请仔细阅读本报告末页声明证券研究报告|金融工程研究2019年04月08日量化专题报告宏观逻辑的量化验证：动态因子模型本报告尝试解决宏观逻辑的结合与配权问题。宏观因素影响资产价格的逻辑与数据链条有很多，各链条影响程度不同。传统的配权方法如：1）简单结合法；2）时间加权最小均方误法；3）收缩估计法；4）时变参数权重法，无法解决链条相关性导致的共线性问题，且从逻辑角度也较难解释和理解。动态因子模型为宏观逻辑配权提供了解决方案。动态因子模型假设宏观变量是一个由“公共因子”和“特质扰动项”组成的随机变量，通过对“公共因子”的估计能将大量宏观变量进行降维，从而解决宏观数据大N小t导致的参数无法估计的问题，以及宏观变量共线性的问题。其通常用于领先指标研究、经济周期研究、经济指标预测等方面。本报告详细阐述了动态因子模型的构建。动态因子模型从模型的形式角度分为动态与静态两类，从模型的假设角度分为严格与近似两类。从实际的应用角度，近似假设下的静态形式比较适用于大N小t问题的建模，在此形式下“公共因子”的估计可以通过主成分分析进行。通过动态因子模型的降维，大量宏观变量可用于预测资产收益率。我们构建了从基础数据处理到最终收益率预测的完整框架。以400个宏观变量构建了包含787个宏观因子的数据库，并展示了包括大类资产、风格因子、行业因子等部分预测模型的样本内外预测效果。关于噪音与信息损失的思考。为了更好的理解“公共因子”的逻辑，我们采用Occam剃刀的原则精简“公共因子”中的宏观因子，能够排除一些噪音干扰。动态因子模型以部分信息的扭曲和损失为代价换来了模型精炼和逻辑的强化，因此我们建议增加主成分遍历和特质波动检验环节弥补信息损失。风险提示：模型建立基于历史数据，在政策、经济结构等因素变化的情况下模型可能失效。模型建立从数据出发，数量关系未必对应因果关系。作者分析师叶尔乐执业证书编号：S0680518100003邮箱：yeerle@gszq.com分析师刘富兵执业证书编号：S0680518030007邮箱：liufubing@gszq.com相关研究1、《量化周报：市场的中期上涨趋势更加稳健》2019-04-072、《量化分析报告：量化方法测算A股壳价值》2019-04-023、《量化周报：50、300确认周线级别上涨》2019-03-314、《量化专题报告：多因子系列之四-对价值因子的思考和改进》2019-03-255、《量化周报：市场本周处于牛熊分界线》2019-03-24每日免费获取报告1、每日微信群内分享7+最新重磅报告；2、每日分享...
