标签： #宏观因子

「我持有 6 类资产，够分散了吧」——这是资产配置里最贵的一句错话。25 年月频实测：一个名义上持有 6 类资产、单资产最大权重仅 35% 的组合，权重 HHI 只有 0.235 看着很分散，但因子方差分解摊开来，51.8% 的波动全部来自同一个增长因子、通胀因子只占 3.5%——它不是分散组合，是加了债券装饰的股票。真正的诊断工具是把每个资产回归到「增长意外/通胀意外」两轴：股票 (+2.96, -1.29)、黄金 (+0.04, +2.39)、大宗商品 (+2.02, +2.99)、国债 (-0.70, -1.52)，这张地图立刻告诉你谁和谁其实是同一笔押注。四象限矩阵给出残酷事实：没有任何资产在四个象限都活着——股票在滞胀 -35.9%、大宗商品在通缩衰退 -37.7%、黄金在金发姑娘 -19.9%。按因子暴露而非资产名称配权后，通胀敞口从 -0.0138 压到 +0.0003、最差象限从 -24.5% 收敛到 -3.6%、四象限极差从 61.0pp 砍到 15.6pp、Sharpe 从 0.64 升到 1.00，样本外 (后 15 年持有前 10 年估的权重) Sharpe 0.82 vs 60/40 的 0.41。三盆冷水：beta 在漂（黄金增长 beta 信噪比仅 0.51）、因子平衡砍右尾也砍左尾、两因子解释力有天花板（R² 最高 0.66）（中阶）

经济政策不确定性指数 EPU(Baker-Bloom-Davis)是少数能被量化的宏观状态变量。本文用自洽合成月度 EPU、股票与长债收益，验证股票对 Δ EPU 负向暴露(−0.00089)、债券正向(+0.00072)，朴素『高 EPU 切债券』策略年化 6.9%、Sharpe 0.66，反而跑输 60/40 的 13.2%/1.19——诚实拆穿它不是收益信号而是风险信号，并给出股债缩放而非清零的正确用法(中阶)。

地缘政治风险（GPR）不是新闻标题，是可以量化的定价变量。Caldara & Iacoviello (2022) 用 10 份报纸的「地缘政治紧张/战争」词频构造月度 GPR 指数。本文用自洽合成复现 GPR 路径，证明股票对 ΔGPR 负向暴露(−0.0010)、黄金正向暴露，并诚实检验「高 GPR 切现金」的朴素择时其实跑输买入持有（Sharpe 0.67 < 0.90，现金拖累），真正可落地的是「高 GPR 用黄金套保叠加」——在保留股票 beta 的同时把 Sharpe 抬到 0.79。拆穿指数主观/尾部风险低估/因果倒置/对冲错配/可得性/过拟合六类陷阱（中阶）。

季度 GDP 要等一个半月才知道，市场却天天在交易。Nowcasting 用混频状态空间把月度、周度、日度指标实时揉进对同一季度 GDP 的估计，信息越累积 nowcast 越准。本文用自洽合成模型演示卡尔曼滤波的 ragged-edge 更新、不同信息 vintage 的收敛，并诚实指出混频对齐、结构性突变、幸存者偏差等真实陷阱，附完整 Python 与六类陷阱（高阶）。

用 Nelson-Siegel 把收益率曲线拆成水平/斜率/曲率三个宏观因子：β0长端水平、β1斜率、β2曲率。本文合成10期限12年日度数据，NS拟合R²中位数0.99，PCA显示前3主成分解释99.6%跨期限波动。