“学海拾珠”系列之二百零八：择时因子之争：宏观经济变量还是投资者情绪？

——“学海拾珠”系列之二百零八 主要观点： 执业证书号：S0010520070001邮箱：yanjw@hazq.com 分析师：吴正宇执业证书号：S0010522090001邮箱：wuzy@hazq.com ⚫结合宏观经济变量和情绪变量的机器学习模型的投资组合在表现上优于被动投资组合 当宏观经济变量和情绪变量结合时。LASSO投资组合（Lass_port）在所有表现和风险度量类别中都是优越的策略。它具有所有投资组合中最高的年化回报（9.49%）、夏普比率（0.627）和Sortino比率（0.314），包括SPX（7.39%，0.481，0.229）。此外，LASSO组合的最大回撤为36.00%，而SPX的最大回撤超过52.50%。 1.《股票因子的风险-收益权衡关系——“学海拾珠”系列之二百零七》 2.《基金的逆羊群操作一定是聪明行为吗？——“学海拾珠”系列之二百零六》 ⚫经济变量与情绪变量具有互补性 在扩张期间，情绪变量未能提供增量。基于宏观经济变量的策略提供0.70的夏普比率，超过了基于情绪策略的0.56和同时使用宏观经济和情绪变量策略的0.65。然而，任何策略均未能超越买入持有基准策略。在衰退期间，依赖于宏观经济或情绪变量的策略表现不佳。宏观经济策略的夏普比率为-1.06，情绪策略的夏普比率为-0.85，均低于基准买入持有策略的-0.76夏普比率。然而，基于这两类信息的综合信号的策略夏普比为0.47，表现出色。 3.《基于统计跳跃状态识别模型管理下行风险——“学海拾珠”系列之二百零五》 4.《RSAP-DFM：基于连续状态的动态因子模型——“学海拾珠”系列之二百零四》 5.《基金业绩与风格暴露的变化——“学海拾珠”系列之二百零三》 ⚫风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 6.《基于特征显著性隐马尔可夫模型的动态资产配置——“学海拾珠”系列之二百零二》 7.《上市公司的财报电话会议对股价的影响——“学海拾珠”系列之二百零一》 正文目录 1引言.......................................................................................................................................................................................................42数据与方法..........................................................................................................................................................................................62.1预测与市场状态变量.................................................................................................................................................................62.2方法论..........................................................................................................................................................................................72.3表现评估......................................................................................................................................................................................83实证结果..............................................................................................................................................................................................83.1绩效结果的相关性.....................................................................................................................................................................93.2市场下跌期间的预测误差........................................................................................................................................................93.3月度回报的表现和统计分析..................................................................................................................................................113.4机器学习投资组合与标准普尔500指数的CEQ................................................................................................................123.5经济变量与情绪变量的互补性..............................................................................................................................................134结论.....................................................................................................................................................................................................15风险提示：.............................................................................................................................................................................................15 图表目录 图表1文章框架...........................................................................................................................................................................................................4图表2预测结果的相关性........................................................................................................................................................................................9图表3月度机器学习模型的预测误差..............................................................................................................................................................10图表4月度回报的表现和统计分析..................................................................................................................................................................12图表5确定等效收益..............................................................................................................................................................................................13图表6在不同NBER周期中的表现..................................................................................................................................................................14图表7在衰退早期和晚期中的表现..................................................................................................................................................................15 1引言 资料来源：华安证券研究所整理 市场择时是一个颇具争议的话题，通常在市场动荡之后再次引发讨论。2020年2月，标普500指数创下历史新高，但紧接着出现了自1987年10月以来最大幅度的5天跌幅以及自大萧条以来最大幅度的20天跌幅。这种市场行为难以与Fama等人（1969）提出的理论相吻合，该理论认为市场价格充分反映了所有公开可得的信息。 尽管成功的市场择时与有效市场假说相悖，但一些实证研究，如Jiang等人（2007）和Kacperczyk等人（2014），表明一些基金经理具备市场择时能力。Wermers（2000）则提出了经济表现不佳时，投资经理进行市场择时的证据。Ludvigson和Ng（2007）对209个宏观经济变量和172个金融变量进行了全面分析，得出了一个波动率因子和一个风险溢价因子，这两个因子解释了未来一个季度超额市场收益波动的16%至20%。GomezCram（2021）展示了如何利用宏观经济数据在市场择时模型中识别经济周期的转折点，从而使夏普比率提