这种不稳定性也可以从世界经济近几十年的周期变化中观察到。
        通过可变周期模型对宏观经济进行预测
        通过信号处理的定量方法，我们可以对存在周期性变化成分的数据进行分析，得到当前数据的瞬时周期长度。同时，通过计算波动的相位，可以判断当前周期性波动所处的阶段，并通过归纳历史数据中相同的相位变化时期，对未来做出预测。通过这套模型，我们对中美两国GDP  及CPI同比数据进行了推算，结果显示，2019  年美国GDP  同比预测值为2.73%，国内GDP  同比预测值  6.4%，中美两国CPI  同比预测值均为2.0%。
        通过可变周期模型对资产价格进行预测
        经济周期决定资产在大级别上的趋势，但不能完全反映资产周期。资产价格受到宏观经济、供需关系、市场情绪等因素影响，每一类资产具有自身独特的波动周期。这里我们将资产分为股票、债券、大宗商品、另类投资、房地产五大类，通过可变周期模型对各类细分资产未来三年的表现进行了预测。预测结果显示，除了农产品和国内房价，其他资产未来三年均可以产生正收益。
        通过可变周期模型，对BL  模型定量化
        BL  模型成为很多主动投资者的资产配置利器，以往定性的配置方案得到了量化模型的加持。但与此同时，代入主观观点的模型无法进行回测，也被很多进行量化资产配置的投资者所诟病。而可变周期模型恰好可以提供对资产未来收益率的量化预测，形成对主观收益率观点的替代，从而将传统BL  模型演化为完全定量的BL  模型。
        考虑到国内公募与保险机构主要配置权益及债券资产，报告中我们仅挑选A  股、港股、美股，及中、美债券进行大类配置。通过在BL  优化过程中加入波动率约束，我们得到右侧表1  中三类风险偏好下的长期战略配置方案。
        核心假设风险：
        本篇报告通过历史数据进行建模，但由于市场具有不确定性，模型仅在统计意义下有望获得良好投资业绩。本报告关于GDP、CPI  等指标的推算仅基于量化模型，并不能代表广发宏观研究团队已发布的观点。