传统宏观因子、宏观周期的高维度体系构建

单一经济周期的稳定性较差，且不同宏观状态之间对应阶段和状态的差异化明显。传统周期的划分能够帮助我们理解宏观经济状态，但并不存在统一对股市的短期预测效用。

本文同时考虑经济景气、通胀、利率、库存、信用共计五个维度的指标，改善单一维度判断不稳定的问题，构建宏观周期识别框架。

宏观因子变量的构建：将宏观指数分别对宽基指数、代理宏观变量做回归，选取t值显著的细分宏观变量，用过去一年标准差倒数加权构建宏观因子变量。采用单边HP滤波器对宏观经济数据进行调整，消除短期波动对长期趋势判断的影响。基于滤波变量，分别用因子动量划分宏观趋势（上行、下行）和用时序百分位划分宏观状态（高、中、低位）。