不是模拟宏观，而是模拟因子在投资者心目中的位置。
PMI中的新订单指数是对未来实体的预期。实体经济预期不好，国家便会干预，出台货币政策。从而影响M2数据。
在上篇文章《沪深300投石问路之PMI》中，PMI因子在2019年年初开始失效，和2019年的货币政策息息相关。
2019年年初降了1个百分点的准备金利率，9月16日又下降了0.5%的准备金率。为金融机构释放长期资金2.7万亿元。改变市场预期，资产价格上涨。
M2数据能否抓住上述的市场，从而优化策略？
2019年M2并没有大幅增长，降准释放的是长期资金，改变了投资者的逾期，由于信用较紧，短期内没有改变贷款量。
M0，M1，M2数据小贴士
M0 = 流通中的现金
M1 = M0+企业活期存款
M2 = M1+企业定期存款+个人储蓄存款（活期+定期）
有些人将M2-GDP作为投资收益的合格线。
2020年的疫情，定向宽松，利率市场化改革等一系列货币政策，导致了M2同比增长10%以上，如下图所示，像山峰一样。
M2增速体现了大水漫灌。
M2和M1的剪刀差呢？能否识别这样的大信号？
2019年1月，M2和M1的增速剪刀差为8%，是非常高的。说明企业活期存款增加相对较少，而企业定期存款和个人储蓄存款增加较多。说明钱都流向了资产，而非实体中。此时开启一波牛市也是情理之中。
说明M2和M1的剪刀差识别了这个信号。
2020年1月开始M2和M1的增速剪刀差逐步减少，到了2021年1月份，M1甚至超过了M2，说明需求强劲，企业开始活跃起来。正好体现年初沪深300那一股上升的势头。
可以说，剪刀差是缓缓流向实体的水。是小牛。
结合PMI，发现指标间的联系
下图，可以看到M2相对来说比较稳，和宏观调控有关。但是下面的数据只是M2的同比增速，所以越到后面，基数越大，越需要放大来看。
加入PMI后，M2-M1和pmi一定程度上负相关。pmi越小，实体预期差，国家越会放水养鱼。此时剪刀差先变大，然后慢慢滋养实体。
M1和pmi联系不太明显，一定程度上正相关。这里的pmi是制造业指数中的新订单+新出口订单，代表了未来制造业实体的逾期。M1代表M0+企业活期存款。代表了实体当月的经济活动活跃情况，包含了除制造业以外的企业。所以M1更广泛，PMI更超前。
图片上传中......
一个小策略
从2016年开始，赚的是实体经济上升的钱，而沪深300在2019年开始，赚的是货币增加的钱。
实体经济好，市场欣欣向荣；实体经济差，货币增加，也是个买入时机。
一个小想法，用m2和m1的同比增速剪刀差来选择买入时机。
逻辑如下：
如果pmi<50，且m2-m1同比增速剪刀差比上个月增加，则持有沪深300
如果pmi>50，也持有沪深300
其他时间卖出沪深300指数
为了防止出现未来数据，只在每月16日以后进行判断和交易。
结果如下图。
可以看到，策略最近10年大多数时间跑赢指数。
但是好几次没有抓住快速上升的趋势。包括2020年的疫情。
策略特别简单，没有止盈止损，没有考虑M2的同比增速，只是对沪深300进行择时。
宏观数据每月只有一次，具有一定滞后性。
我想我不会再深入下去，整个数据分析的过程，是对过去的回顾和归纳，再继续下去，很有可能过拟合。
通过宏观数据对沪深300进行择时，有点不切实际。因为不可能对客观世界进行建模，太复杂了。数据无法替代特别多的场景，我能做的，可能是每有新的场景，就加入新的判断，然后归纳，而非演绎。
接下来，可能从技术指标入手，对沪深300进行建模。
一个小插曲
简化一下，如果m1代表了实体经济，m2代表了实体和金融市场。那么计算m2-m1货币量的同比增减，可以看出资产价格涨幅。从最近10年来看，从2011年-2016年，货币剪刀差相当大，资产价格总体涨幅应该是不错的。
小结
有券商研究多种宏观因子来买卖指数ETF，进行大类资产配置的。这种逻辑上说得通，量化效果也不错。但是对未来比较脆弱，毕竟训练数据比个股策略更有限。而且逻辑本身也是未来数据。
但是研究这类策略，可以更好地理解过去，量化分析找到自身理解的漏洞。