在2015年之后，经济增速趋于平缓，信用因子作为经济运行变化的领先指标指示意义增强。特别是2012年之后开始公布社融的月度增量数据，2016年起公布社融月度存量数据，信用指标获得了更大的关注度，对市场影响增强。这与我们在《反推中国资产的宏观主线》观察到的，在房地产上行时期，信贷脉冲是股债等大类资产收益较好的领先指标的现象是一致的。对股票而言，通胀在2015年之后对股票表现的影响大幅提升，主要是因为在2015年前后，通胀对资产的影响出现了指标切换。2005-2014年CPI对股票呈现明显的正向影响。而2015年之后，CPI增速平稳，PPI成为影响股票的通胀指标，因此我们选取PPI作为2015年之后的通胀因子指标。对债券而言，流动性在2015年之后对债券表现的影响上升，主要是在2015年之后，流动性作用的领先性有所加强。如果使用当期的流动性指标，则在不同时期内均对债券具有正向影响。但在2015年之后，流动性当期影响弱于领先2期，考虑到影响最大化的原则，我们使用流动性的领先2期作为最终指标。从结果上看，宏观因子对资产表现具有较好的拟合度，整体预测胜率约为权益65%、债券70%，较高的预测胜率使其收益预测可以作为股债配置择时信号。
图表13：宏观因子对股票收益的影响
资料来源：Wind，中金公司研究部
图表14：宏观因子对债券收益的影响
资料来源：Wind，中金公司研究部
图表15：宏观因子模型股票预测胜率逾6成
资料来源：Wind，中金公司研究部
图表16：宏观因子模型债券预测胜率逾7成
资料来源：Wind，中金公司研究部
同时，我们将多元回归中的常数项系数解释为情绪、技术因子对股债收益的影响。所谓情绪、技术因子，是指在排除宏观因子对资产收益的影响后，市场对资产收益定价的中枢，主要反映了微观因素（包括如资金流动、市场情绪等技术因子）对资产收益的影响。
具体来看，对股票而言，2022年至今情绪、技术因子共经历三个阶段的变化：2022年，股票情绪、技术因子大幅波动，分别在2022年4月和10月出现阶段性低点，与疫情防控政策的阶段性调整相对应；2023年，股票情绪、技术因子整体保持平稳，意味着影响股市收益的微观因素并未发生结构性变化，2023年股市收益欠佳更多是由经济基本面因素的变化所驱动的，另外一个可交叉印证的数据是2023年ERP同样较为平稳，同样证明市场情绪较为稳定；2024年以来，股票情绪、技术因子经历了先下后上的过程，年初受流动性冲击影响，市场情绪较为低迷，但随着证监会主要领导调整、股市利好政策频出，市场情绪改善，股票情绪、技术因子有所回升。但5月以来，股票情绪、技术因子边际有所下滑。
对债券而言，2022年至今情绪、技术因子同样大致经历三个阶段的变化：2022年，国债情绪、技术因子整体稳定，虽然国内经济受到疫情冲击，但国债定价的微观因素并未发生显著变化，国债收益仍然受宏观因素的主导；2023年1季度，在疫情防控政策优化、经济复苏预期下，国债情绪、技术因子中枢有所下滑；2023年2季度至今，国内经济复苏节奏较缓，市场风险偏好下降，对安全资产需求增加，国债价格走高，情绪、技术因子抬升。尤其是2023年年末至2024年年初，国债情绪、技术因子上升斜率进一步加快。在经历了2024年3月至5月的震荡企稳后，6月以来国债情绪、技术因子再度回升，显示市场风险偏好边际有所回落。
图表17：股债情绪、技术因子对比
资料来源：Wind，中金公司研究部
图表18：2023年ERP整体较为平稳
资料来源：Wind，中金公司研究部
最后，自2022年以来，股债收益的宏观因子预测模型系数除美债收益率对股票的影响程度有所下降外，整体保持稳定，证明了在一定时期内，通过“三大原则”筛选出的宏观因子对资产表现影响机制具有较好的稳健性。我们从宏观因子的视角建立股债配置模型，并不是追求仅仅通过宏观因子实现对单一资产收益的预测能力，而是尝试回答宏观因子能在多大程度上解释股债相对收益。在这个目标下，宏观因子模型具备较高的稳健性和容错度。
图表19：2022年4月以来宏观因子对股票收益的影响
资料来源：Wind，中金公司研究部
图表20：2022年4月以来宏观因子对债券收益的影响
资料来源：Wind，中金公司研究部
策略回测与打分卡
策略回测
我们共设计两类股债配置策略进行回测。第一类为固收+策略，其核心是以固收打底、权益增厚，股票低配时权重为0%，增配时权重为20%。第二类为轮动策略，即传统的股债轮动, 股票低配时权重为0%，增配时权重为100%。在两类策略中，我们分别对基于宏观因子的配置模型、ERP择时模型、以及综合了宏观因子和ERP择时的模型回测结果进行比较。
1. 宏观因子模型：当宏观因子模型预测未来一个月股票收益高于债券时，增配权益，减配债券；反之则减配权益，增配债券。
2.ERP择时模型：当ERP向上突破5年滚动80%分位数时，增配权益，减配债券，并保持直至新的调仓信号出现；当ERP向下突破5年滚动20%分位数时，减配权益，增配债券，并保持直至新的调仓信号出现。
3.综合配置模型：我们以宏观因子模型为基准，在因子模型配置信号下，如果ERP显示减配股票，则维持因子模型配置策略资产权重；如果ERP显示增配股票，则相应进一步调高股票配置权重。
实时回测中，我们对宏观因子的输入进行相应调整。从图表12的宏观指标领先滞后关系可知，对T月股债收益的预测需要T月的通胀因子变化值。实际中，在T月初可得的通胀因子数据只有T-1月的通胀预期值和T-2月的实际公布值。考虑到通胀较好的自相关，且高频数据质量较好，预测误差较小，因此在实时预测时，我们采用T-1月通胀预期和T-2月的通胀实际值变化情况。类似的，对T月债券的收益预测需要T-1月的信用因子变化值。在T月初可得的信用因子数据是T-2月的变化值，在实时预测时，我们使用该数据进行债券收益预测。
自2022年起，我们使用自2015年以来每个月实时可得的历史数据进行滚动回归，并利用回归模型进行股债收益预测和策略回测[1]。具体回测结果如图表21至图表23所示。整体来看，自2015年至今，基于宏观因子的股债配置模型表现好于ERP模型，综合配置模型相比宏观因子模型在提高组合收益的同时也抬高了组合风险，夏普比与宏观因子配置模型基本持平。
具体来看，在固收+策略中，2015年1月至2024年6月，使用宏观因子预测模型动态调整股债配置的组合平均年化收益为6.4%，高于ERP择时配置模型下的5.1%，而综合了宏观因子和ERP模型的组合收益率进一步提升至6.7%。宏观因子模型组合波动率与ERP模型基本持平，最大回撤下降2.6%，夏普比相较ERP模型的2.3显著改善至3.8；综合模型的组合波动率和最大回撤相较宏观因子模型小幅上升，夏普比小幅下降。
在股债轮动策略中，由于权益资产的大比例配置，组合收益整体高于固收+策略，组合波动率和最大回撤也相应上升，夏普比小幅下降。宏观因子模型组合平均年化收益在轮动策略下为14.1%，高于ERP择时配置模型的7.5%。宏观因子模型组合波动率相比ERP模型下降0.7%，最大回撤大幅下降12.6%，夏普比相较ERP模型的1.2显著改善至3.5。
如果仅考虑2022年4月至2024年7月ERP模型时效期间的情况，宏观因子模型在固收+策略下录得12.7%的累计收益，相比ERP模型的7%具有5.7%的累计超额收益；在股债轮动策略下录得8.1%的累计收益，相比ERP模型的-18.5%具有26.5%的累计超额收益。
图表21：2015年以来固收+策略净值对比
资料来源：Wind，中金公司研究部
图表22：2022年4月以来固收+策略净值
资料来源：Wind，中金公司研究部
图表23：策略和模型回测结果对比[2]
资料来源：Wind，中金公司研究部
股债宏观因子打分卡
在上述模型基础上，我们针对股债未来表现设计宏观因子打分卡，直观定量的展示当前宏观经济因素对于大类资产的影响幅度和方向。传统资产打分卡普遍采用的做法是将驱动因素对资产的影响幅度进行排序。基于上述定量分析框架，我们在宏观因子影响资产表现幅度的基础上，进一步补充宏观因子对资产影响的方向。因此，我们既可以直观地了解宏观因子对资产影响的大小，也可以了解其对资产表现影响的方向。具体的，我们依据宏观因子和影响系数确定宏观因子对资产的影响，并将各宏观因子的影响依据幅度和方向排序后，标准化至-5或5的范围内，数值越大表示该因子在当期对资产表现的影响最大。
根据模型预测，2024年8月，对股票影响较大的宏观因子是海外利率，美联储降息预期升温，海内外利率回落对股票起到一定的提振作用。对债券影响较大的宏观因子是信用、流动性和海外利率。其中，社融增速放缓和海外利率回落对债券起到一定的提振作用，但流动性边际收紧对债券形成拖累。整体而言，8月宏观因子模型结果显示更利好股票。
近期，美国通胀进一步放缓，失业率小幅上升，货币政策关注重点从聚焦通胀转向通胀和劳动力市场并重，预防式降息预期升温，7月10年期美债利率回落27bp，对国内大类资产形成提振。另一方面，国内有效需求仍需提振，7月增长保持弱复苏态势，通胀小幅改善，但未来进一步改善的幅度仍需积极的货币和财政政策支撑，增长和通胀对股债的影响边际趋弱。此外，受“打击空转”和金融“挤水分”的影响，M2增速下滑，流动性边际收紧，对债券形成拖累。综合来看，8月宏观因子预测模型配置建议显示增配股票，减配债券。
图表24：基于宏观因子模型的股债表现打分卡
注：打分卡得分基于股票与债券回归方程各分项而得。首先，分别将股债最终预期收益标准化至-5至5区间内。其次，影响股债收益的最大分项分别被标准化为±5。再次，根据各分项对股债最终收益的影响幅度排序并分别赋分。最后，保证股债各分项得分与回归方程原始数值排序一致、符号方向一致、分项得分加总与总得分一致。
资料来源：Wind，中金公司研究部
[1] 2022年之前的模型使用2015年至2022年的全样本数据。
[2] 回测样本区间为2015年至2024年6月，其中固收+策略下，股票权重在低配和高配情形下分别为0%和 20%；股债轮动策略下，股票权重在低配和高配情形下分别为0%和 100%。
文章来源
本文摘自：2024年8月4日已经发布的《从周期到因子：一个新的股债配置框架》
于文博 分析员 SAC 执证编号：S0080523120009
张峻栋 分析员 SAC 执证编号：S0080522110001 SFC CE Ref：BRY570
张文朗 分析员 SAC 执证编号：S0080520080009 SFC CE Ref：BFE988
法律声明
