宏观量化笔记6：从”宏观象限到资产配置“的问题

作者：Yaqi的宏观策略观点

题图：Yaqi的宏观策略观点的微信公众号

目前主流的量化宏观策略做法之一，就是先通过或主观或量化的方式，敲定一个未来一段时间的宏观象限/环境，在此基础上，再基于历史上同样的/相似的宏观环境下各类资产的表现，在风控范围内，对资产品种和具体仓位进行择优选择。我认为这种做法存在的核心问题是：未能充分捕捉宏观因子和资产价格之间的复杂关系，并且在逻辑上过于依赖回测而不是预测。具体而言，我认为这种做法存在的问题包括：

1. 宏观因子只是影响资产价格的一个方面，“只看宏观选资产”忽视了市场情绪，仓位，资产价格之间的影响等非宏观因素，忽视了多种类不同因素之间的相互作用可能对资产价格带来的冲击。举个简单例子，都是GDP和通胀加速上行，但是一个已经3个月涨了50%的，市盈率达到历史90%水平的股票指数，和一个只涨了10%的，市盈率位于历史均值的股指，那未来上涨的空间和概率肯定是不一样的。也就是说，从逻辑上看，“只看宏观选资产”这条路从根本上就存在问题。不是说把宏观现象的分类进一步完善，多加一些信用，财政等指标来更细致地刻画宏观环境就能够解决的。如果说在“宏观选资产”的基础上，再增加一些其他市场因子来辅助选资产，那我的问题是，为什么不在最开始构建模型的时候就充分考虑和是使用多种类因子，让模型从一开始就充分学习多种类因子之间的复杂的非线性关系，而非要先在“宏观选资产”这个地方绕一圈，然后再想办法用其他方法补救？
2. “只看宏观选资产”带来的另一个实操中的问题是调仓的滞后性，或者更准确说是模型对信息反应的滞后性。使用季度/月度/周度的宏观象限判断然后调仓，则很显然只能按照宏观信息的频率去调仓。比如每个月末做一次宏观象限判断/调一次仓，实际上放弃了月中的所有信息，包括宏观信息和市场信息。从逻辑上看，经济环境/活动的变化很显然不以自然月为天然的变化分割，这种做法实际上选择性忽视了月中可能出现的较为剧烈的宏观变化。
3. “只看宏观选资产”依赖的是“回测”而不是“预测”。从宏观象限到资产选择，完全依赖于历史数据，也即历史上某种资产在某种宏观环境中表现好，那么就假设它未来在同样的宏观象限中也会好，或者换一个角度，在做历史回测的时候，就只选在历史上表现好的资产（首先把宏观象限确定，再去看哪些资产在某个宏观象限下表现好，把这些好资产和这个宏观象限做映射），实际上存在隐含的过拟合。这个问题本质上还是以”选择过去表现好“的资产为配置的核心（依赖于回测），而不是以”我对这个资产有理解能力，有预测能力“作为配置的核心（依赖于预测）。
4. 因为核心只是凭借简单的“因为宏观=A，所以资产等于=B”的模型，所以无法知道模型的有效性，只能靠实际上真的亏钱了/表现不好了，再回过头反思模型。相反，如果我们构建了对于资产B的价格的预测模型，那么我们就有一系列统计手段，来实时监测这个模型的预测效果是否在近期有所下降，从而相应做出因子和模型的改进，更好地做到“心中有数”。

实际上，从”宏观象限到资产配置“的思路已经开始考虑到了资产价格同宏观因子之间的存在的非同步的，非线性的关系，但是只是做了一个”偷懒“的方法，就是说我反正也不管它们具体是啥关系，我只看二者前后的关联度，只要多次出现了宏观象限=A，下个月资产B就上涨10%，那就可以了。但是只要我们再往前走一步，就可以用更科学的方法去捕捉宏观因子同资产价格之间的存在的非同步的，非线性的关系。