| 来源： |
长江证券研究所 |
发布时间： |
2012年05月22日 14:24 |
作者： |
范辛亭 |
| |
这篇报告建立的模型是在前期研究基础上的大幅改进，我们将关注点从领先变量转移到了任何可以为择时提供胜率的变量，也就是说，一个宏观变量，不管它是领先指标，还是滞后指标，只要跟随它的趋势择时的胜率较高，我们就说这个指标对择时有功效。而有功效的指标就必然会有人关注并根据它操作，那么关注有功效的指标而不是有限的几个领先指标这样的思路就可以将更多的投资思路包容到我们的研究体系中，在此基础上用我们熟练的统计工具对各个指标进行检验，自然可以筛选出择时效果最好的指标组合。
在此基础上，我们还解决了一个一直以来困扰我们的问题：识别宏观指标趋势时依赖未来数据的问题，我们前期使用左侧与右侧的数据识别趋势，改进之后只使用左侧的数据来识别趋势，也就是采取一种趋势跟随的办法，这样做的话缺点是识别趋势会滞后，然而这种方法不需要依赖未来的数据，易于实际操作。
一、以前模型面临的问题
《宏观经济变量与股市关系系列报告》向大家介绍了我们对宏观经济变量与股市关系的研究方法：我们认为对股市有影响的是宏观变量的趋势，同时找到了一些领先股市的宏观变量，可以根据这些领先变量的趋势对对股市的涨跌做预判。在不停的实践过程中，我们发现有两个问题仍旧值得思考：
识别宏观变量的趋势的方法。我们识别宏观经济变量趋势是事后识别的方法，也就是说识别一个变量当前的趋势需要判断它与前面几个月、后面几个月数据的大小关系，举一个简单的例子，当j的取值是2，也就是说判断趋势的时候需要判断前面两个月和后面两个月的数据，如下图所示，当一个宏观变量连续下降了两个月，又反弹了一个月，这个情况下，怎么判断当前点A点的趋势。我们说，A点的趋势取决于未来的数据：如果发生第一种情形：下一个月比现前面的低点还低，那么下一个月是低点，则A点的反弹只是下降趋势中的短暂回调，但仍旧是下降趋势；如果发生第二种情形：下一个月继续反弹，那么下一个月就是高点，那么A点则是反弹的开始，处于上升趋势。
二、解决思路
针对上面两个问题，我们这篇报告提供了对应的两个解决思路：
第一，通过只使用左边的数据识别趋势的方法解决宏观变量的趋势的自我依赖问题。
我们在想，既然在实际操作中宏观指标未来的走势难以获得，那么可不可以仅根据它过去的走势判断出当前的趋势，用这样识别出的趋势来总结宏观指标与股市的关系，这样筛选出来的指标建立模型对股市做判断时就不需要用到宏观指标未来的数据，在实际操作中方便很多。下图4是根据左侧数据识别趋势的示意图，其中选取j为3个月，判断趋势的具体方法是：如果当前月份的数值是否大于（或者小于）过去3个月的数值，那么当前月份的趋势是上升（或者下降），如果无法判断出当前月份的数值是否大于（或者小于）前面3个月的数值，那么则将上一个月的趋势赋给当前月。
|
| |
|
| |
|
| |
全景网刊登此文目的在于传播更多信息，与本网站立场无关并谢绝转载！全景网不保证其内容的准确性、可靠性和有效性，本版文章的原创性以及文中陈述文字和内容并未经过本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性，数据及图表的准确性本站不作任何保证或承诺，请读者仅作参考，不作为任何买与卖的建议，并请自行核实相关内容。据此操作，风险自担。 |
| |
|
| |
|
| |
|
|
|
|
|
