一、宏观因子到底是什么？
做量化投资这些年，我越来越觉得——宏观因子就像市场的「底层操作系统」。你想想看，股票涨跌、债券波动、汇率起伏，表面上是各自为战，但背后其实都受几个核心变量驱动。
我个人习惯把宏观因子分成五类：增长、通胀、利率、信用、汇率。这五个因子基本能解释大部分资产价格的长期走势。今天我们就来拆解一下，每个因子到底在说什么。
二、增长因子：经济的「油门」
2.1 GDP：最宏观的体温计
GDP 是衡量一个国家经济产出的总指标。说白了，就是「大家一年到头总共赚了多少钱、花了多少钱」。做因子模型时，我通常用实际 GDP 同比增速，因为它剔除了价格因素，更能反映真实的生产活动。
2.2 工业增加值：更灵敏的「心跳」
工业增加值是月度数据，比 GDP 快得多。我记得在 2020 年疫情后，GDP 数据还没出来，工业增加值已经连续两个月反弹了。做高频因子模型时，我更喜欢用工业增加值作为增长因子的代理变量。
# 获取工业增加值数据（示例）
import pandas as pd
import akshare as ak
# 工业增加值同比增速
ind_prod = ak.macro_china_industrial_production_yoy()
print(ind_prod.tail())三、通胀因子：经济的「体温」
3.1 CPI：老百姓的感受
CPI 衡量的是居民消费端的价格变化。猪肉涨价、房租上涨，都会体现在 CPI 里。但做因子模型时要注意——CPI 对货币政策的影响更大，对股市的影响反而没那么直接。
为什么会这样？因为央行更关注 CPI。CPI 高了，央行可能加息；CPI 低了，央行可能降息。所以 CPI 是通过「利率预期」这个中间变量来影响资产的。
3.2 PPI：企业的成本压力
PPI 是工业品出厂价格指数。说白了，就是工厂卖东西的价格涨了没。PPI 对周期股的影响非常直接——PPI 上升，意味着上游企业利润增厚，煤炭、石油、有色这些板块往往表现不错。
| 指标 | 频率 | 对资产的影响路径 |
|---|---|---|
| CPI | 月度 | CPI → 利率预期 → 债券/股票 |
| PPI | 月度 | PPI → 企业利润 → 周期股 |
四、利率因子：资金的「价格」
4.1 国债收益率：无风险利率的锚
国债收益率，尤其是 10 年期国债收益率，是整个金融市场的定价基准。我习惯把它看作「资金的时间价值」。利率上升，意味着借钱更贵了，所有资产的折现率都会提高，估值自然承压。
嗯，这里要注意：利率因子对债券的影响是直接的（利率上升，债券价格下跌），对股票的影响是间接的（通过估值和盈利预期）。
4.2 LPR：实体经济的融资成本
LPR 是贷款市场报价利率，直接影响企业和个人的贷款成本。LPR 下调，意味着宽松的货币政策，对股市是利好。但 LPR 的调整频率很低，通常几个月才变一次，所以做高频模型时，我更多用国债收益率。
# 获取 LPR 数据
lpr = ak.macro_china_lpr()
print(lpr[['日期', '1年期LPR', '5年期以上LPR']].tail())五、信用因子：市场的「信任度」
5.1 信用利差：风险偏好的晴雨表
信用利差 = 企业债收益率 - 国债收益率。说白了，就是市场对「借钱给企业」这件事要求的额外补偿。信用利差扩大，说明市场恐慌，大家宁愿买国债也不买企业债；信用利差收窄，说明风险偏好回升。
我个人觉得，信用因子是五个因子中最能反映「市场情绪」的一个。2018 年去杠杆期间，信用利差飙升，很多民企债暴跌。那段时间做多信用债的策略，基本都亏得很惨。
六、汇率因子：跨境资金的「开关」
6.1 汇率：连接内外市场的桥梁
汇率，尤其是美元兑人民币汇率，对 A 股的影响越来越明显。人民币升值，外资流入，A 股往往上涨；人民币贬值，外资流出，A 股承压。
我记得 2022 年人民币快速贬值那段时间，北向资金连续流出，A 股也跟着跌。从那以后，我把汇率因子纳入了我的多因子模型，效果确实有提升。
# 获取美元兑人民币汇率
import yfinance as yf
usd_cny = yf.download('CNY=X', start='2020-01-01')
print(usd_cny['Close'].tail())七、五因子的关系图谱
下面这张图是我自己整理的宏观因子关系。你仔细看，增长和通胀是「因」，利率和信用是「果」，汇率则是内外联动的「纽带」。
八、构建多因子系统的思路
有了这五个因子，下一步就是怎么用。我个人的做法是：
- 数据清洗：每个因子都要做标准化处理，消除量纲差异
- 因子合成：用主成分分析（PCA）提取共同因子，或者用等权加权
- 因子择时：根据因子当前的状态（高/低、上升/下降），决定资产配置方向
- 回测验证：至少回测 5 年以上，看因子在不同市场环境下的表现
好了，这一章我们就把五个核心因子过了一遍。下一章开始，我们会深入每个因子的数据获取、处理和建模细节。嗯，到时候见。