宏觀經(jīng)濟周期與資產(chǎn)價格聯(lián)動機制：跨周期配置的范式重構(gòu)

摘" "要：選取工業(yè)品、農(nóng)產(chǎn)品、黃金、30年國債以及全A指數(shù)作為研究對象，用跨期相關(guān)分析、分位數(shù)回歸及馬爾科夫區(qū)制轉(zhuǎn)換等多種方法，考察了不同經(jīng)濟指標(biāo)對大類資產(chǎn)收益的影響及不同周期下的大類資產(chǎn)表現(xiàn)，結(jié)果發(fā)現(xiàn)：PMI對大類資產(chǎn)收益的區(qū)分度最高； PMI+PPI的指標(biāo)組合能夠?qū)?jīng)濟周期進行相對更優(yōu)的區(qū)制劃分，在復(fù)蘇期股票最優(yōu)、債券最差，在過熱期工業(yè)品最優(yōu)、黃金最差，在滯漲期黃金最優(yōu)、股票最差，在衰退期債券最優(yōu)、工業(yè)品最差；基于PMI+PPI區(qū)制劃分所構(gòu)造的輪動投資組合在樣本期內(nèi)能夠獲得19.82%的年化收益，表現(xiàn)出非常好的投資績效。研究結(jié)論不僅說明了選擇適用經(jīng)濟指標(biāo)的重要性，同時也驗證了經(jīng)濟周期在大類資產(chǎn)配置中的重要性和有效性。

關(guān)鍵詞：經(jīng)濟周期；資產(chǎn)配置；大類資產(chǎn)；投資組合

中圖分類號：F830" "文獻標(biāo)識碼： A" 文章編號：1674-2265（2025）06-0003-09

DOI：10.19647/j.cnki.37-1462/f.2025.06.001

一、引言與文獻綜述

宏觀經(jīng)濟周期波動與資產(chǎn)價格之間的聯(lián)動機制一直是金融經(jīng)濟學(xué)研究的核心議題。近年來，全球宏觀經(jīng)濟環(huán)境呈現(xiàn)高波動性特征，地緣政治沖突加劇、供應(yīng)鏈重構(gòu)、通脹中樞抬升以及主要中央銀行貨幣政策劇烈調(diào)整，使得傳統(tǒng)經(jīng)濟周期理論下的資產(chǎn)配置策略面臨嚴(yán)峻挑戰(zhàn)。在中國語境下，國家“十四五”規(guī)劃明確提出“增強金融服務(wù)實體經(jīng)濟能力”，2023年中央金融工作會議進一步強調(diào)“優(yōu)化資金供給結(jié)構(gòu)”“做好科技金融、綠色金融、普惠金融、養(yǎng)老金融、數(shù)字金融五篇大文章”。政策導(dǎo)向要求資產(chǎn)配置研究必須突破傳統(tǒng)“美林投資時鐘”框架，深入分析經(jīng)濟周期結(jié)構(gòu)性變化（如新舊動能轉(zhuǎn)換、人口老齡化、碳中和轉(zhuǎn)型）對資產(chǎn)價格的非線性沖擊。與此同時，金融市場結(jié)構(gòu)正在發(fā)生深刻變革：資產(chǎn)關(guān)聯(lián)性增強，股債“蹺蹺板”效應(yīng)減弱，另類資產(chǎn)（如REITs、大宗商品、加密貨幣）與傳統(tǒng)資產(chǎn)的相關(guān)性發(fā)生突變；政策干預(yù)強化，中國跨周期調(diào)節(jié)與歐美逆周期調(diào)控形成政策周期錯位，跨境資本流動加劇市場波動；技術(shù)驅(qū)動的新變量，如大數(shù)據(jù)、AI預(yù)測模型（如Transformer在宏觀經(jīng)濟預(yù)測中的應(yīng)用）為周期識別提供了新方法論。這些變化迫切要求我們突破傳統(tǒng)分析框架，構(gòu)建更具適應(yīng)性的資產(chǎn)配置理論體系。

經(jīng)濟周期對投資有重要的影響。當(dāng)經(jīng)濟周期向上時，經(jīng)濟增長迅速，社會就業(yè)率高，工資收入增長快，消費需求旺盛，企業(yè)盈利良好，帶動設(shè)備和房地產(chǎn)等投資擴大，此時投資者往往可以通過股票市場獲得較高的投資收益；但在經(jīng)濟周期向下時，經(jīng)濟陷入衰退，社會失業(yè)率擴大，勞動者的收入不升反降，自然會壓縮消費需求，從而帶來整體物價的下行以及企業(yè)銷售收入的降低，企業(yè)盈利降低會進一步壓縮自身的投資需求，此時將大量的資金投資在股市中就不是一個明智的決定，由于中央銀行此時大概率會通過降息及購債等方式來刺激經(jīng)濟，債券市場在這個時期往往可以獲得較好的表現(xiàn)。Fama和French（1989）[1]、Ferson和Harvey（1991）[2]、Dzikevi?ius和Zam?ickas（2009）[3]、Hitendra和Jain（2018）[4]、尚煜和許文浩（2020）[5]、吳娜等（2023）[6]、陳隆軒和楊杰（2022）[7]等學(xué)者的研究均發(fā)現(xiàn)，宏觀經(jīng)濟指標(biāo)對股票和債券的收益率均有較強的指示作用，基于宏觀經(jīng)濟指標(biāo)的資產(chǎn)配置模型能夠獲得更高的投資績效。美林證券公司提出的投資時鐘將宏觀經(jīng)濟指標(biāo)與資產(chǎn)輪動進行了很好的融合（Lynch，2004）[8]，它將經(jīng)濟周期劃分為復(fù)蘇、過熱、滯脹及衰退四個狀態(tài)，在不同的周期下配置不同的資產(chǎn)能獲得更高的投資收益。隨后大量學(xué)者根據(jù)該框架對資產(chǎn)配置策略進行了設(shè)計和論證，代表性的研究包括Wang和Qu（2016）[9]、孫云等（2015）[10]、郜哲（2015）[11]、周亮（2021）[12]、陳雷和李爍鑠（2022）[13]、王寶璐等（2023）[14]?？傮w來看，大部分學(xué)者的研究都支持宏觀經(jīng)濟指標(biāo)尤其是經(jīng)濟領(lǐng)先指標(biāo)能夠?qū)Y產(chǎn)配置提供富有意義的指導(dǎo)。

在用經(jīng)濟周期進行資產(chǎn)配置時，最重要的是對經(jīng)濟周期進行準(zhǔn)確的劃分，區(qū)制轉(zhuǎn)換是一種常用的方法。許多文獻直接對區(qū)制在投資組合中的應(yīng)用進行了研究，具體的研究方向包括但不限于基于資產(chǎn)收益的區(qū)制轉(zhuǎn)換模型（Kritzman等，2023）[15]、對宏觀狀態(tài)的區(qū)制劃分（Ilmanen等，2014；Jurczenko和Teiletche，2018；Kollar和Schmieder，2019；de Longis和Ellis，2023）[16-19]、對個別宏觀經(jīng)濟指標(biāo)的區(qū)制劃分（Blin 等，2021；Elkamhi等，2023）[20，21]、宏觀因子投資組合（Swade 等，2024）[22]以及機器學(xué)習(xí)模型（Mueller-Glissmann和Ferrario，2024）[23]。Kelliher等（2022）[24]基于四個預(yù)定的宏觀投資組合進行資產(chǎn)配置，根據(jù)隱馬爾科夫區(qū)制轉(zhuǎn)換模型對主要市場風(fēng)險源進行估算，并利用風(fēng)險平價方法將不同的宏觀投資組合進行綜合配置，實證結(jié)果發(fā)現(xiàn)該策略能夠獲得不錯的收益。國內(nèi)學(xué)者方面，王霦和魏先華（2017）[25]在大類資產(chǎn)配置的背景下探討了資產(chǎn)收益的區(qū)制轉(zhuǎn)換特征對資產(chǎn)配置的影響，研究了如何將馬爾科夫區(qū)制轉(zhuǎn)換模型應(yīng)用于資產(chǎn)配置過程，并給出了具體的模型框架與方法。龍翠紅等（2019）[26]通過構(gòu)建非對稱理論模型，建立馬爾科夫區(qū)制轉(zhuǎn)換VAR模型研究了三區(qū)制下通貨膨脹率和實際股票收益率之間的關(guān)系。蘇樂怡等（2024）[27]采用具有時變狀態(tài)轉(zhuǎn)移概率的波動率模型研究了原油市場波動率指數(shù)（OVX）的預(yù)測問題。

綜合來看，經(jīng)濟周期能夠?qū)ν顿Y者的大類資產(chǎn)配置進行指引，且區(qū)制轉(zhuǎn)換模型常用來對經(jīng)濟周期進行劃分，但是目前的研究在劃分經(jīng)濟周期的宏觀指標(biāo)選擇上并不統(tǒng)一，尤其是在經(jīng)濟增長指標(biāo)的選取上，既有研究直接選用GDP、工業(yè)增加值等指標(biāo)，也有研究選用PMI或貨幣指標(biāo)等具有一定領(lǐng)先性的指標(biāo)。本文在已有研究的基礎(chǔ)上，利用跨期相關(guān)系數(shù)分析及非線性的分位數(shù)回歸方法，系統(tǒng)研究了多個宏觀經(jīng)濟指標(biāo)間的關(guān)系及其對資產(chǎn)收益的影響，并在提取有效宏觀指標(biāo)的基礎(chǔ)上對經(jīng)濟周期進行了劃分，并利用多個大類資產(chǎn)構(gòu)造了資產(chǎn)輪動及配置組合。相對于已有研究，本文的創(chuàng)新之處可能在于：一方面，通過對宏觀經(jīng)濟指標(biāo)進行系統(tǒng)性分析所劃分的經(jīng)濟周期相對更為精確，也能夠為大類資產(chǎn)的收益分布提供更有效的指引。另一方面，所選的大類資產(chǎn)也相對更為豐富，除了股票選用常見的全A指數(shù)外，我們將商品細(xì)分為工業(yè)品和農(nóng)產(chǎn)品，同時納入了黃金資產(chǎn)，對債券選擇了久期更長的30年國債，該品種由于在衰退期對利率更為敏感往往能夠獲得更高的收益。這些與以往研究不同的資產(chǎn)選擇，不僅可以提高資產(chǎn)配置組合的投資績效，也為未來的研究及投資實踐提供了更有效的思路。

二、研究設(shè)計

（一）“美林投資時鐘”

經(jīng)典的“美林投資時鐘”如圖1所示，按照經(jīng)濟增長預(yù)期和通脹預(yù)期，將經(jīng)濟周期劃分為復(fù)蘇、過熱、滯脹及衰退四個狀態(tài)。在復(fù)蘇期，經(jīng)濟增長加速，但是通脹仍然低迷，此時應(yīng)該配置股票類資產(chǎn)；在過熱期，經(jīng)濟仍然保持高速增長，但是通脹也很強勁，此時配置商品類資產(chǎn)能夠獲得更大的收益；在滯漲期，經(jīng)濟增長已經(jīng)開始減速，但是通脹仍然維持在高位，此時選擇持有現(xiàn)金類資產(chǎn)是最佳的保值策略；而在衰退期，經(jīng)濟增長減速，通脹也很低迷，此時對債券類資產(chǎn)的配置是最佳的投資策略。常用來劃分經(jīng)濟周期的經(jīng)濟增長指標(biāo)包括工業(yè)增加值、GDP、產(chǎn)出缺口、國家統(tǒng)計局領(lǐng)先指數(shù)等，用來劃分通脹的指標(biāo)主要有CPI和國家統(tǒng)計局滯后指數(shù)。本文將通過跨期相關(guān)分析及分位數(shù)回歸等方法詳細(xì)比較和檢測多個宏觀經(jīng)濟指標(biāo)間的領(lǐng)先滯后關(guān)系以及對大類資產(chǎn)收益的影響，并基于篩選過的經(jīng)濟指標(biāo)對經(jīng)濟周期進行識別和劃分。

（二）馬爾科夫區(qū)制轉(zhuǎn)換模型

馬爾科夫區(qū)制轉(zhuǎn)換模型常用來對經(jīng)濟周期進行劃分。假定模型形式為[r]階自回歸、具有[N]狀態(tài)的馬爾科夫區(qū)制轉(zhuǎn)換模型，假設(shè)每種區(qū)制下有不同的均值和方差，則有：

[?（L）（yt-μst）=εt]，[εt～N（0，σ2st）]

[p（st=j|st-1=i）=pij]，[i，j=1，2，…，N]

[j=1Npij=1]，[i=1，2，…，N]

[μst=μ1s1t+μ2s2t+…+μNsNt]

[σ2st=σ21s1t+σ22s2t+…+σ2NsNt]

其中，[yt]為所研究的時間序列，[?（L）]為滯后算子多項式，[st]表示存在[M]種狀態(tài)的馬爾科夫區(qū)制轉(zhuǎn)移變量，[st=1，2，…，M]，[pij]為轉(zhuǎn)移概率，[μst]和[σ2st]分別為[st]狀態(tài)下的均值和方差。采用Hamilton濾波方法來推斷轉(zhuǎn)移概率，進而運用極大似然法可以求出各參數(shù)的估計值。

本文根據(jù)AIC準(zhǔn)則采用二階自回歸來構(gòu)造經(jīng)濟周期的兩區(qū)制馬爾科夫轉(zhuǎn)換模型AR（2）—MS（2），具體模型形式如式（1）所示，其中[yt]表示工業(yè)增加值或CPI時間序列：

[（yt-μst）=φ0+φ1（yt-1-μst-1）+φ2（yt-2-μst-2）+εt]，[εt～N（0，σ2st）]

（1）

（三）分位數(shù)回歸

分位數(shù)回歸提供了回歸變量X和因變量Y的分位數(shù)之間線性關(guān)系的估計方法。相對于最小二乘估計，分位數(shù)回歸模型具有四個方面的優(yōu)勢：第一，分位數(shù)模型特別適合具有異方差性的模型；第二，能給出條件分布的大體特征；第三，在擾動項非正態(tài)的情形下，分位數(shù)估計量可能比最小二乘估計量更有效；第四，分位數(shù)回歸時通過使加權(quán)誤差絕對值之和最小得到參數(shù)的估計，估計量不容易受到異常值的影響，從而使估計更加穩(wěn)健。

對一個連續(xù)隨機變量[y]，如果[y≤Q（τ）]的概率是[τ]，則稱[y]的[τ]分位數(shù)值是[Q（τ）]；設(shè)隨機變量[Y]的分布函數(shù)為[F（y）=P（Y≤y）]，則[Y]的第[τ]分位數(shù)為[Q（τ）=inf{y：F（y）≥τ}（0lt;τlt;1）]。

對于一般模型：[yi=x'iβτ+ατi+μτi]，其中[yi]為被解釋變量，[xi]為[k×1]的行向量，[βτ]為[k×1]的行向量，表示對應(yīng)于被解釋變量第[τ]分位數(shù)的各解釋變量的回歸系數(shù)，[ατi]為截距項，[μτi]為隨機誤差項?，F(xiàn)假設(shè)[Y]的條件分位數(shù)由[k]個解釋變量組成的矩陣[X]現(xiàn)行表示：

[Q（τxi，β（τ））=x'iβ（τ）]，式中，[xi=（x1i，x2i，…，xki）']為解釋變量向量，[β（τ）=（β1，β2，…，βk）']是[τ]分位數(shù)下的系數(shù)向量，則：

[Q（τ）=argminε{i，yi≥ετ|yi-ε|+i，yilt;ε（1-τ）|yi-ε|}=argminε{iρτ（yi-ε）}]

當(dāng)[τ]在（0，1）上變動時，求解下面的最小化問題就可以得到分位數(shù)回歸不同的參數(shù)估計：

[βN（τ）=argminβ（τ）（i=1Nρτ（yi-x'iβ（τ）））]

（四）變量選取與描述性分析

1. 資產(chǎn)描述性分析。為了驗證經(jīng)濟周期對各類資產(chǎn)的影響，本文選擇3個資產(chǎn)類別的5個資產(chǎn)指數(shù)作為研究對象，包括代表大宗商品的工業(yè)品、農(nóng)產(chǎn)品以及黃金，代表債券的30年國債，代表股票的全A指數(shù)，樣本周期為2009年1月—2024年7月的所有月度數(shù)據(jù)。表1報告了各資產(chǎn)指數(shù)的描述性統(tǒng)計及相關(guān)系數(shù)，從Panel A可以看到，在所選樣本區(qū)間內(nèi)，5個資產(chǎn)的年化收益率均為正，其中工業(yè)品最高（6.68%），農(nóng)產(chǎn)品最低（2.41%）；從風(fēng)險角度來看（用年化波動率及最大回撤來衡量），工業(yè)品和全A指數(shù)的風(fēng)險最高，而30年國債的風(fēng)險最低；從風(fēng)險調(diào)整后收益來看（用夏普比率和索提諾比率衡量），30年國債由于風(fēng)險遠(yuǎn)低于其他資產(chǎn)，因此，其夏普比率和索提諾比率分別為0.9547以及0.3597，均遠(yuǎn)高于其他資產(chǎn)，農(nóng)產(chǎn)品和全A指數(shù)的風(fēng)險調(diào)整后收益偏低。從Panel B可以看到，除了工業(yè)品和農(nóng)產(chǎn)品相關(guān)系數(shù)較高外，其他資產(chǎn)間的相關(guān)性普遍不高，全A指數(shù)與工業(yè)品間、30年國債與農(nóng)產(chǎn)品間、30年國債與黃金間的相關(guān)系數(shù)均為負(fù)，說明通過不同資產(chǎn)間的組合配置可以起到降低組合風(fēng)險的作用。

圖2展示了四種資產(chǎn)的凈值走勢（由于工業(yè)品和農(nóng)產(chǎn)品的走勢較為接近，為了避免曲線過多，圖2中沒有列示農(nóng)產(chǎn)品的走勢），可以看到，工業(yè)品最終凈值最高，達到了2.74；30年國債和黃金的最終凈值基本一致，分別為2.41和2.4，但是30年國債的波動率遠(yuǎn)小于黃金；全A指數(shù)不僅最終凈值較低，而且波動高于其他資產(chǎn)。

2. 宏觀指標(biāo)描述。為了檢驗經(jīng)濟周期對資產(chǎn)收益的影響，我們選擇了CPI、PPI、M1、M2、M1-M2（M1同比和M2同比的差值）、PMI、PMI新訂單以及新增人民幣貸款（LOAN）等指標(biāo)，其中CPI和PPI用來衡量通貨膨脹，其他指標(biāo)均對宏觀經(jīng)濟具有一定的領(lǐng)先性，用來衡量經(jīng)濟增長。圖3展示了M1和CPI的指標(biāo)走勢（限于篇幅，我們僅展示了兩個指標(biāo)），可以看到，M1相對CPI具有一定的領(lǐng)先性，M1的大部分波峰和波谷領(lǐng)先于CPI的波峰和波谷。因此，利用領(lǐng)先指數(shù)以及通貨膨脹指標(biāo)，可以較好地按照“美林投資時鐘”框架對經(jīng)濟周期進行劃分。下一部分將對宏觀指標(biāo)進行更詳細(xì)的分析。

三、實證分析

（一）宏觀指標(biāo)分析及選取

我們選擇了多個指標(biāo)來表征經(jīng)濟增長或通貨膨脹，但是部分指標(biāo)之間的相關(guān)性過大，而且并不是每個指標(biāo)都是有效的，因此，有必要在進行進一步分析前對宏觀指標(biāo)進行篩選。表2報告了宏觀指標(biāo)之間的相關(guān)系數(shù)，可以看到，PMI和PMI新訂單的相關(guān)系數(shù)高達0.9874，因此，下節(jié)分析只考慮PMI；新增人民幣貸款與M2和M1的相關(guān)系數(shù)分別高達0.8146和0.6969，M1-M2與M1的相關(guān)系數(shù)高達0.8097，M1和M2的相關(guān)系數(shù)為0.7337，說明貨幣金融數(shù)據(jù)間相關(guān)性非常強，應(yīng)盡量保留最有效的指標(biāo)或者將指標(biāo)進行聚類；PMI與貨幣金融指標(biāo)間的相關(guān)性也普遍較強，大部分都在0.5以上，說明領(lǐng)先指標(biāo)間具有一定的相似性。

為了更準(zhǔn)確地識別宏觀指標(biāo)間的關(guān)系，我們對指標(biāo)進行了跨期相關(guān)分析，選擇較為滯后的PPI作為基準(zhǔn)，觀察不同指標(biāo)與PPI的領(lǐng)先和滯后關(guān)系，結(jié)果如表3所示。其中，每一行代表所選指標(biāo)對PPI的相對階數(shù)，如“-12”代表該指標(biāo)領(lǐng)先PPI指標(biāo)12期，“3”代表該指標(biāo)滯后PPI指標(biāo)3期；相關(guān)系數(shù)絕對值最大時的階數(shù)則反映了該指標(biāo)與PPI間的領(lǐng)先滯后關(guān)系?？梢钥吹?，CPI略滯后于PPI一期，所選6個領(lǐng)先指標(biāo)均顯著領(lǐng)先于PPI，其中，M2和新增人民幣貸款領(lǐng)先了12期，M1領(lǐng)先10期，M1-M2領(lǐng)先8期，PMI和PMI新訂單領(lǐng)先了7期。這說明領(lǐng)先指標(biāo)對經(jīng)濟增長（尤其是滯后指標(biāo)）有較好的指引作用。考慮到M1-M2以及PMI新訂單與其他指標(biāo)間相關(guān)性過強，且領(lǐng)先性較弱，接下來的分析中將其剔除。

（二）宏觀指標(biāo)對資產(chǎn)收益的影響

1. 分位數(shù)回歸分析。我們用宏觀經(jīng)濟指標(biāo)對資產(chǎn)的下一期收益率進行分位數(shù)回歸，以評估宏觀指標(biāo)對資產(chǎn)收益的區(qū)分能力，結(jié)果如表4所示，其中tau為我們所選的回歸分位數(shù)?？梢钥吹?，對30年國債有顯著影響（0.1、0.5或0.9分位）的宏觀指標(biāo)包括M1、M2、新增人民幣貸款、PMI及CPI；對黃金有顯著影響的宏觀指標(biāo)包括新增人民幣貸款、PMI和CPI；對工業(yè)品有顯著影響的宏觀指標(biāo)只包括M1和CPI；所有的宏觀指標(biāo)對農(nóng)產(chǎn)品均有顯著影響；除了M1，所有指標(biāo)均對全A指數(shù)有顯著影響。綜合來看，所選的6個經(jīng)濟指標(biāo)對大部分資產(chǎn)價格均有顯著影響，即能夠較好地對資產(chǎn)收益進行區(qū)分。

2. 區(qū)制劃分及大類資產(chǎn)表現(xiàn)。除了分位數(shù)回歸的參數(shù)方法，我們還采用了非參數(shù)方法來判斷宏觀指標(biāo)對資產(chǎn)收益的區(qū)分能力。先采用馬爾科夫區(qū)制轉(zhuǎn)換模型對宏觀指標(biāo)進行區(qū)制劃分，圖4展示了M1指標(biāo)的馬爾科夫區(qū)制轉(zhuǎn)換結(jié)果（限于篇幅，其他指標(biāo)的結(jié)果未列出），其中白色部分代表上升趨勢，灰色部分代表下降趨勢，從圖中可以看到，區(qū)制劃分的結(jié)果較好，能夠較好地對M1的上升和下降趨勢進行區(qū)分。

根據(jù)對宏觀指標(biāo)的區(qū)制劃分，我們就可以統(tǒng)計每種資產(chǎn)在指標(biāo)上升和下降趨勢時的表現(xiàn)，表5報告了研究結(jié)果?？梢钥吹剑瑢I(yè)品區(qū)分最好的是PMI，在PMI上漲時，工業(yè)品可以獲得20.95%的年化收益，而在PMI下降時，工業(yè)品的年化收益率為-1.21%，M1和PPI也能對工業(yè)品進行一定的區(qū)分，M2、新增人民幣貸款及CPI的區(qū)分效果較差；對農(nóng)產(chǎn)品區(qū)分最好的依次是PMI、PPI、CPI以及M1，M2和新增人民幣貸款的區(qū)分效果較差（新增人民幣貸款的區(qū)分結(jié)果與預(yù)期相反）；大部分指標(biāo)對黃金的區(qū)分度均不明顯；對30年國債區(qū)分效果最好的仍然是PMI，在PMI上漲時，30年國債的年化收益為-0.35%，在PMI下降時，30年國債的年化收益高達10.38%，其他指標(biāo)的區(qū)分效果較為一般；對全A指數(shù)區(qū)分效果最好的仍然是PMI，新增人民幣貸款、CPI、PPI以及M1次之，M2無明顯區(qū)分效果。從區(qū)分度和邏輯（領(lǐng)先指標(biāo)上漲有利于全A指數(shù)和大宗商品，下跌有利于國債；落后指標(biāo)上漲有利于大宗商品，下跌有利于全A指數(shù)）來看，PMI的效果最好，其次是PPI和M1，M2的效果較差。PMI作為前瞻性指標(biāo)，能靈敏反映企業(yè)采購意愿和生產(chǎn)經(jīng)營活動，這使其對資產(chǎn)收益具有最為顯著的區(qū)分度。當(dāng)PMI突破榮枯線時，市場會立即修正對企業(yè)盈利的預(yù)期，股票資產(chǎn)因其對企業(yè)基本面的直接暴露而率先做出反應(yīng)。特別是在復(fù)蘇初期（PMI從低位回升但PPI仍低迷時），權(quán)益資產(chǎn)的彈性最大，而債券因經(jīng)濟回暖預(yù)期面臨估值壓力。M1對大類資產(chǎn)收益的高區(qū)分度主要源于其直接反映經(jīng)濟中的活錢變化，這些資金流動會快速影響不同資產(chǎn)的表現(xiàn)。當(dāng)M1增速上升時，說明企業(yè)和居民手里的活錢變多，這些錢要么進入實體經(jīng)濟帶動需求，要么流入金融市場推高資產(chǎn)價格。股票往往最先受益，特別是對資金敏感的科技股和周期股，因為市場預(yù)期企業(yè)投資和消費將改善。債券此時表現(xiàn)較差，因為經(jīng)濟好轉(zhuǎn)可能引發(fā)中央銀行收緊貨幣政策。商品則會因?qū)嶋H需求回升而上漲，尤其是工業(yè)金屬。

3.“美林投資時鐘”框架下的資產(chǎn)分析。我們基于“美林投資時鐘”框架，選用領(lǐng)先指標(biāo)和滯后指標(biāo)將經(jīng)濟周期劃分為復(fù)蘇、過熱、滯漲和衰退4個階段，并統(tǒng)計每個階段下各資產(chǎn)的收益率。由于領(lǐng)先指標(biāo)中PMI表現(xiàn)最佳，滯后指標(biāo)中PPI表現(xiàn)優(yōu)于CPI，表6中Panel A報告了基于PMI和PPI劃分的經(jīng)濟周期下各資產(chǎn)的收益表現(xiàn)；作為對照，Panel B報告了基于PMI和CPI劃分的經(jīng)濟周期下各資產(chǎn)的收益表現(xiàn)；考慮到M1在區(qū)分資產(chǎn)收益時也有較好的表現(xiàn)，我們將PMI和M1等權(quán)構(gòu)造了經(jīng)濟領(lǐng)先指標(biāo)（LEI），并基于LEI與PPI劃分了經(jīng)濟周期，該分類下各資產(chǎn)的收益表現(xiàn)見Panel C。三個面板的結(jié)論基本相似，在復(fù)蘇期全A指數(shù)表現(xiàn)最佳、國債表現(xiàn)最遜，在過熱期工業(yè)品表現(xiàn)最佳、黃金表現(xiàn)最遜（Panel B 30年國債表現(xiàn)最遜），在滯漲期黃金表現(xiàn)最佳、全A指數(shù)表現(xiàn)最遜，在衰退期國債表現(xiàn)最佳、工業(yè)品和農(nóng)產(chǎn)品表現(xiàn)最遜。該研究結(jié)論與“美林投資時鐘”的初始結(jié)論大體吻合（即復(fù)蘇期持有股票，過熱期持有商品，滯漲期持有現(xiàn)金，衰退期持有債券），只是在具體的資產(chǎn)選擇上，本文進一步做了細(xì)致的探討?？傮w而言，PMI+PPI下各占優(yōu)資產(chǎn)的收益最高（衰退期中的國債在PMI+CPI下收益最高）。

究其原因，是因為在跨周期調(diào)節(jié)政策框架下，PMI對政策拐點的指示作用更強。例如，當(dāng)PMI連續(xù)低于閾值時，中央銀行可能提前啟動寬松，這使得債券資產(chǎn)在周期轉(zhuǎn)換時點的反應(yīng)更為敏感。同時，PPI對中游制造業(yè)利潤的擠壓效應(yīng)在我國更為顯著，這放大了工業(yè)品在不同周期階段的波動幅度。組合來看，在復(fù)蘇期（PMI上升、PPI下降），需求端改善但產(chǎn)能仍過剩，企業(yè)利潤率提升快于成本端，股票（尤其是周期股）受益于盈利預(yù)期上修，債券則因?qū)捤烧咄顺龆袎骸Ｈ?020年下半年疫情后復(fù)蘇階段，滬深300指數(shù)上漲27%，而十年期國債收益率上行60bp。在過熱期（PMI和PPI均上升），工業(yè)品受益于量價齊升，企業(yè)補庫存行為強化商品需求，而實際利率回升壓制黃金表現(xiàn)。例如，2021年第二季度，南華工業(yè)品指數(shù)上漲18%，COMEX黃金下跌7%。在滯脹期（PMI下降、PPI上升），成本推動型通脹侵蝕企業(yè)利潤，黃金作為抗通脹和避險資產(chǎn)的雙重屬性凸顯。如2011年第三季度中國PMI跌破50而PPI高達7.5%時，黃金上漲16%，滬深300指數(shù)下跌15%。在衰退期（PMI和PPI均下降），通縮預(yù)期下貨幣政策寬松，債券獲得資本利得與票息的雙重保護，工業(yè)品則面臨需求坍塌。如2022年第四季度債券牛市期間，十年期國債收益率下行35bp，螺紋鋼期貨下跌12%。

4.投資策略構(gòu)造及分析?；诒?的研究結(jié)果，我們構(gòu)造了4種投資策略，分別是在PMI+PPI劃分經(jīng)濟周期的基礎(chǔ)上，每種周期下只持有1種資產(chǎn)（即按照表6的結(jié)果，在復(fù)蘇期持有全A指數(shù)，在過熱期持有工業(yè)品，在滯漲期持有黃金，在衰退期持有30年國債），結(jié)果見表7第1行；在PMI+CPI劃分經(jīng)濟周期的基礎(chǔ)上，每種周期下只持有1種資產(chǎn)，結(jié)果見表7第2行；在PMI+PPI劃分經(jīng)濟周期的基礎(chǔ)上，每種周期下持有2種資產(chǎn)（即按照表6的結(jié)果，在復(fù)蘇期持有全A指數(shù)和工業(yè)品，在過熱期持有工業(yè)品和農(nóng)產(chǎn)品，在滯漲期持有黃金和30年國債，在衰退期持有30年國債和黃金），結(jié)果見表7第3行；在LEI+PPI劃分經(jīng)濟周期的基礎(chǔ)上，每種周期下只持有1種資產(chǎn)，結(jié)果見表7第4行。可以看到，PMI+PPI（1種資產(chǎn)）策略的收益率最高，年化收益率高達19.82%，最終凈值高達16.5；PMI+PPI（2種資產(chǎn)）策略雖然年化收益率較低，但是由于分散了風(fēng)險，年化波動率及最大回撤遠(yuǎn)低于其他策略，因此，其夏普比率和索提諾比率最高，分別達到了1.3942和1.2187。更形象的結(jié)果如圖5所示，可以看到，雖然4種策略的走勢基本相似，但PMI+PPI（1種資產(chǎn)）策略的凈值遠(yuǎn)高于其他三種策略。

四、結(jié)論與討論

經(jīng)濟周期對大類資產(chǎn)的收益有顯著影響，本文選擇工業(yè)品、農(nóng)產(chǎn)品、黃金、30年國債以及全A指數(shù)3個資產(chǎn)類別的5個資產(chǎn)指數(shù)在2009年1月—2024年7月的所有月度數(shù)據(jù)作為研究對象，并用跨期相關(guān)分析及分位數(shù)回歸等方法從10余個宏觀經(jīng)濟指標(biāo)中挑選出PMI、M1、PPI等6個對大類資產(chǎn)收益最具指示作用的宏觀經(jīng)濟指標(biāo)，采用馬爾科夫區(qū)制轉(zhuǎn)換模型對這些指標(biāo)進行區(qū)制劃分，并基于“美林投資時鐘”框架探討了不同周期下的大類資產(chǎn)表現(xiàn)，結(jié)果發(fā)現(xiàn)：PMI對大類資產(chǎn)收益的區(qū)分度最高，在PMI上漲時，工業(yè)品、全A指數(shù)及30年國債的平均年化收益率分別為20.95%、21.8%和-0.35%，而在PMI下降時，工業(yè)品、全A指數(shù)及30年國債的平均年化收益率分別為-1.21%、-5.29%和10.38%；PMI+PPI的指標(biāo)組合能夠?qū)?jīng)濟周期進行相對更優(yōu)的區(qū)制劃分，在復(fù)蘇期時股票占優(yōu)、債券最差，在過熱期時工業(yè)品最優(yōu)、黃金最差，在滯漲期時黃金最優(yōu)、股票最差，在衰退期時債券最優(yōu)、工業(yè)品最差；基于PMI+PPI區(qū)制劃分所構(gòu)造的輪動投資組合，在樣本期內(nèi)能夠獲得19.82%的年化投資收益，波動率和最大回撤分別僅為15.48%和20.55%，表現(xiàn)出非常好的投資績效；且這種經(jīng)濟周期下的投資績效，在PMI+CPI的組合以及加入M1構(gòu)造出領(lǐng)先指標(biāo)LEI后，仍然是穩(wěn)健的。

針對以上研究結(jié)論，本文提出以下政策建議：首先，建議構(gòu)建PMI+PPI雙核決策框架，將M1作為輔助監(jiān)測指標(biāo)。實證研究表明，PMI和PPI的組合對經(jīng)濟周期劃分具有顯著優(yōu)勢：當(dāng)PMI回升至榮枯線以上而PPI仍處于低位時（復(fù)蘇期），應(yīng)實施定向?qū)捤烧?，重點支持制造業(yè)設(shè)備更新和技術(shù)改造；當(dāng)PMI和PPI同步持續(xù)上行時（過熱期），需要及時收緊流動性，防范工業(yè)品價格過快上漲；當(dāng)PPI高位運行而PMI跌破榮枯線時（滯脹期），應(yīng)采取“穩(wěn)增長+控通脹”的組合政策；當(dāng)兩者同步下行時（衰退期），則需加大逆周期調(diào)節(jié)力度。其次，建議建立基于PPI的企業(yè)成本預(yù)警機制。當(dāng)PPI同比漲幅連續(xù)3個月超過5%時，應(yīng)啟動企業(yè)成本監(jiān)測，通過增值稅留抵退稅、階段性社保費減免等措施緩解企業(yè)壓力。同時，可考慮建立重點工業(yè)品價格平準(zhǔn)基金，在PPI波動較大時適時調(diào)節(jié)市場供需。再次，建議完善宏觀政策協(xié)調(diào)配合機制。根據(jù)指標(biāo)組合特征實施差異化政策：在復(fù)蘇期，財政政策可加大技改投資支持，貨幣政策保持流動性合理充裕；在過熱期，可提高工業(yè)品期貨交易保證金，控制投機炒作；在滯脹期，需加強對重要民生商品的價格監(jiān)管；在衰退期，可適當(dāng)放寬金融機構(gòu)不良貸款容忍度。最后，建議強化市場預(yù)期引導(dǎo)。統(tǒng)計部門可定期發(fā)布“PMI-PPI周期定位圖”，幫助市場主體準(zhǔn)確判斷經(jīng)濟位勢。中央銀行在貨幣政策執(zhí)行報告中可增加對指標(biāo)組合的專業(yè)解讀，特別是在周期轉(zhuǎn)換關(guān)鍵時點及時闡明政策取向。當(dāng)前要重點關(guān)注PPI持續(xù)負(fù)增長的影響，建議采取針對性措施，一方面通過專項再貸款支持制造業(yè)轉(zhuǎn)型升級，另一方面適度增加基建投資帶動工業(yè)品需求。

參考文獻：

[1]Fama E F，F(xiàn)rench K R.1989.Business Conditions and Expected Returns on Stocks and Bonds [J].Journal of Financial Economics，（25）.

[2]Ferson W，Harvey C R.1991.The Variation of Economic Risk Premiums [J].Journal of Political Economy，（99）.

[3]Dzikevi?ius A，Zam?ickas M. 2009. An Overview of Financial Crisis in U.S.[J].Economics and Management，2009，（14）.

[4]Hitendra D V，Jain V. 2018. Adaptive Multi-factor Allocation [R].MSCI Working Paper.

[5]尚煜，許文浩.基于經(jīng)濟周期的股票市場行業(yè)資產(chǎn)配置研究 [J].經(jīng)濟問題，2020，（03）.

[6]吳娜，魏智佳，白雅馨.經(jīng)濟周期下企業(yè)金融資產(chǎn)配置的同群效應(yīng)研究 [J].云南財經(jīng)大學(xué)學(xué)報，2023，（02）.

[7]陳隆軒，楊杰.企業(yè)金融資產(chǎn)配置是否抑制了綠色技術(shù)創(chuàng)新？ [J].金融發(fā)展研究，2022，（07）.

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

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

[10]孫云，張昊，張嘉豪.美林投資時鐘理論在中國金融市場應(yīng)用探索 [J].經(jīng)濟問題探索，2015，（09）.

[11]郜哲.基于投資時鐘原理的中國大類資產(chǎn)配置研究與實證 [J].河北經(jīng)貿(mào)大學(xué)學(xué)報，2015，（03）.

[12]周亮.Black-Litterman模型在大類資產(chǎn)配置中的應(yīng)用：基于貨幣周期及風(fēng)險平價策略的改進 [J].運籌與管理，2021，（08）.

[13]陳雷，李爍鑠.資產(chǎn)配置的選擇與優(yōu)化策略研究——基于“美林投資時鐘”的視角 [J].金融論壇，2022，（06）.

[14]王寶璐，宋培，郭艷紅.不同市場狀態(tài)下行業(yè)投資時鐘的構(gòu)建——基于中國股票市場行業(yè)月份效應(yīng)的研究[J].投資研究，2023，（07）.

[15]Kritzman M，Kulasekaran C，Turkington D. 2023. Portfolio Construction When Regimes Are Ambiguous [J].Journal of Portfolio Management，（01）.

[16]Ilmanen A，Maloney T，Ross A. 2014. Exploring Macroeconomic Sensitivities：How Investments Respond to Dierent Economic Environments [J].Journal of Portfolio Management，（03）.

[17]Jurczenko E，Teiletche J. 2018. Active Risk-Based Investing [J].Journal of Portfolio Management，（03）.

[18]Kollar M，Schmieder C. 2019. Macro-Based Asset Allocation：An Empirical Analysis [R].EIB Working Paper.

[19]de Longis A，and Ellis，D. 2023. Tactical Asset Allocation，Risk Premia，and the Business Cycle：A Macro Regime Approach [J].Journal of Portfolio Management，（04）.

[20]Blin O，Ielpo F，Lee J，Teiletche J. 2021. Alternative Risk Premia Timing：A Point-in-Time Macro，Sentiment，Valuation Analysis [J].Journal of Systematic Investing，（01）.

[21]Elkamhi R，Lee J S，Salerno M. 2023. Portfolio Tilts using Views on Macroeconomic Regimes [J].Journal of Portfolio Management，（03）.

[22]Swade A，Lohre H，Nolte S，Shackleton M，Swinkels L. 2024. A Century of Macro Factor Investing Diversied Multi-Asset Multi-Factor Strategies through the Cycles [J].Journal of Portfolio Management，（05）.

[23]Mueller-Glissmann C，F(xiàn)errario A.2024. Dynamic Asset Allocation Using Machine Learning： Seeing the Forest for the Trees [J].The Journal of Portfolio Management，（05）.

[24]Kelliher C，Hazrachoudhury A，Irving B.2022. A Novel Approach to Risk Parity：Diversication across Risk Factors and Market Regimes [J].Journal of Portfolio Management，（04）.

[25]王霦，魏先華.資產(chǎn)收益的區(qū)制轉(zhuǎn)換特征與動態(tài)大類資產(chǎn)配置 [J].投資研究，2017，（06）.

[26]龍翠紅，王海維，顏雨欣.三區(qū)制下我國通貨膨脹率和股票收益率關(guān)系的實證研究——基于馬爾科夫區(qū)制轉(zhuǎn)換VAR模型 [J].華東師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2019，（04）.

[27]蘇樂怡，喬高秀，馬學(xué)琨，蔣龔月.股票市場沖擊與原油波動率指數(shù)預(yù)測——基于時變狀態(tài)轉(zhuǎn)移概率模型的研究 [J].數(shù)學(xué)的實踐與認(rèn)識，2024，（06）.