• 宏观敏感性因子选股逻辑改进[page::4][page::5]：

- 传统以宏观敏感度系数最高最低10%选股存在多数股票无显著相关性问题。
- 改用宏观敏感度T值筛选，分别选取T值≥1.96（95%显著性）和T值≥1.65（90%显著性）股票构建正负敏感组合。

• ppi同比指标的选股效果[page::5][page::6]：

- 正敏感组合净值走势与ppi同比指标高度一致，负敏感组合走势反向。


- 多空策略年化收益11.9%，夏普0.44；若准确预测下一期指标方向，年化收益可达18.9%，夏普0.83。

• cpi同比指标的选股效果[page::6][page::7]：

- 正敏感组合早年表现与cpi同比一致，2014年以后失效，负敏感组合类似。


- 多空策略基于指标方向的表现低迷，准确预测下一期方向仍难以改善。

• 制造业PMI指标的选股效果[page::7]：

- 正敏感组合与制造业PMI走势较为一致，负敏感组合无明显反向关系。

• 贸易差额指标正敏感组合具有选股效应，负敏感组合无明显效应[page::8]：

• 利率水平指标正负敏感组合均有效，且多空策略基于下期指标方向表现优异，年化收益达20.0%，夏普1.18[page::8][page::9]：

• 期限利差仅正敏感组合表现与指标走势一致，负敏感组合无明显相关[page::9][page::10]：

• 信用利差正负敏感组合均有效，多空策略基于下期方向年化收益21.7%，夏普1.38，表现优于基于当期方向策略[page::10][page::11]：

• 股市波动率指标仅正敏感组合存在选股效应[page::11]：

• 金价指标正敏感组合表现同步于金价走势，负敏感组合未表现出一致反向关系[page::12]：

• 宏观经济指标选股效应汇总[page::13]：

| 指标类别 | 指标名称 | 正敏感组合 | 负敏感组合 |
|--------------|------------------------|------------|------------|
| 国民经济指标 | 工业增加值同比增速 | 无 | 无 |
| | 采购经理人指数（PMI） | 弱 | 无 |
| | 固定资产投资增速 | 无 | 无 |
| | 社会消费品零售总额同比增速 | 无 | 无 |
| 对外经济贸易 | 贸易差额 | 有 | 无 |
| 价格 | 居民消费价格（CPI） | 有 | 弱 |
| | 工业生产者价格（PPI） | 有 | 有 |
| 货币供给 | MO增速 | 无 | 无 |
| | M1增速 | 无 | 无 |
| | M2增速 | 无 | 无 |
| | 外汇占款 | 无 | 无 |
| 利率 | 利率水平 | 有 | 有 |
| | 期限利差 | 有 | 无 |
| | 信用利差 | 有 | 有 |
| 大宗商品 | 贵金属-黄金 | 有 | 有 |
| | 能源-原油 | 有 | 有 |
| 股市特征 | 股市波动率 | 有 | 无 |

• 实证显示价格相关指标、利率类指标及部分大宗商品指标持选股效应，频率较高的指标（如日频）表现更优[page::13]。
• 宏观敏感性因子对股票选股收益预测价值有限，但适合用于风险控制，通过限制相关股票的宏观暴露降低系统性风险[page::13]。

报告详尽分析：《选股因子系列研究（三十六）——哪些宏观经济指标存在选股效应？》

---

一、元数据与概览

• 报告标题：选股因子系列研究（三十六）——哪些宏观经济指标存在选股效应？

- 作者及联系方式：冯佳睿（电话021-23219732，邮箱fengjr@htsec.com，证书号S0850512080006），吕丽颖（电话021-23219745，邮箱lly10892@htsec.com，证书号S0850518060002）

• 发布机构：海通证券研究所，金融工程研究团队

- 日期：发布具体日期并未明确标注，相关支持研究时间点约2018年中

• 主题：宏观经济指标对A股选股效应的深入研究，探讨不同宏观经济指标通过宏观敏感因子（MacroBeta）的筛选，对选股结果的影响及其应用价值。

核心论点与评级/目标：

本报告是基于之前的研究《选股因子系列研究（三十四）——宏观经济数据可以用来选股吗？》的进一步深入探索。报告指出：

• 宏观敏感因子主要反映股票对宏观经济指标的敏感度（方向和程度），但本身的选股能力有限。

- 正确的选股逻辑是根据对宏观经济指标未来走势的预测，选择对应正（高）敏感或负（低）敏感的股票。

• 通过使用基于系数显著性的T值筛选股票，能有效区分对宏观指标高敏感和低敏感的股票，而不是简单按暴露大小排序的10%截取。

- 实证研究发现，与价格相关的宏观指标（如CPI同比、PPI同比、黄金和原油价格）以及利率类指标对股票市场有明确选股作用，而且存在正向和负向效应。

• 高频指标（日频）对股市反应更灵敏，选股效果更明显。

- 宏观敏感因子更适用于风控模型而非收益预测。

风险提示包括市场系统性风险、模型误差和因子有效性变动风险。[page::0,1]

---

二、逐节深度解读

1. 宏观敏感性因子的选股逻辑

• 关键论点：

- 宏观敏感因子（MacroBeta）刻画了股票对宏观经济变量的收益敏感程度，但受风格因子影响较大。
- 原始宏观敏感因子常表现与大市值股票相关，而大市值股票收益长期偏低，剔除风格后选股能力明显减弱。
- 使用市场、规模（SMB）、价值（HML）三因子控制风格，改用回归系数的T值（统计显著性）而非绝对暴露度排序，以确保选股的统计意义。
- 采用月度差分数据缓和指标波动，提升模型稳定性。

• 技术模型说明：

- 使用多因子模型回归，以控制常见市场风格：
\[
Return{i,t} = \alpha{i,t} + MacroBeta{i,t} \cdot F{t} + \beta{i,t}^{MKT} \cdot MKT{t} + \beta{i,t}^{SMB} \cdot SMB{t} + \beta{i,t}^{HML} \cdot HML{t} + \varepsilon{i,t}
\]
- 其中$Ft$为宏观经济指标（经过月差分处理），$Return$为股票收益。

• 数据与实证：

- 制造业PMI相关系数以及T值分布均呈钟型，大多数股票的敏感度不显著（T值绝对值大于1.96的股票数量有限），显示简单百分位分组会选择弱相关股票。
- 因此采用T值阈值筛选保证显著性。

图1和图2直观展示了制造业PMI的MacroBeta及T值的分布，大多数T值分布集中在显著性阈值之内，只有少量股票显著暴露于指标上，印证选股须基于显著性筛选。[page::4,5]

2. 基于T值的宏观经济指标选股测试

• 方法论：

- 针对每一宏观经济指标，构造两组股票组合：正敏感组合（MacroBeta系数显著正相关股票），负敏感组合（显著负相关股票）。
- 通过叠加宏观指标走势对比分析两组合净值走势，观察其与宏观指标的同步或反向关系，评估选股策略有效性。
- 进一步尝试基于预测宏观指标方向（当期方向或下一期实际方向）实施多空选股策略。

2.1 PPI同比

• 指标敏感度筛选阈值为95%显著（T值>1.96或<–1.96）。

- 图3（正敏感组合净值 vs PPI走势）显示两者在关键时间节点（2011、2012、2014、2015、2017年）高度同步。

• 图4（负敏感组合净值 vs PPI走势）则呈明显反向趋势。

- 多空策略基于PPI的年度回测显示：
- 基于当期指标方向：年化收益11.9%，波动率23.2%，夏普比0.44。
- 基于准确预测下一期指标方向：年化收益18.9%，波动率20.8%，夏普比0.83，表现显著提升。

此结果显示PPI同比指标结合宏观敏感度筛选能有效进行趋势选股。[page::5,6]

2.2 CPI同比

• 正敏感组合筛选基于90%显著性，负敏感组合基于95%显著性；

- 早期（2015年前）正负组合对CPI走势分别呈现同步和反向表现，但2014年后选股效应明显衰减，可能因CPI波动降低，趋势稳定所致。

• 多空策略基于CPI方向预测的年内净值表现震荡且趋于平稳，准确预测下一期方向策略表现更优，但均已失效于2014年后。

此表明CPI作为宏观选股指标存在时效性，近期效用有限。[page::6,7]

2.3 中采制造业PMI

• 筛选阈值分别为95%和90%显著性；

- 正敏感组合净值与PMI走势呈一定一致性，关键转折点均同步出现，如2010、2014和2016年；

• 负敏感组合仅在部分区间（2010-2011、2016-2017年）呈现反向联系，整体无明显反向趋势；

- 结论是制造业PMI指标主要对正敏感组合具有选股价值。

[page::7]

2.4 贸易差额

• 正敏感组合表现出与贸易差额指标走势一致，而负敏感组合未表现出明显趋势；

- 贸易差额作为对外贸易指标显现出单向选股效应，正敏感组合选股效果良好。

[page::8]

2.5 利率水平（国债1个月期）

• 利率水平的正敏感组合净值与利率走势高度同步，负敏感组合整体呈反向走势；

- 多空策略基于当期利率指标方向预测表现平淡，年化收益2.8%，夏普比0.08，波动较大；

• 若能准确预测下一期方向，策略显著优化，年化收益达20%，夏普比1.18；

- 反映利率变动方向不具备稳定动量特征，宏观经济动量策略难以应用。

[page::8,9]

2.6 期限利差

• 期限利差定义为10年期与1年期国债收益率差；

- 正敏感组合净值走势与期限利差呈现明显一致性；

• 负敏感组合无明显与期限利差反向走势；

- 期限利差对选股有效，主要在正敏感组合中表现。

[page::9,10]

2.7 信用利差

• 定义为一年期AAA企业债和一年期国债收益率差；

- 正敏感组合净值与信用利差走势高度一致；

• 负敏感组合净值反向表现较明显，呈现捕捉信用利差波动的能力；

- 多空策略基于准确预测下一期信用利差方向可实现显著收益提升；

• 信用利差指标变化方向同样不稳定，限制了基于动量的宏观策略。

[page::10,11]

2.8 股市波动率

• 反映市场情绪波动；

- 股市波动率高峰出现在2015年中，之后下降至2018年回升；

• 正敏感组合净值与波动率走势高度相关，负敏感组合无明显趋势；

- 说明对该指标敏感的股票组合有较强选股信号。

[page::11]

2.9 金价

• 金价从2010至2012年大幅上升，随后回落至2015年中，之后重新上升；

- 正敏感组合净值走势与金价高度同步，特别是在2012年和2015年两个关键转折点；

• 负敏感组合缺乏与金价的稳定反向关系；

- 因此金价指标主要通过正敏感组合产生选股选效。

[page::12]

3. 总结

• 宏观敏感性因子本身的选股能力有限，但结合对宏观指标未来走势的判断，可以构建有效的多空策略。

- 以T值为筛选依据的宏观敏感度分析更为科学，能显著改善选股相关性。

• 与价格相关的指标（CPI、PPI、大宗商品价格如黄金和原油）及利率类指标具有明显正负向选股效应。

- 高频率（如日频）宏观指标对A股反应更灵敏，选股效果更明显。

• 国民经济宏观指标和货币供给指标由于更新频率低或联系弱，选股效应不显著。

- 海外经验提示宏观敏感因子更适用于风控，通过对持仓暴露敏感度进行约束，减少宏观风险，而非作为主要收益来源。

附表1（宏观经济指标选股效果汇总）明确列出了上述实证结论的归纳结果，系统展示了指标类别、具体指标及其正负敏感组合的选股效应。比如工业增加值同比无有效性，PPI、利率水平、信用利差、黄金等均表现出有效性。

风险提示涵盖市场系统性风险、模型误设风险及因子有效性变动风险。[page::12,13]

---

三、图表深度解读

• 图1与图2揭示MacroBeta系数和对应T值在股票市场的分布广泛集中，大部分股票无显著宏观敏感度，强调了T值筛选的重要性。

- 图3至图28分别从多个宏观经济指标角度，展示正负敏感组合净值走势和对应指标走势的对比，体现了显著时间节点上两者趋势的高度吻合或反向变化。

• 图5、图6、图9、图10、图17、图18、图23、图24等，比较了基于当期指标方向预测和基于下期实际指标方向的策略净值差异，显示未来指标走向预测准确性对策略表现至关重要。

- 这些图表系统地验证了报告中的假设和选股逻辑，直观体现了期望的因果关系与投资策略效果。

举例：

• 图3和图4：ppi同比指标与股票组合净值同步和反向同步关系清晰，间接说明ppi作为价格型宏观指标对股票收益的预测潜力。

- 图17和图18：利率水平作为宏观指标因其动量难以稳定预测，通过当期方向预测策略波动大且收益弱，准确预测下一期方向则收益表现突出。

• 图23和图24：信用利差的类似特性，也反映了利率类指标的高波动和预测难度。

- 图25与图26：股市波动率正敏感组合体现对市场情绪的捕捉潜力，而负敏感组合未表现显著，表明股票对该因子的异质性。

• 图27与图28：金价的正敏感组合同步性强，强调贵金属价格对部分股票组合的选股影响。

所有图表均附有清晰的图例、双轴说明和时间序列，来源均为Wind、Bloomberg及海通证券研究所，保证数据质量和研究严谨性。[page::4-12]

---

四、估值分析

本报告无明确的企业估值、目标价或市值评估部分。研究关注宏观因子与选股策略的建立和验证，核心为因子效应和策略收益表现，没有涉及股票个股的估值方法（如DCF、市盈率法等）详细分析。

---

五、风险因素评估

• 市场系统性风险：宏观经济指标波动可能影响整个市场，带来整体投资组合风险。

- 模型误设风险：模型设定、因子选取与风控控制等可能存在假设偏差，影响成果的稳健性。

• 有效因子变动风险：宏观因子有效性可能随时间环境变化失效，需动态监控和调整。

- 报告未提供具体风险缓释策略，但强调对因子进行严格统计筛选和控制风格影响属于风险降低方法。[page::0,13]

---

六、批判性视角与细微差别

• 报告充分考虑了风格因子对宏观敏感度的影响，采用多因子回归+T值筛选，展示了方法论的严谨性。

- 选股效果强烈依赖于宏观指标的未来走势预测，而实际预测中准确率有限，制约实际应用。这一点在图5-6（ppi）与图17-18（利率）等处有明确反映，尤其是利率类指标使用当期指标趋势预测表现较差。

• 部分宏观指标（如CPI）选股效果在样本后期衰减，表明市场结构、货币政策、经济环境的演变对微观关联机制产生影响，未来有效因子需要时刻谨慎更新。

- 负敏感组合表现不一，部分指标负敏感组合无明显趋势，该点值得进一步分析，可能暗示非对称市场反应或模型局限。

• 报告强调宏观敏感因子选股价值有限，更适合风控，这体现了对因子实用价值的审慎态度，避免过度解读。

- 若对宏观经济数据预测能力不足，将影响策略表现，实现稳定收益存在挑战。

• 研究样本截止2018年，后续经济环境（如疫情、国际环境变化）对宏观因子关系可能产生新影响，需不断更新验证。

- 对数据频率（日频vs月频）的讨论有启发，但相关具体分析有限，可进一步强化。

综上，报告保持了较高的专业中立性与严谨性，但结果的实用性受限于宏观预测模型准确度，是研究非完全解决方案。

---

七、结论性综合

本报告通过对中国A股市场多个宏观经济指标的宏观敏感因子进行T值筛选，系统分析了这些指标对股票选股的影响力。结论指出：

• 选股逻辑：宏观敏感因子提供股票与宏观经济指标的关系描述，选股成功关键在指标未来走势的判断与对应敏感度股票的选择。

- 筛选方法：使用T值定量筛选保证显著性，结合行业风格因子剔除，提升模型稳健性。

• 实证发现：

- 价格型指标：PPI同比、CPI同比（早期）、金价、原油价格（另一报告）对选股效果显著，有正负敏感组合。
- 利率类指标（利率水平、期限利差、信用利差）及股市波动率，均展现明显选股效应，其中部分指标的动量预测难度较大影响策略表现。
- 国民经济指标（如工业增加值、固定资产投资增速等）和货币供给指标无明显选股效应。
- 高频数据（日频）更能捕捉股市敏感度，说明反应速度和数据频率是关键因素。

• 策略表现：基于正确预测宏观指标未来方向的多空策略表现优异，夏普比显著提升，若预测失误则效果有限。

- 应用价值：宏观敏感因子作为风控工具更具实用价值，对资产配置中的风险敞口调整具有帮助作用。

图表数据直观反映了各指标与敏感组合净值的同步或反向趋势，支持文本策略判断。

最终，报告在提供政策和投资策略建议方面保持谨慎，强调风险提示和模型限制，尊重宏观经济复杂性。

此次研究为投资者理解宏观因子如何在A股市场产生选股效应提供了系统、深入且数据驱动的视角，具有重要学术与实务参考价值。[page::0-13]

---

附：主要图表展示样例

• 图1 全市场股票对制造业 PMI 的 MacroBeta 系数分布

• 图3 正敏感组合净值与 ppi 同比指标走势

• 图5 ppi 同比-多空选股策略净值（基于当期指标方向）

• 图27 正敏感组合净值与金价走势

---

（以上分析所有观点均基于报告内容及图表数据，已严格标注页码以便溯源。）

报告