2019宏观数据去噪降维研究：抑制过拟合的FICC应用｜天风证券

报告摘要

投资者常直接使用未经加工的宏观数据，导致严重的过拟合风险。本报告提出系统性的宏观数据去噪与降维方法：采用X-13-ARIMA-SEATS进行季节调整（春节窗口设为节前10天、节后7天），并对比DFM与PCA模型，建议量化中使用PCA降维。基于此构建天风制造业活动指数（TFMAI）和实体经济货币条件指数（TFEMCI）。在债券市场中，三大指标等权合成择时胜率达64.65%；股票市场中，结合货币因子的动态择时策略年化收益14%、夏普比1.15、胜率60.40%。适合量化投资者、宏观策略研究员、金融工程师、基金经理等从业者参考。

📋 核心要点(部分)

1. 引言
2. 宏观信息加工方式探析（季节性去噪、宏观信息降维方法）
3. 宏观指数构建（TFMAI、TFEMCI）
4. 构建指数预测能力检验（债券市场、大宗市场、股票市场）
5. 风险提示