重塑资产配置“时钟”：经济预期与宏观流动性——数说资产配置研究系列之二

炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

1.资产配置的主线变化：第二主因从通胀转向流动性

1.1 战术资产配置框架面临挑战

今年以来，新冠疫情在全球范围内的持续扩散对资产配置产生了深刻的影响，以美股3月大幅下跌的时段为例，2月最后一周至3月，全球资产的相关性出现了快速的上升，原本相关性较低的不同地区、不同板块资产多次出现大幅度的通胀同跌现象：

在3月全球权益市场大幅下跌期间，美国的债券市场同样出现了很大的波动，“流动性挤兑”成为了当时广受关注的话题：权益市场下跌引起的保证金需求造成流动性短缺，债券、黄金等资产同步下跌。而从3月至今，全球范围的疫情仍未结束，虽经济复苏尚不确定，但标普500在4到9月的累计涨幅超过30%；发达国家流动性持续宽松，多国走向“零利率”，债券生息资产的属性似被颠覆。种种现象对以美林时钟为代表的传统战术资产配置框架提出了更多的挑战。

虽然传统的美林时钟基于战术资产选择，桥水著名的全天候策略基于宏观环境对冲思想，两者看待资产配置的角度全然不同，但两者都以经济增长和通胀为核心变量。若我们使用国内的工业增加值同比和CPI同比数据经过HP滤波划分美林时钟，发现2013年以后数据逐渐平稳、时钟难以识别，尤其是在2013年至疫情前数据的波动很小，根据时钟配置股票、商品、债券资产的策略效果也较差：

图3中按照美林时钟配置的策略对每个象限看好的资产配置的权重较高，但年化收益不到5%，波动也较大，最终相比等权组合的超额收益较小，说明时钟策略选择资产在中国市场的有效性相对较差。

1.2 共同因素提取：宏观流动性逐渐替代通胀

近年来全球宏观环境不断变化，美林时钟在中国市场效果也一直较差，无论从国内还是全球市场的角度，影响战术资产配置的核心宏观变量似乎正在发生变化。对此，我们尝试使用主成分分析的方法，提取影响我国不同大类资产收益波动的主要共同因素。我们使用沪深300、中证500、黄金、南华商品指数、中证国债、中证企业债6个指数自2008年12月至2020年9月的收益率组成我国主要大类资产的收益率矩阵，分季频、月频提取主成分，此举可帮助我们观察我国大类资产走势的核心影响变量。首先，我们对季频收益率提取主成分，并将转换后的第一主成分收益率的波动调整至与沪深300指数一致，发现第一主成分的净值序列——即影响我国资产走势的第一共同因素与GDP同比呈现出了很强的相似性：

由于2020年受疫情影响的数据和此前波动差别较大，我们将2020年三个季度的数据单独绘制，发现GDP同比数据的变化方向同样与第一主成分波动方向高度一致。整体而言，季频第一主成分对多资产波动的方差解释占比达45%，占据绝对优势，说明我国大类资产波动的第一共同解释因素恰为经济的变化。

类似的，我们再观察第二主成分的情况。我们对月频收益率提取主成分，并将转换后的第二主成分收益率的波动调整至与沪深300指数一致，并与CPI同比数据进行比较：

从相似性来看，2010~2014年通胀波动和第二主成分还有一定相似性，但其余时段的相似性很低，方向也不确定，说明通胀并不完全是我国大类资产波动的第二解释因素；如果再比较第二主成分和利率的情况，则相似性在2013年起有明显提升：

可以看到，对于我国资产的波动来说，通胀始终较难成为第二大解释因素，而国债收益率所代表的宏观流动性的变化一直有一定影响力，且这一相关性似乎正在逐渐提升。我们观察各资产在两个共同因素上的暴露，其方向、强弱与经济学逻辑上的资产与经济、流动性的相关关系相符：

值得注意的是，国债收益率与宏观流动性并不完全等价，但短期国债收益率受信用、期限的影响小，对宏观流动性的反映程度高，因此此处我们认为第二共同因素即是宏观流动性变化，第三章节中我们将对这一问题进一步讨论。此外，国债收益率天然地直接影响债券的表现，但我们看到权益资产在这一因素上的暴露甚至高于债券，说明流动性对于权益的影响不容小视。

事实上，流动性与资产表现高度相关、取代通胀成为第二大影响因素的现象可能也与央行积极通过货币政策调节经济、通胀有关：在传统的货币方程下，当货币流通速度变化不大时，货币量成为影响经济增长和通胀周期的关键因素。央行希望通过主动的对货币供应量、利率目标的调节达到稳定经济增长、平稳物价的效果，降低经济周期的自发波动，图2经济、通胀数据波动的降低也说明了调节行为的作用。正是在这样频繁的调节参与下，流动性变化逐步成为影响我国资产表现的第二大共同因素。我国央行资产负债表总规模与GDP、CPI同比变化如下：

虽然由于我国央行资产负债表的结构与美国不同，存款准备金率也是重要的调节工具，因而其扩张与收缩并不直接代表扩张与紧缩的货币政策，但负债表总规模的波动依然体现了货币政策参与调节的频繁。关于央行资产负债表与宏观流动性的具体关系，我们将在第三章节中进一步展开。

另外我们从图4-9中也能看到A股2008年后两轮大级别上涨的核心驱动因素分别来自这两个因子：

1） 从图4可见，2009年起A股的上涨由经济复苏驱动

2） 从图9可见，2014年起第二共同解释因素与利率同步快速下行，而A股在该因子上的暴露为负，即A股该阶段的快速上涨由宏观流动性驱动

由此可见，虽然利率代表的宏观流动性天然影响债券的价格变化，但这一因素同样对A股产生了较大的影响，这进一步体现了经济和宏观流动性这两个核心宏观变量在中国资产配置中的重要性。下面部分中，我们将进一步讨论两个变量如何影响我国资产配置，并进行相关测试与组合构建。

2. 经济变化仍是战术资产配置的基础

2.1 同步相关性：预期引导资产波动

从第一部分中我们看到，GDP同比数据的波动与我国资产配置的第一共同因素在过去十多年中都体现了很强的相似性，说明经济的变化依然是决定我国资产大级别波动的基础。同时，我们也可以观察第一共同因素与GDP同比变化方向的领先滞后关系，两者的同期相关性最高，说明经济数据在公布之前已经通过预期的形式反映在资产波动中：

若进一步各资产收益与GDP同比变化方向的一致性，也可以看到二者同期一致性较强，若计算滞后一致性，权益资产的一致性甚至不足50%，说明公布经济数据时其影响往往已经反映在历史收益中，若根据公布数据的方向判断资产表现，方向错误的概率较大：

在表2的测算中，我们针对GDP方向不变的情况做出了一定调整：若本期方向不变，上期下降，则本期视为上升，反之亦然。

从上面的测算可见，经济数据与各大类资产收益方向同期一致的频率较高，说明我国大类资产季度的收益波动很大程度上包含了市场对当季度经济状况的一致预期，市场对经济变化的反应较快，有效性较强。若我们需要通过经济的变化来判断资产的配置顺序，则需要我们对经济的变化方向有所预判。

2.2 经济前瞻指标构建

事实上，宏观经济的领先指标无论在宏观领域还是其他领域的研究中都是一个重要的话题，若能找到合适的领先于GDP数据的其他经济高频变量，则我们就能借用前面的结论给出季度的资产配置基础观点。对此，我们结合OECD领先指标中的参考指标和我国宏观数据体系，考察以下关注度较高的月频宏观指标，主要涵盖采购经理调查性指标PMI、工业企业利润、进出口、投资、消费、就业、发电量等生产代表指标、汽车生产销售数据：

我们采用定量的方式进行筛选，对每个指标计算以下信号：

1） 计算季度开始前n个月指标相对于k个月前的变化方向；

2） 计算季度开始前n个月指标相对于k个月均线的方向。

进行批量计算后，我们在2013年第一季度至2018年第四季度之间计算信号对次季度GDP同比变化方向的判断胜率，最终筛选出9个指标存在胜率在65%以上的信号，我们将各指标对应的有效信号平均，再将各指标各自的信号加总，形成最终经济前瞻信号。

此外，在2.1的测试中，我们发现对于债券资产来说，经济数据对其影响更偏向长时间维度：当年度GDP同比变化方向与债券收益方向相反的频率较高。因此，我们也使用类似的量化方式尝试构建年度经济前瞻信号。季度、年度经济前瞻信号的有效指标列表如下：

季度前瞻信号与GDP同比的变化情况如下：

2020年第三季度末，季度经济前瞻信号给出第四季度的信号仍为正，即经济仍将继续复苏，具体的指标情况如下：

站在2020年第三季度末，采购经理指数类的指标都明显向好，经济继续复苏的预期较强；工业企业利润和基础生产要素需求基本持平或小幅下降，提示复苏力度仍需进一步观察；而汽车的生产销售数据有了明显的上升。

年度经济前瞻信号情况如下：

可以看到，季度信号对经济较小的波动也能有一定识别，样本外2019年有转向复苏迹象的判断也较为准确；年度信号对较长维度的经济复苏有一定识别能力，指标在2019年末判断2020年将迎来复苏。不过，在突发疫情的冲击下，经济数据受到了较大的冲击，前瞻信号的有效性有所减弱。事实上，量化筛选的指标能够帮助我们形成系统化观点，也能方便我们进行历史数据的回溯，但在突发事件发生、一致预期的观点发生明显变化时，我们可直接使用主观调整后的观点。

2.3 将经济战术观点与不同风险偏好结合

结合2.1、2.2的测试结论，我们可尝试通过经济前瞻指标给出资产观点，并通过BL模型将观点与一定的风险偏好结合。具体方式思路如下：

我们主要通过经济观点每季度对各资产的长期平均月度收益进行调整，从而在维持目标波动的长期战略基准下加入经济的战术观点。由于我们的经济前瞻信号为数值指标，我们根据信号值的分布，当季度信号在-2.5~1之间、年度信号在-5~0之间视为信号不强烈，不对资产收益做调整。以沪深300、中证500、黄金、南华商品、中证国债、中证企业债为配置对象的组合表现如下：

可以看到，加入经济的观点后，组合的实际波动率变化不大，仍然维持在目标附近，而组合的收益和夏普率都有较为明显的提升。激进型组合的净值如下，可以看到，加入经济观点后的组合收益在2016起的超额收益更为明显：

除了以上大类资产，美股也是我们在配置中常用的资产类别，而从前面表1的因子暴露来看，黄金受我国经济的影响也较弱，因此我们尝试使用美国OECD领先指标的方向来判断美国次季度的经济，给出黄金、美股的观点。由于OECD领先指标滞后两个月公布，因此我们使用季度开始前2个月的指标给出信号，指标上行则调高美股预期收益、调低黄金预期收益，结合后的组合表现如下：

同样的，加入观点后组合波动率仍然维持在目标附近，而组合的收益和夏普率都有了更明显的提升，平衡、激进组合的收益提升程度都在2个百分点以上。激进型组合的净值如下：

3.流动性的影响变迁：货币政策工具的丰富

从第二章的结果来看，加入对经济的前瞻判断后，各波动率水平下的组合表现都有了明显的提升。但一方面，从共同因素拆解的结果来看我国主要大类资产有25%左右的方差由流动性解释，2014-2015年权益市场的上涨、2016年债券市场的下跌都与流动性有密切的联系；另一方面，经济数据的频率较低，宏观流动性的变化频率可能高于经济状况。因此，我们进一步尝试叠加流动性对资产的影响。

3.1 货币政策中介目标的转变：从数量型转向价格型

2017年以前，我国货币政策中数量型中介目标的权重较高，央行货币政策执行报告中M2、社融增速有较明确的数值目标，央行根据货币方程，通过调节货币的量控制经济增长和通胀。但随着近年来金融创新的推进、表外理财业务的发展等，实际货币数量的可控性减弱，通过货币数量调控的效果也明显减弱。因此，我国政府、央行近年来也不断提出从数量型的调控工具转向价格型工具，以保持稳定利率为中间调控目标。

随着货币政策中介目标的转变，对于权益市场来说，我们也发现市场关注的点出现了一定的从货币的量到价的转变：我们以M2、1年期国债收益率指标分别构建信号进行简单的择时测试：当M2同比增速/1年期国债收益率分别高于6个月均线/低于12个月均线时次月持有沪深300，发现市场在2008~2012年的行情中对M2的变化较为敏感，而此后M2同比增速持续回落，市场对利率的敏感程度明显提升：

2014年下半年的上涨中，短端利率与A股呈现高度相关，此现象一定程度上反映了A股投资者对宏观流动性的关注也从货币的量逐步转向了货币的价。为了利用流动性与资产的关系，我们以1年期国债收益率、1年信用债收益率、10年期国债收益率与各自12个月均线的关系构建宏观流动性的市场表征指标：3个指标至少2个低于均线时视为流动性宽松，否则视为流动性收紧，两种状态下各资产2013~2020年9月的平均月度收益、月度上涨概率如下：

股债资产在货币宽松状态下的收益都体现了与货币紧缩状态下的差异，这一特征与美国市场2008年金融危机之后推行量化宽松政策、带来股债双牛的现象类似。

3.2 权益市场对货币政策工具较敏感

不过，虽然从图19来看，利率的趋势性较强，利用均线判断利率水平进而指导股债配置能起到一定效果，但利率与市场仍体现了较强的同步性。因此，若要更好地使用流动性来指导资产配置，我们希望找到辅助利率进行宏观流动性判断的指标。

为了更好地执行并传导货币政策，央行自2013年起创设了较多的新型货币政策工具，我国当前货币政策工具包括公开市场业务、存款准备金、中央银行贷款、利率政策、常备借贷便利、中期借贷便利、抵押补充贷款和定向中期借贷便利，其他货币政策工具还包括短期流动性调节工具、临时流动性便利：

以上货币政策工具中，公开市场操作、SLF、MLF等都通过投放形式影响货币量，进而影响银行间资金的松紧程度，再进一步体现在利率上，而SLF、MLF投放的利率水平则直接体现利率调控。央行正是综合使用了一系列的货币政策工具来整体把控我国的宏观流动性。

从流动性对权益市场的影响逻辑来看，央行通过上述货币政策工具直接影响银行间市场的流动性，从而影响融资、企业经营和居民消费，对权益市场的影响相对间接，其主要可能通过以下逻辑影响权益市场：

1）宽松的政策支持经济复苏，企业后续盈利预期提升；

2）股票相对债券的股权风险溢价提升，权益资产吸引力提升；

3）大规模的流动性投放在支持实体经济的同时增加了权益市场的资金；

4）市场表现较差时，央行的主动宽松释放了积极信号，提升市场情绪。

从全球央行近年的宽松政策来看，这一传导链正在被更多的权益投资者所接受，因而提升了流动性对全球权益市场的影响。

事实上，随着货币政策工具的多样化，权益市场也时常受到快速的流动性扰动，而各种投放流动性的形式也常被视为“放水救市”的信号，我们选取部分案例如下：

2016年以前，尤其是2014-2015年权益市场大幅上涨、下跌期间，无论是驱动2014年开启的上涨，还是后续下跌中释放刺激经济发展、维护市场稳定的信号，降息降准的货币政策都对市场带来了较多的影响。2015年下半年至2016年初权益市场表现低迷，央行多次降息降准，流动性投放对市场常起到稳定情绪的作用。而从2016年以后，随着新型货币政策工具使用的增多、央行投放流动性的方式增多，市场受公开市场操作、SLF、MLF等投放变化的影响也更大，不再局限于以往的降息降准。

为了观察主动的货币投放对权益市场的影响、与市场的关系，我们尝试使用公开市场操作、SLF、MLF、TMLF、PSL的净投放来衡量货币投放，观察权益市场对货币投放变化的反应。在计算净投放时，我们发现滚动三个月的数据对货币环境变化的反应较快，同时也能避免一些异常数据，因此，对于公开市场操作，我们取过去三个月的净投放加总，对于SLF、MLF、TMLF、PSL，由于公布时滞，我们取上月月末相对三个月前的余额差值，将数据加总后变化如下：

这一测试方法能有效避免因信号波动而带来的频繁调仓，对信号的检验能力更强。我们将货币净投放指标用于沪深300择时测试后发现效果较为明显：

从这一择时中我们进一步印证了权益市场对宏观流动性的敏感性，货币政策取向的改变能较快地传导向权益市场，市场对各种新型货币政策工具带来的货币变化也较为敏感。此外，货币投放变化提供的信号有时与利率有一定差异，能带来一定增量信息。

3.3 从央行资产负债表看宏观流动性变化

虽然我们在包含公开市场操作、SLF、MLF等工具的货币总投放数据上看到了其对权益市场的影响，但从货币投放数据本身来看央行对货币政策工具整体的使用来看，货币投放还与外汇占款、财政支出、货币发行等相关联，实际流向银行体系并进一步进入市场的货币可能与净投放有一定出入。事实上，公开市场操作、SLF、MLF等工具投放的货币在央行资产负债表的“对其他存款性公司债权”中都有所体现，因此我们进一步将货币投放放到整个银行流动性体系中，从央行资产负债表中寻找线索，进一步探索更全面衡量宏观流动性变化的指标。

央行的资产负债表共有六个资产大项、七个支出大项，我们列出主要项目名称和其在2020年9月报表中的规模、占比情况：

各项目2010年以来的变化如下：

资产端中，占比较大的项目为外汇占款、对其他金融性公司债权；负债端中，占比较大的项目为货币发行、其他存款性公司存款、政府存款。从资产端看，2015年以前，外汇占款快速上升，而2015~2016年外汇占款受人民币汇率的影响而下降，央行主要使用货币投放对冲这一影响、补充基础货币，对其他存款性公司债权占比提升。从负债端看，货币发行存在明显的季节性，其他存款性公司存款指法定准备金和超额准备金，而政府存款、其他负债也与货币投放挂钩，有一定波动。

降准时，央行资产负债表项目并不发生改变，但法定存款准备金减少、超额准备金增多，银行体系中可用的资金增加，流动性宽松；若货币投放增加而政府存款也在增加时，银行体系的超额存款准备金未必增加，流动性没有明显的变化。可以看到，公开市场操作等货币政策工具仅代表流动性投放的一个角度，银行体系资金的宽松程度可由超额存款准备金更全面地反映。根据央行的表述，超额存款准备金是金融机构流动性最强的资产，其数额和比率一定程度上可以反映金融机构流动性状况，也是货币政策是否有效传导的重要标志之一。超额存款准备金与各项存款余额之比称为超储率，每季度公布：

测算的超储率趋势上对实际超储率的估计较好，能够反映宏观流动性的变化，但无论是测算还是实际的超储率，整体波动较大，存在较明显的季节性，我们仅能通过其与历史同期的比较对流动性环境提供一定参考。我们结合利率、货币净投放、超储率三项数据判断货币环境：

1）1年国债利率、1年信用利差、10年国债利率至少2个低于12个月均线记为宽松，否则为紧缩；

2）货币净投放按照3.2的信号处理方法，对应权益仓位为1的记为宽松，对应权益仓位为0的记为紧缩，否则为中性；

3）自2016年末起加入超储率判断，估算超储率高于2015年以来每年同期平均的记为宽松，否则为紧缩。

对于三项数据，2项及以上给出同向判断的，则以此为最终货币环境判断；若1、3相反且2为0，则以1的信号为准。综合信号下各资产的平均收益和上涨频率如下：

相比表8，结合三种信号后，资产在不同货币状态下的收益区分度有了较明显的提升，宏观流动性判断准确性有所增强。2013年以来的宏观流动性状态划分如下：

2019~2020年，流动性整体偏宽松，但2020年7月末以来宏观流动性出现较为明显的收紧。

3.4 将宏观流动性战术观点与不同风险偏好结合

至此，我们找到了较为全面、对股债资产收益区分度较高的宏观流动性指标，下面我们可尝试通过宏观流动性指标给出资产观点，类似第二章中的方式，将流动性观点加入不同风险偏好的资产配置组合。流动性宽松时，我们将权益的月度预期收益上调2%、债券的预期收益上调0.5%，反之亦然，以沪深300、中证500、黄金、南华商品、中证国债、中证企业债为配置对象的组合表现如下：

可以看到，加入流动性观点后，组合收益、夏普率同样有明显的提升。

同样的，我们根据美国2年期国债、10年期国债收益率和1-3年信用债收益率判断美国流动性，流动性宽松则调高美股、黄金预期收益，结合后的组合表现如下：

加入流动性观点后组合的表现同样有所提升，说明流动性对我国战术资产配置同样有实战价值。

4. 大类资产与行业板块在新时钟下的不同反应

4.1 大类资产：中国市场流动性过去胜率更高，建议未来将两个维度同时考虑

在前面的三个章节中，我们依次找到了我国大类资产配置中决定资产战术配置价值的两个最关键因素：经济预期和宏观流动性，并分别构建了两个因素的判断指标、给出资产观点。通过指标给出的观点既可以参照我们第二、三章节中的与风险偏好结合、量化调整组合，也可以在主动管理的组合中直接对我们的战术资产配置给出指引。

事实上，这两个维度之间本身有着密切的联系：决定流动性的货币政策有较大程度的“主动调整”特征，而其调整与经济状况本身有着密切的联系，这一特征也使得两个维度的结合天然地与时钟相类似：经济上行过程中流动性会预防性地先收紧，经济开始出现下行迹象时流动性也会开始放松，从而形成时钟轮转：

理想情况下，四个象限应按照顺序依次轮转，但正是因为经济与流动性的层次关系，即货币政策对经济有调节作用，这一时钟又与传统的美林时钟不同，转换期会出现明显的“来回摆动”的情况，体现调节环节。我们观察两个维度分别判断的经济/流动性状况分布：

可以看到，两个维度给出的分布差别较大。在第二、三节的测试中我们看到，两个维度的指都能够单独对资产给出正确率较高的战术方向判断，而如果我们将两个维度交叉组合成2×2四个象限，中间2个状态对大类资产的方向判断反而较为模糊：

对于权益资产来说，“经济预期上行+货币宽松”的组合下表现较为出色，“经济预期下行+货币紧缩”的组合下表现明显较差；对于债券资产来说，“经济预期上行+货币紧缩”组合下表现较差，“经济预期下行+货币宽松”组合下表现出色，即当两个维度对资产战术观点的方向一致时，资产表现也更符合观点的判断。但当两个维度给出的观点不一致时，资产收益方向判断的胜率相对较低。

从表格中的数据来看，对权益资产来说，“货币宽松+经济下行”的组合优于“货币紧缩+经济上行”的组合；对债券资产来说，“货币宽松+经济上行”的组合优于“货币紧缩+经济下行的组合”，这说明在过去的中国市场当中，流动性对资产方向的影响往往比经济预期更为重要，依据流动性判断资产方向比依据经济周期的胜率更高。但从具体的情况来看，2014、2017年都曾出现明显的“货币紧缩+经济上行”的组合，但这些时段资产的表现有明显差异，以3个时长4个月的区间为例，资产表现情况如下：

3个时段中中证500表现都较差，但2017年的2个区间中，沪深300表现明显较强，也带来了2017年明显的白马行情。从以上案例中我们看到，一方面流动性对小盘股的影响可能更大，另一方面，权益市场对经济的关注度可能正在提升，未来经济维度的重要性可能进一步加强。

因此，对于经济、流动性两个维度对大类资产的战术观点，我们建议可同时考虑、直接叠加：即分别根据经济、流动性给出资产观点，而不必进行四个象限的处理。在两个维度观点的重要性上，可等权或根据定性的判断进行调整。以我们第二、三节给出的结合风险偏好的激进组合为例，我们将两个维度观点给出的权重直接等权后生成新的组合，组合的风险调整后收益较好：

4.2 行业板块：时钟轮转下存在不同优势板块

虽然经济、流动性两个维度对大类资产的影响可单独看待，且两个维度的影响强弱也可能会不断演化，但两个维度的组合对权益资产的不同板块有可能产生复合影响。经济周期运行到不同阶段、货币环境松紧不一时，权益资产的不同行业板块受到的影响也会有较明显的差异：经济下行、货币开始放松时低估值的周期等板块表现更好，而经济较好时中游制造业板块表现可能较好。因此，除了传统的股、债、商品大类资产，经济、宏观流动性指标对于行业板块的影响同样不容忽视。

为了观察行业板块在不同宏观环境下的表现，我们首先需要进行一定的板块划分，将更相近的一级行业聚集成更大的板块，以帮助我们把握更宏观级别的行业强弱变化。因此，我们借助聚类的方法进行板块划分，根据数量化的结果和逻辑判断将28个申万一级行业聚集为六大板块：

我们对每个板块内的行业指数进行等权合成，每月再平衡，得到六大板块指数，指数自2010年12月31日至今的表现情况如下：

各板块之间的收益风险特征有一定差别，能够一定程度上代表A股的周期轮动。接下来，我们使用六大板块指数，观察其与经济前瞻指标、宏观流动性指标及两者结合形成的四象限区域的关系。

首先，我们观察两个指标分别划分的两种状态下，各板块2013~2019年的表现情况：

纵向比较来看，各板块在经济状况或流动性状况不同时，自身表现的差异较为明显，这与经济、流动性指标对权益市场的影响结论相一致；但从横向比较来看，同一状态下各版块的相对强弱并不明显，科技、消费占优的情况较多，横向区分度不明显。

若我们将两个维度生成如图28的2×2的四象限“新时钟”，象限转换情况如下：

由于我们的经济前瞻指标关注单季度的经济预期变化，指标也时常出现信号不强烈的情况，因此我们参照第二节中根据经济前瞻指标给观点的方法，当季度前瞻信号不强烈时延续上一期信号。时钟整体按序运行，但也确实如我们之前描述的，时常有一些来回的摆动，我们认为这是经济运行过程中的正常现象：一方面，过渡时期量化指标难以刻画，另一方面，货币政策依据经济状况常有小幅度变化。

若按照以上2×2四象限进行划分，板块之间的收益区分度、强弱关系更为明显：

“货币紧缩+经济下行”的对权益市场最不利的组合中，各版块表现普遍较差，金融、科技、消费板块跌幅相对较小，从影响逻辑来看，货币政策偏紧、经济开始回落的环境下金融企业不占优势，因此这一状态下我们选择长期表现相对较好的科技、消费板块。从美股的情况来看，这两个板块在未来较长时间内也将是新经济发展的主要板块。

“货币宽松+经济下行”状态下，制造业板块在货币政策的刺激下开始上涨，科技、消费板块表现出色。

“货币宽松+经济上行”这一对权益最有利的组合中，平时表现较好的科技、消费受估值影响表现弱于其他板块，传统周期行业、金融行业表现出色。

“货币紧缩+经济上行”这一状态下，各版块开始回落，从4.1节来看白马股表现相对较好，金融、科技相对较好。

我们依据上表标红的选择，将所选板块等权配置并替代带风险偏好组合中的沪深300+中证500的仓位，组合表现进一步明显提升：

加入对板块的轮动判断后，组合的绩效有了进一步的提升，激进型组合在风险水平差别不大的情况下，收益几乎都在原来的2倍左右，说明经济预期+流动性这两条贯穿的主线对从大类到板块的战术配置决策有重要意义。

5.小结与最新观点

至此，本报告重新细致梳理了影响我国从大类到权益板块的资产配置主线：预判GDP同比变化方向的经济前瞻信号和宏观流动性。无论是从资产共同因素的提取、对资产影响的回溯还是特征行情的分析上，我们都能看到经济变化仍是资产配置的基础，而由于货币政策重要性的提升，宏观流动性在我国资产配置中的作用明显强于通胀。

经济的变化依然是决定我国资产大级别波动的基础。从GDP同比变化方向与资产收益方向的一致性来看，两者的同期相关性较高，经济数据在公布之前已经通过预期的形式反映在资产波动中，且权益、商品资产快速反映短期经济的波动，债券反映长期的经济趋势。我们尝试采用量化方式通过PMI、企业利润、粗钢等生产要素产量等多个维度筛选月频宏观信号，构建季度、年度经济前瞻信号，进一步通过信号给出大类资产战术观点。经济前瞻信号可解释性较强，给出的观点与不同风险偏好结合后对资产配置组合年化收益的提升都在2个百分点以上。

从主成分分析来看，流动性对我国资产配置的方差解释占比达到25%。随着货币政策中介目标从数量型转向价格型，我国股债对利率的敏感性明显提升，类似美国量化宽松后股债同向的时段增多。而自2013年央行创设多种新型货币政策工具开始，权益市场对各类货币政策工具投放的流动性都较为敏感，货币净投放指标有出色的择时效果。为了更全面地衡量宏观流动性，我们除了利率、货币净投放，进一步通过央行资产负债表测算超储率，更全面地衡量货币体系的流动性。结合利率、货币净投放、测算超储率我们进行流动性状况的划分，我国股债资产在不同流动性状态下的收益区分度较为明显，依此给出的资产战术观点同样能提升组合收益。

在两个维度的结合上，我们对大类资产和权益板块给出了不同的结论：

1） 对于大类资产来说，两个维度能够独立给出清晰的观点，A股历史上流动性的直接影响常强于经济预期，但近年来经济影响存在增强的趋势。我们建议对两个维度可同时考虑、直接叠加：即分别根据经济、流动性给出资产观点，而不必进行四个象限的处理；在两个维度观点的重要性上，可等权或根据定性的判断进行调整。

2） 对于权益的大类板块来说，两个维度单独划分的状态下，板块横向差异不明显，但在交叉形成的四象限“新时钟”下，板块的轮动特征明显提高。建议可通过“新时钟”判断优势板块，决定权益配置方向。

最终形成的经济预期与宏观流动性新主线下的资产配置流程如下：

2020年第一、二季度，我国的季度经济前瞻指标为小幅正向，第三、四季度明显正向，即判断三、四季度处于复苏预期较为明显的阶段；年度经济前瞻指标同样对后续一年的复苏较为乐观，对应三、四季度均看好权益、看空债券。从流动性角度，综合宏观流动性指标从8月起由宽松转为紧缩，流动性收紧明显，但到10月末，虽然利率仍在高位，但货币净投放、测算超储率数据都出现增加，流动性紧缩情况边际缓和，对股债有一定好处。“新时钟”为“经济上行+流动性宽松”状态，推荐周期、制造、基建、金融板块。可以看到当前货币政策由边际收紧转向“常态化”的特征较为明显，行业配置上以顺周期为主；债券的配置价值较前期略有上升。

美国方面，经济预期转正，对应提高美股收益预期、降低黄金收益预期；流动性宽松，战术上看好美股和黄金。结合风险偏好后，含美股组合的今年8~11月的配置权重如下：

6. 风险提示及声明

本报告模型根据历史数据构建，准确度受限于历史数据的长度；模型历史表现不代表未来，宏观及市场环境大幅变化时模型可能失效。

7.附录

7.1 美林时钟下的资产配置策略

我们使用工业增加值和CPI同比分别作为代表经济增长和通胀的指标，每月末通过HP滤波过滤，当月工业增加值过滤后的指标较上期上升的视为经济上行，CPI同比较上期上升的视为通胀上行，以此形成中国的美林时钟四象限。四象限下的理论资产顺序和我国资产在象限划分后的表现如下：

1） 复苏：股票>债券>商品；

2） 过热：商品>股票>债券；

3） 滞胀：商品>债券>股票；

4） 衰退：债券>股票>商品。

7.3 行业板块的聚类划分

在行业的聚类问题中，我们通常需要通过行业之间的相关系数或其他方式定义行业之间的距离，进而使用层次聚类、K-Means聚类等方法进行分析。为了更多地利用收益率数据的结构而非仅使用相关性，我们采用多次K-Means聚类的方法计算28个申万一级行业之间的距离；同时，为了利用不同行情、不同时段中行业可能体现出的不同的相关关系，我们对时间区间进行划分：1）2010.1~2014.6，震荡下行；2）2014.7~2015.6，持续上涨；3）2015.7~2018.12，下跌；4）2019.1~2020.9，震荡上行。行业距离计算的最终方式如下：

1） 使用每个时段28个行业指数的日收益率进行1000次K-Means聚类，聚类数目为7类，每次聚类中，若两个行业未被分为同一类，则两个指数之间的距离加1；

2） 4个时间区间共计进行了4000次聚类，因此我们将指数两两之间的距离除以4000，使得距离d为0~1之间的值，值越大，两个行业指数被分为同一类别的概率越低。

至此，我们将行业之间的关联问题转化为图论中连通网络的问题，我们根据距离绘制行业的全连通图和最近距离连接图如下：

从上面的结构图中看，各行业之间的连接关系较为复杂，除金融、周期、科技单独形成板块较为明确，其他行业之间的聚集关系不明确。我们得到的28个一级行业之间的距离矩阵如下：

为了将其余行业组成板块，我们结合行业平均距离、行业实际属性等，将定量结果与定性分析相结合，最终形成六大行业板块。