高通胀环境下股债更容易出现正相关性，股商更容易出现负相关性
　　我们对美国1970年以来不同通胀环境下资产的相关性和夏普比进行了对比研究。当通胀水平（CPI）在4%以下时，股债相关性并没有显著的关系，但在4%以上的高通胀环境下，股债有更大概率呈现出正相关的特征。股票与商品均作为风险资产，在低通胀环境下正相关性更强，当通胀逐步抬升时，股商相关性会逐渐转为负相关，但进一步抬升至极高通胀区间时，股商相关性又会提高转为正相关。如果以三年年化通胀率来衡量，股票与商品容易出现负相关的通胀区间为4%至6%，如果以一年年化通胀率来衡量，股票与商品容易出现负相关的通胀区间为4%至8%。
　　高通胀环境下股债投资性价比可能下降，商品投资性价比上升
　　以夏普比作为资产投资性价比的观察指标，考虑通胀与资产投资性价比的关系。对于债券资产而言，在低通胀区域，债券投资性价比与通胀呈现正相关，在高通胀区间内，两者呈现负相关。在低通胀环境下，股票资产的投资性价比与通胀关系不大，在高通胀环境下，股票资产出现较高夏普比的概率较低，这意味着在高通胀环境下，股票资产的弹性有可能会下降。商品的投资性价比与通胀呈现出一定的正相关性。能源板块投资性价比与通胀相关性很强，这也符合能源价格是影响通胀重要因素的认知。另外一个通常作为通胀防御资产的商品是黄金，但黄金与通胀的相关性却不是特别的清晰。
　　2月份风险资产多数下跌，美国股债依然偏向正相关
　　2月份全球商品指数全部下跌，股票与债券表现分化。股票资产中，沪深300、标普500下跌，日经225、欧洲斯托克50上涨。债券资产中，中国、日本国债期货上涨，美国、德国国债期货下跌。商品资产中，贵金属、工业金属、能源、农业指数均下跌。美国股债的表现依然偏向正相关，海外市场短期内受加息预期的影响仍然较大，但随着政策因素的逐渐退坡，我们认为市场将逐步回归基本面主导，海外可能出现的经济衰退与较高利率大概率对海外股票市场形成双重压制，加息后期债券资产具有较高配置价值，考虑到通胀韧性和下半年可能的全球经济复苏，商品在未来的配置价值值得关注。
　　HYCLE系列策略业绩表现统计与分析
　　2月份，HYCLE-S1策略下跌0.94%，月内最大回撤1.59%；HYCLE-S2策略下跌0.06%，月内最大回撤0.22%；HYCLE-M1策略下跌1.29%，月内最大回撤1.50%。在全样本回测区间内，S1策略年化收益5.61%，夏普比率1.21；S2策略年化收益6.49%，夏普比率1.46；M1策略年化收益5.89%，夏普比率1.44。
　　HYCLE系列策略简介
　　HYCLE系列策略是基于周期理论开发的定量的资产周期轮动策略。我们研究发现，金融经济系统普遍存在42、100、200个月周期，且周期对资产价格解释力度较强，具有稳定性、显著性和可预测性。基于周期理论可构建定价方程，实现对市场状态的量化测度和对资产价格走势、相对投资机会的定量判断。在此基础上精选优质股债资产，形成全球股债商轮动策略。
　　风险提示：研究观点基于历史规律总结，历史规律可能失效；HYCLE系列策略基于华泰金工周期系列研究对全球各类经济金融指标长达百年样本的实证结果确定周期长度，然而市场存在短期波动与政策冲击，就每轮周期而言，暂无法预测具体长度，且历史规律存在失效风险。策略无法保证未来获得预期收益，对依据或使用该规律所造成的后果由投资者自行承担。
　　

研究报告全文：证券研究报告金工高通胀环境下的资产规律变化华泰研究研究员林晓明SACNoS0570516010001linxiaominghtsccom2023年3月07日中国内地专题研究SFCNoBPY4218675582080134研究员陈烨PhD高通胀环境下股债更容易出现正相关性股商更容易出现负相关性SACNoS0570521110001chenyehtsccom我们对美国1970年以来不同通胀环境下资产的相关性和夏普比进行了对比861063211166研究当通胀水平在以下时股债相关性并没有显著的关系CPI4研究员李聪但在4以上的高通胀环境下股债有更大概率呈现出正相关的特征股票SACNoS0570522100001liconghtsccom与商品均作为风险资产在低通胀环境下正相关性更强当通胀逐步抬升时861063211166股商相关性会逐渐转为负相关但进一步抬升至极高通胀区间时股商相关研究员刘志成性又会提高转为正相关如果以三年年化通胀率来衡量股票与商品容易出SACNoS0570521110002liuzhichenghtsccom现负相关的通胀区间为4至6如果以一年年化通胀率来衡量股票与861063211166商品容易出现负相关的通胀区间为4至8研究员韩晳SACNoS0570520100006hanxihtsccom高通胀环境下股债投资性价比可能下降商品投资性价比上升861056793937以夏普比作为资产投资性价比的观察指标考虑通胀与资产投资性价比的关系对于债券资产而言在低通胀区域债券投资性价比与通胀呈现正相关研究员源洁莹在高通胀区间内两者呈现负相关在低通胀环境下股票资产的投资性价SACNoS0570521080001yuanjieyinghtsccomSFCNoBRR3148675582366825比与通胀关系不大在高通胀环境下股票资产出现较高夏普比的概率较低这意味着在高通胀环境下股票资产的弹性有可能会下降商品的投资性价比与通胀呈现出一定的正相关性能源板块投资性价比与通胀相关性很强这也符合能源价格是影响通胀重要因素的认知另外一个通常作为通胀防御资产的商品是黄金但黄金与通胀的相关性却不是特别的清晰2月份风险资产多数下跌美国股债依然偏向正相关2月份全球商品指数全部下跌股票与债券表现分化股票资产中沪深300标普500下跌日经225欧洲斯托克50上涨债券资产中中国日本国债期货上涨美国德国国债期货下跌商品资产中贵金属工业金属能源农业指数均下跌美国股债的表现依然偏向正相关海外市场短期内受加息预期的影响仍然较大但随着政策因素的逐渐退坡我们认为市场将逐步回归基本面主导海外可能出现的经济衰退与较高利率大概率对海外股票市场形成双重压制加息后期债券资产具有较高配置价值考虑到通胀韧性和下半年可能的全球经济复苏商品在未来的配置价值值得关注HYCLE系列策略业绩表现统计与分析2月份HYCLE-S1策略下跌094月内最大回撤159HYCLE-S2策略下跌006月内最大回撤022HYCLE-M1策略下跌129月内最大回撤150在全样本回测区间内S1策略年化收益561夏普比率121S2策略年化收益649夏普比率146M1策略年化收益589夏普比率144HYCLE系列策略简介HYCLE系列策略是基于周期理论开发的定量的资产周期轮动策略我们研究发现金融经济系统普遍存在42100200个月周期且周期对资产价格解释力度较强具有稳定性显著性和可预测性基于周期理论可构建定价方程实现对市场状态的量化测度和对资产价格走势相对投资机会的定量判断在此基础上精选优质股债资产形成全球股债商轮动策略风险提示研究观点基于历史规律总结历史规律可能失效HYCLE系列策略基于华泰金工周期系列研究对全球各类经济金融指标长达百年样本的实证结果确定周期长度然而市场存在短期波动与政策冲击就每轮周期而言暂无法预测具体长度且历史规律存在失效风险策略无法保证未来获得预期收益对依据或使用该规律所造成的后果由投资者自行承担免责声明和披露以及分析师声明是报告的一部分请务必一起阅读1金工研究正文目录高通胀环境下股债相关性容易逆转商品投资性价比可能上升3高通胀环境下股债容易呈现正相关股商相关性可能下降3高通胀环境下股债投资性价比可能下降商品投资性价比上升42月份风险资产多数下跌美国股债依然偏向正相关7欧美制造业景气度持续低迷日本通胀正在快速上升7技术面上来看多数资产短期趋势不佳股票资产目前中期趋势较好10华泰周期精选S1型策略业绩表现122023年2月业绩表现12全样本业绩表现12华泰周期精选S2型策略业绩表现142023年2月业绩表现14全样本业绩表现14华泰周期动量M1型策略业绩表现162023年2月业绩表现16全样本业绩表现16风险提示17附录华泰周期系列策略简介18策略原理与理论基础18资产配置实践19HYCLE-S2策略的具体实现20HYCLE-M1策略的具体实现21免责声明和披露以及分析师声明是报告的一部分请务必一起阅读2金工研究高通胀环境下股债相关性容易逆转商品投资性价比可能上升高通胀环境下股债容易呈现正相关股商相关性可能下降21年5月以来美国CPI始终在5以上峰值达到910近期美国通胀虽然开始下降但下降速度低于预期如果通胀成为长期问题可能会对投资带来哪些影响本文试图通过1970年以来美国资本市场的表现来探寻高通胀环境对海外资产配置的影响美国通胀在上世纪70年代至80年代初曾经在215之间剧烈波动之后美国通胀大约经过了40年左右的平稳期CPI最高仅达到过6左右2021年中开始通胀再起创造了过去40年的高位我们对不同通胀环境下资产的相关性和夏普比进行对比研究股债商三类资产分别采用标普500彭博巴克莱美国国债指数彭博商品指数作为代表采用1973年至今月度收益率作为基础数据计算相关特征指标考虑到资产长期特征更为稳定但投资者的投资期限多数为1年左右我们分别采用滚动三年窗口和滚动一年窗口计算资产相关性夏普比和年化通胀率同时考虑到通胀并不是影响资产表现的唯一因素我们将数据分成2000年以前2000年至2021年2022年至今三段数据对比验证资产规律的变化图表1美国CPI长期走势1970年1月至2023年1月16美国CPI14121086420-2-41985-081971-061972-111974-041975-091977-021978-071979-121981-051982-101984-031987-011988-061989-111991-041992-091994-021995-071996-121998-051999-102001-032002-082004-012005-062006-112008-042009-092011-022012-072013-122015-052016-102018-032019-082021-012022-061970-01资料来源Wind华泰研究2022年以来对资产配置造成较大影响的是股债相关性的变化2000年以来股债负相关的认知深入人心但2022年以来股债负相关性的反转对资产配置策略造成了很大影响我们将标普500指数作为股票资产的代表彭博巴克莱美国国债指数作为债券资产的代表观察两类资产月度收益率的相关性与年化通胀率的关系2000年以前股债的相关性其实更偏向于正相关2000年以后股债相关性偏向负相关当通胀水平在4以下时股债相关性并没有显著的关系但在高通胀环境下股债有更大概率呈现出正相关的特征2022年以来股债相关性的变化恰好印证了这一点注本文对通胀水平的衡量以CPI为准图表2股票债券相关性与通胀的关系滚动三年图表3股票债券相关性与通胀的关系滚动一年1976-19992000-20212022年以来1974-19992000-20212022年以来801006080604040202000-20-20-40一年月度收益率相关性三年月度收益率相关性-40-60-60-80-100-80-4-2024681012141602468101214年化通胀率三年年化通胀率一年资料来源Bloomberg华泰研究资料来源Bloomberg华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读3金工研究股票与商品均作为风险资产在低通胀环境下正相关性更强这与2000年以来的基本规律一致在通胀逐步抬升时股票和商品的相关性也会出现变化不管是滚动三年计算的数据还是滚动一年计算的数据都显示当通胀逐步抬升时股商相关性会逐渐降低转为负相关但进一步抬升至极高通胀区间时股商相关性又会提高转为正相关如果以三年年化通胀率来衡量股票与商品容易出现负相关的通胀区间为4至6如果以一年年化通胀率来衡量股票与商品容易出现负相关的通胀区间为4至8图表4股票商品相关性与通胀的关系滚动三年图表5股票商品相关性与通胀的关系滚动一年1976-19992000-20212022年以来1974-19992000-20212022年以来100120100808060604040202000-20-40一年月度收益率相关性三年月度收益率相关性-20-60-40-80-60-10002468101214-4-20246810121416年化通胀率三年年化通胀率一年资料来源Bloomberg华泰研究资料来源Bloomberg华泰研究债券与商品的相关性并无特定的规律不管在高通胀环境还是在低通胀环境两者相关性为负的概率都更高通胀并不是影响债商相关性的主要因素图表6债券商品相关性与通胀的关系滚动三年图表7债券商品相关性与通胀的关系滚动一年1976-19992000-20212022年以来1974-19992000-20212022年以来40806020400200-20-20-40-40三年月度收益率相关性一年月度收益率相关性-60-60-80-80-10002468101214-4-20246810121416年化通胀率三年年化通胀率一年资料来源Bloomberg华泰研究资料来源Bloomberg华泰研究高通胀环境下股债投资性价比可能下降商品投资性价比上升以夏普比作为资产投资性价比的观察指标考虑通胀与资产投资性价比的关系对于债券资产而言在低通胀区域债券投资性价比与通胀呈现正相关在高通胀区间内两者呈现负相关这背后其实反应了利率与通胀之间的相互作用在低通胀期通胀不是制约因素货币政策倾向于宽松利率下行刺激通胀上升因此债券夏普比与通胀呈现正相关而在高通胀区间通胀是债券的核心制约因素高通胀下普遍会收紧货币政策从而导致利率上升因此在高通胀区间债券夏普比与通胀呈现负相关2022年以来债券资产表现较差未来如果依然是高通胀环境债券投资性价比可能不会太高但2022年的极端情况大概率也不会长期发生从三年年化夏普比上来看债券资产的长期夏普比普遍在0以上这意味着长期投资债券亏损概率较低免责声明和披露以及分析师声明是报告的一部分请务必一起阅读4金工研究图表8债券投资性价比与通胀的关系滚动三年图表9债券投资性价比与通胀的关系滚动一年1976-19992000-20212022年以来1974-19992000-20212022年以来4070356030504025302020151010000510资产夏普比一年年化资产夏普比三年年化00200530104002468101214-4-20246810121416年化通胀率三年年化通胀率一年资料来源Bloomberg华泰研究资料来源Bloomberg华泰研究在低通胀环境下股票资产的投资性价比与通胀关系不大在高通胀环境下股票资产出现较高夏普比的概率较低这意味着在高通胀环境下股票资产的弹性有可能会下降这种现象有可能是因为在低通胀环境中流动性较为充裕估值因素对股票资产的定价更为重要股票资产出现极好行情和极差行情的概率可能都会上升但在高通胀环境中估值被压制股票资产的表现主要由盈利端决定因此极高夏普比较难出现从三年年化数据来看股票资产在高通胀环境下长期夏普大概率低于1图表10股票投资性价比与通胀的关系滚动三年图表11股票投资性价比与通胀的关系滚动一年1976-19992000-20212022年以来1974-19992000-20212022年以来3082562015410205000资产夏普比一年年化资产夏普比三年年化0521015402468101214-4-20246810121416年化通胀率三年年化通胀率一年资料来源Bloomberg华泰研究资料来源Bloomberg华泰研究在高通胀环境中商品往往会成为更多人的投资选择事实证明商品的投资性价比确实与通胀呈现出一定的正相关性如果不考虑1980年以前的极高通胀环境两者的正相关性会更加显著子板块上来看能源板块投资性价比与通胀相关性很强这也符合能源价格是影响通胀重要因素的认知另外一个通常作为通胀防御资产的商品是黄金但黄金与通胀的相关性并不是特别的清晰特别是当通胀环境从4逐步提高到6的过程中黄金有较大概率出现负收益这可能是因为黄金的定价背后更重要的是实际利率通胀仅仅只是影响因素之一免责声明和披露以及分析师声明是报告的一部分请务必一起阅读5金工研究图表12商品投资性价比与通胀的关系滚动三年图表13商品投资性价比与通胀的关系滚动一年1976-19992000-20212022年以来1974-19992000-20212022年以来20615541030520010501102资产夏普比一年年化资产夏普比三年年化15320402468101214-4-20246810121416年化通胀率三年年化通胀率一年资料来源Bloomberg华泰研究资料来源Bloomberg华泰研究图表14能源板块投资性价比与通胀的关系滚动三年图表15能源板块投资性价比与通胀的关系滚动一年1987-19992000-20212022年以来1985-19992000-20212022年以来2061554103052001005资产夏普比三年年化1资产夏普比一年年化1021530123456-4-20246810年化通胀率三年年化通胀率一年资料来源Bloomberg华泰研究资料来源Bloomberg华泰研究图表16黄金投资性价比与通胀的关系滚动三年图表17黄金投资性价比与通胀的关系滚动一年1971-19992000-20212022年以来1969-19992000-20212022年以来35630525420315210105000资产夏普比三年年化105资产夏普比一年年化10215302468101214-4-20246810121416年化通胀率三年年化通胀率一年资料来源Wind华泰研究资料来源Wind华泰研究通过以上分析我们大概率可以得到如下结论1在高通胀环境下资产相关性容易发生变化股债有更大概率呈现正相关股商有更大概率呈现负相关2股票和债券的投资性价比在高通胀环境下大概率会出现下降商品的投资性价比提升商品中特别是能源板块与通胀的关联度最为密切黄金的投资不能仅分析通胀因素免责声明和披露以及分析师声明是报告的一部分请务必一起阅读6金工研究2月份风险资产多数下跌美国股债依然偏向正相关2月份全球商品指数全部下跌股票与债券表现分化重点关注股票指数中沪深300下跌210标普500下跌261日经225上涨043欧洲斯托克50上涨180债券资产中中国日本10年期国债期货上涨分别上涨032和006美国德国10年期国债期货下跌分别下跌303286商品资产中贵金属工业金属能源农业指数均下跌分别下跌714947360358美国股债的表现依然偏向正相关海外市场短期内受加息预期的影响仍然较大但随着政策因素的逐渐退坡我们认为市场将逐步回归基本面主导高利率对市场的影响将会逐步显现海外可能出现的经济衰退与较高利率大概率对海外股票市场形成双重压制加息后期债券资产普遍具有较高配置价值考虑到通胀的韧性和下半年可能的全球经济复苏商品在未来的配置价值值得关注图表18全球主要资产收益表现截至23年2月28日1月收益近三月收益近半年收益近一年收益今年以来收益沪深300指数-210562-023-1118511标普500指数-261-270038-923340日经225指数043-187-230346518欧洲斯托克50指数18069020508011172中国10年期国债期货032123-014189027美国10年期国债期货-303-216-536-1315-111德国10年期国债期货-286-525-838-1769-002日本10年期国债期货006-095-107-155082全球商品贵金属指数-714175711-885-342全球商品工业金属指数-947-069505-1485-252全球商品能源指数-360-2418-3510-916-1329全球商品农业指数-358-053-229-343-177资料来源BloombergWInd华泰研究图表19全球主要资产风险调整后收益5波控截至23年2月28日1月收益近三月收益近半年收益近一年收益今年以来收益沪深300指数-060159047-324144标普500指数-056-050019-201073日经225指数013-043-043122145欧洲斯托克50指数050199500308313中国10年期国债期货060221-073290050美国10年期国债期货-184-130-335-993-069德国10年期国债期货-132-217-367-1103-001日本10年期国债期货009-167-186-469141全球商品贵金属指数-200058222-207-095全球商品工业金属指数-189-020109-121-054全球商品能源指数-045-329-475024-179全球商品农业指数-116-036-067-056-064注5波控下的风险调整后收益是指将资产波动率按照5的目标波动率水平调整后的收益情况资料来源BloombergWInd华泰研究欧美制造业景气度持续低迷日本通胀正在快速上升2月中国制造业与服务业PMI继续回升显示出了较强的经济复苏动力美国日本欧洲制造业PMI持续低迷美国和日本制造业PMI已经连续4个月低于50欧洲制造业PMI已经连续8个月低于50但美日欧的服务业PMI均在50以上日本和欧洲甚至有一定程度的上升显示出服务业景气度较强而制造业景气度较弱的宏观背景免责声明和披露以及分析师声明是报告的一部分请务必一起阅读7金工研究图表20中美日欧制造业PMI对比单位中国制造业PMI美国供应管理协会ISM制造业PMI70日本制造业PMI欧元区制造业PMI65荣枯线605550454035302012-102016-062020-022012-062013-022013-062013-102014-022014-062014-102015-022015-062015-102016-022016-102017-022017-062017-102018-022018-062018-102019-022019-062019-102020-062020-102021-022021-062021-102022-022022-062022-102023-022012-02资料来源Wind华泰研究图表21中美日欧服务业PMI对比单位中国非制造业PMI服务业美国ISM非制造业PMI日本服务业PMI80欧元区服务业PMI荣枯线706050403020102012-102016-062020-022012-062013-022013-062013-102014-022014-062014-102015-022015-062015-102016-022016-102017-022017-062017-102018-022018-062018-102019-022019-062019-102020-062020-102021-022021-062021-102022-022022-062022-102023-022012-02资料来源Wind华泰研究图表22主要经济体调查失业率单位中国城镇调查失业率美国失业率季调日本失业率欧元区失业率季调16141210864202010-112015-062019-082010-062011-042011-092012-022012-072012-122013-052013-102014-032014-082015-012015-112016-042016-092017-022017-072017-122018-052018-102019-032020-012020-062020-112021-042021-092022-022022-072022-122010-01资料来源Wind华泰研究通胀方面1月美国欧洲通胀水平继续下行美国CPI回归至64PPI回归至75欧洲CPI下降至86PPI下降至15但绝对水平依然较高美国本月通胀下行幅度较小市场对通胀韧性的担忧有所上升日本CPI近期上行较快已经上行至43日本通胀快速上升的影响值得关注免责声明和披露以及分析师声明是报告的一部分请务必一起阅读8金工研究图表23主要经济体CPI单位中国CPI当月同比美国CPI当月同比12日本CPI当月同比欧元区HICP调和CPI当月同比108642022021-092022-072010-062010-112011-042011-092012-022012-072012-122013-052013-102014-032014-082015-012015-062015-112016-042016-092017-022017-072017-122018-052018-102019-032019-082020-012020-062020-112021-042022-022022-122010-01资料来源Wind华泰研究图表24主要经济体PPI单位PPI全部工业品当月同比美国PPI制造业总计同比50日本生产者价格指数同比欧元区19国PPI当月同比403020100102011-092021-042010-062010-112011-042012-022012-072012-122013-052013-102014-032014-082015-012015-062015-112016-042016-092017-022017-072017-122018-052018-102019-032019-082020-012020-062020-112021-092022-022022-072022-122010-01资料来源Wind华泰研究图表25主要经济体10年期国债利率一年变化量单位30中国美国日本欧元区25201510050005101520252009-092016-032006-032006-092007-032007-092008-032008-092009-032010-032010-092011-032011-092012-032012-092013-032013-092014-032014-092015-032015-092016-092017-032017-092018-032018-092019-032019-092020-032020-092021-032021-092022-032022-092005-09注一年变化量指一年同比变化绝对值资料来源Wind华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读9金工研究技术面上来看多数资产短期趋势不佳股票资产目前中期趋势较好2月多数资产表现较弱技术面上短期趋势较好的资产并不多股票资产虽然短期多数有回撤但从去年11月以来整体依然处于上行趋势中中期趋势较好债券资产中中国债券依然是唯一长期趋势向上的资产商品资产目前趋势不佳多数以振荡下行为主注该部分标准差均为过去20日标准差图表26沪深300与布林带指标图表27标普500与布林带指标closemiddleup1std4900closemiddleup1std5000up2stdlow1stdlow2stdup2stdlow1stdlow2std480047004600450044004300420041004000390038003600370034003500202203212022041120220502202205232022061320220704202207252022081520220905202209262022101720221107202211282022121920230109202301302023022020220228202203212022041120220502202205232022061320220704202207252022081520220905202209262022101720221107202211282022121920230109202301302023022020220228资料来源BloombergWind华泰研究资料来源BloombergWind华泰研究图表28日经225与布林带指标图表29欧洲斯托克50与布林带指标closemiddle30000up1stdup2std4600closemiddleup1stdlow1stdlow2std290004400up2stdlow1stdlow2std280004200270004000260003800250003600240003400230003200220003000202211072022032120220411202205022022052320220613202207042022072520220815202209052022092620221017202211282022121920230109202301302023022020220228202203212022041120220502202205232022061320220704202207252022081520220905202209262022101720221107202211282022121920230109202301302023022020220228资料来源BloombergWind华泰研究资料来源BloombergWind华泰研究图表30中国10年期国债期货与布林带指标图表31美国10年期国债期货与布林带指标116closemiddleup1std22closemiddleup1std22115up2stdlow1stdlow2stdup2stdlow1stdlow2std211142111320112201911119110181091810817202207252022032120220411202205022022052320220613202207042022072520220815202209052022092620221017202211072022112820221219202301092023013020230220202202282022032120220411202205022022052320220613202207042022081520220905202209262022101720221107202211282022121920230109202301302023022020220228资料来源BloombergWind华泰研究资料来源BloombergWind华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读10金工研究图表32日本10年期国债期货与布林带指标图表33德国10年期国债期货与布林带指标closemiddleup1std25closemiddleup1std150up2stdlow1stdlow2std24up2stdlow1stdlow2std1491482314722146145211442014314219202207252022032120220411202205022022052320220613202207042022072520220815202209052022092620221017202211072022112820221219202301092023013020230220202202282022032120220411202205022022052320220613202207042022081520220905202209262022101720221107202211282022121920230109202301302023022020220228资料来源BloombergWind华泰研究资料来源BloombergWind华泰研究图表34全球商品贵金属指数与布林带指标图表35全球商品工业金属指数与布林带指标260closemiddleup1std260closemiddleup1std250up2stdlow1stdlow2std240up2stdlow1stdlow2std240220230200220180210160200190140180120170100202206132023013020220704202301092022032120220411202205022022052320220704202207252022081520220905202209262022101720221107202211282022121920230109202302202022022820220321202204112022050220220523202206132022072520220815202209052022092620221017202211072022112820221219202301302023022020220228资料来源BloombergWind华泰研究资料来源BloombergWind华泰研究图表36全球商品能源指数与布林带指标图表37全球商品农业指数与布林带指标closemiddleup1stdclosemiddleup1std7085up2stdlow1stdlow2stdup2stdlow1stdlow2std6580605575507045654035603055252050202301092023013020220321202204112022050220220523202206132022070420220725202208152022090520220926202210172022110720221128202212192023013020230220202202282022032120220411202205022022052320220613202207042022072520220815202209052022092620221017202211072022112820221219202301092023022020220228资料来源BloombergWind华泰研究资料来源BloombergWind华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读11金工研究华泰周期精选S1型策略业绩表现2023年2月业绩表现HYCLE-S1策略在2023年2月下跌094月内最大回撤159图表38HYCLE-S1今年2月净值走势2050HYCLE-S120402030202020102000199019802023-02-052023-02-102023-02-012023-02-022023-02-032023-02-042023-02-062023-02-072023-02-082023-02-092023-02-112023-02-122023-02-132023-02-142023-02-152023-02-162023-02-172023-02-182023-02-192023-02-202023-02-212023-02-222023-02-232023-02-242023-02-252023-02-262023-02-272023-02-282023-01-31资料来源Wind华泰研究全样本业绩表现全样本回测期间20100601-20230228HYCLE-S1策略年化收益率为561夏普比率121最大回撤1377图表39HYCLE-S1全样本区间净值走势2500HYCLE-S120001500100050002012-12-012016-09-012018-05-012010-11-012011-04-012011-09-012012-02-012012-07-012013-05-012013-10-012014-03-012014-08-012015-01-012015-06-012015-11-012016-04-012017-02-012017-07-012017-12-012018-10-012019-03-012019-08-012020-01-012020-06-012020-11-012021-04-012021-09-012022-02-012022-07-012022-12-012010-06-01资料来源Wind华泰研究图表40HYCLE-S1全样本业绩表现20100601-20230228策略年化收益率年化波动率最大回撤夏普比率Calmar比率HYCLE-S1561463-1377121041资料来源Wind华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读12金工研究图表41HYCLE-S1全样本月度收益率20100601-202302281月2月3月4月5月6月7月8月9月10月11月12月年收益2010年-104098-0702391910811045472011年-062150-101123-098-005227210128-1090282517572012年-048-117-076101398-113111-086-027-0550170731672013年206-088-039128128-240108-0232101451440467402014年-227155-080-0041040601860660352352871419902015年381-162-038-088-054-075074016132-015-017-0401052016年277154-082222051-021070042-059032-0231638492017年069211604203308206704400413901316310132018年182-115-005133066013-090054-1981111172184872019年082-049242-080244138141339-056104-01919713492020年-016-062-001021064067315234-141-0380852718192021年121195-057258150034075-118-238-145140-0513572022年-147-210-095-112-065-014182-208-273061078-098-8732023年120-094024资料来源Wind华泰研究滚动计算持有HYCLE-S1策略1-3年的累计收益率持有一年收益率的平均值为606中位数为683持有三年绝对收益率最高为3728图表42HYCLE-S1持有1-3年累计收益率持有1年收益率持有2年收益率持有3年收益率最大值178628303728最小值-1073-898100平均值60613732205中位数68314622230资料来源Wind华泰研究图表43HYCLE-S1持有1年累计收益率滚动图表44HYCLE-S1持有3年累计收益率滚动2044持有1年收益率持有3年收益率391534102952401914-59-104-15-1月月月月月月月月月月月月月月月月月月月月月月5555555555555555555555年年年年年年年年年年年年年年年年年年年年年年2012201320142015201620172018201920202021202220132014201520162017201820192020202120222011资料来源Wind华泰研究资料来源Wind华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读13金工研究华泰周期精选S2型策略业绩表现2023年2月业绩表现HYCLE-S2策略在2023年2月微跌006月内最大回撤022策略在2月份维持较低波动图表45HYCLE-S2今年2月净值走势2235HYCLE-S2223422332232223122302229222822272023-02-052023-02-102023-02-012023-02-022023-02-032023-02-042023-02-062023-02-072023-02-082023-02-092023-02-112023-02-122023-02-132023-02-142023-02-152023-02-162023-02-172023-02-182023-02-192023-02-202023-02-212023-02-222023-02-232023-02-242023-02-252023-02-262023-02-272023-02-282023-01-31资料来源Wind华泰研究全样本业绩表现全样本回测期间20100526-20230228HYCLE-S2策略年化收益率为649夏普比率146最大回撤642图表46HYCLE-S2全样本区间净值走势2500HYCLE-S220001500100050002013-04-262014-07-262020-05-262010-10-262011-03-262011-08-262012-01-262012-06-262012-11-262013-09-262014-02-262014-12-262015-05-262015-10-262016-03-262016-08-262017-01-262017-06-262017-11-262018-04-262018-09-262019-02-262019-07-262019-12-262020-10-262021-03-262021-08-262022-01-262022-06-262022-11-262010-05-26资料来源Wind华泰研究图表47HYCLE-S2全样本业绩表现20100526-20230228策略年化收益率年化波动率最大回撤夏普比率Calmar比率HYCLE-S2649445-642146101资料来源Wind华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读14金工研究图表48HYCLE-S2全样本月度收益率20100526-202302281月2月3月4月5月6月7月8月9月10月11月12月年收益2010年-004-102084-0711752030571154602011年116119-108162207021288245090-12102221813252012年-010-097-069089358-129176-090-026-1680500741482013年214075097140085-151123-07921309724305211582014年-212121-028-038071015-061283-0941743311617322015年315-089034-118-077-088108000142-011-026-0711122016年244134-044-115055231089-008-048-0780681607012017年068229067146064042059234-089191-02519612422018年097-077020173154-009-111057-1650410720853352019年125-055270-072227181148384-091-023-00515213002020年-082-032-001002036094449172-180-0520293027472021年018135-046307058030075-047134-0500440156892022年-009-188-038-015012078134-126-316-041-038052-4902023年-005-006-012资料来源Wind华泰研究滚动计算持有HYCLE-S2策略1-3年的累计收益率持有一年收益率的平均值为695中位数为716持有三年绝对收益率最高为3501图表49HYCLE-S2持有1-3年累计收益率持有1年收益率持有2年收益率持有3年收益率最大值179224113501最小值-566-133712平均值69514712307中位数71614882361资料来源Wind华泰研究图表50HYCLE-S2持有1年累计收益率滚动图表51HYCLE-S2持有3年累计收益率滚动20持有1年收益率39持有3年收益率153429102419514904-5-1月月月月月月月月月月月月月月月月月月月月月月5555555555555555555555年年年年年年年年年年年年年年年年年年年年年年2013201420152016201720182019202020212022201120222013201420152016201720182019202020212012资料来源Wind华泰研究资料来源Wind华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读15金工研究华泰周期动量M1型策略业绩表现2023年2月业绩表现HYCLE-M1策略在2023年2月下跌129月内最大回撤150图表52HYCLE-M1今年1月净值走势2110HYCLE-M12105210020952090208520802075207020652060205520232520232120232220232320232420232620232720232820232920232102023211202321220232132023214202321520232162023217202321820232192023220202322120232222023223202322420232252023226202322720232282023131资料来源Wind华泰研究全样本业绩表现全样本回测期间20100601-20230228HYCLE-M1策略年化收益率为589夏普比率144最大回撤552图表53HYCLE-M1全样本区间净值走势2500HYCLE-M1200015001000500020169120185120106120114120119120122120127120135120143120148120151120156120164120172120177120193120198120201120206120214120219120222120227120121212013101201511120171212018101202011120221212010111资料来源Wind华泰研究图表54HYCLE-M1全样本业绩表现20100601-20230228策略年化收益率年化波动率最大回撤夏普比率Calmar比率HYCLE-M1589410-552144107资料来源Wind华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读16金工研究图表55HYCLE-M1全样本月度收益率20100601-202302281月2月3月4月5月6月7月8月9月10月11月12月年收益2010年-086128048234112-0121315652011年-010116-142184-022-065386067121-1130540966832012年162048-116099087-033117006-014-1111330504322013年176025080174-006-211147031070086086-0536142014年-118239-068046174108-086258-12316121218410202015年321-136086-031-093-177140-090117051-012-0391262016年254108002092-012-004133053014026-048-0785492017年0951970550035141254183-14510710618212722018年085-115-048043036102-018241-2110160730012012019年217-034329-051209358130220-157-03202806213412020年072047-006014064107258091-096-0020703289812021年-026026004238098014043-050-016009-1030472842022年014-036071-086-001-104083-069-151080-123-056-3752023年086-129-044资料来源Wind华泰研究滚动计算持有HYCLE-M1策略1-3年的累计收益率持有一年收益率的平均值为632中位数为649持有三年绝对收益率最高为3267图表56HYCLE-M1持有1-3年累计收益率持有1年收益率持有2年收益率持有3年收益率最大值164225583267最小值-442-282637平均值63213662164中位数64913732078资料来源Wind华泰研究图表57HYCLE-M1持有1年累计收益率滚动图表58HYCLE-M1持有3年累计收益率滚动2039持有1年收益率持有3年收益率34152910245191409-54-10-1月月月月月月月月月月月月月月月月月月月月月月5555555555555555555555年年年年年年年年年年年年年年年年年年年年年年2012201520162018202120132014201520162017201820192020202120222013201420172019202020222011资料来源Wind华泰研究资料来源Wind华泰研究风险提示研究观点基于历史规律总结历史规律可能失效HYCLE系列策略基于华泰金工周期系列研究对全球各类经济金融指标长达百年样本的实证结果确定周期长度然而市场存在短期波动与政策冲击就每轮周期而言暂无法预测具体长度且历史规律存在失效风险策略无法保证未来获得预期收益对依据或使用该规律所造成的后果由投资者自行承担免责声明和披露以及分析师声明是报告的一部分请务必一起阅读17金工研究附录华泰周期系列策略简介华泰周期系列策略是基于周期理论开发的定量的资产周期轮动策略该系列目前主要包括S1型策略S2型策略和M1型策略其中S1型策略基本要素如下策略代码HYCLES1策略名称华泰周期精选S1型策略英文名称HuataiMultiAssetCycleAllocationSelectionIIndex英文简称HYCLES1Index发布平台BloombergWindS2型策略基本要素如下策略代码HYCLES2策略名称华泰周期精选S2型策略英文名称HuataiMultiAssetCycleAllocationSelectionIIIndex英文简称HYCLES2Index发布平台BloombergWindM1型策略基本要素如下策略代码HYCLEM1策略名称华泰周期动量M1型策略英文名称HuataiMultiAssetCycleAllocationMomentumIIndex英文简称HYCLEM1Index发布平台BloombergWind策略原理与理论基础长久以来有效的大类资产配置被视作是投资成功的关键资产配置的投资实践大体可以分为被动资产配置与主动资产配置两种被动资产配置认为市场不可预测投资者只能通过分散化的投资降低组合的波动率从而提升夏普比率代表性的被动资产配置模型包括均值方差风险平价CPPI等主动资产配置则认为市场的运行遵循特定的规律因而可以进行预测投资者可以通过配置未来表现更优的一篮子资产获取更高的收益回报典型的主动资产配置模型是2004年美林证券提出美林投资时钟模型美林投资时钟依据典型宏观经济指标走势刻画经济所处周期阶段进而实现资产轮动配置模型提供了有效的从宏观择时到大类资产配置的指导框架然而对于经济状态的刻画以及经济状态和资产价格之间的映射关系仍缺乏定量而有效的手段美林投资时钟仅依据经济增长和通胀水平对经济状态进行判断或不够全面对实际投资的指导价值稍显不足华泰金工团队长期深耕周期研究并开发了定量的周期模型指导投资实践周期模型以系统论的角度研究宏观经济与金融市场利用多个变量的特征对金融经济系统的周期状态进行刻画结合市场运行的规律对各资产的走势进行预测具体而言周期模型依据周期传导的稳定路径预判当前最具有投资优势的资产并进行配置在配置思路上相较于传统的资产配置模型更主动更全面更科学策略在股票债券商品三类资产之间进行轮动配置与频繁换仓的交易型策略不同策略致力于利用周期规律捕捉大类资产的中长期趋势性投资机会低频换仓的策略实践也保障了较高的策略容量能够满足大资管时代下的财富管理需求免责声明和披露以及分析师声明是报告的一部分请务必一起阅读18金工研究HYCLE系列策略的理论基础在于周期的存在性华泰金工团队多年来发布数十篇深度报告论证市场周期规律的长期稳定存在并在21年上半年对前期成果进行提炼与再造精细打磨相关研究结论整合成周期大报告工业社会的秩序20210517报告从周期存在的验证周期起源的探索周期规律的运用三个层面对金融经济系统的周期进行全面的论证与探讨图表59工业社会的秩序资料来源华泰研究在周期存在的验证部分我们从肉眼可见的周期规律出发首先从经济金融世界中诸多常见的同步现象上发现周期的存在举例来说在同比的观察视角下我国M1同比序列与上证综指同比序列存在类似的周期性运动特征美国GDP与标普500指数同比序列同样有类似现象放眼全球主要股指重要商品指数以及利率PPI等指标相似的周期性运动轨迹指示出系统周期存在的可能从理论研究角度同样可以验证周期的存在我们通过信号处理等方法对全球多种宏观经济指标和资产价格数据进行了定量分析发现这些指标普遍存在短中长三大周期长度分别为42个月100个月和200个月左右与传统经济学理论中的基钦周期朱格拉周期库兹涅茨周期不谋而合并进一步从理论上确定了系统共同周期的存在以及宏观经济周期形成的必然性在实践检验中周期因素在资产价格变化中起重要作用三周期对全球主要资产价格的解释力度超50基于周期的稳定性和可预测性我们得以判断资产价格走势及相对投资机会此外主要大类资产存在稳定的相位差这也说明了大类资产轮动策略较传统股债共同配置策略更加科学因此借助于周期规律投资者可以主动判断当前所处的经济状态并配置适合的资产资产配置实践基于金融经济系统的周期规律我们构建资产定价方程建立资产价格和宏观周期的定量映射关系在全球范围内优选股债商等资产通过定量方法进行宏观择时与资产配置形成全球股债商轮动策略总体而言HYCLE系列策略依据长期稳定的周期规律进行主动的大类资产配置收益来源于对市场状态的主动判断和不同资产不同周期状态稳健的映射关系而不依赖于具体某个资产某个时间段内的高收益周期策略对于不同市场环境的适应性较高在周期信号中已经包含了对资产是否适用于目前经济状态的评估因此不需要对某种资产做额外的调整在每种环境下都主动配置适宜该环境的资产对于未来可能发生的变革或具有较强的适用性免责声明和披露以及分析师声明是报告的一部分请务必一起阅读19金工研究进一步地为应对市场可能出现的种种冲击我们针对不同级别的风险分别设置了风险控制措施如在市场周期拐点处施加保护以降低不确定性风险止损系统的全时覆盖保证策略有效抵御全球市场黑天鹅冲击波动率控制技术保障策略净值走势稳健持续向上突破等HYCLE-S2策略的具体实现S2策略在考虑流动性和可交易性的基础上尽可能引入了更多的底层资产丰富的底层资产具有三方面的优势1对全球经济具有更广泛的代表性2较多的备选资产为应对不同的市场环境提供了自由度3多资产的复合能够更准确地判断经济周期S2策略共有26个底层资产包括11个股票资产10个债券资产和5个商品资产图表60S2策略底层资产选择资料来源华泰研究图表61S2策略构造逻辑资料来源华泰研究S2型策略HYCLE-S2是基于周期理论研发的量化投资策略策略配置逻辑由战略配置战术配置风险控制三个维度组成战略配置层面采用周期模型在股债商中选择最具有配置性价比的大类资产战术配置层面采用动量模型优选上涨动力更强的子类资产风险控制层面组合应用多种风控措施控制策略回撤周期模型以资产价格周期为着眼点发现国内外主要资产均具有与宏观数据类似的周期性资产价格的周期性实际上也是宏观经济周期在资产上的映射价格数据是交易所得表现出的周期性甚至比宏观数据更好周期性的存在使得资产价格具有了可预测性S2策略的战略配置层面就采用周期模型对资产价格未来的表现进行预测从而找到最具有性价比的大类资产S2策略在战术配置层面采用动量因子进行增强众多学术研究发现过去一段时间表现较强的资产在未来一段时间表现也会较强即资产往往呈现出一定的动量效应免责声明和披露以及分析师声明是报告的一部分请务必一起阅读20