基于同步周期的投资策略研究

经济周期是宏观经济学中重要的理论之一，经济中周而复始的大起大
落会降低资源配置效率，造成资源的大量浪费。对经济周期进行准确的测
量不仅能帮助政府制定及时有效的调控政策，促进经济长期的平稳增长；
还有助于企业合理安排生产，实现稳健经营。尤其是近几年量化投资的思
想日益盛行后，对经济周期进行定量研究成为了热点。开发经济周期模型
能够引导机构的投资行为向理性、规范性回归，提升股票市场价格发现和
资源配置的能力。
本文所做的主要工作和创新如下：
1.由于中国宏观数据存在数据缺失、季节性、趋势性等问题，本文提
出了一套完整的数据预处理方案。
2.对处理好的数据采用改进后的同比增长率算法计算各序列的增长率。
由于传统的同比增长率算法无法计算基期为负的情况，本文对这种情况进
行了改进。
3.得到增长率序列后，对其使用时差相关分析法，将宏观变量分为领
先、同步、滞后三类。然后使用 B-B 方法测定领先变量、同步变量的拐点。
再使用无参数提取多变量共同周期的方法提取拐点序列的共同周期。本文
对 B-B 法中的 Spencer 移动平均进行了改进，使其更适合小样本数据。
Spencer 移动平均是 15 项移动平均，因此移动平均后的序列会损失首尾各
7 个数据。传统的做法是使用前（后）四项的均值向前（后）延伸 7 项补
齐缺失值，这种做法不能充分利用序列的信息。本文先用 ARIMA 模型对
时间序列向前、向后预测七项，再对序列使用 Spencer 移动平均，这样能
更充分地利用样本中包含的信息。
4：对经济周期测量模型的评价方法进行调整。由于国内对经济周期的
划分没有一个统一的标签，传统的评价方法是以模型对 GDP 增长率的预测
准确率为标准。本文使用投资收益作为衡量模型优劣的标准，这使得经济
周期模型实用性更强。
 

[1] Keynes J M.The General Theory of Employment, Interest, andMoney[J].Foreign Affairs 1936,7(5):133-137.
[2] Hicks J R. Mr.Keynes and the “Classic”; A Suggested Interpretation[J].Econometrica, 1937,5(2):147-159.
[3] Samuelson P A.Economics[M]. New York: McGraw-Hill Inc,1989.
[4] Fridman M. The role of monetary policy[J].The American Economic Review,1968(1),1-19.
[5] Kydland F E, Prescott E C. Time To Build and Aggregate Fluctuations[J].Econometrica, 1982,50(6):1345-70.
[6] Gordon R J. What Is New Keynesian Economics?[J]. Journal of EconomicLiterature, 1990,28(3):1115-1171.
[7] Romer D. The New Keynesian Synthesis[J]. Journal of EconomicPerspectives, 1993,7(1):5-22.
[8] Long Jr J B, Plosser C I. Real business cycles[J]. Journal of politicalEconomy, 1983,91(1):39-69.
[9] Bullock C J. Crum W L. The Havard Index of Economic Conditions:Interpretation and Performance[J]. The Review of Economics and Statistics,1932,14(3):132-148.
[10] Burns A F, Mitchell W C. Measuring business cycforles[R]. New York:NBER, 1946.
[11] Moore G H, Shiskin J. Indicaters of Business Expansions andContraction[M]. New York: NEBR, 1967.
[12] Minz I, Dating postwar business cycle: Methods and their application toWestern Germany, 1957-60, Occasinal Paper No.107, NBER.
[13] Beveridge S, Nelson C R. A new approach to decomposition of economictime series into permanent and transitory components with particularattention to measurement of the ‘business cycle’[J]. Journal of MonetaryEconomics, 1981,7(2):151-174.
[14] Hodrick R J, Prescott E C. Postwar U.S business cycles: An empiricalinvestigation. Working Paper, 1980.
[15] Baxter M, King R G. Measuring Business Cycles: Approximate BandPassFilters for Economic Time Series The Review of Economics andStatistics[M]. Springer Berlin Heidelberg, 2002.
[16] Marcellino M, Leading indicators, Handbook of Economic Forecasting,2006(1),880-960.
[17] Stock J H, Watson M W, Understanding Changes in International BusinessCycle Dynamics, Journal of the European Economic Association,2005,3(5):968-1006.
[18] Kim C J, Nelson C R. Business Cycle Turning Points, a new CoincidentIndex, and Tests of Duration Dependence Based on a Dynamic Factor Modelwith Regime Switching[J]. Review of Economics & Statistics,1998,80(2):188-201.
[19] Doz C, Petronevich A. On the consistency of the two-step estimates of theMS-DFM: a Monte Carlo study[J]. Working Paper,2017.
[20] Camacho M, Perez-Quiros G, Poncela P. Extracting Nonlinear Signals fromSeveral Economic Indicators[J]. Journal of Applied Econometrics,2014,30(7):1073-1089.
[21] Frale C, Marcellino M, Mazzi G L, et al. EUROMIND: a monthly indicatorof the euro area economic conditions[J]. Journal of the Royal StatisticalSociety, 2011,174(2):439-470.
[22] Leiva-leon D. Real vs. Nominal Cycles: A Multistate Markov-Switching Bi-Factor Approach[J]. Studies in Nonlinear Dynamics & Econometrics,2014,18(5):557-580.
[23] Camacho M, Perez-Quiros G, Markov-Switching Dynamic Factor Models inReal Time[J]. Ssrn Electronic Journal, 2012.
[24] Bry G, Boschan C. Cyclical Analysis of Time Series: Selected Proceduresand Computer Programs[M]. National Bureau of Economic Research,Incorporated, 1971.
[25] Artis M J, Marcellino M, Proietti T, Dating business cycle: AMethodological Contribution with an Application to Euro Area, OxfordBullein of Economics and Statistics, 2004,66(4),537-65.
[26] Harding D, Pagan A. Synchronization of cycle[J]. Journal of Econometrics,2006,132(1):59-79.
[27] Aas K, Czado C, Frigessi A, et al. Pair-copula constructions of multipledependence[J]. Insurance Mathematics & Economics, 2009,44(2):182-198.
[28] Giusto, A., Piger, J. Identifying business cycle turning points in real timewith vector Quantization[J]. International Journal of Forecasting,2017,33(1):174-184.
[29] Borio. C, Drehmann. M and Dora Xia., 2018 “The financial cycle andrecession risk”, BIS Quarterly Review.
[30] Claveria, O., Pons, E. Ramos, R. Business and consumer expectations and macroeconomic forecasts[J]. International Journal of Forecasting,2007,23(1):47-69.
[31] Claessens S, Kose M A, Terrones M E. How Do Business and FinancialCycles Interact? [J]. Journal of International Economics, 2012, 87(1):178-190.
[32] Hamilton J D. A New Approach to the Economic Analysis of NonstationaryTime Series and the Business Cycle[J]. Econometrica, 1989,57(2):357-384.
[33] Krolzig H G, Markov switching vector autoregressions: Modelling,statistical inference and application to business cycle analysis[M], 1997,Berlin: Springer.
[34] Camacho M, Perezquiros G, Poncela P. Markov-Switching Dynamic FactorModels in Real Time[J]. Ssrn Electronic Journal, 2012.
[35] Filardo A J. Business-Cycle Phases and Their Transitional Dynamics[J].Journal of Business & Economic Statistics, 1994,12(3):299-308.
[36] Bazzi M, Blasques F, Koopman S J, et al. Time-Varying TransitionProbabilities for Markov Regime Switching Models[J]. Social ScienceElectronic Publishing, 2017,38.
[37] Bec F, Bouabdallah O, Ferrara L. Comparing the shape of recoveries: France,the UK and the US[J]. Economic Modelling, 2015,44:327-334.
[38] 董文全，郭庭选，高铁梅.我国经济循环的测定、分析与预测[J],吉林大学社会科学学报,1987(3).
[39] 郭庭选,高铁梅.我国经济循环的测定、分析和预测(Ⅱ)——转折点的指数配对预测方法[J].数量经济技术经济研究,1989(02):54-58.
[40] 申金升,张智文,石定寰.物流运输景气指数的研究[J].公路交通科技,2006(05):138-142.
[41] 倪晓宁,戴斌.中国旅游市场景气指数计算与分析[J].北京第二外国语学院学报,2007(11):1-4
[42] 梁云芳,高铁梅. 我国房地产投资周期波动的特征——基于主成分分析方法构建我国房地产投资景气指数[C]//21 世纪数量经济学（第 9 卷）.,2008:210-220.
[43] 孔宪丽,陈磊.中国装备制造业景气波动特征及影响因素的实证分析[J].统计与决策,2009(09):99-102.
[44] 刘畅,高铁梅.中国电力行业周期波动特征及电力需求影响因素分析——基于景气分析及误差修正模型的研究[J].资源科学,2011,33(01):169-177.
[45] 陈雨露,马勇,阮卓阳.金融周期和金融波动如何影响经济增长与金融稳定?[J].金融研究, 2016(2):1-22.
[46] 陈昆亭,周炎,龚六堂.中国经济周期波动特征分析:滤波方法的应用[J].世界经济,2004(10):47-56.
[47] 高铁梅,王金明,陈飞.中国转轨时期经济增长周期波动特征的实证分析[J].财经问题研究,2009(01):22-29.
[48] 石良平.景气循环预警方法的理论思考[J].财经研究,1992(05):10-17.
[49] 董文泉,高铁梅,陈磊,吴桂珍.Stock-Watson 型景气指数及其对我国经济的应用[J].数量经济技术经济研究,1995(12):68-74.
[50] 王金明,程建华,杨晓光.SW 型先行景气指数建设的实证研究 [J].中国管理科学,2007(04):116-123.
[51] 赵琳,张珣,徐山鹰.基于广义动态因子模型的中国出口周期分析与预测[J]. 系统科学与数学. 2011(03).
[52] 韩艾,郑桂环,汪寿阳.广义动态因子模型在景气指数构建中的应用——中国金融周期景气分析[J].系统工程理论与实践,2010,30(05):803-811.
[53] 邓创,徐曼.中国的金融周期波动及其宏观经济效应的时变特征研究[J].数量经济技术经济研究,2014,31(09):75-91.
[54] 郑 挺 国 , 王 霞 . 中 国 经 济 周 期 的 混 频 数 据 测 度 及 实 时 分 析 [J]. 经 济 研究,2013,48(06):58-70.
[55] 叶 光 . 基 于 混 频 数 据 的 一 致 指 数 构 建 与 经 济 波 动 分 析 [J]. 统 计 研究,2015,32(08):17-26.
[56] 刘汉,刘营,王永莲.经济景气指标与实际 GDP 增长率的混频预测[J].统计与决策,2017(21):29-33.
[57] 陈 磊 , 孟 勇 刚 , 王 艺 枞 . 双 重 视 角 下 的 中 国 经 济 周 期 混 频 测 度 [J]. 统 计 研究,2018,35(09):29-39.
[58] 王 洁 方 , 田 晨 萌 . 面 向 混 频 数 据 的 时 滞 GM(1,N) 模 型 [J]. 运 筹 与 管 理 ,2021,30(12):123-127.
[59] 陈磊.中国转轨时期经济景气的测定和分析[J].世界经济,2001(12):63-68.
[60] 陈磊,孔宪丽.转折点判别与经济周期波动态势分析——2007 年经济景气形势分析和预测[J].数量经济技术经济研究,2007(06):3-13.
[61] 陈 磊 , 孟 勇 刚 , 王 艺 枞 . 双 重 视 角 下 的 中 国 经 济 周 期 混 频 测 度 [J]. 统 计 研究,2018,35(09):29-39.
[62] 伊楠,张斌.度量中国的金融周期[J].国际金融研究,2016(06):13-23.
[63] 刘金全,刘志刚.具有 Markov 区制转移的向量误差修正模型及其应用[J].管理科学学报,2006(05):44-49.
[64] 王建军.Markov 机制转换模型研究---在中国宏观经济周期分析中的应用[J].数理经济技术经济研究,2007(3).
[65] 石柱鲜,刘俊生,吴泰岳.利用多变量马尔科夫转移因子模型对我国经济周期波动的经验研究[J].数理统计与管理,2007(05):821-829.
[66] 刘 宏 伟 , 陈 浪 南 . 我 国 经 济 周 期 波 动 的 非 对 称 性 和 持 续 性 研 究 [J]. 经 济 研究,2007(04):43-52.
[67] 张同斌,高铁梅.中国经济周期波动的阶段特征及驱动机制研究——基于时变概率马尔科夫区制转移(MS-TVTP)模型的实证分析[J].财贸经济,2015(01):27-39.
[68] 邹 战 勇 , 钟 雪 芬 , 李 星 . 中 美 经 济 周 期 非 对 称 同 步 程 度 分 析 [J]. 统 计 与 决 策 ,2021,37(02):103-1.