本文建立了美国CPI的三周期Nowcasting模型，应用于海外资产配置
　　在逆全球化的背景下，通胀已成为影响“增长-流动性”轮盘走向的关键变量。本文的主要工作包括建立了基于三周期滤波的Simple-Nowcasting模型，在当月末对美国CPI的当月值进行预测，并使用预测结果构建通胀因子，指导海外权益、债券、商品、美元、黄金的配置。在预测效果方面，建模窗口为2012年12月至2023年9月，美国CPI同比预测值与真实值各自一阶差分后的R2为67.5%，变化方向预测准确率为81.4%。在资产配置方面，回测区间为2016年1月至2023年9月，最优参数组合下策略的年化收益、夏普比率、卡玛比率分别为6.02%、1.39、1.05。
　　模型理论：融合三周期模型和Nowcasting模型的优势
　　过去的研究工作中，我们提出了三周期模型和Simple-Nowcasting模型。三周期模型能够捕捉宏观指标共同的长期内生驱动力，Nowcasting模型能够利用相关指标的已发布信息来推测目标指标的未发布信息。本文融合了两者的优势，建立了基于三周期滤波的Simple-Nowcasting模型，以提升对美国CPI预测的准确性。主要包括三点改进：1)对模型中涉及的不平稳序列进行差分，从根源上避免了“伪相关”问题；2)隐含因子的状态转移方程引入三周期模型，提升了模型对于通胀周期的刻画和外推能力；3)使用当期已发布指标辅助预测。文中验证了后两处改进对模型R2提升至关重要。
　　模型执行：筛选17个建模指标，开展美国CPI预测，预测效果良好
　　首先，我们结合自上而下和自下而上的视角构建了预测美国CPI的备选指标库。然后，遵循以下标准确定建模变量：1)入选指标须是美国CPI或者其对应CPI分项的领先指标；2)入选指标须和美国CPI或者对应CPI分项具有高相关性；3)入选指标有10年以上的有效值。相关性和领先性评价使用时差相关性分析和DTW算法。最终，我们确定了17个建模指标，包括美国CPI、CPI主要构成分项及其代理指标，其第一主成分的方差贡献率约为56%。从2012年12月至2023年9月，美国CPI同比预测值与真实值各自一阶差分后的R2为67.5%，变化方向预测准确率为81.4%。
　　模型应用：使用Nowcasting结果构建通胀因子，开展海外资产配置
　　我们基于Nowcasting结果计算通胀因子，开展海外资产配置，并引入四个对照情景：上帝视角CPI（假设当月末获得当月值）、真实公布CPI（当月末获得上月值）、市场通胀预期（即10年期美债收益率-10年期TIPS收益率）、彭博一致预期。回测区间为2016年1月至2023年9月。从夏普比率和卡玛比率来看，真实发布CPI情景不如风险平价基准，其他情景均优于风险平价基准，说明金融市场确实存在“抢跑”现象，对美国CPI进行预测是有必要的。Nowcasting情景的年化收益、夏普比率、卡玛比率、月度胜率分别为6.02%、1.39、1.05、68.67%，均排在全部情景第一名。
　　风险提示：美国CPI预测模型根据历史规律总结，一旦CPI构成分项权重发生较大变化，预测可能失准。通胀因子-大类资产映射关系基于资产的长期表现统计，与短期走势或有出入。报告中涉及到的具体资产不代表任何投资意见，请投资者谨慎、理性地看待。