商业

中信证券研究:利用东风利用共识预期改善宏观因素预测

原标题:战略方针| 从外而内的方法,基本面已准备好打破局面

恢复

[Investigación de CITIC Securities: Uso de Dongfeng para usar expectativas consistentes para mejorar los pronósticos de factores macro]本报告基于动态因素建模,使用模型外推和一致期望外推两种方法来讨论增长,通货膨胀和流动性的三个驱动因素。 问题。 该模型的简单外推基于历史统计法,因此难以反映诸如未来宣布的政策变更之类的信息。 输入一致的预期数据可以弥补模型缺陷并改善预测效果。

难以避免基于宏观经济要素组合分配策略的宏观经济要素预测问题。 基于动态因素模型,本报告使用模型外推法和共识期望外推法两种方法来讨论增长,通胀和流动性的预测。 该模型的简单推断是基于历史统计法则的,因此很难反映诸如已宣布的未来政策变更之类的信息。 输入一致的预期数据可以弥补模型缺陷并改善预测效果。

  基于宏观因素的投资组合分配策略无法避免宏观因素的预测测试问题:

在基于宏观经济因素的证券投资中,您真正面临的是尚未开始的宏观经济因素的变化。 预期合理因素通常是一个不可避免的问题。 由于基本宏观经济指标数据的发布普遍延迟,因此宏观因素预测实际上包括两个部分:实时预测和前景预测:

1)实时预测是估算已结束但尚未公布基础数据的统计期间的因子值。

2)Outlook预测正在估计正在进行或尚未发生的统计期间的因子值。

  从宏观指​​标到宏观因素,使用动态因素模型来探索经济波动的主要驱动力:

基于上一份报告,我们将构建宏观因素的核心步骤分类如下:

1)明确宏观指标的分组和选择,以涵盖基础数据; 根据指标领域进行合理分组,并与模型参数的配置配合使用,以帮助弄清宏观因素的经济意义。 ; 从实际应用中进行选择,以使其具有代表性,易于跟踪并具有高度实用的核心指标。

2)利用动态因素模型寻找宏观指标的共振趋势,完成宏观因素的提取; 模型参数设置遵循上述报告,每个索引组中的隐藏因子的数量设置为1,滞后自回归隐藏因子的顺序设置为3。

  借助一致的预期数据,提高宏观因素的预测效果:

我们使用模型外推法和共识期望外推法专注于对增长,通胀和流动性这三个宏观因素的预测。

1)动态因子模型中包含的向量自回归过程为我们提供了一种模型外推的预测方法,但是预测结果完全基于历史数据的统计定律,难以有效地反映已知未来信息的影响。 ,例如已宣布的政策更改等。

2)一致的预期数据包含研究人员从逻辑推论的角度对宏观领域的判断,并可以相对及时地反映这些信息。 结合历史数据调整的模型参数,可以获得一致的宏观因素预期预测值。

3)我们根据预期数据对最低的10个宏观指标建立了共识预期。 从2010年的数据到现在,随着相应的报告期和发布日期的临近,共识期望与实际价值之间的误差趋于减少。 。

  回到过去十年的历史预测数据,单变量回归评估了预测的效果:

我们使用实际的历史数据作为基线预测,并使用无截距的单变量回归来观察预测效果。

1)增长因子:一致期望外推的预测效果更好,与模型外推的主要区别在2012年左右;

2)通胀因素:与模型的外推相比,共识预测没有显示出明显的改善;

3)流动性因子:两种方法的性能都可以接受,并且共识预期是预测效果会更好。

  主要结论:

1)引入一致的预期数据有助于改善基于动态因素模型的宏观因素预测;

2)一致的预期数据的最终效果取决于可用的预期数据集;

3)根据2021年3月15日的历史数据和2021年3月16日的预期共识数据,计算下一年的共识预期值。 增长因子有望在4月份达到峰值后下降。 通货膨胀率先上升和下降在9月达到高位,流动性系数先下降然后上升并在10月达到低位。

  风险警告:

该模型的结论基于历史数据来估计存在故障风险。

(文章来源:中信价值观研究)

(负责人:DF064)

我郑重声明:Oriental Fortune.com披露此信息的目的是传播更多信息,而与该摊位无关。

Source

Show More