【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（下 ...

摘要
2019年短周期状态的改变将主导市场风险与投资机会的变化
本文基于金融经济系统的整体性视角，分析当前市场周期状态，根据大宗商品（同时作为实体经济基本面的代表指标）、PPI、CPI、利率、股票、美元等六大类指标的周期相位关系，研判2019年大类资产投资机会与风险。2019年实体经济中长周期上行、短周期下行筑底奠定市场主基调。全球经济共生相连，上半年短周期下行将带动主要国家CPI、PPI、利率向下调整，大宗商品或持续震荡，全球股市风险积聚，美元避险价值凸显。下半年短周期拐头向上叠加基本面中长周期向好孕育投资新机会，全球股市复苏拐点或将于三季度后出现，大宗商品有望于四季度开启牛市。

当前全球经济周期状态类似2001-2002年，大宗、股市年底或迎上行机会
2019年实体中、长周期上行、短周期下行触底的全球宏观经济状态类似于2001-2002年：流动性中长期持续收紧，股市中长期估值受压制，受短周期下行影响，短期盈利下滑，利空风险资产。类比2001-2002年市场表现推断，大宗商品当前或已进入震荡阶段的尾声，大概率将在四季度开始趋势性上行。对比2001年前后全球股市的下跌，2018年处于风险由新兴市场向发达市场传导的阶段，2019年风险或将积聚引发全球共振下行，预计2019年全球股市仍会呈现下行趋势，但大概率在2019年底结束下行拐头回升。预计短期内债券与美元仍是避险首选。

根据全球主要经济指标周期状态与相位关系判断2019的投资机会与风险
我们以大宗作为金融经济系统周期分析的基准，基于信号系统方法测量的市场变量周期状态，结合宏观经济基本逻辑，依次对六类指标在2019年的运动方向进行分析预测：大宗中长周期持续复苏，短周期拐头向上有望于四季度开启大宗牛市，但短周期前三季度的下行将导致与其正向联动但略有滞后的PPI及CPI同比指标在2019年下行。全球利率或将在2019年整体呈现下行趋势，中国利率下半年可能震荡上行，总体看债券投资机会仍存。在短周期下行风险释放后，全球股市预计将于2019年三季度后迎来拐点，美元受自身短周期影响或于2019年中拐头下行。

A股中长期由价值投资主导，短期小盘股与非周期板块或相对占优
2015年中以大宗商品为代表的实体经济中长周期共振上行，推动利率和通胀中长期上行，2016年初股市与大宗短周期拐头向上，拉动盈利复苏，致2016-2017盈利好、低估值股票表现出色，价值投资风格主导A股。2018年短周期下行，带动股市、利率向下，A股当前估值分位相对较高的大盘股在2018年跌幅小于小盘股，2019年短周期下行探底期间或有补跌，短期小盘股或占优。周期板块受到盈利回落拖累影响更大，短期内非周期板块的防御价值或凸显。当前中国市场周期状态类似2002-2005的后半段，四季度后A股或拐头向上，由业绩驱动的投资逻辑预计长期延续。

主要金融经济指标在短中长三周期上的相位差异体现周期同源异象性
大宗商品（实体）、CPI、PPI、利率（债券）、股市、美元等受系统三周期驱动，但在不同周期上受影响程度和领先滞后关系存在差异。PPI与CPI在三个周期上的相位都稳定落后于实体，符合价值沿生产链条传导的逻辑；利率与实体短周期同向，中长周期存在相位差，可能是由于短期自然资源的供需变化，能快速的影响信贷资源变化，而自然资源中长期的供需变化，引起的信贷变化存在延迟；股票与实体短周期同向，长周期反向，表明实体与虚拟经济存在短周期上相互引导，长周期上相互竞争的关系。美元在各周期上均与实体反向，可见经济下行时避险价值明显。

风险提示：本文基于华泰金工周期系列研究对全球各类经济金融指标长达近百年样本的实证结果，确定周期长度。然而市场存在短期波动与政策冲击，就每轮周期而言，暂无法判断具体长度。历史规律存在失效风险。

本篇为报告下半篇，上半篇见：【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（上）

A股中长期大盘、价值风格占优，短期根据多维指标分析判断

本章我们对A股的周期状态做更加深入的探讨，如下图三周期滤波显示上证综指同比序列或将于2019年8月左右见底。上证综指长周期在2015年末下行进入负值区间，且目前仍处于底部区域，中周期与短周期即将触底反弹。类比2002-2005年同样由价值型周期股主导的周期轮回与市场表现，二者都经历了“价值型周期股主导的上涨→估值与业绩双杀的大幅下行”两个阶段（如下图表的红色与绿色框），2016年2月至2018年1月为本轮“价值型周期股主导的上涨”阶段，2018年2月至今市场处于“估值与业绩双杀的大幅下行”阶段，我们预计这一阶段会持续到2019年短周期拐头向上之后。因此判断今年大部分时间A股或类似于2004-2005年的市场底部行情，并将在2019年探底之时出现较佳的建仓时点，随后可能出现趋势性上行机会。

关于拐点位置的判断，可对比观察大宗商品与A股的周期状态，大宗商品与上证综指不仅在短周期上联系紧密，他们的中长周期也具有关联性，可用于辅助判断。当前CRB综合现货指数和上证综指短周期同步向下，但中、长周期走势出现背离：2019年大宗长周期向上，中周期年末见顶回落，而A股长周期向下，中周期下半年拐头向上。这种周期状态类似于2004-2005年的市场底部阶段，彼时大宗商品的反转时点略早于中国股市，因此推测2019年大宗商品拐点的出现或同样领先于中国股市。

周期判断：经济中长周期上行提升贴现率，短周期下行拖累企业盈利

DDM估值模型（股利不变模型）认为企业股票的合理价格是企业未来现金流的贴现，企业未来的现金流越高，贴现率越低，股票的合理价格越高。因此，在DDM分析框架下，股票价格取决于企业未来现金流（分子）和贴现率（分母）。在分子端，企业未来的现金流受企业经营活动直接影响，核心是企业的盈利能力（ROE），企业的ROE越高，表明企业的盈利能力越强，未来预期的现金流越多。在分母端，利率的上升会提高贴现率，进而压制股票的估值。可见，股票价格将与企业盈利 ROE 成正比，与贴现率成反比。因此，在借助DDM模型分析市场时，我们需要考虑分子端和分母端的相对变化。

大宗商品中周期和长周期反映了经济基本面的中长期运行趋势，主要影响分母端的贴现率，与股市估值中枢背离。一方面，当中长周期上行时，经济基本面复苏，企业盈利水平的上升和生产活动的扩张会推升信贷需求，资金从金融领域转向生产流通领域，信贷的价格也即利率开始上升。同时，经济向好引发通胀预期，央行加息抑制经济过热，进一步收紧流动性，并抬升利率。因此，从DDM模型来看，当中长周期上行时，贴现率的上升即抬高资产的必要回报率使分母增大，这会降低预期未来现金流的现值，使估值中枢下移。短周期反映了经济基本面的短期运行趋势和市场的牛熊状态，主要影响分子端的ROE，它与全市场ROE同比序列同步变动。短周期上行时，企业盈利能力上升，预期企业未来的现金流增长，而短周期下行往往伴随企业盈利增速回落，预期企业未来的现金流增长放缓或减少，基本面短期承压。从DDM的模型来看，ROE上升提高了企业未来现金流的预期，即分子上升，推动资产价格上涨。

在DDM分析框架下，回顾2016年初至今的A股市场走势，我们看到：

1. 16年初至18年初，实体经济三周期共振上行，企业盈利能力增强，ROE快速增长，经济中长期复苏带动利率上升，十年期国债收益率持续上行，DDM模型处于分子和分母双升的状态，需进一步对比两者的增速以判断主导的一方。由于当时市场处于长期低利率和流动性宽裕的环境，在流动性收紧的初期，利率上升对模型分母的边际影响更为显著，资产价格对利率的反应更强，投资者寻找盈利强和估值低的股票对冲估值中枢下移的压力。

2. 18年初至今，实体经济基钦周期拐头下行，基本面短期承压，企业盈利能力降低，ROE增速放缓明显。为了缓解经济下行压力，市场利率开始松动，十年期国债收益率逐步下行，DDM模型处于分子和分母双降的状态。但由于流动性释放有限，悲观预期不断增强，可以看到18年利率下行并没有对市场形成有效的支撑，A股市场仍旧下挫明显，说明此时分子端占据主导。

3. 基钦周期下行预计将持续至2019年三季度，实体经济仍面临较大的下行压力，企业盈利增速将延续回落，流动性趋向边际宽松，DDM模型仍将处于分子和分母双降的状态。市场短期难以逆转盈利下降的预期，在中长周期全球实体经济复苏的大背景下，分子（ROE）仍将占据主导，盈利能力较强的股票具备更高的投资价值。随着基钦周期触底回升、三周期再度共振上行后，企业盈利能力将迎来复苏，中长期利率重启升势，DDM模型将重归分子和分母双升的阶段，价值投资风格仍是长期主旋律。

大势与风格研判：预计2019年非周期、低估值股票具防御优势

2018年A股回顾：市值减少约五分之一，成长与强周期股主导下跌
回顾2018年A股市场股指和板块表现，全年总市值蒸发约五分之一，年初A股总市值约为61.5万亿，年末仅为47.8万亿。统计A股2005年以来总市值的变动，2007年的牛市带动A股市值上升到阶段高点36.8万亿，但后一年迅速下降至13.1万亿。随后的6年时间里，A股市值未有太大波动，直至2015年5月A股市值创下历史高点68.1万亿。在2016年2月回落至42.7万亿的随后两年里，A股市值缓慢上涨到18年1月的64万亿，截至2018年12月31日，A股市值相较于2018年内高点下跌超20%，但距离2016年2月的底部仍有5万亿的距离，约占目前总市值的10%。

统计2018年A股主要指数，下跌幅度均超20%，其中中小板指、中证1000以及深证成指跌幅较大，分别为38.38%，37.54%与35.23%；上证50和中证100等大盘指数跌幅相对较小，分别为21.17%和23.19%。

板块方面，我们将申万一级行业聚类为六个板块：周期上游，周期中游，周期下游，大金融，成长和消费，进一步再将大金融板块拆分为金融和房地产板块。以2018年初各板块市值为基准，可以得到2018年A股各个板块的走势。对比年初，各板块均呈现下行趋势，跌幅位于20%到40%之间。其中金融板块跌幅最小，约为20%；周期上游板块跌幅最大，约为38%，其次为成长板块，下跌约34%。

详细统计2018年内各板块的月度涨跌幅，可以看到：在2018年1、2月，房地产与金融板块的表现较好，成长板块相对落后；而后市场进入下行阶段，投资者悲观预期加强，风险偏好程度下降，转向相对保守的消费板块，因而3月到8月消费板块相对抗跌，此段时间里周期上游板块收益一直落后于其他板块；9月到12月，金融和消费板块表现位列前二，周期上游与成长板块依旧表现不佳。

2019大小盘风格预测：中长期小盘股难有机会，短期大盘股或有补跌
基于市值因子的中长周期规律，2015年之后的7年大盘股有望占优
在华泰金工2018年10月推出的《周期视角下的因子投资时钟》一文中，我们发现市场风格也存在周期性的变化，我们采用申万大盘指数与小盘指数的对数价格比来反映大盘相对小盘的优势，另外使用因子模型来观察小市值因子自2000年以来去趋势的累计收益率，并与CRB的库兹涅茨周期放在一起对比，获得结果如下：

可以看到，从 2001 年开始，小市值因子累积收益率下行，大市值表现开始强于小市值，直到2007 年之后出现反转。2015年至2018年，小市值因子累计收益率攀升至顶点并开始回落，即大市值重新战胜小市值。从右图中可以观察到，去趋势后的小市值因子累积收益率呈现出很强的周期性，并且方向与库兹涅兹周期的方向相反。我们认为这是因为随着经济的复苏，企业盈利增长的确定性增强，投资者开始选择企业盈利确定性更强的大市值股票，从而导致大市值股票表现好于小市值。2007年至2015年，实体经济长周期开始下行，企业盈利恶化，投资者开始转向小市值股票。进入 2015 年之后，经济中长期再次上行，经济增长的确定性开始增加，大市值的股票再获青睐。

基于市场下行时期的统计规律，短期内大盘股或有补跌
另一方面，在经济逐渐中长周期复苏的阶段，大市值股票具有长期优势，但在短周期下行期间，经过统计发现在历次市场底部到来之前，前期强势风格都存在补跌。

梳理自2005年以来A股四次重要的下行，分别为2007年10月-2008年10月，2011年4月-2013年6月，2015年6月到2016年1月以及2018年的这次下跌。统计每一段下行区间内，大、中、小市值股票的累计涨跌幅，其中对于市值划分的具体过程如下：

通过上述操作可以获得每个下行区间对应的大中小市值组合的表现，结果如下：

在2007年的下行中，前期小市值股票的表现显著优于大市值股票，然而随着市场触底，大市值与小市值股票之间的差异越来越小，小市值股票的优势逐渐减弱。在2011年第二次和2015年第三次的下行行情中，大市值股票在前半段下行区间里的表现要优于小市值股票，而随着股市下行触底，后续大市值股票的优势不再。在2018年的下行中，目前大小市值股票表现分化明显，大市值相对占优，但考虑到前几次的股市下行时的规律，未来需警惕大市值股票的补跌。

综上来看，随着经济中长期的复苏，小市值因子收益率会逐步下行，未来很长一段时间大市值股票相对更优。统计分析A股市场历次下行，都发现在前半段会出现一个强势风格，但随着股市不断走低，前期强势风格会逐渐走弱，最后接近甚至跌至弱势风格之下。因此2019年短期内需要警惕大市值股票的补跌风险，而中长期里盈利确定性更高的大盘股具有更大的配置价值。

2019估值判断：A股估值分位数处历史低位，大盘、周期股下行空间或更大
基于估值因子的中长周期规律，2015年之后的7年看好低估值股票
运用类似上节的方法观察EP估值因子去趋势后的累计收益率序列来考察其周期特征。可以看到，自2015年库兹涅茨周期重回上行通道后，低估值股票几乎同步占据主导地位。这是由于经济中长期上行带动利率上行，流动性收紧，会对股票估值形成压制，所以低估值的股票更受青睐。如今，随着库兹涅兹周期的持续上行，低估值股票在中长期具有更高的配置价值。

统计规律显示估值分位点较高的大盘股2019年下行空间或更大
DDM模型的分母端关系到资产的估值水平，在中长期经济复苏的背景下，利率抬升，流动性收紧，从而使得金融资产估值中枢不断下移。2018年A股主要股指的估值指标下跌幅度处在20%-40%之间。统计A股主要股指有史以来的PE_TTM与PB_LF，观察其最大最小值、中位数以及最新值的分位数可以看到：以中证100、沪深300为代表的大盘指数绝对估值水平较低，PE在10倍附近，PB在1.5倍以下，但分位数相对较高；以中证 1000、中证 500、中小板指为代表的小盘指数绝对估值水平较高，但分位数较低，PE_TTM的最新分位数基本都已经位于3%以下。总体来看，主要指数的PE_TTM与PB_LF均处于历史中位数之下，部分主要指数估值甚至跌破历史底部，中小盘估值分位数总体较低，未来下行空间相对较小。因而从估值角度看，在经历了2018年的估值下杀之后，2019年市场在筑底阶段中小盘股票或相对占优。

统计规律显示估值分位点较高的周期板块2019年下行空间或更大
板块估值方面，统计申万一级行业有史以来的PE_TTM，并将上述行业聚类为周期上、中、下游板块与大金融、消费、成长板块，并按市值加权计算各板块的估值水平。观察各板块估值指标的最大最小值、中位数以及最新值的分位数：周期板块的绝对估值水平较低，PE在15倍附近，但分位数相对较高，估值下行空间较大；成长和消费板块的绝对估值水平较高，PE均高于20倍，但分位数相对较低；大金融板块的估值指标数值和分位数均较低，PE已低于10倍，估值安全性较高。因而，成长、消费等板块的估值下行空间较小，或是相对更优的配置选择。

在当前实体经济中长周期上行，金融资产估值中枢承压的情况下，尽管当前A股的估值分位点较低，但短期内估值的下跌趋势也难以出现反转。对比CRB 综合现货指数中、长周期和全A股PB_LF中值，发现历次库兹涅茨周期和朱格拉周期共振上行的时期（1999年到2002年，2015年至今），都对应着A股估值中枢的下行。2015年库兹涅茨周期和朱格拉周期双双触底，预计朱格拉周期在2019年四季度才会见顶，中长周期上行带来的估值压力尚未完全释放，因而主要指数未来的估值仍有较大压力，未来仍应关注低估值股票。

2019盈利预测：投资风格偏盈利驱动，警惕周期板块盈利增速回落风险
基于盈利因子的中长周期规律，2015年后由盈利驱动的价值投资占主导
DDM模型分子端的ROE反映了企业的盈利水平。与前文类似，我们首先观察以ROE为代表的财务质量类因子的周期特征，发现其过往表现有两个特点：一个是受经济长周期走势影响十分明显，二是在经济弱势的阶段，朱格拉周期上行时质量因子也有不错的表现。从1998年至今，有三段时期ROE因子表现较好，第一次是2002年10月到2006年11月，第二次是2010年3月到2013年5月，第三次是2016年12月至今。第一次与第三次都发生在库兹涅茨周期明显上升的阶段，也即实体经济复苏，企业盈利增加，投资风格开始转向大盘价值，业绩驱动市场上行，ROE因子收益率快速累积。第二次是经济衰退过程中，库兹涅茨周期下行，朱格拉周期上行，出现了阶段性的流动性紧张，这个阶段高ROE的企业对估值压制的对冲更为明显，更易受到投资者的青睐，超额收益凸显。如今，随着库兹涅兹周期和朱格拉周期的共振上行，实体经济中长周期的复苏将带动企业盈利能力持续增长，在价值投资的主旋律下，盈利能力强的企业将获得更高的关注度。

短周期下行，受盈利影响更明显的周期板块下行压力更大
下图可以看到，ROE同比序列相比ROE序列有一定领先性，每次ROE同比从顶点回落之后，ROE才会下跌。因此后文以ROE同比为指标进行分析，可以帮助我们判断未来ROE的波动情况。

将周期与非周期板块2005年至今的ROE当季同比与CRB三周期进行对比。可以看到：周期板块的盈利能力受基钦周期的影响非常显著，每次基钦周期的上行与下行，都对应着其ROE同比的上升与下跌。但ROE同比的波动幅度同样也会受到朱格拉周期与库兹涅兹周期的影响，从2010年第三季度到2016年初，中长周期双双下行，使得ROE同比数值明显降低。如今，中长周期虽然逐步上行，但基钦周期的回落也会对周期板块的企业盈利形成压制，预计未来企业盈利大概率面临着下跌的风险。

与之相比，用消费板块和成长板块按市值加权合成的非周期板块ROE同比在2011年之后就长期维持在一个稳定的水平，几乎不受基钦周期的影响，而ROE数据本身则处于12%-15%的区间，略高于周期板块的ROE中值。在2019年基钦周期继续下落之时，非周期板块的盈利回落风险小于周期板块，因此在当前DDM分子端盈利占据主导的情况下，短期非周期板块配置价值或高于周期板块，但中长期来看，价值投资风格下盈利上行空间更大的周期股相对占优。

全球市场周期的同源异象性规律以及短中长三周期在2019年对不同资产的影响总结
前文我们阐述了金融经济系统的研究框架。周期是系统运行的内在驱动力，系统中各变量都受到周期影响，但在不同周期上受影响程度和领先滞后关系存在差异。本节将详细分析六类主要的金融经济指标即大宗商品、CPI、PPI、利率、股票、美元在短中长三周期上的相位关系及内在的经济学原理，并分析2019年周期对各变量的影响。

短周期：2019年实体经济短周期承压，带动股票、大宗、利率下行

通过提取各变量的短周期滤波结果并加以合成，我们得到六类金融资产和宏观经济指标的短周期相位图如下：

观察短周期相位图，我们有以下发现：
1. 短周期上各变量相位关系较为稳定：股票~利率~大宗商品>PPI>CPI>美元（“>”代表“领先于”，“~”代表“基本同步”，下同。）；股票和大宗商品的变化领先于CPI、PPI、美元，可作为经济发展的先行指标。

2. 大宗商品领先于PPI,PPI领先于CPI，说明短周期上价值将随着生产链条从原材料传导至上中游的工业产成品，进一步传导至下游的消费品。

3. 大宗商品与股票短周期上基本同向变化，说明短周期上实体经济对虚拟经济主要起促进作用。大宗商品最贴近实体经济，而股市属于虚拟经济，实体经济的上行会带动企业盈利能力增加，进一步提升股票价格。且实体经济向虚拟经济的传导几乎不存在滞后期，股票相位甚至略有领先，说明股票市场在短周期上有作为实体经济“晴雨表”的功能。

4. 大宗商品与利率短周期上基本同向变化。利率即信贷资源的成本，经济扩张时，企业扩大生产规模，融资需求增加，信贷资源紧缺导致资金价格上升，利率上行。大宗商品与利率同向变化，说明经济发展过程中企业对信贷资源与原材料资源的需求同步变动，几乎不存在时滞。

5. 股票与利率在短周期上同向变化，印证了股票市场与债券市场的“跷跷板”效应。短周期下行，股票市场表现不佳，将凸显债券市场的投资价值。

6. DDM分析框架中，实体经济上行带动企业盈利增加，分子变大；同时信贷资源紧缺，利率上升，分母变大。股票与实体经济同向变动，说明短周期对分子的影响更明显，对分母的影响不显著。

7. 美元与大宗商品、利率、股票的变动基本反向。说明美元在经济不景气时将相对强势，具备避险投资价值。使美元相对强势。国际流动资本对经济变化较为敏感，在短周期即可得到充分体现，并不需要漫长的传导过程。

我们通过时钟图进一步呈现当前时点各资产短周期滤波结果及其相位关系。

时钟图与周期滤波图对当前时点的判断一致：
1. 当前股票、大宗、CPI、PPI、利率指标短周期均处于下行轨道，股票、大宗均已进入后半程，有望在一年内转为上行；
2. 美元短周期处于上行轨道且接近尾声，预示指数即将在半年内见顶回落。

届时，实体经济短周期上行或将带动股票、大宗商品市场出现投资价值，而在此之前，债市与美元可作为避险标的。

中长周期：基本面上行，带动CPI、PPI、利率上行，压制金融资产表现

大类资产和宏观经济指标的中周期滤波相位合成图存在以下几点特征：
1. 六大类指标在中周期上存在稳定的领先滞后规律：大宗商品>PPI>CPI>股票>美元>利率。
2. PPI的相位略微落后于大宗商品，但非常接近，与实际原材料价格和工业产成品价格的联动变化机制相同；
3. PPI的相位略微领先于CPI，说明中上游的工业产成品价格变动传导到下游的消费端存在一定的时滞，与实际中由于统计口径差异、供求矛盾及价格管制等原因导致PPI到CPI传导不通畅的情况一致；
4. 美元与大宗商品基本反向变动，与短周期相位图中呈现出的规律一致，反映不同经济状况下，资金出于避险或逐利等目的在发达市场与新兴市场间的流动规律。
5. 股票与大宗商品的中周期相位差异较大，可见在100个月的时间尺度上，实体经济波动带来的企业盈利波动已经不是影响股票价格的唯一因素。
6. 股票与利率基本反向变动，与实际中股票估值水平对流动性较为敏感的情况一致。在中周期维度下，利率上升导致流动性降低，从而压制股票估值，反之亦然。

对于2019年各类资产走势，中周期滤波相位合成图显示的预测结果如下：
1. 大宗商品和PPI中周期相位相对领先，预测2019年见顶；
2. CPI中周期处于上行轨道的中部，2019年将持续上行；
3. 股票中周期处于加速上行阶段；
4.美元和利率中周期处于下行轨道。

长周期滤波相位合成图显示：
1. 大宗商品、PPI、CPI、利率的长周期目前处于上行轨道，股票和美元处于下行轨道。
2. 大宗商品和PPI的相位比较接近，2019年将持续上行。这两个指标共同反映了经济基本面长周期所处的状态，长周期的上行预示着长期来看经济增长存在内生动力，基本面相对乐观；
3. PPI和CPI的长周期存在稳定的相位差，这一规律背后的逻辑与短中周期一致，均反映了产业链传导过程的时滞。
4. 利率的长周期相位滞后于大宗商品和PPI，但同样处于上升通道中。这是因为大宗商品长周期上行，资金逐渐流向实体，经济基本面向好会刺激企业的生产端以及信贷需求，从而导致利率的长周期上行。不同于短周期视角下原材料资源与信贷资源需求的同步变化，从中长期的角度看，实体经济的复苏是一个缓慢的过程，企业的产能难以迅速扩张，因此利率与实体经济并不能做到同步变化。
5. 美元的长周期相位目前处于下行轨道，且基本与代表实体经济的大宗商品相位呈现反向，该结论与短周期一致，进一步印证美元的避险价值。
6. 股票长周期处于加速下行通道，且与大宗商品的长周期相位呈现明显的反向。而在短周期上，股票与大宗商品走势基本一致；中周期上两者基本反向但存在些许相位差。这说明在短周期上，实体经济向虚拟经济的传导是迅速的；但长期来看，实体经济中长周期的上行会对股票价格形成压力，说明了实体经济与虚拟经济在中长周期上存在互相竞争的关系，两者都在争夺有限的货币资源或者说流动性资源。

时钟图与周期滤波图对当前时点的判断一致：
1. 当前大宗商品、CPI、PPI、利率指标长周期均处于上行轨道，股票和美元处于下行轨道；
2. 大宗商品处于上行通道的中部，仍有四分之一周期，即约50个月的上升期；股票仍有接近三年的下行期。

当前大宗商品的中长周期均处于上升阶段，长期来看经济基本面在逐渐复苏。股票和美元指数长周期下行，预示中长期股票市场吸引力下降，同时在全球经济向好背景下，资金回流实体，更倾向于撤出美国转而流入新兴市场。

规律小结：自然资源供需变化主导短周期，信贷资源供需变化主导长周期

综合上述对短中长三个周期的研究，我们发现：以实体经济作为系统周期的研究基准，以大宗商品的三周期代表实体经济的周期运行状态，各变量在三个周期上的相位关系存在差异，但在这些差异的背后，我们可以挖掘出一些稳定的规律：

1. 三个周期上，都呈现出大宗商品>PPI>CPI的相位关系，这与实体经济运行过程中价值在产业链上的传导过程一致：供给与需求关系影响自然资源的价格（大宗商品），进一步传导至生产者价格（PPI）和消费者价格（CPI）。短周期上实体经济与PPI的相位差较大，CPI与PPI相位差较小，说明从原材料向中上游产品价格传导存在一定的时滞；中长周期上实体经济与PPI的相位差较小，而PPI与CPI相位差较大，说明中上游的生产端价格变动传导到下游的消费端存在一定的时滞。

2. 短周期上利率与实体经济几乎同步变化，中长周期上存在相位差。利率即资金的价格，反映生产过程中信贷资源的供需情况。上述相位关系说明：短周期上对自然资源的需求会同步传导至会信贷资源的需求，而中长周期上该传导过程存在一定滞后。

3. 股票与实体经济在短周期上几乎同步变动，中周期上存在相位差，长周期上反向变动。以股票市场代表虚拟经济的运行状态，上述相位关系说明，实体经济的发展在短期上会促进虚拟经济：经济向好时产品价格提高，企业盈利增加，股票价格上升；而长期视角下，实体经济与虚拟经济争夺信贷资源，实体经济对虚拟经济有抑制作用。

4. 根据DDM分析框架，金融资产的内在价值由分子端的盈利水平和分母端的折现率共同决定。盈利水平取决于产品价格和生产成本，主要受自然资源影响；折现率取决于资金的成本，主要受信贷资源影响。短周期上股票与实体经济同向变化，分子端变化显著，原材料资源的供需关系占主导；长周期上股票与实体经济反向变化分母端变化显著，信贷资源的供需关系占主导。

5. 美元在三个周期上都与实体经济反向变化，印证了前文关于新兴市场与发达市场关系的论述：经济下行时，发达国家抗风险能力更强，美元的避险价值在短中长三个周期上都普遍存在。

在当前短周期下行见底，中长周期持续上行的背景下，预计实体经济将下行一段时间后拐头向上，CPI、PPI与实体经济表现类似，预计略有下降；股票市场受累于短周期下行，公司盈利下降，在2019年二季度前将持续下行；主要国家利率水平维持低位，债券市场存在短期投资价值；美元短期内仍将维持强势，但在中长周期复苏的背景下强势地位难以长期保持。

风险提示

本文基于华泰金工周期系列研究对全球各类经济金融指标长达近百年样本的实证结果，确定周期长度。然而市场存在短期波动与政策冲击，就每轮周期而言，暂无法判断具体长度。历史规律存在失效风险。

附录

附录一：数据指标汇总

本文采用的数据指标汇总如下：

需要注意的是，金融资产和经济指标的变化包含趋势性变化和周期性波动等部分，趋势性变化关注时间序列的长期变化趋势，周期性波动关注时间序列的均值回归特性，提取金融资产和经济指标的周期状态时，需要先去除原始序列中的趋势性变化部分，否则会导致周期项提取不准确。因此，在使用滤波方法提取数据的周期状态之前，需要根据数据的特性进行一定的预处理操作：对CPI同比和PPI同比等平稳序列，去除其均值项使之零均值化，以避免对长周期分量提取的影响；对资产价格指标则先取同比，再去均值，使其具备平稳性，且取同比后其变化与经济指标同比变化更加具备可比性，对于周期研究意义更为明显。

附录二：全球主要国家CPI、PPI滤波分析结果

附录三：全球主要国家利率滤波分析结果

本篇为报告下半篇，上半篇见：【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（上）

点击链接下载原文
（请复制到浏览器中打开）
https://pan.baidu.com/s/1aq0wrPwmwCr5dA3q9iSN-Q

免责声明
本报告仅供华泰证券股份有限公司（以下简称“本公司”）客户使用。本公司不因接收人收到本报告而视其为客户。

本报告基于本公司认为可靠的、已公开的信息编制，但本公司对该等信息的准确性及完整性不作任何保证。本报告所载的意见、评估及预测仅反映报告发布当日的观点和判断。在不同时期，本公司可能会发出与本报告所载意见、评估及预测不一致的研究报告。同时，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。本公司不保证本报告所含信息保持在最新状态。本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。

本公司力求报告内容客观、公正，但本报告所载的观点、结论和建议仅供参考，不构成所述证券的买卖出价或征价。该等观点、建议并未考虑到个别投资者的具体投资目的、财务状况以及特定需求，在任何时候均不构成对客户私人投资建议。投资者应当充分考虑自身特定状况，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯一因素。对依据或者使用本报告所造成的一切后果，本公司及作者均不承担任何法律责任。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。

本公司及作者在自身所知情的范围内，与本报告所指的证券或投资标的不存在法律禁止的利害关系。在法律许可的情况下，本公司及其所属关联机构可能会持有报告中提到的公司所发行的证券头寸并进行交易，也可能为之提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。本公司的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。

本报告版权仅为本公司所有。未经本公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公司版权。如征得本公司同意进行引用、刊发的，需在允许的范围内使用，并注明出处为“华泰证券研究所”，且不得对本报告进行任何有悖原意的引用、删节和修改。本公司保留追究相关责任的权力。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记。

本公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J。
全资子公司华泰金融控股（香港）有限公司具有香港证监会核准的“就证券提供意见”业务资格，经营许可证编号为：AOK809
版权所有2019年华泰证券股份有限公司

林晓明
执业证书编号：S0570516010001

华泰金工深度报告一览
金融周期系列研究（资产配置）
【华泰金工林晓明团队】周期轮动下的BL资产配置策略
【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究
【华泰金工林晓明团队】市场拐点的判断方法
【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告（上）
【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（四）——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（三）——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（二）——华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（一）——华泰金工周期系列研究
【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索
【华泰金工林晓明团队】市场周期的量化分解
【华泰金工林晓明团队】周期研究对大类资产的预测观点
【华泰金工林晓明团队】金融经济系统周期的确定（下）——华泰金工周期系列研究
【华泰金工林晓明团队】金融经济系统周期的确定（上）——华泰金工周期系列研究
【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列
行业指数频谱分析及配置模型：市场的周期分析系列之三
【华泰金工林晓明团队】市场的频率——市场轮回，周期重生
【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探

FOF与金融创新产品
【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一

因子周期（因子择时）
【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二
【华泰金工林晓明团队】因子收益率的周期性研究初探

择时
【华泰金工林晓明团队】华泰风险收益一致性择时模型
【华泰金工林晓明团队】技术指标与周期量价择时模型的结合
【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用

行业轮动
【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五
【华泰金工林晓明团队】动量增强因子在行业配置中的应用--华泰行业轮动系列报告之四
【华泰金工林晓明团队】财务质量因子在行业配置中的应用--华泰行业轮动系列报告之三
【华泰金工林晓明团队】周期视角下的行业轮动实证分析·华泰行业轮动系列之二
【华泰金工林晓明团队】基于通用回归模型的行业轮动策略 · 华泰行业轮动系列之一

多因子选股
【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九
【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八
【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七
【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六
【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五
【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四
【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三
【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二
【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一
【华泰金工林晓明团队】五因子模型A股实证研究
【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二

人工智能
【华泰金工林晓明团队】对抗过拟合：从时序交叉验证谈起
【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三
【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二
【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一
【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十
【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九
【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八
【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七
【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六
【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五
【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四
【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三
【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二

指数增强基金分析
【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告
【华泰金工林晓明团队】酌古御今：指数增强基金收益分析
【华泰金工林晓明团队】基于回归法的基金持股仓位测算
【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证

基本面选股
【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究
【华泰金工林晓明团队】华泰价值选股之FFScore模型
【华泰金工林晓明团队】相对市盈率选股模型A股市场实证研究
【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究
【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究
【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究

基金定投
【华泰金工林晓明团队】大成旗下基金2018定投策略研究
【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四
【华泰金工林晓明团队】基金定投3—马科维茨有效性检验
【华泰金工林晓明团队】基金定投2—投资标的与时机的选择方法
【华泰金工林晓明团队】基金定投1—分析方法与理论基础

Smartbeta
【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一

其它
【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二
A股市场及行业的月份效应——详解历史数据中的隐藏法则

【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告
【华泰金工林晓明团队】酌古御今：指数增强基金收益分析
【华泰金工林晓明团队】基于回归法的基金持股仓位测算
【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证

基本面选股
【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究
【华泰金工林晓明团队】华泰价值选股之FFScore模型
【华泰金工林晓明团队】相对市盈率选股模型A股市场实证研究
【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究
【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究
【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究

基金定投
【华泰金工林晓明团队】大成旗下基金2018定投策略研究
【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四
【华泰金工林晓明团队】基金定投3—马科维茨有效性检验
【华泰金工林晓明团队】基金定投2—投资标的与时机的选择方法
【华泰金工林晓明团队】基金定投1—分析方法与理论基础

Smartbeta
【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一

其它
【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二
A股市场及行业的月份效应——详解历史数据中的隐藏法则

【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（下 ...

浏览过的版块