基于宏观因子的组合配置策略避不开宏观因子预测问题：

　　在基于宏观因子的组合投资中，实际面临的是尚未开始的宏观因子变化，合理进行因子预测往往是无法避免的问题。由于底层宏观指标数据普遍存在公布时滞，对宏观因子的预测实际包含即时预测和展望预测两个部分：

　　1)即时预测是对统计周期已结束但尚未公布底层数据的因子值进行估算，

　　2)展望预测是对正在进行或尚未发生的统计周期的因子值进行估算。

　　从宏观指标到宏观因子，利用动态因子模型挖掘经济波动的核心驱动力：

　　在前期报告的基础上，我们将构建宏观因子的核心步骤梳理为：

　　1)明确底层数据覆盖范围的宏观指标分组筛选；根据指标所属领域进行合理分组，配合模型参数设定有助于明确宏观因子经济含义；从实践运用出发筛选代表性较强、便于及时跟踪和具备较高实践性的核心指标。

　　2)利用动态因子模型寻找宏观指标的共振趋势，完成宏观因子提取；模型参数设定沿用前期报告，各指标分组中隐含因子数设设为1，隐含因子自回归滞后阶数设为3。

　　借助一致预期数据改善宏观因子预测效果：

　　我们采用模型外推和一致预期外推重点探讨了增长、通胀和流动性这三个宏观因子的预测问题。

　　1)动态因子模型包含的向量自回归过程为我们提供了模型外推的预测方法，但预测结果完全基于历史数据的统计规律，难以有效反映已知未来信息的影响，如已公布的政策变化等。

　　2)一致预期数据包含了宏观领域研究员从逻辑推演角度形成的判断，能够相对及时地反映这些信息，结合历史数据拟合的模型参数即可得到宏观因子的一致预期预测值。

　　3)我们以预期数据为基础构建了底层10个宏观指标的一致预期，从2010年至今的数据看，随着对应报告期和公布日期临近，一致预期与真实值之间的误差趋于减小。

　　回溯近十年历史预测数据，单变量回归评价预测效果：

　　我们以真实的历史数据作为基准预测，采用不带截距项的单变量回归来观察预测效果。

　　1)增长因子：一致预期外推的预测效果更好，跟模型外推的主要差异在2012年前后；

　　2)通胀因子：一致预期预测相比模型外推没有明显改善；

　　3)流动性因子：两种方法均表现尚可，一致预期预测效果更好。

　　主要结论：

　　1)引入一致预期数据有助于改善基于动态因子模型的宏观因子预测；

　　2)一致预期数据的最终效果依赖于可取得的预期数据集；

　　3)根据截止2021年3月15日的历史数据和2021年3月16日的一致预期数据，测算未来一年的一致预期值，预计增长因子在4月达到阶段高点后回落；通胀因子先升后降在9月达到阶段高点；流动性因子先降后升在10月达到阶段低点。

　　风险提示：

　　模型结论基于历史数据测算存在失效风险。

（文章来源：中信证券研究）