港股通大消费择时跟踪：维持均衡仓位，待增量政策右侧落地

敬请参阅最后一页特别声明撤比为0.31，各维度上表现均优于基准。超额收益，并且在等比例基准出现回撤的阶段，该策略较好地控制住了下行风险。基于动态宏观事件因子的中证港股通大消费指数择时策略建议关注标的介绍：泰康中证港股通大消费A（006786.OF）为0.49%，目前该基金由泰康基金的基金经理袁帅管理。2、政策环境发生变化，资产与相关风险因子失去稳定关系的模型风险；3、市场环境发生变化，国际政治摩擦升级等带来各大类资产同向大幅波动风险；4、基金相关信息及数据仅作为基金研究使用，不作为募集材料或者宣传材料；5、本文涉及所有基金历史业绩均不代表未来表现。 月度择时模型观点及策略表现仍维持为33.3%。子。为当期的择时仓位信号。风险提示 敬请参阅最后一页特别声明内容目录一、月度择时模型观点及策略表现..................................................................3二、基于动态宏观事件因子的中证港股通大消费指数择时策略..........................................42.1宏观数据的选用..........................................................................42.2宏观数据的预处理........................................................................62.3宏观事件因子构建........................................................................62.4择时策略构建............................................................................7三、建议关注标的介绍：泰康中证港股通大消费A（006786.OF）.......................................8风险提示........................................................................................8图表目录图表1：宏观择时模块最新观点（截至4月30日）..................................................3图表2：宏观事件因子择时策略表现...............................................................3图表3：各细分因子信号展示.....................................................................3图表4：宏观事件因子择时策略净值...............................................................4图表5：宏观事件因子择时策略表现...............................................................4图表6：宏观事件因子择时策略择时仓位...........................................................4图表7：宏观事件因子择时策略逐年收益...........................................................4图表8：经济、通胀、货币和信用类指标...........................................................4图表9：事件因子构建流程图.....................................................................5图表10：事件因子的构建........................................................................6图表11：各类衡量指标介绍......................................................................6图表12：最终筛选的宏观因子....................................................................7图表13：择时策略仓位确定流程图................................................................7图表14：泰康中证港股通大消费A基本资料........................................................8 敬请参阅最后一页特别声明一、月度择时模型观点及策略表现根据国金金融工程团队发布的《量化掘基系列之二：量化择时把握港股通大消费板块投资机会》,我们构建了基于动态宏观事件因子的中证港股通大消费主题指数择时策略。根据其中指数择时模块给出的信号，2025年5月份策略推荐仓位仍维持33.3%。从细分指标来看，本次共有三个指标参与打分，分别为“金融机构:中长期贷款余额_当月新增_滚动12M求和_YoY”，“新增社融:滚动12个月求和:同比”和“中采制造业PMI：原材料价格”。其中，“中采制造业PMI_原材料价格”指标看多，“金融机构:中长期贷款余额_当月新增_滚动12M求和_YoY”和“新增社融_滚动12个月求和_YoY”指标看空，合成大类因子信号为33.3%。通过在回测时间段根据大类因子信号所得到的择时仓位信号时间序列，可以看出择时策略总体上保持着较低的平均仓位，约为44%。为了能够更好地评价该择时策略，我们以回测期内策略的平均权重作为固定的择时仓位，构建一个等比例基准，并将其作为评估策略的对象。2025年4月份配置模型收益率为-1.66%,高于等比例基准表现(-2.21%)，以及中证港股通大消费指数。从历史表现方面来看，从2018年11月至2025年4月，策略年化收益率为9.25%、最大回撤为-29.72%、夏普比率为0.52、收益回撤比为0.31，各维度上表现均优于基准。另外，我们统计了从2018年11月至2025年4月择时策略的逐年表现，可以发现该策略在大多数年份都取得了正的超额收益，并且在等比例基准出现回撤的阶段，该策略较好地控制住了下行风险。图表1：宏观择时模块最新观点（截至4月30日）当前信号33.3%维持仓位图表2：宏观事件因子择时策略表现择时策略中证港股通大消费-0.60%-1.81%1.21%3.64%9.84%29.51%-3.04%-6.07%-1.63%-3.25%-0.89%-1.77%0.97%1.94%5.76%17.29%0.60%1.81%-1.66%-4.98%图表3：各细分因子信号展示Sep-24Oct-24Nov-24金融机构:中长期贷款余额:当月新增:滚动0N/AN/A00N/AN/AN/AN/A111新增社融:滚动12个月求和:同比N/AN/A0 上月信号33.3%降低仓位等比例基准-0.60%1.21%9.84%-3.09%-1.63%-0.89%0.97%5.71%0.60%-2.21%Dec-24Jan-25Feb-25Mar-25N/AN/A00N/AN/AN/AN/AN/AN/AN/AN/A11110000 来源：Wind，国金证券研究所图表6：宏观事件因子择时策略择时仓位来源：Wind，国金证券研究所00.10.20.30.40.50.60.70.80.91 敬请参阅最后一页特别声明来源：Wind，国金证券研究所图表7：宏观事件因子择时策略逐年收益来源：Wind，国金证券研究所二、基于动态宏观事件因子的中证港股通大消费指数择时策略港股容易受到中国宏观、海外货币流动性等多因素的影响，具有很多不确定性，盲目投资往往会带来资金的重大损失，因此投资者应当具备建立中短期择时模型的能力，利用大盘的代表性来找到系统性的机会和规避系统性的风险。为了探索中国宏观经济对香港大消费主题上市公司整体状况和走势的影响，我们选取中证港股通大消费主题指数作为研究对象，尝试从动态宏观事件因子的角度构建择时策略框架。在构建动态事件驱动策略框架的过程中，我们首先需要确定使用什么数据去搭建什么事件因子，即去寻找与资产收益率相关的宏观数据，并构建能够刻画它们与资产关系的事件因在数据方面，通过选取，我们将经济、通胀、货币和信用四大类的20余个因子，包括PMI、PPI、M1等数据，纳入测试的范围当中。图表8：经济、通胀、货币和信用类指标指标名称制造业PMI制造业PMI:MA12制造业PMI:新订单制造业PMI:新订单:MA12-0.4-0.200.20.40.60.8201820192020择时策略等比例基准 2.1宏观数据的选用子。数据分类频率经济月月月月 数据发布时间当月月末当月月末当月月末当月月末 敬请参阅最后一页特别声明挑选好数据后，需要对数据进行预处理操作后才可以进入事件因子的构建阶段，具体流程如下图所示，我们将在后文对每个步骤进行详细的阐述。图表9：事件因子构建流程图 来源：国金证券研究所 敬请参阅最后一页特别声明2.2宏观数据的预处理对于数据的预处理方面，我们分成了4个小步骤：对齐数据频率：将指标的频率统一成月频，对于日频数据可以取每月的最后一个交易日的数据作为当月的数据，或者是取月内日频数据的均值作为当月的数据。填充数据缺失值：对于缺失的数据，取数据过去12个月指标的一阶差分值的中位数叠加上一期的数值进行填充。滤波处理：这个步骤需要结合数据判断，以防将数据中的重要信息过滤掉。我们尝试用量化的形式，通过同时构建数据的2种处理方式的因子，最终筛选出更适合该指标的处理方式：a)不做处理的原始数据；b)做滤波处理的数据；在滤波处理方面，选择使用单向HP滤波，避免数据处理过程中隐含的未来函数。变化数据结构衍生因子：为了使数据更能捕捉资产收益率变动方向，我们对不同的数据使用不同的数据格式，包括数据的同比、环比、移动平均等。2.3宏观事件因子构建数据预处理后，进入宏观事件因子构建阶段，我们将构建过程拆解成7个小步骤：1）确定事件的突破方向：计算数据与资产标的下一期收益率的相关性，当相关性为正相关时，对该数据构建正向突破(变动)的事件，反之则构建反向突破(变动)的事件。2）确定数据与资产的领先滞后性：对数据衍生出滞后0-4期的事件因子，通过筛选因子的指标衡量什么时滞期数下的事件因子更为合适，动态识别数据与资产目前的领先滞后关系。3）生成事件因子：构建三类事件因子：数据突破数据均线，数据突破数据中位数以及数据的同向变化，对因子事件赋予不同的参数，共构建28个不同的因子事件。因子事件数据突破数据均线数据突破数据中位数数据同向变动生成事件因子后，就可以进入对事件因子的评价和筛选阶段，但首先需要确定下用什么衡量指标。我们列出了2种不同的衡量指标：收益率胜率和开仓波动调整收益率，其中收益率胜率不仅考虑了事件因子的开仓成功率，还包含了盈亏比的信息；开仓波动调整收益率综合考虑了指标成功率，收益率和波动率的信息。结合指标的不同特点，我们选取收益率胜率作为每期事件因子的筛选指标，开仓波动调整收益率作为后续确定数据滚动时间窗口的指标。图表11：各类衡量指标介绍指标构建∑𝑟𝑖𝑁𝑖,𝑟𝑖>0∑|𝑟𝑖|𝑁𝑖，𝑁为总开仓次数∑𝑟𝑖𝑁𝑖/𝑁1𝑁−1∑(𝑟𝑖−𝑟̅)𝑁𝑖2，𝑁为总开仓次数4）因子事件初筛选：每期生成因子的初步筛选为：a)满足t检验，能在95%的置信区间内拒绝事件信号发出之后，下一期资产收益为0的原