基于高频宏观因子构建行业轮动策略，补足行业景气投资宏观视角的一环
　　华泰金工团队持续深耕基本面轮动系列研究，提出了包括宏观、中观、微观三个视角的行业景气投资框架。前期报告已构建了中观和微观视角的行业轮动策略，我们一直在进行样本外跟踪；本文重点突破宏观视角的行业轮动策略。首先，采用factor mimicking构建增长等7个高频宏观因子。然后，动态捕捉宏观-行业盈利能力变化Δg、宏观-估值水平变化ΔPB映射关系；利用真实财务数据延迟发布的特点，使用高频宏观因子实时预测Δg和ΔPB的状况，重点挖掘Δg>0/ΔPB>0即戴维斯双击的品种。2016-04-30至2023-05-31，策略相对行业等权基准的年化超额收益是10.06%。
　　采用自上而下的factor mimicking构建7个高频宏观因子
　　采用自上而下的factor mimicking，共构建了增长、生活端通胀、生产端通胀、无风险利率、信用利差、期限利差、汇率等7个高频宏观因子。其中factormimicking是指构建一个资产组合，使该组合同比收益率走势与宏观指标同比增速走势较为接近；“自上而下”是指从数学统计和经济学逻辑出发，确定各宏观维度代理资产。对于代理资产，我们采用同比波动率倒数加权的方法，构建宏观因子组合。高频宏观因子为投资者提供了一个可直接投资宏观观点的工具，也可以视作买方的宏观预期指数。
　　构建宏观风险配置模型，将宏观观点转化为各行业建议配置比例
　　由于宏观-行业映射关系在动态变化，不同宏观环境下应该配置什么行业并没有固定的答案。对此，我们构建了宏观风险配置模型，能够将投资者对宏观环境的观点转化为不同行业的配置比例。宏观风险配置模型的基本思想是：如果认为某个维度宏观因子将会上行，自然希望行业组合在这个因子上能够暴露得多一些，以获得因子上行带来的收益；若判断某个宏观因子将会下行也是类似的道理。上述逻辑可以用凸二次优化器表达。本文举了2023年1月的例子，把“强复苏”观点转化为行业配置建议。
　　基于高频宏观因子预测Δg和ΔPB，捕捉行业的戴维斯双击机会
　　结合行业盈利能力变化Δg和估值水平变化ΔPB，可以捕捉行业的戴维斯双击机会。以行业ROE_TTM季度差分作为Δg的代理变量，以实时PB对数的季度差分作为ΔPB的代理变量。其中实时PB等于实时总市值/实时净资产。通过滚动回归建立动态的宏观-Δg映射关系和宏观-ΔPB映射关系。利用真实ROE_TTM和净资产延迟发布的特点，我们使用高频宏观因子实时预测Δg和ΔPB的状况。最后使用Δg和ΔPB的预测值设计复合因子，构建了行业戴维斯双击策略。本文还检验了高频宏观因子体系的冗余性。
　　风险提示：构建高频宏观因子的前提条件是相对稳定的宏观-大类资产映射关系，历史规律或失效；宏观环境对行业盈利能力和估值水平的影响可能随着行业所处生命周期不同阶段而改变；报告中涉及到的具体行业不代表任何投资意见，请投资者谨慎、理性地看待。