基于扩展投资时钟的资产轮动配置 策略研究

摘 要：在采用宏观经济景气指数的领先指数及滞后指数构建传统美林投资时钟的基础上，引入M2同比代表的货币政策变量，构造了扩展投资时钟，在采用协整检验、收益统计等方法研究了2007年1月至2017年12月沪深300指数、中证500指数、南华工业品、南华农产品及中债指数在扩展投资时钟下的表现后，结果发现：基于风险平价策略的加杠杆后的资产指数，分别构造了持有一种资产及平均持有两种资产的配置策略，发现基于扩展投资时钟的资产配置策略无论在收益提升还是风险控制方面，都表现得极为突出，能够取得较高的风险收益比；并且在与传统美林投资时钟的对比研究中发现，扩展投资时钟下的资产配置策略要明显优于传统美林投资时钟下的资产配置策略。

关键词：投资时钟；资产配置；资产轮动；风险平价

中图分类号：F832.51 文献标识码：A 文章编号：1674-2265（2018）06-0020-07

DOI：10.19647/j.cnki.37-1462/f.2018.06.003

一、研究背景

资产配置或资产轮动是金融市场的一个核心问题，国内外学者对这个问题进行了大量研究。最早进行资产轮动配置研究的是Vandell和Stevens（1989），他们发现基于市场择时方法设计的资产轮动策略可以击败市场基准获得超额收益。之后，Breen等（1990）、Pesaran和Timmermann（1995）、Johannes等（2002）、Thomakos等（2007）、武文超（2014）、周亮（2017）等大量学者采用短期利率、动量反转、投资者情绪、CPI等多种指标设计了资产轮动配置策略，均发现轮动策略的表现可以超过对某种资产的简单买入持有策略。在这些研究中，对经济周期划分从而设计轮动策略是应用最广泛、最深入的，Bolten（2000）、周亮（2018）等大量学者分析了不同经济阶段下股票、商品与债券等资产的收益差异。Schizas和Thomakos（2015）指出，对周期拐点信号判断的准确性是模型成功的关键所在，因此，大量学者对经济周期划分进行了探索。秦彦（2010）以GDP实际增长率作为划分标准，采用BN方法以及BP滤波法对我国经济周期进行划分；王成勇和艾春荣（2010）通过工业增加值对我国经济周期进行划分；郑挺国和王霞（2013）则构建了一种混频数据区制转移动态因子模型以结合季度与月度的混频数据，从而得到经济周期的划分结果。

美林证券公司于2004年提出的投资时钟更是对经济周期下的资产配置进行了系统性的阐述，不仅成为实务界广泛采用的基准模型，也成为学术界大量研究的对象。苏民和逯宇铎（2011）、张子能和董必焰（2012）、郜哲（2015）、Wang和Qu（2016）等大量学者均采用传统美林投资时钟来划分经济周期从而设计轮动策略，发现均可以获得超额收益。瞿尚薇和王斌会（2017）运用样条插值解决数据混频问题，并利用X-12-ARIMA季节调整与HP滤波法对我国进行周期划分，实证验证了美林投资时钟的可行性。张立鹤（2017）根据真实经济周期（RBC）理论的指导，选取产能利用率作为划分经济周期的唯一指标，修正了美林时钟，发现修正后的时钟能够更大程度地降低风险及获得收益。但是美林投资时钟原理中很重要的一点就是经济周期会导致货币政策的变动，从而影响资产价格，实际情况却是，每个经济周期下的货币政策并不必然保持一致，因此在美林时钟中增加货币变量从而对模型进行扩展，便是个值得研究的课题。兴业证券（2018）在美林投资时钟基础上提出的六阶段经济周期便是个很有益的探索，在对货币政策变动的衡量上，此报告选择了无风险利率。而在其他文献中，联邦基准利率（Conover等，2005）、SHIBOR、广义货币增速M2（邹昆仑，2013；叶永刚和周子瑜，2015）被大量用来对货币政策进行区分。

考虑到我国利率市场化改革尚未彻底完成，长期以来M2都是我国以数量型为主货币政策调控的中间目标，因此采用M2数据作为货币周期的划分依据更具合理性。因此，本文在采用国家统计局公布的宏观经济景气指数的领先指数和滞后指数构造传统美林投资时钟的基础上，加入M2同比指标来对各经济周期进行进一步细分，从而形成扩展投资时钟，并采用协整检验、收益统计等方法，实证检验了扩展投资时钟在我国实际应用中的有效性。相对于国内大多数对美林投资时钟的研究，本文所构造的扩展投资时钟，无论在理论价值还是在实际效果上，都有了明显改善。并且本文在对各资产收益进行统计分析时，将风险平价策略思想引入杠杆率的合理使用上，从而使得资产配置策略在轻度放大风险的同时，显著扩大了收益，这是本文的另一个创新点所在。

二、研究设计

（一）资产指数及宏观市场指数的选取

传统的投资时钟模型包含股票、期货、债券及现金四大类资产，在经济复苏期应持有股票资产、在经济过热期应持有期货资产、在经济滞涨期应持有现金资产、在经济衰退期应持有债券资产，四类资产构成了一个完整的资产配置方案。但是考虑到很多研究表明，现金类资产在配置过程中表现并不理想，完全可以通过对债券或其他资产的配置来获得更高的风险收益率，因此本文并没有将现金资产纳入研究范围，只考虑了股票、期货和债券三大类资产的配置。同时考虑到我国股市大小盘股指之间风险及收益区别较大，因此除了考察了代表大盘指数的沪深300指数外，还选取了代表中小盘股票的中证500指数作为配置对象；在对期货资产进行分析时，考虑到我国商品期货市场主要由工业品和农产品两大类品种所构成，因此不像以往研究只选取综合指数为考察对象，而是选取了南华工业品指数和南华农产品指数两个指数作为研究对象；对债券资产的分析上，虽然我国债券主要可以分为金融债和企业债，但是经初步计算发现，两者相关系数极高，因此只选取中债综合财富（总值）指数反映债券资产。

本文所构造的扩展投资时鐘模型，主要包括经济周期和货币周期两个方面。经济周期借鉴美林投资时钟的构建方法及国内其他一些研究的处理方式，采用国家统计局公布的宏观经济景气指数的领先指数和滞后指数作为划分依据。其中领先指数包括新开工项目、产销率、消费者预期等成分指标，是预测未来经济发展情况的经济指标；滞后指数包括CPI、财政支出、居民储蓄等成分指标。通过这两个指标可以从先行和滞后两个角度来对宏观经济发展状况进行全面的衡量，用它们来划分经济周期具有较强的适用性。在分析货币周期方面，由于我国金融市场与发达国家成熟金融市场发展程度尚有差距，国内利率市场化改革虽持续推进，但尚未彻底完成，因此长期以来M2都是我国以数量型为主货币政策调控的中间目标，故选择M2同比作为货币周期划分的基准指标。通过领先指数、滞后指数、M2同比三个指标的涨跌状况可以将宏观周期区分为八个阶段，但是经统计发现，在过热期（领先指数和滞后指数均上涨）及滞胀期（领先指数下跌，滞后指数上涨）两个阶段，M2指标均为下跌，因此最终的扩展投资时钟模型只包括六个阶段，分别是复苏前期、复苏后期、过热期、滞胀期、衰退前期、衰退后期。对这六个阶段的详细描述见下文。

（二）变量描述性统计

选择五个指数及三个宏观市场指标2007年1月至2017年12月所有的月度数据作为分析对象，表1报告了所有变量的描述性统计情况，可以看到，样本区间内领先指数均值为100.78，由于领先指数大于100说明经济向好、小于100则说明经济向坏，因此总体而言我国经济处于增长状态；滞后指数均值为96，最大值为101.69，最小值为91.29，由于滞后指数更多地反映了通货膨胀等方面的状况，因此滞后指数小于100，说明我国通胀压力并不大，反而可能存在着一定的通缩压力；M2同比均值为15.6，最大值达到29.74，最小值为8.8，说明我国货币政策总体宽松，信贷增长一直较快。表1最后两列反映的是指数序列的单位根检验结果，其中倒数第二列ADFa反映的是原序列的单位根检验结果，最后一列ADFb反映的是原序列的一阶差分序列的单位根检验结果，可以看到，8个序列均是一阶单整序列，因此在后文回归分析前需要先做协整检验。

（三）变量相关性分析

表2报告了五个资产指数及三个宏观市场指数的相关系数。可以看到，同一类资产的相关系数很高，滬深300与中证500的相关系数达到0.7，南华工业品指数与南华农产品指数的相关系数达到0.75；不同资产之间，中证500与南华工业品指数有显著的负相关关系，同时与债券指数有正相关关系，而商品指数与债券指数存在着显著的负相关关系，相对而言，南华工业品指数的负相关关系更明显（系数绝对值更大）。从资产指数与宏观市场指数的相关系数上可以看到，宏观经济对资产价格的影响很大，除了沪深300只与滞后指数有显著相关性、南华农产品与M2同比无显著相关性外，其他资产指数与宏观市场指数之间均存在着显著的相关关系；从系数方向上来看，宏观经济对商品指数有显著的正向作用，而对股票指数和债券指数则均有显著的负向作用；从系数的绝对值来看，债券指数与宏观经济的相关性更高。综合来看，由于宏观市场指数表现出对不同资产不一样的影响，因此采用扩展投资时钟来对宏观市场环境进行划分，从而构造轮动配置策略是合适的。

（四）扩展投资时钟及宏观周期划分

扩展投资时钟是依据经济周期和货币周期对宏观市场环境进行区分，但是不论是领先指数、滞后指数还是M2同比指数的原始序列，不仅受到季节性波动的影响，而且受到市场噪声的干扰。因此如果直接采用原始序列进行分析，不仅会由于波动剧烈，导致周期切换过于频繁，而且也会由于季节性本身的扰动，导致周期划分不准确。因此，首先对三个指数序列进行季节性调整，采用X11季节调整方法对原始序列进行处理；然后采用HP滤波方法对经季节调整后的序列进行降噪处理，以去除掉噪音扰动，提取出趋势项；最后，采用降噪后的序列作为扩展投资时钟的划分依据。当领先指数和M2同比上涨、滞后指数下跌时，定义为复苏前期；当领先指数上涨，滞后指数、M2同比下跌时，定义为复苏后期；当领先指数和滞后指数上涨、M2同比下跌时，定义为过热期；当领先指数和M2同比下跌、滞后指数上涨时，定义为滞胀期；当领先指数、滞后指数和M2同比均下跌时，定义为衰退前期；当领先指数和滞后指数下跌、M2同比上涨时，定义为衰退后期，具体如表3所示。从表3也可以看到，在样本区间内，按扩展投资时钟，可以将宏观市场环境分为6个阶段，其中复苏前期包括11个月、复苏后期包括20个月、过热期包括14个月、滞胀期包括20个月、衰退前期包括46个月、衰退后期包括21个月。

三、实证检验

（一）协整检验及回归分析

表2的相关性分析结果已经初步论证了采用经济周期和货币周期进行大类资产配置是有效的，但是通过回归分析可以更清晰地看到宏观市场指标对资产价格的作用。根据表1各变量的ADF检验结果，在进行回归分析前，首先需要对变量进行协整检验。表4报告了五个资产价格指数各自与三个宏观市场指数之间的协整检验结果，可以看到，在1%的显著性水平下，均拒绝了“不存在协整关系”原假设，因此可以通过协整回归方法来分析各资产指数与宏观市场指数间的关系。

表5报告了资产指数与宏观市场指数间的协整回归结果。从回归系数上看，领先指数对股票和期货具有显著的正向影响，对债券有显著的负向影响，且对沪深300指数和南华工业品指数的影响最大；滞后指数对股票和债券指数具有显著的负向影响，对期货指数则具有显著的正向影响，且对中证500指数的影响最大；M2同比对所有的资产指数均有显著的负向影响，但是从数值上看却远小于领先指数和滞后指数的回归系数，说明对资产价格的影响主要还是以经济周期为主。从方程拟合程度R2值可以看出各资产指数与经济周期及货币周期之间的相关程度，中债指数的调整R2高达0.96，说明债券受宏观市场环境影响最大，其次是中证500指数和南华工业品指数，沪深300指数和南华农产品指数相对而言受宏观市场环境的影响较小。但从回归系数上来看，在复苏期应持有沪深300指数、在过热期应持有南华工业品指数、在滞胀期应持有南华农产品指数、在衰退期应持有债券指数，具体策略可通过对各大类资产收益率的统计进行分析。

（二）资产月度收益率统计

通过对扩展投资时钟下各资产指数的收益率分析，可以更清晰直观地看出各类资产的表现。表6报告了扩展投资时钟下不同资产指数的月度收益率平均值（考虑到宏观经济数据公布的滞后性，所有的收益率均采用下一期收益率计算，如2010年1月根据扩展投资时钟应归类为过热期，则将2010年2月的收益计入过热期），可以看到，在复苏前期，所有的资产指数均能获得正收益，相对而言，中证500指数的收益率最高，达到了7.78%；在复苏后期，所有的资产指数也能获得正收益，南华工业品指数的收益率最高，达到2.43%；在过热期，所有的资产指数也能获得正收益，收益最高的是中证500指数的2.44%；在滞胀期，只有南华农产品指数和中债指数可以获得正收益，且南华农产品收益率较高；在衰退前期，沪深300指数、中证500指数及中债指数均能获得正收益，中证500指数的收益率最高；在衰退后期只有中债指数可以获得正收益。

考虑到资本市场可以加杠杆，在提高风险的时候也能够增加收益，如股市可以融资融券、商品期货市场的保证金交易及债券市场的结构化产品等。借鉴周亮（2018）的风险平价策略，在对商品期货指数和债券指数进行加杠杆时，使得加杠杆后的指数与股票指数具有同样的波动。采用沪深300指数的波动率为基准，从表1可知其月收益率波动率为9.18%，因此根据风险平价策略，南华工业品指数的杠杆比率应为1.5倍（9.18%/6.05%），南华农产品指数的杠杆比率应为2.6倍（9.18%/3.53%），中债指数的杠杆比率应为14倍（9.18%/0.65%），但是考虑到金融去杠杆的大趋势，债券14倍杠杆难以达到，因此将中债指数的杠杆比率定为4倍。加杠杆后各资产指数的月收益率统计情况如表7所示，在复苏前期中证500指数的收益率最高，在复苏后期和过热期南华工业品指数的收益率最高，在滞胀期南华农产品指数的收益率最高，在衰退前期和衰退后期中债指数的收益率最高。

（三）资产轮动配置分析

根据表7统计结果，以收益率高低构造两个资产配置策略Rotation1和Rotation2，其中Rotation1为在每个月持有收益率最高的一种资产，Rotation2为在每个月平均持有收益率最高的两种资产。表8报告了两种轮动策略及与五种资产指数的风险收益对比情况，图1则更为形象直观地展示出两种配置策略的净值变化曲线。其中计算夏普比率时，采用中债指数的收益率为无风险利率，收益回撤比采用年化收益率除以最大回撤。可以看到，两种资产配置策略的年化收益率均远超其他资产指数的简单买入持有策略，且除了中债指数，相对于其他四个资产指数，在风险上均有了明显降低（表现为波动率和最大回撤有了显著下降）。对比两种资产配置策略，Rotation2的年化收益率有所降低，但是在风险控制上表现得更为出色，其波动率和最大回撤分别只有6.16%和20.64%，均低于Rotation1的7.3%和33.24%。因此从最终的风险收益比来看，Rotation2的夏普比率只是略低于Rotation1，而收益回撤比则比Rotation1更高。综合来看，基于扩展投资时钟的资产配置策略无论在收益提升还是风险控制方面，都表现得极为突出，能够取得较高的风险收益比。

（四）进一步讨论：与传统美林投资时钟的比较

为验证扩展投资时钟的有效性，本文进一步检验了传统美林投资时钟的应用效果。其中美林投资时钟各阶段的定义为：当领先指数上涨、滞后指数下跌时，为复苏期；当领先指数和滞后指数均上涨时，为过热期；当领先指数下跌、滞后指数上涨时，为滞胀期；当领先指数和滞后指数均下跌时，为衰退期。表9统计了美林投资时钟下各资产指数（加杠杆后）的平均月度收益率，可以看到，在复苏期和过热期南华工业品指数的收益率最高，在滞胀期南华农产品指数的收益率最高，在衰退期中债指数的收益率最高。同样构造两个轮动策略Rotaion3和Rotation4，分别为在每个月持有收益最高的一种和两种资产指数，最终的风险收益情况如表10所示。可以看到，Rotation3的收益率低于Rotation1，波动率则略有下降，最终的夏普比率和收益回撤比均要低于Rotation1；Rotation4的收益率低于Rotation2，波动率和最大回撤均高于Rotation2，因此最终的夏普比率和收益回撤比均要低于Rotation2。因此综合来看，扩展投资时钟下的资产配置策略要明显优于传统美林投资时钟下的资产配置策略。

表9：传统美林投资时钟下各资产指数的月平均收益率统计

[ 复苏 过热 滞胀 衰退 沪深300 2.41% 1.87% -0.77% 0.25% 中证500 2.83% 2.44% -0.47% 0.73% 工业品 4.25% 3.28% -0.76% -1.82% 農产品 1.88% 1.58% 1.43% -1.37% 中债指数 0.83% 0.75% 0.74% 1.66% ]

表10：扩展投资时钟与传统美林投资时钟的风险收益情况比较

[ Rotation3 Rotation4 Rotation1 Rotation2 最终净值 16.45 9.27 20.99 12.67 年化收益率 28.99% 22.44% 31.88% 25.96% 波动率 7.11% 6.25% 7.30% 6.16% 最大回撤 33.24% 34.04% 33.24% 20.64% 夏普比率 3.55 2.99 3.86 3.61 收益回撤比 0.87 0.66 0.96 1.26 ]

四、结论与讨论

采用国家统计局公布的宏观经济景气指数的领先指数及滞后指数划分经济周期，并采用M2同比指标来划分货币周期，在对原始序列用X11方法调整了季节性及HP滤波法降噪后，构造了扩展的投资时钟，并通过协整分析及收益统计等方法探讨了沪深300指数、中证500指数、南华工业品指数、南华农产品指数及中债指数在扩展投资时钟下的表现及应用，结果发现：在2007年1月至2017年12月的样本区间内，基于风险平价策略的加杠杆后的资产指数，在复苏前期中证500指数的收益率最高，在复苏后期和过热期南华工业品指数的收益率最高，在滞胀期南华农产品指数的收益率最高，在衰退前期和衰退后期中债指数的收益率最高；并分别构造了持有一种资产及平均持有两种资产的配置策略，结果发现基于扩展投资时钟的资产配置策略无论在收益提升还是风险控制方面，都表现得极为突出，能够取得较高的风险收益比。这与大量学者的研究结论相同，即通过基于特定的指标和分类标准设计出的配置策略可以获得超额收益，并且在与传统美林投资时钟的对比研究中发现，扩展投资时钟下的资产配置策略要明显优于传统美林投资时钟下的资产配置策略。因此综合来看，加入货币因素的扩展投资时钟在我国资本市场上表现出非常强的可应用性。

本文的研究结论无论对于理论研究还是投资实践均有一定的指导意义，但是仍然存在着很多的不足之处，在下一步研究中可以从以下方面进行改进：首先，在构造扩展投资时钟时，只是根据以往的研究及经验选择了领先指数、滞后指数和M2同比指标，但是工业增加值、CPI、市场利率等其他指标同样可以用来对周期进行划分，因此可以通过实证比较这些指标间的优劣，选择更合适的指标来对扩展投资时钟下的经济周期进行划分；其次，在对经济周期划分的依据上，只是简单采用经季节调整和HP滤波法调整后的序列涨跌状况进行分类，这种方法虽然简单且易于实际操作，但是相对于结构断点、马尔科夫转移等模型，在精确度上有所欠缺，在接下来的研究中，可以在考虑具体实际可行性的基础上，采用更复杂的模型对经济周期进行划分；最后，可以对各类资产进行再进一步的细分，如可以通过选股策略选出在特定时期表现更佳的股票组合，可以选择表现更优的期货品种，同样也可以对债券进行进一步挑选，从而在设计资产配置策略时可以有更多样的选择。

参考文献：

[1]Vandell，R.F.，Stevens，J.L. 1989. Evidence of superior performance form timing[J].J.Portfolio Manage，（15）.

[2]Breen， W.， Glosten， L. 1990. Jagannathan， R. Economic significance of predictable variations in stock index returns[J].J. Financ.，（44）.

[3]Pesaran， M.H. 1995. Timmermann， A. Predictability of stock returns：Robustness and economic significance[J]. J. Financ.，（50）.

[4]Johannes， M.S. 2002. Polson， N.，Stroud，J.R. Sequential optimal portfolio performance：Market and volatility timing[J].Working paper.

[5]Thomakos， D.D. 2007. Wang， T.， Wu， J. Market cap and rotation strategies[J].Math. Comput. Model，（46）.

[6]Bolten S E. 2000. Stock Market Cycle： A Practical Explanation[M].New York：Quornm Books.

[7]Schizas，P.，Thomakos， D.D. 2015. Market timing and trading strategies using asset rotation：non-neutral market positioning for exploiting arbitrage opportunities[J]. Quantitative Finance， （15）.

[8]Merrill Lynch. 2004. The Investment Clock[R]. Special Report： Making Money from Macro.

[9]Binhui Wang，Shangwei Qu. 2016. Rotation Effects of Alpha Factor in Chinese Stock Market Based on Investment Clock[J].Journal of Information & Computational Science，（13）.

[10]Conover，C.M.，Jensen，G.，Johnson，R.，Mercer， M. 2005. Is Fed Policy Still Relevant for Investors？[J].Financial Analysts Journal， （1）.

[11]武文超.中国A 股市场的行业轮动现象分析——基于动量和反转交易策略的检验[J].金融理论与实践，2014，（9）.

[12]周亮.投资者情绪及其对股票市场的影响研究[J]. 湖南财政经济学院学报，2017，（3）.

[13]周亮.基于美林投资时钟的我国大类资产配置探讨[J].上海经济，2018，（1）.

[14]秦彦.中国经济周期的划分——三种变量划分方法的比较[J].现代经济信息，2010，（24）.

[15]王成勇，艾春荣.中国经济周期阶段的非线性平滑转换[J].经济研究，2010，（3）.

[16]鄭挺国，王霞.中国经济周期的混频数据测度及实时分析[J].经济研究，2013，（6）.

[17]苏民，逯宇铎. 跨经济周期的资产轮动模式——兼谈美林投资钟的缺陷及修正[J].改革与战略，2011，（11）.

[18]张子能，董必焰.投资时钟在我国资本市场的实践探索[J].经济视角，2012，（5）.

[19]郜哲.基于投资时钟原理的中国大类资产配置研究与实证[J].河北经贸大学学报，2015，（3）.

[20]瞿尚薇，王斌会.投资时钟下我国经济周期的划分与资产配置[J].统计与决策，2017，（17）.

[21]张立鹤. 基于真实经济周期理论的美林时钟修正研究[D].长春：吉林大学硕士研究生论文，2017.

[22]兴业证券. 宏观视角下的动态多因子模型[EB/OL].http：//www.sohu.com/a/223757777_619348，2018-1-20.

[23]邹昆仑.货币政策对股票市场的非对称性影响研究——基于行业和企业规模的视角[J].宏观经济研究，2013，（11）.

[24]叶永刚，周子瑜.我国货币政策的行业效应研究——基于GVAR模型的实证[J].学习与实践，2015，（3）.