资产配置中高频宏观因子的必要性
　　近年基于宏观因子的资产配置研究逐渐增多，许多学者探究了影响大类资产收益的因子类别。而传统的宏观指标更新频率低、披露滞后，无法及时准确地刻画宏观周期和预测大类资产的表现。因此，我们希望构建出高频宏观因子进行资产配置。本篇报告尝试回答以下3个问题：（1）如何确定宏观风险因子？（2）如何构建高频宏观因子？（3）如何应用高频宏观因子进行资产配置？
　　高频宏观因子体系构建：筛选领先资产、确定资产权重、模拟高频宏观因子
　　本文以主成分分析的方式确定影响大类资产的底层宏观因子，并构建资产组合模拟出一套高频宏观因子体系，包括高频经济增长、高频通货膨胀（消费端、生产端）、高频利率因子、高频汇率因子、高频信用因子、高频期限利差。
　　对于利率因子、汇率因子、信用因子和期限利差，使用市面上已有的相关指数以做多或者做空的方式构造投资组合即可。
　　对于高频经济增长和高频通货膨胀，构造方式可以分为三步：（1）真实宏观指标合成低频宏观因子，（2）筛选领先于低频宏观因子的资产，（3）以资产同比收益率为自变量，低频宏观因子同比为因变量，通过滚动多元领先回归确定资产权重，构建投资组合模拟宏观因子走势。我们通过资产收益率滚动构建出的高频经济增长、高频通货膨胀（消费端）、高频通货膨胀（生产端）分别领先对应低频宏观因子1、2、4月，领先相关系数分别为0.60、0.80、0.91。
　　高频宏观因子应用：资产配置的风险管理与收益预期
　　1、投资组合的风险贡献拆解：识别宏观因子对投资组合的风险贡献能够帮助风险管理团队理解评估不同投资组合的宏观风险来源，判断模型的宏观适应性。我们以常见的风险平价组合为例，应用高频宏观因子对其历史不同时间的风险进行拆解，可以看出，风险平价模型能够较好的管理利率风险。
　　2、投资组合的风险暴露管理：在基准投资组合上，根据不同的宏观环境，给予不同的暴露偏移，以优化的方式调整基准投资组合权重，达到在跟踪基准组合的同时适应当前宏观环境的效果。本文以等权组合为基准组合，对经济增长、通货膨胀、利率因子构建多因子暴露偏移策略，多因子暴露偏移策略较基准年化收益提高4.89个百分点，综合来看，多因子暴露偏移组合的夏普比率、卡玛比率、盈亏比均优于基准组合，多因子暴露偏移组合夏普比率为1.00，卡玛比率0.41，月度胜率62.02%，盈亏比2.18。
　　3、基于普林格周期的资产配置模型：利用高频经济增长、高频通货膨胀（生产端）和高频利率因子构建普林格投资时钟，探究不同阶段的优势资产，筛选各阶段表现较好资产构建基于普林格周期的大类资产配置模型，模型年化收益10.14%，最大回撤16.43%，优于等权组合。
　　风险提示：本报告模型及结果通过历史数据统计、建模和测算完成，在市场波动不确定性下可能存在失效风险；历史数据不代表未来业绩