在前期研究《中国经济六周期模型与多资产策略应用》中，我们基于国内货币传导流程构建了“货币-信用-增长”六周期模型。在近两年的跟踪实践中发现，当资产表现阶段性脱离周期规律时，市场往往会对经济周期模型的有效性产生质疑。为此，我们需要客观认识模型的能力边界，并针对性地提出应对方案。

1.1 能力边界①：难以预测非机械性的周期演变

真实经济周期的运行并非机械式的重复，主要体现在两个方面：

• 顺序不固定：现实中的经济周期并非严格按照教科书式的顺序（1→2→3…）发生，可能会出现跳跃、倒退或停滞；

• 时长不固定：每个阶段的持续时间长短不一，无法精确预测某个阶段会持续多久，需动态跟踪。

解决方案：顺势而为。

针对上述问题，我们曾在前期报告中做过初步讨论，核心观点如下：

• 轮动失序≠周期失效，通过识别并跟随资产轮动的客观规律，根据周期阶段动态调整配置权重。周期应用的逻辑基点——政策和经济条件驱动资产的周期性表现仍然成立，两者间的映射关系未被打破。

• 在美国市场步入后危机时代后同样有相关讨论，即美林时钟失效问题：有研究表明在非常规货币政策刺激下，2008年Q1~2024年Q1 期间，“衰退”持续时间缩短，“复苏”持续时间延长，扰乱了经济的完整周期；但原时钟统计规律并未失效，资产表现仍然符合投资时钟框架。

因此，解决方案就是顺势而为：在周期运行噪声较小、持续性较强的前提下，当观测到周期切换信号时，及时调整至对应周期的配置方案。基于这一思路，我们在报告《六周期框架下的多资产ETF配置》中设计了具体的配置策略，最新运行状况如下。

在约束波动率至3%左右的情况下，六周期多资产ETF配置模型自2014年以来的年化收益为9.3%，最大回撤为3.2%，夏普比率为2.8。若不约束波动率，各阶段直接配置对应ETF的风险平价组合，模型自2014年以来的年化收益为23.7%，最大回撤为12.0%，夏普比率为2.0。

1.2 能力边界②：需时刻警惕外部冲击的干扰

周期模型基于历史经济规律构建，无法预判样本外突发的地缘政治冲突、重大政策转向等“黑天鹅”事件。这类外部冲击可能瞬间打乱原有的周期节奏，导致资产表现暂时脱离模型框架。例如图表7中策略在今年1月底遭遇近5年最大回撤11%，即为外部冲击的典型体现。

解决方案：规避极端流动性风险。

虽然当前周期模型能够实现多资产分散配置，但在黑天鹅事件冲击下，市场往往伴随流动性枯竭，各类资产的相关性急剧提升，导致风险分散效果显著下降。可行的应对路径是：通过监测官方流动性与市场流动性状况，在流动性极度收紧时主动降低仓位，从而规避尾部风险。

• 官方流动性：以美联储作为代表，我们在报告《美联储流动性的量价解构与资产配置应用》中详细介绍了美联储流动性的刻画方式，在流动性指数低于-60%时，多数资产均表现不佳，今年1月29日该指数触发-60%的“极度收紧”预警信号，并持续至今；

• 市场流动性：常规观测的变量有融资成本、信用利差、资产波动等，花旗风险厌恶指数（RAI）相对全面且系统地编制了相关指标，当RAI加速上升时，例如去年4月初，可以认为市场流动性急速恶化，发出预警信号。

当上述流动性指标发出极端收紧信号后，我们将策略仓位降至30%，其余仓位配置现金以规避风险，可显著降低模型回撤，今年以来回撤从11%降至3.4%，且大幅提升了风险收益比，2024年以来夏普比率提升至3.6、卡玛比率提升至6.8。

1.3 能力边界③：信号时滞与情绪扰动的问题有待解决

2.1 宏观定价误差的识别方法对比

本文想要构建的宏观偏离度，衡量的是市场隐含状态与真实宏观状态之间的差异，其本质是定价误差。对于定价误差的刻画，通常有以下三种代表性方法。

① 寻找宏观逻辑中枢，当前价格与中枢之差即为定价误差

一种直观的方法便是为每个市场变量（如利率、汇率、商品价格、信用利差等）确定一个宏观逻辑中枢——该变量在长期或均衡状态下应与某个宏观基本面变量保持稳定关系。当前市场价格与中枢的差异，即为“市场定价偏离”。例如，DR007长期以7天逆回购利率作为中枢，高度偏离时会受到政策调控与市场交易力量的影响，向理论中枢回归。

该方法的优势在于逻辑清晰，易于形成交易规则。若能确定某个资产或变量拥有“公允价值”并呈现出显著的均值回归特征，即可在偏离超过阈值时押注回归，对资产做出合理定价。然而多数资产难以找到与其具有稳固经济逻辑关系的“定价锚”，且中枢可能随着经济结构的变迁而漂移（例如股权风险溢价指标的中枢近几年明显上移）。此外，需要对每个变量单独建模，无法形成一套统一的框架，另外还存在误差叠加的风险。

② 使用宏观变量预测资产表现，真实值与预测值之差即为定价误差

以资产收益为因变量，宏观经济变量为自变量建立回归模型，残差即为“资产收益中无法被宏观变量解释的部分”——这正是定价误差的量化表达。在《What’s Priced? Estimating Market Mispricing of Macroeconomic News》一文中，作者基于宏观超预期数据实时预测资产收益率，并将真实收益率与预测收益率的差值定义为定价误差，发现过度偏离在呈现短期动量效应后，往往伴随着反转，意味着长期来看定价误差会逐渐收敛。

这种方法基于严谨的数学模型，还可加入其他市场因子剔除干扰，残差的时序特性（如均值回归速度）可作为交易信号。但缺点在于：回归模型对宏观变量的选择高度敏感——遗漏重要变量会导致残差错误地包含本应属于基本面的信息；且宏观变量之间常存在共线性，多变量回归的系数估计可能不稳定。

③ 根据资产表现推导隐含宏观状态，真实状态与隐含状态之差即为定价误差

与上述方法相反，可以做“资产→宏观”的逆向映射——用资产收益去拟合或预测宏观变量，从而捕捉市场正在定价什么，这是最直接测量“市场隐含状态”的方式。在报告《资产配置vs风险配置：打造一个系统化的宏观风险配置框架》中，我们基于此思路刻画了真实因子和隐含因子，一方面，可基于隐含因子方向判断当前市场在定价增长、通胀等因子处于上行还是下行状态；另一方面也可基于预测值判断公告是否超预期。

但其难点在于不同宏观变量需对资产做出较为精准的相关性筛选，另外需间接通过增长、信用的隐含因子方向来推断当前宏观状态。另一种更为直接的方式是，基于多资产收益特征，通过分类模型输出离散的周期标签，与真实宏观周期相对应，本文即采用这种方法进行识别。

2.2 六周期框架下的隐含周期与定价偏离

① 资产隐含周期刻画

前期报告表明，宏观周期对大类资产及成长/价值风格具有较高的解释力，不同周期阶段下各类资产与风格的收益特征存在显著差异（基于2007年-2024年的统计结果）。基于此，我们利用历史宏观真实周期与各类资产收益率，搭建了一个多分类逻辑回归模型：

• Y：宏观真实周期划分，即阶段1~6；

• X：万得全A、国证成长/价值、7-10年国债净价、南华商品、黄金滚动月度收益率。

使用2014年及以前的数据做样本内训练，2015年起采用周频滚动预测，并逐月重新训练模型。每期可获得当前资产价格所隐含的各周期阶段概率，将概率最高的阶段定义为“隐含周期”。截至今年3月底，隐含周期为阶段3货币退潮。在该阶段，通胀敏感型商品往往表现强势，表明市场参与者可能基于前期商品价格高涨、通胀上行预期等因素，形成了政策收紧的预期。然而国内真实周期显示货币环境仍较为宽松，两者之间存在较大偏离。截至4月17日，资产定价为阶段2经济复苏，和真实周期相匹配。

② 隐含周期与真实周期偏离案例

1）2020年2月资产表现为债券黄金强，股票商品弱，隐含周期定价至阶段6，但真实周期处于经济复苏阶段2，表明市场受冲击影响后过度悲观。

2）2024年9月底资产表现为除债券外均大幅上涨，隐含周期定价至阶段1信用扩张，且预测概率极高，但真实周期仍处于“宽货币-紧信用-弱增长”的阶段6，表明市场情绪过于乐观，严重偏离实际基本面，之后市场出现大幅回调。

上述案例揭示了一条朴素规律：当定价误差处于极高水平时，未来市场将大概率出现反转。那么，该如何量化表达当前的市场情绪以及定价偏离度？首先对于市场情绪，由于六周期模型中的前三个阶段，风险资产往往表现强势，可反映市场的风险偏好较高，因此当阶段1~3预测概率之和>50%时，定义当前市场情绪为乐观、预期扩张，反之认为市场情绪悲观、预期收缩。接下来，我们对定价偏离度进行定量刻画。

③ 周期定价偏离度计算

基于隐含周期概率与真实周期状态，定义定价偏离度如下：定价偏离度 = 隐含周期概率与真实周期概率差值的平方和。其中真实概率取值为：当前真实周期所在阶段为100%，其余阶段为0%。该指标衡量了市场隐含概率分布与真实周期分布之间的差异程度。

根据历史定价偏离度的分位数水平将其为五组：极低偏离、低偏离、中等偏离、高偏离、极高偏离。以今年3月底数据为例，定价偏离度为27%，处于极高偏离水平。

高偏离往往意味着市场过度乐观或过度悲观，从而产生均值回归的动力。从下图可见，周期定价误差达到极高水平时，通常对应A股市场的阶段性转折点。进一步，结合市场预期方向，分别在预期扩张和预期收缩情况下，统计定价误差5分组未来一周A股收益，得到以下规律：

1）在极低偏离情况下，市场一般沿着当前预期方向运行；

2）在极高偏离情况下，未来A股表现往往与当前预期方向相反，即走出反转形态：

• 预期扩张+极高偏离，可能表明市场当下过于乐观，未来收益显著为负；

• 预期收缩+极高偏离，可能表明市场当下过于悲观，未来收益显著为正。

基于上一节讨论，我们可以将“隐含周期所反映的情绪预期”、“与宏观基本面的偏离水平”两个维度相结合，划分出以下四个象限。四种情绪状态可分别对应到某一典型经济周期阶段，便于理解；但需注意，两者并非严格的一一对应关系——在同一真实周期内部，情绪状态也可能反复演变。

首先我们给出以下定义：

• 预期扩张/收缩：根据六周期模型的阶段排序，将前三个阶段定义为风险偏好较高的扩张区间。若市场隐含周期落在前三个阶段的概率之和超过50%，则定义为“预期扩张”，表明市场情绪偏向乐观；反之则为“预期收缩”；

• 高/低偏离：当隐含周期与真实周期方向相反（即隐含在前三而真实在后三，反之亦然）时，视为高偏离；此外，若定价偏离度滚动6年的zscore标准差超过1，也视为高偏离；其余情况为低偏离。

基于此划分四种情绪状态如下：

1）情绪回暖（预期扩张+低偏离）：市场情绪乐观同时有一定的基本面支撑，类似于复苏期，建议配置风险资产获取上行收益；

2）情绪过热（预期扩张+高偏离）：市场情绪可能过于乐观，定价错误，类似于衰退前期，建议配置安全资产规避回撤风险；

3）情绪低迷（预期收缩+低偏离）：市场情绪悲观同时真实环境情况不佳，类似于衰退期，建议配置安全资产进行防御； 

4）情绪过冷（预期收缩+高偏离）：市场情绪可能过于悲观，类似于复苏前期，建议配置风险资产博取反弹收益。

在不同象限中，我们观测了股债的未来平均累计收益。结果显示：A股在“情绪回暖”和“情绪过冷”期弹性最强，在“情绪过热”期表现最弱；债券在“情绪回暖”期表现不佳，在“情绪低迷”期最为强势。这些统计规律与上述配置建议基本吻合。

此外，测算不同象限中各类资产的年化收益可以发现：

• 权益、商品两类进攻型资产在情绪回暖/情绪过冷期较为强势；

• 债券在预期收缩情况下收益更高，表明市场情绪悲观时多数资金仍倾向于寻求稳健收益；

• 黄金则在宏观偏离较高时表现更好，表明当市场与基本面分歧较大时，黄金可能成为预期博弈下的优选品种。

3.2 宏观偏离视角下的资产配置应用

基于上述分析，可设计以下股债轮动策略：在情绪过冷/回暖时配置A股，情绪过热/低迷时配置债券。策略自2015年以来的年化收益为18.5%，相对等权基准超额为13.5%，年化波动为14.9%，最大回撤为18.1%，夏普比率为1.25，卡玛比率为1.02，年换手约10.7倍，月度胜率为62%。

此外，基于图表26中的统计规律，在不同情绪状态下等权配置表现最佳的两类资产，构建基于市场隐含状态与宏观偏离度的多资产配置策略。该策略自2015年以来的年化收益为18.6%，年化波动为12.0%，最大回撤为10.5%，夏普比率为1.55，卡玛比率为1.77，相对于等权基准超额为9.3%，相对于真实周期配置也能带来2.0%的年化超额，但同时也承担了相对较高的换手，宏观偏离配置模型年换手9倍，真实周期配置模型年换手仅为2倍，两者相结合将更加稳健。

3.3 结合真实周期+宏观偏离的动态配置

在真实周期模型基础上根据宏观偏离度动态调整资产预算，模型自2015年以来的年化收益为7.5%，年化波动为2.9%，最大回撤为3.4%，夏普比率为2.6，卡玛比率为2.2，相较风险平价超额为1.3%，相对真实周期模型也能带来0.6%的增厚收益，年换手从0.8倍升至2.1倍，同时可进一步降低回撤，提升组合的夏普和卡玛比率。

1. 经济周期模型的优势在于胜率较高、表现相对稳定，但也存在一定的能力边界：

• 难以预测非机械性的周期演变：现实经济周期的顺序与时长不固定，需“顺势而为”动态跟踪配置；

• 需时刻警惕外部冲击的干扰：突发事件可能瞬间打乱周期节奏，导致资产表现暂时脱离模型框架；可通过监测官方与市场流动性，在流动性极端收紧时主动降低仓位，规避尾部风险；

• 信号时滞与情绪扰动的问题有待解决：时间和感知的错位使得“周期模型”和“市场定价”之间存在延迟和失真，需识别市场隐含状态与偏离情况，动态校准仓位。

2. 本篇报告聚焦于第三重边界，尝试系统性地刻画隐含周期与宏观偏离，以规避在情绪极端时机械执行周期配置所带来的损失。我们选定基于多分类逻辑回归的资产隐含周期刻画方法，定义隐含周期概率与真实周期的偏离度。研究发现：当偏离较低时，可跟随市场情绪做动量交易；当偏离过高时，市场未来大概率发生反转，可据此博取反弹收益或规避急剧回撤。

3. 进一步，将“预期扩张/收缩”与“高/低偏离”相结合，划分出情绪回暖、过热、低迷、过冷四个象限。各象限资产表现特征清晰：情绪回暖与过冷期适合配置风险资产，情绪过热与低迷期适合防御。基于此构建的股债轮动及多资产配置策略，均能获得稳定超额收益；与真实周期相结合的动态配置策略，亦可提升收益风险比，验证了“常态环境跟踪市场趋势，极端环境做反转，利用宏观基本面进行纠偏”这一思路的有效性。

多分类逻辑回归模型细节说明

投资者如果对报告具体细节感兴趣，欢迎阅读完整报告或者跟我们联系。

本文节选自国盛证券研究所于2026年4月30日发布的报告《基于市场隐含状态与宏观偏离度的配置模型》，具体内容请详见相关报告。

汪宜生    S0680525070003    wangyisheng@gszq.com

沈芷琦    S0680521120005shenzhiqi@gszq.com

刘富兵    S0680518030007    liufubing@gszq.com 

特别声明：《证券期货投资者适当性管理办法》于2017年7月1日起正式实施。通过微信形式制作的本资料仅面向国盛证券客户中的专业投资者。请勿对本资料进行任何形式的转发。若您非国盛证券客户中的专业投资者，为保证服务质量、控制投资风险，请取消关注，请勿订阅、接受或使用本资料中的任何信息。因本订阅号难以设置访问权限，若给您造成不便，烦请谅解！感谢您给予的理解和配合。

重要声明：本订阅号是国盛证券金融工程团队设立的。本订阅号不是国盛金融工程团队研究报告的发布平台。本订阅号所载的信息仅面向专业投资机构，仅供在新媒体背景下研究观点的及时交流。本订阅号所载的信息均摘编自国盛证券研究所已经发布的研究报告或者系对已发布报告的后续解读，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。本资料仅代表报告发布当日的判断，相关的分析意见及推测可在不发出通知的情形下做出更改，读者参考时还须及时跟踪后续最新的研究进展。

本资料不构成对具体证券在具体价位、具体时点、具体市场表现的判断或投资建议，不能够等同于指导具体投资的操作性意见，普通的个人投资者若使用本资料，有可能会因缺乏解读服务而对报告中的关键假设、评级、目标价等内容产生理解上的歧义，进而造成投资损失。因此个人投资者还须寻求专业投资顾问的指导。本资料仅供参考之用，接收人不应单纯依靠本资料的信息而取代自身的独立判断，应自主作出投资决策并自行承担投资风险。

版权所有，未经许可禁止转载或传播。