第四章：因子择时模型——基于宏观因子状态的商品配置策略
说实话，很多做量化的人一上来就搞统计套利、高频策略，却忽略了最根本的东西——宏观因子。
我个人习惯把宏观因子比作「天气」，而商品就是「庄稼」。你种地不看天气，光研究种子好不好、肥料够不够，那大概率是要翻车的。2018年我做国内黑色系的时候，就吃过这个亏——模型跑得挺漂亮，结果贸易战一打，所有相关性全变了。
所以这一章，我们来聊聊怎么根据宏观因子的状态，动态调整商品配置。说白了就是：经济处在什么阶段，我们就配什么商品。
4.1 宏观因子的四大状态
经典的宏观周期划分，大家应该都听过——美林时钟。但实际做量化的时候，我们不能直接拿「美林时钟」四个字去编程。我们需要把它量化为可计算的因子状态。
我一般用两个核心维度来划分：
- 经济增长因子：用工业增加值、PMI、GDP增速等合成
- 通货膨胀因子：用CPI、PPI、核心通胀等合成
两个维度交叉，就得到四个象限：
| 经济\通胀 | 通胀上行 | 通胀下行 |
|---|---|---|
| 经济上行 | 扩张 | 复苏 |
| 经济下行 | 滞胀 | 衰退 |
嗯，这里要注意：实际数据中很少出现完美的「扩张」或「衰退」。更多时候是模糊的、过渡的状态。所以我们需要用概率模型来判断当前处于哪个象限，而不是硬分类。
4.2 各状态下的商品配置逻辑
我们先从逻辑上推演一下，每个状态应该配什么：
扩张期（经济↑ + 通胀↑）
经济好，需求旺，通胀也在涨。这时候工业品、能源表现最好。我记得2017年那波供给侧改革叠加全球经济复苏，铜和原油涨得让人怀疑人生。
- 推荐配置：铜、原油、螺纹钢
- 逻辑：需求拉动 + 成本推动
衰退期（经济↓ + 通胀↓）
经济不行，物价也跌。这时候避险属性强的贵金属反而有机会。但要注意，黄金在衰退初期往往也会跌，因为流动性危机。我2020年3月就踩过这个坑——以为衰退了赶紧买黄金，结果被流动性杀了一波。
- 推荐配置：黄金、国债（非商品但可对冲）
- 逻辑：避险 + 利率下行
滞胀期（经济↓ + 通胀↑）
这是最难受的阶段。经济在跌，物价在涨。股票不行，债券也不行。但商品里有个例外——农产品和能源。因为通胀本身就是成本推动，原油和粮食是通胀的源头。
- 推荐配置：原油、大豆、玉米
- 逻辑：成本驱动 + 供给约束
复苏期（经济↑ + 通胀↓）
经济开始好转，但物价还没起来。这时候工业品和有色会率先启动。因为需求回暖，但供给还没跟上。
- 推荐配置：铜、铝、锌
- 逻辑：需求复苏 + 低库存
4.3 量化实现：因子状态识别
逻辑讲完了，怎么用代码实现？我一般用隐马尔可夫模型（HMM）或者阈值法。这里给一个简单但实用的阈值法示例：
import pandas as pd
import numpy as np
def classify_macro_state(growth_score, inflation_score):
"""
根据经济增长和通胀得分，判断宏观状态
growth_score: 标准化后的经济增长因子（>0 表示扩张，<0 表示收缩）
inflation_score: 标准化后的通胀因子（>0 表示通胀，<0 表示通缩）
"""
if growth_score > 0 and inflation_score > 0:
return '扩张'
elif growth_score > 0 and inflation_score <= 0:
return '复苏'
elif growth_score <= 0 and inflation_score > 0:
return '滞胀'
else:
return '衰退'
# 示例：假设我们计算出了两个因子
growth = 0.8
inflation = -0.3
state = classify_macro_state(growth, inflation)
print(f"当前宏观状态：{state}") # 输出：复苏
4.4 配置策略的权重分配
识别出状态之后，下一步就是分配权重。我见过有人直接写死权重——比如扩张期铜配30%、原油配20%... 这种做法太死板了。
我个人习惯用风险预算的思路：每个状态下，我们设定一个「目标风险暴露」，然后通过优化器反推权重。
举个例子：
# 假设我们确定了当前是扩张期
# 目标：工业品风险暴露 70%，能源 20%，贵金属 10%
target_exposure = {
'工业品': 0.7,
'能源': 0.2,
'贵金属': 0.1
}
# 然后通过历史协方差矩阵，求解各品种的最优权重
# 这里省略优化器代码，核心是让组合的实际因子暴露接近目标
4.5 知识体系总览
下面这张图，是我自己整理的这个策略的核心流程。你可以把它当作一个「作战地图」：
4.6 回测中的常见陷阱
最后说几个实战中容易踩的坑：
- 滞后性：宏观数据发布有滞后，你看到的「扩张」可能已经是过去式了。我一般用高频替代指标（比如用电量、货运量）来做实时判断。
- 状态切换的摩擦成本：频繁切换状态会导致交易成本飙升。建议加一个「确认期」——连续两个月处于同一状态才切换。
- 极端行情下的失效：2020年3月那种流动性危机，所有宏观因子都失效了。这时候需要加入「市场压力指数」作为风控开关。
好了，这一章就到这里。记住：看天气种地，比闭着眼睛种地强得多。