行业景气轮动研究之二：行业景气变化因子驱动的行业轮动

投资要点:► 行业领先因子正向变化预示行业景气提升 在此前《从宏观到中观视角下的行业轮动框架：基于行业景气模型的行业轮动》的研究中，我们从产业逻辑和与行业超额收益相关性角度筛选出各行业的领先指标。领先指标正向变化往往预示着反应行业基本面变化的行业景气上行。 ► 行业景气变化因子驱动的行业轮动策略 本报告延续之前的研究，基于已筛选出的行业领先指标开发反映行业景气变化因子。其具体算法为领先因子的变化幅度经过阈值处理后等权加和。研究构建基于行业景气变化因子的轮动配置策略，等权持有本月的行业景气变化因子大于0的行业，并逐月调仓，策略整体体现稳定超额收益。 风险提示 本模型采用量化方法通过历史数据统计、建模和测算完成，结论在极端市场环境变化中有失效的风险。 1.行业景气变化因子行业轮动策略 在之前的研究中，我们构建了中观领先指标驱动行业轮动策略。筛选出各行业基本面同步景气指标的领先指标，其与同步指标高度相关，且发布较为及时，基于领先因子构建了行业超额收益预测模型。 随着对领先指标研究的深入，我们发现领先指标的变化蕴含丰富的信息，其向上变化往往预示着行业景气的提升，是获取超额收益的信号。我们通过领先指标的变化构建行业景气变化因子，并用其进行行业配置。 2.策略构建原理及实证 2.1.领先指标变化定义 之前的研究已筛选出与行业景气相关、具有高度可解释性的行业领先指标，其筛选过程、筛选结果和数据预处理部分可参见《从宏观到中观视角下的行业轮动框架：基于行业景气模型的行业轮动》。 各行业的领先指标丰富，且各不相同。主要涵盖下列四种数据：一，环比类数据，反应本月实际值相较于上个统计周期的变化，例如“PPI:全部工业品:环比”；二，同比类数据，反应本月实际值相较于去年同期的的变化，例如“金融机构:各项贷款余额:同比”；三，累计类数据，通常由1月开始从0累计，例如“医药制造业:利润总额:累计值”；四，总量类数据，较少出现减少的情况，例如“固定电话用户数”。 领先指标的变化定义与其数据特性相关，最终要计算的是领先指标反应的真实数据的环比变化。针对四种类型的领先指标，我们分别采用取原值、计算环比、先同比再计算环比和计算总量增长速率变化的方式，得到领先指标的变化。 2.2.行业景气变化因子 行业景气变化因子的计算采用各领先指标变化阈值处理、等权加和的形式。领先指标的变化蕴含着丰富的超额收益信息，基于领先指标的策略开发，既要体现单个领先指标的变化，又要尽可能在行业选择时参考更多信息。从数据上分析，领先指标变化通常为百分之几到十几，但个别时期某个领先指标的改变可以达百分之几百。 若将领先指标变化不经处理，等权加和，行业景气变化因子的正负可能由当月变化较大的某个单指标来决定。按照前述的交易策略，是否买入该行业取决于行业景气变化因子的正负，那么本月在行业配置时其余的领先指标变化所体现的信息很可能无法表达。我们的研究也表明，不加处理的等权加和超额收益率较低。 因此，出于防止单一指标变化过大而错失其他指标信息，我们根据领先指标变化的数值设定了阈值。得到阈值限制的领先指标变化后，再采用等权加和计算行业景气变化因子。在策略开发的过程中，我们测试了多组阈值的表现，结果显示将阈值设定为0.2可取得较为优异表现。 2.3.策略实证 2.3.1.策略设置 行业选择：行业分类采用中信一级行业分类，并剔除其中的“综合”及“综合金融”行业，共28个行业； 调仓周期：1个月； 时间区间：2015年1月至2022年1月； 策略基准：万得全A指数； 阈值设定：0.2 策略设置：每个月末交易日作为策略的起点，各行业进行行业景气变化因子的计算，行业的景气变化因子大于0，就将该行业作为当月的配置行业并等权配置；如果当期没有景气变化因子大于0的行业，则直接配置行业等权组合。 2.3.2.实证结果 图2展示了2015.01-2022.01该策略的实证表现。 在回测时间区间上，策略实现了约9.07%的年化超额收益，每月配置行业列表及月度收益如表2所示。 3.总结 3.1.有关阈值的思考 在策略的开发过程中，计算行业景气变化因子时阈值的设定是尤为重要的一个环节。起初设定阈值的想法如前文所述，是基于保留更多领先指标变化信息的考虑。随着研究的深入，我们对阈值的含义有了更深刻的理解。 首先我们测试不设定阈值，直接用领先指标变化等权加和的方式来计算行业景气变化因子的策略，月度检验行业景气变化因子，若大于0则持有该行业，策略的年化收益为10.27%。这样的计算方法意味着单个领先指标对收益的影响没有上限，充分利用了领先指标变化的数量信息。但是当某个领先因子的正向或负向变化很大时，其余因子的信息可能会丢失，即当月行业是否持有，是由这个单一因子的变化决定的。 这与筛选出诸多因子共同预测行业景气的理念不符，也为策略增加了更多偶然因素。 然后我们测试另一个行业景气变化因子的计算方式：只关注行业内向上、向下变化的领先指标个数，即：行业景气变化因子=向上变化领先指标个数-向下变化领先指标个数。同样月度检验行业景气变化因子，若大于0则持有该行业，策略的年化收益为9.15%。这样的计算是充分利用了领先指标变化的方向，而完全忽略了其变化的数量信息。 上述两个策略，均可以通过调节阈值的方法来实现。阈值无限大，即不设定阈值，等同于第一个策略；阈值无限小，等同于第二个策略。重新审视这两个策略对领先指标涵盖信息的利用，我们发现，第一个策略只利用了领先指标的变化数量信息，即完全定量的使用；第二个策略利用了领先指标的变化方向信息，即完全定性的使用。而阈值则是调节策略中领先指标“数量”和“方向”信息比例的开关。阈值设定的越小，数量信息保留的越少而变化方向信息保留的越多；阈值设定的越大，数量信息保留的越多而变化方向信息保留的越少。 我们测试了不同阈值时策略的表现，结果如图3显示：最左边阈值极小时相当于只利用了方向信息，最右边不设定阈值也即阈值无穷大相当于之利用了数量信息，二者收益均不佳。而中间的策略通过阈值的设定，对领先指标变化的数量和方向做了平衡取舍，策略表现较佳。阈值在0.5以后继续增加，策略收益基本稳定，这是由于领先指标的变化幅度有限，只有个别月份会出现个位数的变化，当阈值足够大时进一步增加阈值，对领先指标变化的限制效果不再显著，因此收益趋于稳定。基于上述研究，我们认为，对领先指标变化的使用，数量和方向相结合的策略收益较好。 3.2.策略总结 本篇报告我们基于之前研究开发的领先指标，开发行业景气变化因子。我们介绍了在景气变化因子的计算过程中十分重要的阈值处理方法和原理。并采用月度调仓的方式，在每个月末交易日对景气变化因子大于0的行业等权配置，取得了较高的超额回报。 总结来看策略具有以下特点： 1.充分体现领先指标变化信息，可以较好的预测行业景气从而指导投资。 2.策略的超额收益较高且稳定，回撤较小。这是基于之前工作筛选出的行业领先指标富含的超额收益信息。 3.3.策略展望 在行业选择的过程中，采用了等权配置的方式，后续的研究中我们计划采取更为有效、更具实际解释力的行业权重配置方法，对模型绩效继续改进。 4.风险提示 本模型采用量化方法通过历史数据统计、建模和测算完成，结论在极端市场环境变化中有失效的风险。