基于宏观与金融因子的股指择时研究 - 期货帮

★研究结论

1. 单因子有效性检验方面，时间序列回归面临指标内生性与持续性的问题，使得传统OLS估计有偏。我们采用Kostakis(2015)的IVX方法进行预测回归，可以涵盖基本面指标常见的平稳性特征。

2. 我们基于Kelly(2015)提出的三阶段回归(3PRF) 模型进行指标降维，其降维目标是和预测目标变量的协方差最大，有助于在时间序列滚动窗口上动态捕捉对收益率贡献较大的因子及时应对预测过程中常面临的驱动因子失效与逻辑切换，更适用于我们面临的预测问题。

3. 我们分别将宏观与金融类指标进行降维合成，基于2012年至今的预测结果，双因子模型月度收益率预测的样本外R2为24%，MSE为0.39%，预测的方向性胜率达到71.6%，多空组合盈亏比达2.1，且在2019年以来保持较好的预测效果，方向胜率维持在70%左右。

4. 金融与宏观因子值的相关性较低仅为-3%，其对收益率预测值贡献的相关性为-17%。对收益率的预测值大部分由宏观因子贡献，原因在于金融因子大多数时候不显著，而宏观因子除13年与14-15年以外均对收益率均具有显著预测，且子较大行情与拐点上表现出较优预测效果。

5. 基于宏观与金融双因子模型构建策略净值结果显示：沪深300收盘价多空组合，2012年至今策略累计收益率1239%，年化收益率38.8%，年化波动率21.1%，最大回撤率-11.2%，夏普比率1.72；沪深300股指期货多空组合，2012年至今累计收益率1148%，年化收益率37.6%，年化波动率21.1%，最大回撤率-17.9%，夏普比率1.59；沪深300全收益指数多头策略累计收益率462%，年化收益率24.4%，年化波动率17.5%，最大回撤率-8%，夏普比率1.26。