对PPI同比进行Nowcasting升频，应用于通胀敏感型行业轮动
　　本研究的目的是构建高频生产端通胀因子，实现对月频PPI同比的有效升频，并为高频因子找到适用场景。首先，本研究使用结合华泰三周期滤波和Simple-Nowcasting的Howcast模型，以真实PPI同比为核心指标，滚动进行代理指标筛选、残缺指标Nowcasting和高频因子合成。合成的高频宏观因子相比低频指标有更丰富的月内信息，并且能够提供更及时的拐点信号。然后使用有放回抽样回归的方法筛选生产端通胀敏感型行业，使用高频宏观因子指导行业轮动策略。在回测区间内，轮动策略能够显著跑赢等权基准，并且2023年以来使用高频因子相较PPI同比对策略表现有显著提升。
　　Nowcasting模型可以为高频因子构建的两个难题提供解决方案
　　难题之一为指标缺失问题。指标发布延迟/不发布等情况造成的数据缺失会直接导致合成因子出现尾部缺失情况，简单的填充方法均是基于历史的线性外推，会引入噪音从而影响对宏观现实的追踪效果。Howcast模型可以充分利用系统的内生周期驱动力和当期已发布的高频信息对缺失值进行填充。难题之二为指标体系完备性评价问题。现有方法大都基于主观判断，定性地认为体系已完备。Nowcasting体系下，我们可以通过核心指标PPI同比Nowcasting的准确率进行评价，因为高频指标和低频指标本质是对同一系统不同频率的刻画，二者可以相互印证。
　　PPI同比Nowcasting的R方高达81.2%，说明指标体系较完备
　　首先，我们从宏观逻辑出发构建备选指标库。然后，考虑到中国工业经济结构是动态发展的，我们借助量化手段对代理指标进行滚动筛选。2013年1月至2024年11月的区间内，中国PPI同比预测值与真实值各自一阶差分后的R方为81.2%，说明高频指标体系较完备。合成的周频宏观因子相比低频指标有更丰富的月内信息，且能够提供更及时的拐点信号。
　　高频因子应用于通胀敏感型行业轮动，年化超额11.53%
　　为宏观因子找到合适的应用场景值得探究。我们先基于PPI同比对行业收益影响的显著性，选取煤炭、钢铁、有色金属和石油石化作为通胀相对利好行业代表，选取传媒、通信、计算机和消费者服务作为通胀相对利空行业代表。然后设计双均线指标作为高频因子的趋势信号，趋势上行时满仓通胀相对利好组合，趋势下行时满仓通胀相对利空组合，其余情况等权配置。回测结果表明，在2014-01-29至2024-11-29的回测区间内，使用高频因子构建的轮动策略能够显著跑赢等权基准，扣费后年化超额收益为11.53%，且各绩效指标均有显著提升。
　　2023年以来，高频因子策略显著优于使用PPI同比的三组对照策略
　　为了进一步论证对生产端通胀维度进行有效升频的必要性，我们使用PPI同比代替高频宏观因子，假设在每月末就能拿到当月的实际值，设计了三组对照策略。回测结果表明，在三组对照策略中，对PPI同比简单使用前值填充的方式升频至周频的策略就相比于月频策略有所提升，高频因子策略可以进一步起到提升效果，尤其自2023年以来，高频通胀因子轮动策略扣费后累计收益高达45.38%，而三组对照策略中最高组的累计收益仅为20.19%。敏感性分析结果也支持这一结论。这表明，我们对生产端通胀维度的升频是必要且有效的。
　　风险提示：通胀敏感型行业基于历史规律进行筛选，可能失效。通胀轮动策略的表现可能受到其他因素影响，当其他因素占主导地位时，策略可能失效。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。