【华泰金工林晓明团队】量化资产配置2020年度观点——小周期争明日，大周期赢未来20200116

摘要

2020年周期上行将主导市场风险与投资机会的变化
基于金融经济系统的整体性视角，分析市场周期状态，根据大宗（同时作为实体经济基本面的代表）、PPI、CPI、利率（债券）、股票、美元等六大类指标的周期相位关系，研判2020年大类资产投资机会与风险。2020年实体经济周期上行奠定市场主基调，利多风险资产，大宗与股市、美元、黄金的长周期状态或孕育大级别投资机会。全球主要金融经济指标在三周期上的相位差体现了周期同源异象性的规律，能反映出价值沿生产链条传导的逻辑，实体经济与虚拟经济的相互引导与竞争关系，自然资源与信贷资源供需变化的周期特征。

2020全球宏观经济状态与历史类似阶段对比：风险资产配置价值回升
通过对周期状态的分析和研究，我们对全球经济、大宗、物价、利率、美元、贵金属，新兴市场货币的投资机会、走势和风险进行判断。当前大宗商品短、长周期上行，中周期将见顶回落的状态类似于2002-2003年：大宗或开始趋势性上行，股市中长期估值压力仍存，受基钦周期上行影响盈利或复苏，2020年新兴市场相比于发达市场股市或存高贝塔优势。预计未来债券与美元大概率逐渐走弱。但美元指数仍处于长周期顶部阶段，建议关注黄金的大周期配置价值，谨防美元指数拐点区域可能对新兴市场造成货币的贬值压力。

根据全球主要经济指标周期状态与相位关系判断2020的投资机会与风险
我们以大宗作为周期分析的基准，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2020年的运动方向进行预测分析：大宗42个月短周期与200个月长周期上行，100个月中周期位于顶部拐点区域，2020年大宗有望走牛。与其正向联动但略有滞后的全球PPI与CPI同比指标在2020年或将上行，预计主要国家利率在2020年也将进入上行区间。全球股市短中周期上行，长周期下行或位于底部区域，2020年股市或将回暖上行。美元指数三周期下行，黄金在2020年仍存在中长线配置机会及短期避险价值。

全球主要市场三周期在2020年对不同资产的影响总结
将宏观经济指标和金融资产价格一起对比分析，发现不同指标的相位存在差异。代表实体经济的CRB短周期与股票同向，与美元反向，利率、CPI和PPI相位略晚于CRB。2020实体经济基钦周期上行带动股指、利率及物价指标上行，股票和大宗商品投资机会凸显。中长周期上CRB与股票存在相位差，与美元基本反向，长周期与黄金同向。CRB中长周期上行指示全球经济长线向好，对资本市场中长线估值形成压力；美元长周期筑顶或引发新兴市场货币风险；黄金长周期上行中周期筑顶，周期状态与1984年和2001年相近，或具有较大投资机会，上海金目标价420元/克。

风险提示：本文对各类资产价格变化的方向性判断均是基于年度视角，短期内的投资者情绪波动或政策冲击引起的相对高频的市场变化，需要结合其他高频研究方法给出预测。另外，我们判断2020年基钦周期逐步确立上行趋势，利好大宗商品和股票市场，利空债券；但从中长周期的角度看，美元指数筑顶阶段仍需防范新兴市场极端风险。

2019市场在周期状态切换中集聚不确定性，2020周期上行主要资产类别变动方向渐趋明朗
2019年全球资产配置观点回顾
华泰金工周期系列研究将金融经济系统视作一个统一的宏观整体，该复杂系统里的每一个微观参与者无时无刻不在与其他参与者发生相互影响与相互作用。每个参与者的行为逐渐向其他参与者的整体行为趋同，最终各个参与者的微观变化周期趋于同步，这样就形成了金融经济系统的共同周期。绵延数公里的上万只萤火虫同步闪烁，同一个支架上的几个挂钟钟摆最终趋于同向运动，和这些生活中的例子一样，经济周期的出现与自然界的周期现象具有类似性。

但与萤火虫和钟摆不同的是，金融经济体是一个高维而抽象的系统，它的周期无法被精准测度，我们仅能够通过宏观经济指标和金融资产价格等低维观测指标去感知系统的周期变化。不同的低维观测指标代表不同的观测视角，它们的周期规律相近，但相位上存在领先滞后关系。通过研究各个低维变量的周期规律和相位关系，可以反推出系统状态，这是研究周期运行规律和当前运行位置的关键所在。

因此，不同于传统经济学家相对独立地观测单一或若干个市场的指标与变量，华泰金工团队立足于统一性的视角，将各个指标视为高维金融经济系统在低维上的投影，引入先进的信号处理方法对全球宏观、价格数据进行实证分析，发现其中普遍存在三个显著的周期：42个月左右的短周期（或称基钦周期）、100个月左右的中周期（或称朱格拉周期）和200个月左右的长周期（或称库兹涅茨周期）。这三个周期作为经济波动变化中能量占比高且稳定的成分，能解释系统中绝大部分变量的运动规律，是我们刻画系统周期运动、把握并推断经济系统状态的有效信号。

基于此，我们构建了从发现并证明市场规律，到运用市场规律的自上而下的量化资产配置研究框架：先以实体经济周期作为基准，研究变量间的相位、逻辑关系进而确定系统状态，再根据系统状态来判断宏观变量和资产价格的变化趋势，实现对市场牛熊、风格等的预测。这一研究框架对于研究各国经济周期状态和预测全球金融市场走势具有普遍的适用性，并能为全球大类资产配置、单一市场的资产配置，以及股票市场的行业板块轮动、因子择时等提供参考。

2019年预测全球经济、大宗、物价、利率、美元走势与贵金属投资机会，预警新兴市场货币风险
在2019年1月31日发布的年度策略报告《二十载昔日重现，三四年周期轮回》中，通过对周期状态的分析和研究，我们指出，2019年前三季度短周期下行探底，触底后经济将于四季度开始边际复苏，届时大宗商品将拐头向上；PPI和CPI短周期相位略有滞后，因此2019年全年将呈现出下行趋势；全球利率或在2019年整体呈现下行趋势，利好债券；美元短周期处于顶部拐点区域，走势不甚明朗，但仍具有一定避险价值。

2019年，各国GDP、PMI、进出口金额等数据显示经济景气度较低，大宗商品持续下跌；四季度全球经济景气度依然较低但逐渐企稳；全球PPI和CPI整体呈现下行趋势；2019年美国、韩国、英国、法国、澳大利亚等核心国家的利率整体下行；美元指数2019年始终高位震荡，美元相对人民币整体呈现升值态势，对新兴市场的避险价值凸显。

在2019年的大类资产配置月报观点中，我们也对市场的短期动态进行了预测。在2019年4月25日发布的《大周期拐点关注新兴市场货币风险》中，我们指出在美元大周期上行的状态下，需要关注新兴市场的货币风险，2019年7月-8月，阿根廷比索暴贬，土耳其里拉一度大幅贬值，其他新兴市场货币在年内也出现了较为剧烈的波动；在2019年5月17日发布的月报《大周期拐点的黄金中长线配置机会》中，我们提出黄金在大周期拐点存在较大投资机会，预计未来美元长周期下行、大宗长周期上行也将为黄金上行趋势提供支撑，此后三个月内，伦敦金现上涨21.7%；在2019年6月28日发布的月报《金油比警示风险，7月效应或有反弹》中，我们指出金银比指标存在一定的均值回复特性，彼时金银比处于高位，是白银的投资买点，其后两个月内，伦敦银现上涨28.4%。

2018的超跌导致2019出现新兴市场修复行情、发达市场上涨与2018周期下行时整体性下跌出现差异
但我们在2019年度策略报告中对于股市的判断与2019年股市的实际表现产生了一定差异。2018年四季度，全球股市大幅下跌，美国股指创下了2009年以来的最大跌幅。紧接着2019年初，在经济短周期持续下行的背景下，各国股指却开始止跌上行。纵观2019年，美国、法国、澳大利亚这些长期上涨的股指虽在收复跌幅的基础上录得小幅上涨，但中国、英国、德国、日本等国家的股市则至今仍未收复2018年的跌幅，回到2018年的高点。

因此，在经济短周期下行带动企业盈利增速同比放缓的基本面下，2019年股市上涨的原因可能是对2018年超跌的修复。由于我们的周期滤波在去噪过程中，忽略了2018年超跌的影响，因此预测结果与2019年股市的实际表现产生了一定差异。

如果将观测区间拉长，从周期角度来对2019年全球股指走势进行分析，多数股指在2019年仍始终处于短周期底部的震荡状态，尤其是新兴市场股指，其同比序列多处于探底阶段或底部震荡阶段。而从2019年上涨股票类型来看，在美国股市中大盘股2019年表现明显优于小盘股，国内股市也是大盘蓝筹表现较优，沪深300涨幅比中证500高出近10%，股市投资者对于大盘蓝筹这种收益稳定、风险偏低的类债资产明显更为偏好。可见，2019年股市表现中体现的周期逻辑，与我们的周期滤波外推预测结果还是较为相近的。

我们认为，运用周期规律对经济系统状态进行测度是判断各类资产投资机会与风险的根本基础，在此推荐读者阅读华泰金工周期系列核心报告，如2017年5月9日发布的《金融经济系统周期的确定》、2017年8月19日发布的《周期三因子定价与资产配置模型》、2019年12月26日发布的《从微观同步到宏观周期》、2020年1月2日发布的《周期趋同现象的动力学系统模型》等，以更加全面地了解我们发现、证明和运用经济周期规律的逻辑与方法。

2020年全球资产主要预测观点：周期上行或主导2020年市场行情，大宗与股市、美元、黄金的库兹涅兹周期状态或孕育大级别投资机会
2019下半年全球经济周期触底回升，受周期上行影响2020年利率或同步向上
实体经济与金融市场的周期现象反映经济系统状态的变化，运用周期规律对经济系统状态进行测度是判断各类资产投资机会与风险的根本基础。以CRB大宗商品指数为代表的全球实体经济三周期滤波结果显示，目前短周期和长周期上行，中周期处于顶部拐点区域，三周期叠加后的拟合同比序列在2020年大概率加速上行。由此判断，2020年全球实体经济或将好于2019年，利率大概率稳中有升。

2019年超跌修复的全球市场，发达国家股指表现优于新兴国家，2020年受周期上行驱动，新兴市场或有高贝塔优势
2018-2019年新兴市场与发达市场的表现有所分化，这源于两类市场受三周期影响程度不同。一般而言，新兴国家经济结构中制造业和上游原材料行业占比较大，更容易受短周期的影响；发达国家经济结构更为成熟、均衡，服务业占比更大，受中长周期的影响更显著。所以17年底短周期拐头下行后，以中国为代表的新兴市场基本面先承压，股市也随即大幅下行，而以美国为代表的发达市场在18-19年中长周期持续上行时，大部分时间里其股票市场都维持相对强势。2020年全球短周期上行，在经济复苏的背景下，资金将倾向于流入弹性更大的新兴市场，预计2020年发达市场保持稳定增长，而新兴市场表现或将优于成熟市场。

2020年债市或结束两年牛市逐渐走弱，预计美元长线下行，黄金仍存大周期投资机会
全球主要国家利率上行，短周期带动下预计2020年仍将维持上行趋势
对各国十年期国债利率做月度12期差分的“同比”处理，趋势项被去除后可以清晰地看出各国国债收益率存在周期波动的规律，并且各国利率在短周期上存在明显的同步性。对“同比”处理后的利率序列进行滤波分析，结果显示，各国十年期国债同比滤波结果多为短周期能量最强。主要国家利率短周期在2019年均处于下行通道，除日本外，大多数国家利率短周期已在2019年底到达底部拐点，2020年将处于上行轨道。相位合成后的全球利率短周期也已在2019年触底，2020年将进入上升区间。

美元指数长周期筑顶或将下行
200个月的长周期决定了美元指数长期运行方向；100个月和42个月的短周期决定了美元指数中短期的次级趋势。我们发现当前美元指数三周期均处顶部拐点区域，预计2020年风险出清、全球经济短周期上行趋势确认后，美元指数周期筑顶或将下行。

黄金在2020年仍存在中长线配置机会及短期避险价值
当前黄金同比序列中长周期状态类似于1984年和2001年，预示当前国际金价中长期上行趋势：长周期处于上升中段，中周期处于周期顶部，推动黄金价格以较高的速度增长。历史上1984年后黄金价格经历了为期两年的上涨，涨幅超过70%，2001年则是黄金10年大牛市的起点。国内黄金与国际黄金之间的价差与美元兑人民币汇率走势存在相关性。在当前汇率预期下，我们预测上海金上涨幅度或高于伦敦金。综合考虑伦敦金中长周期下的三重属性，我们认为上海金价格有望在本轮1-2年的上行周期内突破420元/克。

美元处于顶部区域，新兴市场风险仍需警惕
从美元指数和CRB长周期的走势图可以观察到，美元指数的中长期走势与全球经济状况呈现背离的现象。当实体经济上行时，全球经济繁荣，投资者的风险偏好较强，资本流入投资回报率更高的新兴市场，美元走弱；当经济下行时成熟市场表现往往更为稳健，具有良好的避险属性，投资者风险偏好降低，资本回流成熟市场，推动美元升值，美元进入强周期，导致新兴市场容易爆发危机。

历史上美元处于顶部位置附近的1982年，拉美开始爆发债务危机，墨西哥、阿根廷等国外汇储备不足，无力继续偿还债务。90年代末，东南亚国家陷入经济衰退，泰国、印度尼西亚、马来西亚等国货币相继暴贬，韩国金融危机爆发并接受IMF救助，2000-2003年，土耳其、阿根廷等国经济形势恶化，金融市场出现动荡，货币大幅贬值并相继脱钩美元。2018年美元指数震荡上行，俄罗斯、巴西、南非等国货币贬值，土耳其和阿根廷贬值甚至超过50%。因此在当前美元大周期的切换位置，仍需密切关注美元指数走势，以及各国货币和避险资产黄金的情况。

全球实体经济周期上行股市受益，中长周期持续复苏，孕育股市大周期机会
社会供给与需求的关系影响自然资源（大宗商品）的价格，当制造商的生产扩大，会导致大宗商品供不应求，商品价格的上涨首先传导至生产者，原材料价格上涨导致的生产成本上涨会体现在PPI上，而消费者购买的商品价格上涨则反映在CPI上。同时生产制造的扩张意味着实体经济的繁荣，此时实体经济会从债券、房地产等其他领域“抢夺”信贷资源（资本），从而抬升资金的价格，导致一国之内的利率上升。而当跨国生产经营或跨国金融发生，国与国之间需要进行交易时，货币与货币之间的相对价格则形成了汇率。当利率实质抬升之后，资金成本的上升又会反过来抑制投资者的借贷意愿，从而降低企业和个人的消费及投资，经济增长逐步放缓。当一国生产扩张，资金价格上升推动利率上行，跨国资本的逐利行为可能使资金从低利率的货币流向高利率的货币，从而满足了高利率国家的资金需求，跨国资金的流入也会推高当地国货币汇率的提升，资金需求国的利率因此不断降低，而货币不断升值，这一过程也使得跨国资本的套利空间不断缩小。全球经济金融系统在这样的正负反馈之中周而复始地向前演进变化。

可以看到在上述的经济活动过程之中，实体经济与金融市场相互依存，密不可分。“原材料-生产者-消费者”是实体经济生产链条各方参与者的简化分析模式，生产部门制造货物需要从大宗商品市场购买原材料；居民部门既参与生产，也同时作为消费者，还会在资本市场参与投融资；厂商从资本市场获得资金后进行生产与扩张；因此上述的经济活动构成了一个闭环，而资金就像“血液”一样贯穿了其中的每个环节，包括央行在内的每个经济主体都实际参与到了资金价格的“制定”中，由利率所构成的货币市场因此也是经济系统中的“血液循环系统”。而当资金在全球范围内流通时，就形成了各个经济体之间的外汇市场，单一经济体内的企业也可在全球资本市场进行投融资活动，黄金和美元则是当前国际市场流通的“世界货币”。因此本节将详细分析七类主要的金融资产和经济指标即大宗商品、CPI、PPI、利率、股票、美元、黄金的周期状态，对2020年资产价格和经济指标变化做出研判。

本文选取CRB综合现货指数作为大宗商品市场的表征，选取中国、美国、日本、英国、法国、德国等主要经济体的CPI、PPI、十年期国债收益率作为全球市场物价与利率水平的代表，选取10个全球主要股指（上证综指、恒生指数、纳斯达克指数、标普500、日经225、富时100、法国CAC40、德国DAX、澳洲标普200、孟买SENSEX30）作为全球股票市场的表征。通过对各指标的同比序列（利率除外）进行量化滤波的方式提取金融经济指标中的主要周期成分并加以合成。详细数据指标汇总见附录。下文除非特殊说明，对股指、大宗商品指数、美元指数、黄金及CPI、PPI均采用其同比序列零均值化后进行周期滤波分析，对利率指标采用其原始序列与去年同期差值进行周期滤波分析。

2020年全球宏观经济周期状态与历史上类似状态的对比分析
在华泰金工的前期研究中，我们论证了股票、债券、大宗商品、房地产四大类资产中，如果按照贴近实体经济的程度排序，应是大宗商品 > 股票 > 债券 > 房地产，大宗商品对实体经济的变化最敏感，适合作为基本面状态的观测窗口，因此后文我们提取CRB综合现货指数的三周期来表征实体经济的周期状态。

除此以外，全球利率水平也能一定程度上帮助判断宏观经济的状态。当经济基本面向好时，企业盈利增加，融资需求扩张，推动利率上行，反之则利率水平回落。为了判断全球利率周期状态，我们把中、美、日、英、法、德几个主要经济体的十年期国债收益率三周期滤波后分别进行合成，对比利率合成指标和代表实体经济走势的CRB同比序列三周期滤波结果，利率与实体经济的短周期基本同向变动，但略微落后于实体经济短周期，这说明短周期的经济基本面变化会带动对信贷资源的供给需求发生变化，从而影响利率水平。

因此从周期滤波结果可以看出，2020年大宗商品周期状态类似于2002-2003年，从利率指标的周期状态也显示2020年短周期上行趋势会逐渐明朗。

2020年全球主要股票市场受周期上行驱动或有持续机会
在华泰金工自上而下的量化资产配置研究体系中，金融资产价格同样由全球经济金融系统的周期状态所驱动。前期研究指出股市牛熊轮回通常由基钦周期主导，因此提取全球主要股指对数同比序列的42个月周期滤波序列，发现全球股市2019年短周期触底，从下行转为上行，目前正处于上行阶段前半程，将于2020年进入上行阶段后半程并于2021年一季度前后触顶。在华泰金工2018年5月推出的《市场拐点判断方法》一文中，我们论证了基钦周期同比序列一般领先其价格序列4-5个月，因此我们判断2020年全球主要国家股市将回暖并持续上行。

全球主要股指三周期叠加状态类似2002-2003，小周期机会或将逐渐过渡到大周期机会
前文我们论证了当前大宗商品周期状态类似于2002~2003年。实际上，从全球股指同比序列本身的周期状态来看，当前其周期位置同样也和2002~2003年高度相似。

首先，我们提取上证综指、香港恒生、纳斯达克、标普500、日经225、英国富时100、法国CAC40、德国DAX、澳洲标普200、孟买SENSEX30等全球主要股指从1996年至2019年的三周期拟合曲线并进行比较。然后，提取这些股指同比序列的42个月、100个月、200个月周期滤波序列并分别合成相位，形成全球股指的三周期序列，以便能够综合地观察全球股指的三周期状态。

从上图可以看出，当前全球主要股指同比序列的周期位置与2002~2003年最为类似。均处于中短周期上行，长周期下行或处于底部区域。接下来，我们将结合2002~2003年全球股指的价格走势来对2020年的股市价格走势进行预判。

分别采用全球主要股指2000年1月~2003年12月以及2017年1月至今的价格序列绘制折线图，为了方便比较其走势，我们对两段区间的起点价格进行归一化调整。从图上可以看出，全球股指价格从2000年起由牛转熊，进入大约两年的下行区间，经历一段筑底过程后于2003年上半年开始触底反弹。而当前周期内，全球股指从2018年1月开始由牛转熊，进入大约一年的下行区间，经历一段筑底过程后于2019年初开始触底反弹，目前呈现上行趋势。对照2002-2003年的历史表现来看，2020年全球股指或将维持上行趋势。

周期状态切换的2019年美股引领全球股市反弹上涨，2020年或由新兴市场领涨
美股整体呈上行趋势，对全球股市有引领带动作用。
首先通过1995-2019年全球主要股指走势对比我们可以发现：以美国为首的成熟市场对全球股市具有一定的带动作用。当美股进入趋势上行阶段，往往同时伴随着全球股市的集体上涨。

美股风险溢价2019年震荡上行，股市逐步回暖
从风险溢价的角度来分析当前的美股状况。我们采用市盈率的倒数EP 代表投资者的预期收益率，用EP 减去美国十年期国债收益率代表股票资产的风险溢价。该风险溢价能一定程度上反映美股的投资性价比。

从下图可以看出，美股的风险溢价从2013年最高点5%左右逐渐下降到2018年9月的不足1%，这意味着与债券相比，风险更高的美股只高出1%左右的预期回报。在18年最后两个月美股快速下行，释放了部分的风险，使风险溢价回弹。2019年美股的风险溢价开始震荡上行，回升的风险溢价可能会让资金退出美债而流向美股，从而导致2019年美股上行。预计2020年美股将维持上行态势，同时也会对全球股市形成进一步带动。

2020年新兴市场或将优于成熟市场
进一步对比成熟市场和新兴市场的相对走势，我们发现，成熟市场波动相对较小，在周期下行阶段跌幅小于新兴市场，整体呈现出较平稳的上行趋势。而新兴市场则波动较大，周期下行阶段跌幅较深，而上行阶段则具备较大的涨幅。2018-2019年上半年，经济下行期，资金出于避险需求流向成熟市场，发达市场指数表现相对较好。2020年全球短周期上行，在经济复苏的背景下，资金将倾向于流入弹性更高的新兴市场，预计2020年发达市场保持稳定增长，而新兴市场表现或将优于成熟市场。

大宗商品三周期上行状态类似2002-2003，2020年或孕育大级别投资机会
大宗商品指数短长周期共振上行，中周期处于顶部，2020年有望迎来牛市

大宗商品的牛熊是实体经济景气度的直接反映，商品价格的长期上行代表了经济的需求强于供给，实体经济整体上行；反之，商品价格的长期下行代表经济的需求弱于供给，实体经济整体下行。本节我们将对CRB综合现货指数的三周期状态展开分析，考察大宗商品的价格趋势及投资机会，并进一步推断实体经济的需求与供给，对2020年的实体市场进行一定程度的预判。

CRB综合现货指数的三周期滤波结果显示，目前大宗商品短周期和长周期上行，中周期处于顶部拐点区域，三周期叠加后的拟合同比序列在2020年大概率加速上行。大宗商品42个月短周期最近一次见底于2019年7月，随后短周期拐头向上；100个月中周期在2015年9月见底，2019年11月见顶；200个月长周期在未来两年内持续上行。三周期强势叠加后2020年有望迎来大宗商品牛市。

波罗的海干散货指数领先CRB综合现货指数确立上行趋势
波罗的海干散货指数（BDI指数）由主要航线的即期运费加权计算而成，反映了干散货交易量的变化情况，是航运业的重要经济指标。同时，因为散装船运以运输工业原料和民生物资为主，所以行业与大宗商品原材料的价格密切相关，也在一定程度上反映了全球经济的景气度。因此波罗的海干散货指数被称为大宗商品的“风向标”，指数的走势对于全球大宗商品的研究具有指导价值。

波罗的海干散货指数的傅里叶频谱图显示，指数存在显著的42个月左右的短周期和200个月左右的长周期。从三周期滤波图可以看出，波罗的海干散货指数的三周期规律与CRB综合现货指数类似，短周期振幅最大，说明波罗的海干散货指数受短周期影响最明显；中周期振幅非常小，这一结论与频谱图一致，波罗的海干散货指数不存在100个月左右的中周期；长周期有一定振幅，表明指数在一定程度上受长周期所驱动。

进一步地，考察波罗的海干散货指数与CRB综合现货指数的关系，从同比序列可以直观发现，两者走势一致性较高，而波罗的海干散货指数的波动明显更大，规律性也更容易被跟踪与识别，是有利于分析和研究的指标。从周期滤波的结果来看，波罗的海干散货指数的短周期相位略微领先于CRB综合现货指数的短周期，在长达20余年的数据中，短周期滤波的顶点与底点均稳定领先1到3个月。此外，两个指数均是短周期振幅最强，可以认为这一领先滞后关系对于两者的走势判断具备显著的指导意义。

同时，考虑波罗的海干散货指数和CRB综合现货指数的100个月和200个月高斯滤波，可以发现波罗的海干散货指数的中周期和长周期相位均明显领先于CRB综合现货指数。综合来看，波罗的海干散货指数三个周期的相位均稳定领先于CRB综合现货指数，两个指数的走势虽然主要由短周期驱动，但中长周期的规律也佐证了波罗的海干散货指数可以作为大宗商品的领先观察指标的结论。

根据波罗的海干散货指数的周期滤波图可以看出，当前短周期加速上行，中周期缓慢下行，长周期上行接近顶部拐点。三周期叠加后拟合同比序列呈现明显上升趋势，进一步佐证了2020年大宗商品的牛市展望。

2020年看好以基本金属和原油为代表的大宗商品
更具体地，对于具体的商品品种，首先考虑LME铜的走势与投资机会。从回归拟合曲线来看，整体拟合效果较好，三周期对LME铜的同比序列解释程度较高。滤波结果显示，LME铜主要受短周期驱动，2020年短中长三周期均处于上升通道，三周期叠加后拟合同比序列大概率持续上行，LME铜或将迎来较佳投资机会。

此外，用同样的方法对ICE布油进行分析判断。从三周期滤波结果可以看出，当前短周期拐头向上，中周期处于下行通道，长周期上行，三周期叠加后拟合同比序列在2020年大概率上行。因此ICE布油在明年或将呈现趋势性上行，整体来看投资机会值得关注。

综上所述，根据周期滤波预测的结果，以基本金属和原油为代表的大宗商品市场在2020年大概率迎来较佳投资机会；CRB综合现货指数和波罗的海干散货指数进一步预示了2020年随着基钦周期上行趋势的逐渐明朗，需求有望回暖，实体经济或将展现复苏动力。

2020年全球主要国家CPI、PPI或将随着实体经济复苏而逐渐回暖上行
从经济逻辑来看，大宗商品价格指数与PPI、CPI两个宏观指标关系较为密切：大宗商品指数代表上游生产资料的价格，PPI代表中上游工业产成品价格，CPI则代表下游消费品价格。CRB指数的波动通过产业链向PPI指数传导，传导路径较为顺畅；而从PPI到CPI指数的传导则会由于统计口径差异、供求矛盾甚至价格管制等因素而存在一定的阻碍，导致传导不畅，产生时滞。

本节将对全球六个主要市场（中国、美国、日本、英国、法国、德国）的CPI与PPI分别滤波并做合成，以考察全球通胀水平，并通过中国市场CPI、PPI指标单独考察国内的物价情况。对全球CPI、PPI合成结果和大宗商品的三周期相位对比发现：大宗商品与PPI在中长周期上基本同步变动，CPI相位略微落后于PPI；而在短周期上，CRB指数短周期相位领先于PPI，PPI又领先于CPI，整体来看，三个指标的正向联动关系较为明显。对各国CPI、PPI的滤波结果显示：2020年物价指数将随着实体经济短周期的回暖而上行。

相位合成得到的全球CPI同比三周期滤波显示，2020年全球CPI中、长周期均处于上行阶段，短周期在2020年上半年触底后也将转而上行，预计2020年全球CPI将呈现整体上升的趋势。

2020年，全球PPI短周期和长周期均处于上行阶段，中周期处于触顶回落区域。短周期在2019年底触底，预计2020年将止跌回升；中周期在2019年底见顶，预计2020年将开始回落；长周期则始终处于上升期。三周期叠加，全球PPI受短周期触底回升和长周期持续上行的影响较大，滤波结果显示PPI在2020年将整体上行。

2020年全球主要国家利率或将进入上行区间
本节着重研究利率的周期状态。前述小节中所研究的大宗商品、CPI、PPI分别从生产链条的不同环节体现了商品及原材料资源价格的变化。利率则体现了信贷资源价格的变化。自然资源和信贷资源的供给需求关系从不同角度反映实体经济的变化情况。

在对利率做量化滤波预测时，该指标具有一定的特殊性：一方面，利率本身即为资产的收益率，对其进行取同比操作没有明确的经济学含义；另一方面，数据可得期间的利率指标的变化存在明显的趋势性，为不平稳序列，必须进行一定的操作使之具备平稳性，才能进一步通过滤波方法提取周期。因此，我们以当年利率减去去年同月利率来构造利率“同比”，将利率“同比”作为利率周期研究的对象。

选取起始于1986年1月，截至2019年11月的各国十年期国债收益率的月度数据展示如下。从图中可见，大部分国家的利率均不平稳，在长期趋势的影响下，利率短周期的同步性较难观测。

而对利率做“同比”处理后，各国利率的趋势项被去除。从下图中可以清晰的看出各国国债收益率存在周期波动的规律，并且各国利率在短周期上存在明显的同步性。

42个月短周期对各国利率变化影响最为明显，2020全球主要国家利率短周期上行
接下来我们对“同比”处理后的利率序列进行滤波分析，结果显示，各国十年期国债同比滤波结果多为短周期能量最强。其中，中国、美国、德国、英国、澳大利亚国债同比滤波短周期能量最强，中长周期能量较小；而法国、韩国和日本三国的国债收益率同比序列存在一定的中长期趋势，虽然短周期不是能量最强的周期，但其规律也是清晰可见的。因此接下来我们将主要关注利率的短周期走势。

进一步分析利率与实体经济的联动性。对比利率指标和代表实体经济走势的CRB同比序列三周期滤波结果，利率与实体经济的短周期基本同向变动，但略微落后于实体经济短周期，这说明短周期的经济基本面变化会带动对信贷资源的供给需求发生变化，从而影响利率水平。一般来说，当经济上行时，各国央行通常采取偏紧的货币政策来预防经济过热风险，市场要求的收益率也会随之上行，因此利率同步上行；而当经济下行时，各国央行通常采取偏松的货币政策来抵御经济下行的风险，市场要求的投资回报也会随着经济的降温而降低，因此利率水平同步下行。从周期滤波结果可以看出，2020年全球经济短周期上行趋势逐渐明朗，带动各国利率同步上行。

全球主要国家利率受周期影响预计将在2020年进入上行区间
我们对全球主要经济体的十年期国债利率“同比”分别进行了滤波预测，汇总各国利率水平滤波预测结果如下：

去趋势滤波结果显示：中国利率同比短周期上行，中长周期下行，合成结果显示2020年处于上行区间；美国利率同比短周期和中周期上行，长周期下行趋势，由于短周期影响最大，合成结果显示2020年处于上行区间；日本和英国利率周期趋势相近，均为短周期和中周期上行，长周期处于顶部区域，合成结果显示2020年处于上行区间；法国、德国、澳大利亚周期趋势相近，均为短周期上行，中周期下行，长周期上行或处于顶部区域，三周期综合作用下，2020年整体呈上行趋势。
美元指数长周期筑顶，需谨防拐点区域可能对新兴市场投资机会造成负面冲击和对货币造成贬值压力
通过周期模型，我们发现：美元指数受长周期影响最大，200个月的长周期决定了美元指数长期运行方向；100个月和42个月的短周期决定了美元指数中短期次级趋势。当前美元指数正处于长周期顶部拐点区域。考虑到美元指数三周期当前均处于下行状态，预测2020年美元指数或将下行。

观察美元指数周期变化与新兴市场货币危机事件发生的时间点，我们发现：新兴市场货币危机的发生与美元周期高度相关，历轮美元上升期及顶部拐点附近，都伴随着新兴市场货币危机与金融危机的爆发。但本轮美元指数上行期内，新兴市场并未爆发明显的货币危机；风险仍在持续积聚，不排除在顶部区域释放的可能。因此我们认为，美元大周期拐点附近，仍需警惕新兴市场爆发货币危机的风险。届时新兴市场资产价格或将出现大幅度下跌，在危机爆发后，为新兴市场带来新的投资机会，驱使国际资本流入，美元进入弱周期。

2020年黄金仍存在中长线配置机会及短期规避极端风险的价值
我们在2019年5月发布的月报《大周期拐点的黄金中长线配置机会》以及深度报告《二十年一轮回的黄金投资大周期》中对黄金进行了深入研究。在报告中，我们依靠经济逻辑和周期工具，从定性和定量的角度论证了黄金的中长期走势与三个指标有着显著的相关关系：代表其货币属性的美元指数、代表其商品属性的CRB指数，以及代表其金融属性的美国十年期国债收益率。从下图历史规律中可以看出，历次黄金牛市均伴随着美元指数的大幅下跌，且黄金与大宗商品的中长期走势基本一致。

如前所述，我们预测美元指数中长周期下行，短周期也将在2020年将转头下行；大宗商品中长周期上行，短周期在2020年处于上行区间，两者叠加，我们认为黄金价格在未来一年内仍有投资机会。此外，当前黄金同比序列中长周期相对状态类似于1984年和2001年：长周期处于上升中段，中周期处于周期顶部，推动黄金价格以较高的速度增长。1984年后黄金价格经历了为期两年的上涨，涨幅超过70%，2001年则是黄金10年大牛市的起点，该次牛市涨幅约为600%，国内外金价紧密联动，预计此次国内黄金价格将从2018年9月28日阶段性低点的263.61元/克上涨60%，超越2011年8月396元/克的历史高位，有望突破420元/克。

另外，从短期角度来看，黄金在市场环境和国际关系动荡时也具有一定的避险配置价值。当前外部风险依然很大，国际关系较为紧张，因此短期来看黄金具备一定的避险价值。

全球市场三周期在2020年对不同资产的影响总结
金融经济系统是一个复杂的内生系统，周期或是其背后稳定的驱动力。各个宏观经济指标和金融资产价格从不同的角度对系统进行观测，都是系统状态的低维反映。任何单一变量的波动都不足以刻画整体的系统状态，我们认为应当选择不同的维度对系统进行观察，并根据观察的结果相互验证，综合推理系统可能的状态。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2020年周期对各变量的影响。

基钦周期：2020年股票与大宗商品投资机会或好于债券
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：

在2019年，我们对各类指标的短周期相位关系进行规律总结，得到如下主要结论：短周期上各变量相位关系较为稳定，为股票~利率~大宗商品>PPI>CPI>美元[1]。其中股票、大宗商品等交易资产数据领先于CPI、PPI等统计指标数据；“股票~大宗商品”说明同为风险资产的二者在短周期上相位保持一致，而它们与利率同向变化则反映出在短周期上企业对信贷资源与原材料资源的需求同步变动，且股债之间存在“跷跷板”效应；“大宗商品>PPI>CPI”正好对应了库存周期中原材料传导至上中游的工业产成品，再传导至下游的消费品的生产链关系；

当前时点各资产短周期的相位关系，我们还可以通过时钟图来呈现滤波结果。

[1] “>”代表“领先于”，“~”代表“基本同步”，下同。

时钟图与周期滤波图对当前时点的判断基本一致，2019年11月底数据显示各类资产遵从“股票~大宗商品>PPI>CPI>利率>美元”的相位领先滞后关系，“利率”的短周期相位规律与2019年初靠近大宗商品略有不同，但当前依旧处于短周期触底回升的前夕。

对于股票、利率和大宗商品三类受短周期影响较大的资产来说，当前短周期均处于或即将处于上行轨道，这意味着2020年股票和商品或表现较优，利率上行会压制债券资产表现。因此2020年风险资产投资价值大概率会大于债券等低风险资产。

另一方面，虽然PPI和CPI同比走势并非由短周期主导，但2020年受大宗商品价格上升影响，加之自身短周期回升，因此PPI和CPI同比大概率将上涨，全球预计会面临一定的通胀压力。

同时，美元指数短周期的见顶回落也一定程度上反映出2020年大宗商品基钦周期上行期间的投资主线逻辑：2020年全球实体经济或短暂企稳，资金的价格即利率上涨，资金倾向于流入新兴市场股市等风险资产以获取高贝塔收益，利率上行压制债券资产表现。

中、长周期：实体经济上行对资本市场估值形成中长期压力，美元大周期顶部拐点区域，需谨防新兴市场极端风险，黄金长线投资机会仍存
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中周期相位图如下：

对各类指标的中周期相位关系进行梳理，得到如下主要结论：中周期上各变量总体呈现出“大宗商品>PPI>CPI>利率~股票>美元”的相位规律。首先考察代表实体经济走势的大宗商品与代表通胀情况的物价指标CPI、PPI，三者相位接近，大宗商品最为领先，PPI与CPI紧随其后，均处于顶部区域，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）。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。进一步考察股指与利率，二者中周期相位基本同步，均处于上行阶段，但显著落后于大宗商品与物价指标。以股票市场代表虚拟经济的状态，上述相位关系说明，中周期上实体经济与虚拟经济的走势存在互相竞争资本的关系。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：中周期上自然资源的供需情况向信贷资源的传导存在一定滞后。美元具有避险属性，与大宗商品、股票、利率呈显著相位差，目前已进入中周期下行后期，未来一年或将持续下行。

六类金融资产和宏观经济指标的长周期相位图如下：

对各类指标的长周期相位关系进行梳理，得到如下主要结论：长周期上各变量总体呈现出“PPI~大宗商品~CPI>利率>美元>股票”的相位规律。与中周期上发现的规律类似，代表实体经济走势的大宗商品与代表通胀情况的物价指标CPI、PPI三者相位接近，目前均处于上行阶段。与中周期规律不同的是，股票市场代表的虚拟经济与实体经济相位差更为明显，当前股票长周期向下，大宗长周期向上，体现中长期视角下，实体经济与虚拟经济争夺信贷资源，实体经济的繁荣对虚拟经济有抑制作用。此外，利率与大宗、CPI、PPI相位接近，同处长周期上行阶段，较好体现了长期视角下实体经济投资回报率与原材料及物价指标走势的一致性；而美元在长周期上相位仍然保持与代表实体经济的大宗商品反向，进一步印证其避险资产属性。

风险提示
本文对各类资产价格变化的方向性判断均是基于年度视角，短期内的投资者情绪波动或政策冲击引起的相对高频的市场变化，需要结合其他高频研究方法给出预测。另外，我们判断2020年基钦周期逐步确立上行趋势，利好大宗商品和股票市场，利空债券；但从中长周期的角度看，美元指数筑顶阶段仍需防范新兴市场极端风险。

附录：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。

免责申明
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2020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】风险预算模型如何度量风险更有效-改进风险度量方式稳定提升风险模型表现的方法

【华泰金工林晓明团队】周期双底存不确定性宜防守待趋势——短周期底部拐头机会渐增，待趋势明朗把握或更大20191022

【华泰金工林晓明团队】二十年一轮回的黄金投资大周期——黄金的三周期定价逻辑与组合配置、投资机会分析20190826
【华泰金工林晓明团队】如何有效判断真正的周期拐点？——定量测度实际周期长度提升市场拐点判准概率
【华泰金工林晓明团队】基钦周期的长度会缩短吗？——20190506
【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）
【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）
【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

周期起源
【华泰金工林晓明团队】周期趋同现象的动力学系统模型——华泰周期起源系列研究之二
【华泰金工林晓明团队】从微观同步到宏观周期——华泰周期起源系列研究报告之一

FOF与金融创新产品
【华泰金工林晓明团队】养老目标基金的中国市场开发流程--目标日期基金与目标风险基金产品设计研究
【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】市值因子收益与经济结构的关系——华泰因子周期研究系列之三
【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】波动率与换手率构造牛熊指标——华泰金工量化择时系列

【华泰金工林晓明团队】A股市场低开现象研究
【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】基于投入产出表的产业链分析 ——华泰行业轮动系列报告之十一
【华泰金工林晓明团队】不同协方差估计方法对比分析——华泰行业轮动系列报告之十

【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九
【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八

【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七
【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六
【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

Smartbeta
【华泰金工林晓明团队】投资优质股票：红利类Smart Beta——华泰Smart Beta系列之三
【华泰金工林晓明团队】博观约取：价值和成长Smart Beta——华泰Smart Beta系列之二

【华泰金工林晓明团队】Smart Beta：乘风破浪趁此时——华泰Smart Beta系列之一
【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

多因子选股
【华泰金工林晓明团队】华泰单因子测试之历史分位数因子——华泰多因子系列之十三

【华泰金工林晓明团队】桑土之防：结构化多因子风险模型——华泰多因子系列之十二

【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一
【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十
【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】遗传规划在CTA信号挖掘中的应用——华泰人工智能系列之二十六
【华泰金工林晓明团队】市场弱有效性检验与择时战场选择——华泰人工智能系列之二十五

【华泰金工林晓明团队】投石问路：技术分析可靠否？——华泰人工智能系列之二十四
【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三
【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二
【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一
【华泰金工林晓明团队】必然中的偶然：机器学习中的随机数——华泰人工智能系列之二十
【华泰金工林晓明团队】偶然中的必然：重采样技术检验过拟合——华泰人工智能系列之十九

【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八

【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七
【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六
【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五

【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

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