传统宏观驱动定量配置框架的局限。自上而下的宏观驱动定量配置历来是市场关心的热点。但宏观到资产的配置痛点在于传导链条长、逻辑假设复杂，无法通过简单的线性映射准确刻画：
　　1.美林时钟、普林格经济周期都属于样本分类方法，其局限性在于经济周期的判断较难，且表面相似的宏观场景背后的底层逻辑链条可能有较大区别。
　　2.时序回归是另一常用的宏观预测资产价格的思路，其局限性在于宏观变量与行业资产价格收益之间的直接相关关系较弱。
　　引入中间变量的宏观驱动配置思路。我们认为一个更清晰的宏观变量传导逻辑是：宏观指标发生变化影响盈利与估值的变化，进而导致资产价格发生变化，其本质是一个非线性结构。我们在宏观变量与资产价格之间，引入景气度和估值作为中间变量，把宏观指标的预测目标从收益率转换到景气度和估值预测上，再由行业景气度和行业估值变化驱动行业价格变化。
　　景气度和估值宏观驱动因子构建。我们将不同宏观变量对行业景气度和估值的预测值按月填充后取平均，分别构建景气度宏观驱动因子和估值宏观驱动因子。两个因子在截面上有一定的行业轮动能力，各自多头组合的超额收益较为稳定。
　　景气度与估值的行业戴维斯双击策略。
　　1.景气度宏观驱动因子与估值宏观驱动因子相关性平均为负，将两个因子结合为最终的行业宏观驱动因子，因子表现有进一步提升。历史上看，多头行业分布较为均匀。
　　2.通过交叉分组的方式选取未来景气度与估值有望双升的宏观驱动的行业戴维斯双击组合。策略绝对年化收益为28.0%，超额年化收益为17.6%，策略表现优异。
　　风险提示。量化模型基于历史数据，市场未来可能发生变化，策略模型有失效可能；模型采用的样本数据有限，存在样本不足以代表整体市场的风险。