宏观逻辑的量化验证深入股债相关性的本质与预测.docx

《宏观逻辑的量化验证深入股债相关性的本质与预测.docx》由会员分享，可在线阅读，更多相关《宏观逻辑的量化验证深入股债相关性的本质与预测.docx（32页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、内容目录.股债相关性：古老而陌生的话题41.1. 股债相关性解构4股债相关性的本质来源 41.1.1. 不同频率Pearson相关系数的关系5Pearson相关系数更依赖于尾部样本71.2. 股债相关性预测对资产配貉的意义8.股债相关性建模与预测91.3. 海外股债相关性演变9美国股债相关性演变及其主要驱动因素91.3.1. 其他国家股债相关性演变及其主要驱动因素111.4. 股债相关性的理论模型与影响因素121.5. 我国股债相关性影响因子筛选15我国股债相关性历史表现 151.5.1. 宏观因子检验与筛选15学术因子检验与筛选191.6. 我国股债相关系数预测模型构建23.基于认知融合与风

2、险匹配的资产配络体系241.7. 资产配路的本质困境及应对方式241.8. 参考文献25风险提示26图表目录图表/：美林时钟框架下的股债相关性表现4图表2：国盛金工股债定价因素分解5图表3：各类影响因素到股债相关性传导路径5图表4不同频率下沪深30。与中债总财富指数收益率序列滚动I年相关系数6图表5：单月股债日频相关系数与单月股债累计收益方向同步性7图表6：高信息量尾部样本对相关系数计算的影响8图表Z准确预测A预测相关系数下的配貉策略净值9图表&准确预测不预测相关系数下的配貉策略动态回撤9图表9：标普与美国年期国债收益率序列相关系数（日频，指数加权半衰期2年）10图表10：美国长期通胀预期与1

3、0年期国债收益率10图表通胀控制前后美国股债表现驱动因素场景分析10图表12通胀控制前后美国股债相关性与通胀预期 11图表13：日本、德国、英国股债相关性变化（日频，指数加权半衰期2年）11图表14日本股债相关性与长期通胀预期 12图表15：沪深300与标普50。股息率（） 12图表16：学术论文提出的股债相关性驱动因素13图表17：股债相关性由四大因素互相作用决定14图表18：我国股债相关性历史表现 15图表19因子-资产匹配方法流程图16图表2。：因子对单月股债相关性多空择时结果（累加）16图表72：通胀控制前后美国股债相关性与通胀预期%O 08642024680 1OOOOOOOOO1

4、相关系数%O 08642024680 1OOOOOOOOO1 相关系数费料来源：DE Shaw, Bloomberg, Consensus Economics,费料来源：DE Shaw, Bloomberg, Consensus Economics,2.1.2.其他国家股债相关性演变及其主要驱动因素90年代股债相关性的机制转换不仅仅发生在美国，实际在其他兴旺国家包括日本、德国、 法国、英国、加拿大、意大利等都发生了类似的变化。主要驱动因素与美国相同，都来 自通货膨胀预期的明显下降。图表23日本、德国、英国股债相关性变化（日频，指数加权半衰期2年）相关系数8 99 1499 1 O9912 00

5、2资料来源：DE Shaw, Bloomberg,资料来源：DE Shaw, Bloomberg,日本的股债相关性切换发生时间相对其他兴旺国家更早，前者在90年代初后者在90年 代末。主要原因在于1990年日本股市泡沫破灭，开始进入“失去的十年”，对于高通货 膨胀的预期同样也随之消失，因而日本的股债相关性切换较早。图表14日本股债相关性与长期通胀预期资料来源：DE Shaw, Bloomberg, Consensus Economics,2.2.股债相关性的理论模型与影响因素学术上对于股票和债券相关性的讨论同样聚焦于股债定价方式的讨论。耶鲁大学的Lingfeng Li 曾在“Macroecon

6、omic Factors and the Correlation of Stock and Bond Returns”（2002）中提出了股债相关性的理论决定因素模型。模型首先设计了股债作为资产大类 的定价仿射模型（Affine Model）,并由此推导出了股债协方差模型（具体推导详见相关论文）:其中，COV（债,股）=6+ S。2 + S .。.+ +6.0 .+ +B o o1 r 2 3 67rb 令 4 丁 56 rOr是实际利率的波动率; %是通货膨胀的波动率; 是股息率的波动率。可以看到在这个仿射模型中，股债相关性主要与以下因素有关：实际利率不确定性、通 货膨胀不确定性、实际利率/

7、通货膨胀/股息率三者的协方差。这几个因素的互相制衡最 终决定了股债相关性的大小。其中股息率的波动率含义中美之间具有明显的差距，美国 的股息率中枢相对稳定，存在明显的均值回复特征，而中国的股息率当中分母的波动占 主导，因而可能更多的由股票市场的波动率主导，我们倾向于使用股票特质波动代替。图表15：沪深30。与标普500股息率（%）沪深300股息率 标普500股息率4 5 3525150 3 2 10三&IWS 390SSS&16IS 3906IS ms Ims mH1。9。|匚2 m 3909IS S&二s390二s Ims590寸s slds s90二s mHS90HS S&IIS z90二s

8、I0&2SS90SS SATSS IT9060S S&11Z mosIm I090ISSS3190S S9090S 5&SS Im资料来源：Wind,除此之外Lingfeng Li的模型中股债定价都受到不可预期通胀的影响，因而不可预期通胀 不确定性与股债相关性也有直接联系。本报告将Lingfeng Li以及其他关于股债相关性的 重要论文中总结的影响因素整理如下：图表16学术论文提出的股债相关性驱动因素因素名称计算方式因素逻辑来源预期通胀（短期） 不确定性预期通胀（长期）不确定性实际利率（短期）不确定性实际利率（长期）不确定性不可预期通胀不确定性股票特质波动经济增长通货膨胀股债收益率差股债波动率

9、差预期通胀（短期）：三变量贝叶斯向量自回归 （BVAR）的未来一期预测值：月频实际通胀 率、工业增加值增长率、短期国债收益率。滞 后12期。不确定性：其水平值（预期通胀越高本身代表 不确定性越高，Ball & Cecchetti （1990）J贝助您月氏（长州M ：长期1页万仪施举-世玄 年平均GDP增速。不确定性：其水平值（预期通胀越高本身代表 不确定性越高）实际利率：短期国债利率-预测的未来一期 预期通胀（短期）不确定性：其GARCH（1,1）模型的条件波动率 实际利率：短期国债利率-预测的未来一期 预期通胀（短期）不确定性：3状态机制转换模型的根均方误 （David & Veronesi

10、 （2001）不可预期通胀：未来一期实际通胀率-预测 的未来一期预期通胀（短期）不确定性：其GARCH（1,1）模型的条件波动率日频股债收益率回归的残差波动率工业增加值同比CPI同比log （EP/10年期国债收益率）log （过去5年EP波动率/过去5年10年期国 债收益率波动率）股债折现率冲击股债折现率冲击股债折现率冲击股债折现率冲击股债折现率冲击Flight-to-quaility 效应美林时钟逻辑美林时钟逻辑Flight-to-quality 效应Flight-to-quality 效应Lingfeng Li(2002)Lingfeng Li(2002)Lingfeng Li(2002

11、)Lingfeng Li(2002)Lingfeng Li(2002)Lingfeng Li(2002)Megan Czasonis(2020)Megan Czasonis(2020)Megan Czasonis(2020)Megan Czasonis(2020)经济周期NBER经济周期划分ECRI经济周期指数股票市场不确定性股票指数期权隐含波动率资金流资料来源:（论文未说明具体构造方式）美林时钟逻辑Flight-to-quality 效应Flight-to-quality 效应Jian Yang(2010)Connolly(2007)Andersen(2007)其中的“Flight-to-q

12、uality”效应即指传统的“股债跷跷板”效应。当股债预期收益率差别较大，或者股债预期风险差异较大时（同时风险偏好变化），资金就会从收益率低的流向收益率高的，从风险高的流向风险低的，从而导致股债负相关性的出现。总结来说，学术研究对于股债相关性的驱动因素主要可以归结为四类：经济周期、风险 偏好（比价关系）、通胀预期、政策超预期。其中经济周期和风险偏好推动股债相关性 向负值移动，通胀预期与政策超预期推动股债相关性向正值移动，股债相关性将是这四 股力量相互作用的最终结果。经济周期”因素可以由传统美林时钟解释，对于股债定价分子分母都可能发生一 定的影响，主要是对于股票定价分子的影响； 风险偏好因素即“

13、Flight-to-quality”效应，与股债性价比、避险需求等因素相 关，主要是对于股票定价分母中的风险溢价的影响；通胀预期因素是指通胀预期、不可预期通胀、实际利率等变化带来的折现率变 化，主要影响的是股票、债券定价分母中的无风险收益率；政策超预期因素是政府的逆周期调节及其可预期性。比方滞胀时期为了控制通 胀而采取的紧缩政策（70-80年代美联储主席Paul Volcker改革），比方衰退时期为 了促进经济而采取的宽松政策（2008金融危机下的QE,2020年疫情危机下的QE）, 这类政策如超出市场预期，那么本质是对股票、债券定价分母中的无风险收益率预期 的直接调整。图表27：股债相关性由

14、四大因素互相作用决定股债相关性下降股债相关性上升通胀预期 经济周期风险偏好 政策超预期资料来源:2.3. 我国股债相关性影响因子筛选学术论文大多讨论的是美国或其他兴旺国家的股债相关性，然而我国与美国等兴旺国家 在市场环境、经济结构、政策目标、政策工具等方面有明显的区别，因而股债相关性驱 动因素的合适代理因子可能也不尽相同。本节将通过因子资产匹配方法筛选对于我国股 债相关性择时较为有效的宏观因子，并构建基础回归预测模型，然后通过逐一添加学术 因子的方式检验学术论文中构造的因子在我国的有效性，如有效才予以保存。所有因子 的数据处理以可得性为原那么。2.3.1. 我国股债相关性历史表现我国滚动1年股

15、债相关性历史上绝对值相对兴旺国家较小，2017年以前基本在0.2到 0.2之间。2017年我国股债相关性也经历了类似兴旺国家90年代“机制转换”的情况。单月相关系数在2017年8月突然大幅转负，后持续处于负值。具体原因难以验证，我 们给出对此“机制转换”的假设干猜测，有待未来验证：猜测1 ：经济增长率波动降低后对于通货膨胀不确定性预期的下降到达一定阈值，股债 正相关性减弱。猜测2:外资进入、非标产品受限及我国金融市场机构化后对于股债比价关系重视程度 上升，股债跷跷板效应增强，股债负相关性增强。猜测3 :政策水平上升带来的政策预期稳定性上升，股债负相关性增强。2017年是金融 严监管开端年，政府

16、对金融市场乱象的专项治理代表着以前偏粗放式的政策方式变得越 来越可预期，政策摆幅下降。图表18：我国股债相关性历史表现单月股债相关性一滚动1年股债相关性0. 80. 60. 4/SIS 6/0SZ 7I/010Z 7S/60S /6/800Z iS/8SZ -I/S/SS K6/90S w、900z 1/6/1 I/I/soz207 os/SIS 6/0SZ 7I/010Z 7S/60S /6/800Z iS/8SZ -I/S/SS K6/90S w、900z 1/6/1 I/I/soz207 os6/ZIS I/d一/6、s 二/I/OI/&sz / 二/二d M6/9IS L/I/95Z

17、1/6/二 ON I/I/二言资料来源：Wind,2.3.2. 宏观因子检验与筛选宏观因子的筛选我们通过之前的报告：宏观逻辑的量化验证：映射关系混沌初开中 的择时策略检验法在宏观数据库中筛选有效的指标。筛选所使用的样本内数据截止到 2019年底，具体验证方法详见报告。图表19：因子资产匹配方法流程图资料来源:1、工业企业:亏损企业亏损额:累计同比工业企业亏损额周期与股债相关性具有长期稳定的负向关系。亏损周期上升对应股债负 相关，亏损周期下降对应股债正相关，月度胜率63.47%）。下列图中因子历史波动与股债 相关性波动展示时选用6个月滚动相关性的主要目的是更为清晰的展示大趋势变化。图表27：因子

18、对单月股债相关性多空择时结果（累加） 图表因子历史波动与滚动6月股债相关性波动单月股债相关性（右轴）因子择时结果（左轴，累加）%)滚动6月股债相关性（右轴）工业企业:亏损企业亏损额：累计同比（左轴,0. 8-0. 60.410. 2-0.2-0. 4-0. 6-0.880.00 -10. 870.0060.000. 450.000. 240. 00030. 000I8063C3&二sI。二 ONI lols&oz!ssS900Eslslc3slz 360soz 110OTsoe 二 0TSOZ Tsm /o*osgo o o o o o o o o 2 1-10. 00-20. 00-30.

19、0010. 61614 -12 -104 zc o o0T9T6IS I70T8IS 87S8IS 1T2s OT= I9ZZ 。7寸 0915 一T8T二s lTsrs 0T60HS ITlo二s 。T90&5 ITOTLls LTlo二5 0TSISS ITSS5 0T6090S IT390S 0790ss ltotss 6722S 一工02S 0T 二ss 革sss资料来源：Wind.资料来源：Wind.2、工业企业:产成品存货:累计同比工业企业库存周期与股债相关性具有长期稳定的正向关系。库存周期上升对应股债正相 关，库存周期下降对应股债负相关，月度胜率64.07%）。单月股债相关性（右

20、轴）因子择时结果（左轴，累加）o o4 5 o.o.国18016SZ , 0I608IS 二 0OT 匚 0 0二93 ，。&二 0 二。?二 0 二。S寸5 二。3二 0 -Im 二 OSLlo 3190037 二 02i 二。8?800 二。60s0 二 010I90S 二 OTSS 二 0&S0Z -WHloss1oo o oo oo oo o* oo oo ooo oo6 41X 1XXT906SZ 二 T0T8IS 晨m 二工。s XT 二gls XTS9ZZ 二 T8。二s w m ILTSXS 1111110 工。二s IIITnrleoezz io79?zsz I LTOT 二

21、s I ITm IO工 0605 I LTSSS 10T60900Z I xosg IIIIII0T90SS 二totss IIIIIII67SSS 二工。ss mT 二ss 另 0S5 o 2滚动6月股债相关性（右轴）工业企业:产成品存货：累计同比（左轴，%）资料来源：Wind,资料来源：Wind.3、社会消费品零售总额:当月同比消费增速与股债相关性具有长期稳定的正向关系。消费增速提升对应股债正相关，消费 增速下降对应股债负相关，月度胜率6L46%）。图表24因子对单月股债相关性多空择时结果（累加）图表25：因子历史波动与滚动6月股债相关性波动单月股债相关性（右轴）因子择时结果（左轴，累加）

22、滚动6月股债相关性（右轴）社会消费品零售总额：当月同比（左轴，%）0. 81425 -10. 44 5 o o6 4 2 o o o o2 4 6 8 o o o o3ll6ls 10363Z3S8SZ 3sEs3IS-9IS 36。二s sTrs swzz32二s lols&s 32Lloz S602SSTSS 33ss I0S80S 31sss35gooz 360ss 3TSS 30soz二 TS61S 二工 081S ioT6Hl5 ioT 二915 I 1T3gIs ioEn i0790437 IIT80二s I LTolels 二二 o&s寸 0二5 二工oozz 二 TOTiz 二

23、2 ogs ioT寸 oss i LTSS5 二 T0T90S 二二 090S I0E0SS 二工 oss IT0T2S IT320Z 单寸 oss2086420211 11资料来源：Wind,资料来源：Wind,4、债券发行量:短期融资券:当月值短融发行量与股债相关性具有明显的负向关系，特别是近5年关系更为明显，月度胜率 59.89（Vb o单月股债相关性（右轴）因子择时结果（左轴，累加）o o o o9 8o o o o o o o o o o7 6 5 4 3o o o o o2 12 4 6 co 8 6 4 2 - o o o o o o o o o - 一 一 一8 6 42 o3

24、9061S 36083Z3官匚s32sS909SZ s60二s SATES52二s 390二s 360715S&二s 102二s390ss slssozS&180S 3sis 1090ss ssss3&SS 52ss0 工 II6ZZ 1T262ZIT25S 0T 二匚5LTSESLT29IS 0T 二二sLTS二sLT5XS 0 c工szGo二5 一工o&oz OTIT 二sI 工 0Is ITSSS07IT605 ITZSSITS800Z 0 mllssLTSSS 1TS90S oeTssLTSSS滚动6月股债相关性（右轴）债券发行量:短期融资券：当月值（左轴，亿元）资料来源：Wind,资

25、料来源：Wind.5、债券发行量:超短期融资券:当月值超短融发行量与股债相关性具有明显的负向关系，除2015、2016年外关系较为稳定。超短融属于货币市场工具范畴，性质与国外短期商业票据相似。在成熟资本市场国家， 短期商业票据作为常规货币市场产品，是央行货币政策操作的重要工具和企业主要直接 融资产品，月度胜率63.48%）。图表28：因子对单月股债相关性多空择时结果（累加）图表29：因子历史波动与滚动6月股债相关性波动单月股债相关性（右轴）因子择时结果（左轴，累加）滚动6月股债相关性（右轴）债券发行量:超短期融资券：当月值（左轴，亿元）10 1r 0. 630000. 4*UOO O O3 2

26、 1 o o o5 -O,1m,1026SZSI608IS5上。812560匚S 二 0工?11。7 ,360912 smo9sz260JIS sls3- ,s60lxs 二 omo+s 06?6ls 1 02二s 101603S560二s35二。Z-LTS6ZZ i87S62Z OT6O83Z ioTbo8Is iom二一 ls 二 ds -IT8093Z -1TS9IS -LTOIJIOZ -LTS二s -IE?S 二 Tg+s 87S43Z i0工 osls ioTns mL&s = T90&5 T335 80Lls二s 2资料来源：Wind.资料来源：Wind.根据以上筛选到的宏观因子

27、，我们首先采用ARIMAX模型构建基本的回归预测模型。之 所以采用ARIMAX模型主要原因在于股债相关性序列本身具有“自相关性二具体的我们 采用（p,d,q）=（l,0,6）的ARIMAX回归。样本内数据为2002.03-2019.12,样本外数据为 回归得到的模型样本内择时胜率为66.98%,显著大于每个单因子的 择时胜率。模型样本外胜率100%。可以看到模型从2016年起胜率显著上升。图表30： 4?加模型拟合与预测效果（方向累加）ARIMAX模型预测择时效果（样本内）ARIMAX模型预测择时效果（样本外）资料来源：Wind,图表五：4?即模型样本内拟合结果单月股债相关性ARIMAX模型预

28、测结果资料来源：Wind.回归总体的R方为17.87%,调整后R方为12.48%。回归的Beta系数方向基本正确, 仅有一个社零有所误差，并且社零的系数显著性也不强，因此主要可能是共线性带来的 影响。去掉社零后模型胜率、R方等都几乎没有影响，因此在后续模型中我们将社零因 子予以剔除。回归得到的系数中以MA （6）、Beta （超短融）最为显著。图表32： 回归系数与显著性负料来源：Wind,系数T值P值常数项0.00670.330.74AR (1)0.29361.470.14MA (1)-0.2377-1.220.22MA (2)0.11041.340.18MA (3)0.03400.410.

29、68MA (4)-0.0481-0.570.57MA (5)0.03230.430.66MA (6)0.20362.540.01Beta (vW-0.0036-0.880.38Beta （存货）0.01911.500.13Beta （社零）-0.0110-0.140.89Beta （短融）-0.0014-1.530.13Beta （超短融）-0.00142120.032.3.3. 学术因子检验与筛选1、预期通胀（短期）不确定性通胀预期数据美国有两种形式：通胀保值债券（TIPS）、调查通胀预期。而我国内地目前 暂时没有通胀挂钩/保值类债券，因而没有方法获得市场交易得到的预期通胀，同时我国 也没有

30、调查通胀预期。所以对于我国的预期通胀的刻画只能采用计量方法，我们使用 Lingfeng Li （2002）论文中的三变量贝叶斯回归（Bayesian VAR）模型的未来1月预测值来刻画。预期通胀（短期）：三变量滚动5年贝叶斯向量自回归（BVAR）的未来一期预测值：月 频实际通胀率、工业增加值增长率、短期国债收益率。滞后12期。不确定性：其水平值（预期通胀越高本身代表不确定性越高）。因子纳入回归模型后并未有明显的提升，且显著性较低，予以剔除。图表33：预期通胀（短期）不确定性（%）图表34学术因子纳入模型后效果CPI:当月同比CPI:当月同比预期通胀（短期）10. 000010. 00008.

31、00006. 00004. 00002. 00000. 0000-2. 0000SIIse S03N T800Z 60ie (EMS02Z 606 一5 二。610、 S8IS 60二S 二0|二5 T915 6。二5 I。二5 2XS ng 10二ON 二n LSIOZ胜率65. 57%Rsq18. 05%Rsq. adj12.67%Beta显著性（P值）0. 52-4.0000资料来源：Wind,资料来源：Wind,资料来源：Wind,2、预期通胀（长期）不确定性考虑长期预期通胀不确定性的原因在于股债都是“长久期”资产，因此要考虑未来长期 的折现率。当然我们同样可以采用BVAR的方式预测长

32、期预期通胀，但是由于BVAR的 线性性，长期的样本外预测会收敛到均值且无法捕捉非线性的特征，因而学术上倾向于 使用如下形式：预期通胀（长期）：长期债券收益率-过去5年平均GDP增速。不确定性：其水平值（预期通胀越高本身代表不确定性越高）。因子纳入回归模型后有明显的提升，且显著性较高，予以保存。图表35：预期通胀（长期）不确定性（）-2S02Z 806IS 6082Z 0 一is ,二9IS 11二s 10二s g二s SEs g&s 2IIs 90207 gie 8n 60iz 290S 二 JOON &SS gss gss sss4资料来源：Wind.胜率69. 81%Rsq21. 15%R

33、sq. adj15. 98%Beta显著性（P值）0. 006图表36：学术因子纳入模型后效果资料来源：Wind.图表2,因子历史波动与滚动6月股债相关性波动16图表22因子对单月股债相关性多空择时结果（累加）17图表23.因子历史波动与滚动6月股债相关性波动17图表24：因子对单月股债相关性多空择时结果（累加）17图表25：因子历史波动与滚动6月股债相关性波动17图表26：因子对单月股债相关性多空择时结果（累加）18图表27：因子历史波动与滚动6月股债相关性波动18图表28：因子对单月股债相关性多空择时结果（累加）18图表29：因子历史波动与滚动6月股债相关性波动18图表30： 4?即模型拟

34、合与预测效果（方向累加）19图表3Z 4?的4X模型样本内拟合结果19图表32 4?即回归系数与显著性19图表33：预期通胀（短期）不确定性（%） 20图表34：学术因子纳入模型后效果 20图表35：预期通胀（长期）不确定性（%） 20图表36：学术因子纳入模型后效果20图表 实际利率（短期）不确定性21图表38：学术因子纳入模型后效果21图表39不可预期通胀不确定性21图表40：学术因子纳入模型后效果21图表41：股票特质波动22图表42：学术因子纳入模型后效果 22图表43：股债收益率差（） 22图表44：学术因子纳入模型后效果22图表45：改进后/IX模型拟合与预测效果（方向累加）23图

35、表46改进后4?勿模型样本内拟合结果 23图表47：国盛金工我国股债相关性预测模型框架23图表4&基于认知融合与风险匹配的资产配辂体系243、实际利率（短期）不确定性同样由于没有TIPS这类金融产品，因而我们只能用名义利率减去BVAR得到的预期通胀 的方式计算实际利率。实际利率：短期国债利率-预测的未来一期预期通胀（短期）。不确定性：其GARCH（1,1）模型的条件波动率。因子纳入回归模型后并未有明显的提升，且显著性较低，予以剔除。图表38：学术因子纳入模型后效果图表实际利率（短期）不确定性5 1*资料来源：Wind,S002Z 0T6LS 工06LS 1808LS 二 08LS 1 90匚2

36、 二9LS S9LS 60二5 ，3二S SXS ？二5 二0二2 0IAS 工 0&S ,80二S 二0二S goOIs ,ITSS sss 6080S ，S80S 2ss H90S资料来源：Wind,4、不可预期通胀不确定性不可预期通胀是指没有反响在预期通胀当中的“通胀冲击。最近比拟鲜明的例子就是 2019年的非洲猪瘟导致的猪价暴涨带来的事件性“通胀冲击”。不可预期通胀：未来一期实际通胀率-预测的未来一期预期通胀（短期）不确定性：其GARCH（1,1）模型的条件波动率。因子纳入回归模型后提升不明显，但显著性较高，予以保存。图表39不可预期通胀不确定性不可预期通胀（左轴）不可预期通胀不确定性

37、（右轴）r 40. 50(T02Z胜率66. 98%Rsq19. 73%Rsq. adj14. 46%Beta显著性（P值）0. 09图表4。：学术因子纳入模型后效果资料来源：Wind,资料来源：Wind.5、股票特质波动股票特质波动与“Flight-to-quality”效应有关，理论上股票特质波动越大，股债相关性 越负。计算：日频股债收益率回归的残差波动率。因子纳入回归模型后有明显的提升，虽然显著性一般，但予以保存。图表4Z股票特质波动图表42：学术因子纳入模型后效果I/s/027 1/9/615 I/5/8IS 1/8/Z4S I/6/9IS I/OI/二 OZ I/IUXOZ I/E/

38、三 Z I/I/Esz 1/S WIS I/b/ss I/9/iz I/9/80S I/t U8/900Z I/6/ I/0I/S5 I/II/SOZ I/NI/SOZ I/I/sozI/s/027 1/9/615 I/5/8IS 1/8/Z4S I/6/9IS I/OI/二 OZ I/IUXOZ I/E/三 Z I/I/Esz 1/S WIS I/b/ss I/9/iz I/9/80S I/t U8/900Z I/6/ I/0I/S5 I/II/SOZ I/NI/SOZ I/I/soz资料来源：Wind,资料来源：Wind.6、股债收益率差股债收益率差同样与“Flight-to-qualit

39、y”效应有关，论文中使用的是log（EP/Bond_yield）, 但是中国市场EP太小，与债券利率差异较大，因此我们改用DP。计算：10年期国债收益率-沪深300股息率（TTM）。因子纳入回归模型后并未有明显的提升，且显著性较低，予以剔除。图表43：股债收益率差（%）图表为学术因子纳入模型后效果胜率66. 51%Rsq17. 87%Rsq. adj12.47%Beta显著性（P值）0. 94. 5股债收益率差S800SZ 33T6LS slbr6Ls loslss S&ES lTs&s ms3HJLs Iwo二s S801-HS S？E5Z320二s SI512S sCTIls3sIsz 1

40、080ss srss qoss 5SI80S s&lss mS8090S SZT2S3寸。Jos资料来源：Wind.资料来源：Wind,2.4,我国股债相关系数预测模型构建综合考虑后我们纳入三个学术因子：预期通胀（长期）不确定性、不可预期通胀不确定 性、股票特质波动。纳入后的ARIMAX（l,（6）-7因子模型的样本内胜率到达70.28%, 样本外胜率在90%, R方达至IJ 22.24%,调整后R方到达16.29%。图表46改进后4?外模型样本内拟合结果图表45：改进后/应闻4r模型拟合与预测效果（方向累加）单月股债相关性ARIMAX模型预测结果单月股债相关性ARIMAX模型预测结果ARIM

41、AX模型预测择时效果（样本内）ARIMAX模型预测择时效果（样本外）30 1-us/ose 二/8/6IS ，/二 二/E8I* 二/S/二* 二/8/gszI/二、二 0 :/z/SIg 二/S 三5 二/8、二0Z 一/二/Z2Z 上m 二9/二5 二、8、0IgI/=/600 ，/葭17 二S/1C 二、8/SSI/二/900 二大/90S ,/9/2S 【/8/SS 二/二/20 L/Z/1Z50. 8 -1资料来源：Wind,资料来源：Wind.整个建模的过程我们也间接验证了，我国股债相关性确实同时受到经济周期、风险偏好、 通胀预期以及政策超预期的影响。通过宏观逻辑的量化验证，我们找

42、到其相应的可能代 理指标如下列图所示。需要注意的是可能代理指标仅是充分代理指标，但未必是必要代理 指标，在不同的阶段可能不同。图表“国盛金工我国股债相关性预测模型框架资料来源:3.基于认知融合与风险匹配的资产配辂体系3.1. 资产配辂的本质困境及应对方式经过两年多的研究，我们已形成一套基于认知融合与风险匹配的资产配谿体系。在这套 体系中，我们认为资产配将的本质困境在于我们对于资产未来的收益风险分布认知缺乏。 无论是主观判断还是基于量化模型判断，对于未来的认知缺乏将导致我们不敢下注或者 下错注。其中，究竟是不敢下注还是下错注，取决于我们的风险偏好。那么如何应对这种困境？我们认为有两种方法：1）

43、提升对资产未来分布的认知2） 降低风险偏好抵御未知世界第一种方法较好理解，通过研究和构建预测模型，我们可以提高对于资产未来收益风险 分布的认知，不管是基本面逻辑还是交易面逻辑，逼近未来真相带来的信息将给配络决 策带来毋庸至各疑的增量。第二种方法描述的是对于不同质量信息的利用能力。假设我们对于未来完全未知，对于 不确定性没有任何科学利用能力，那么我们可以将风险偏好降到最低，也就是持有现金， 这对于当下的我们也是较好的配谿策略，因为至少不会亏钱。这个过程本质是我们仅利 用了 100%胜率的信息，即现金的预期收益100%为0%的信息。而这个世界充满着30% 胜率、50%胜率、70%胜率等等的信息，取决于我们怎么利用。图表48：基于认知融合与风险匹配的资产配辂体系黄金交易模型黄金交易模型!利率交易模型-!权益交易模型！L J L J资料来源:综上所述，基于认知融合与风险匹配的资产配珞体系主要的目标有三:3） 不断提升对资产收益风险分布的认知（宏观模型、交易模型、风险模型）将各种形式的认知科学统一的融合（嫡池模型）4） 认知水平与