行业轮动系列：FESC 行业轮动投资框架1.0
摘要 之前关于CANSLIM系列基本面选股策略的研究模型，在近几年表现非常突出，借鉴其中的研究思路，我们从四个维度对行业进行评价来研究行业轮动模型，分别是微观基本面维度、市场情绪维度、分析师一致预期维度及分析师预期变化维度。 微观基本面维度 对微观基本面的研究中我们主要从四个角度来分析，即行业的成长角度、行业盈利能力角度、行业的营运能力角度及行业获现能力角度。通过对各角度的因子进行测试，其中成长角度的四个因子是其中效果最好的因子，一级行业上IC均值及中位数均超过3.5%，IC大于0的占比均大于54%。该维度所有因子整体效果均较好，二级行业上分组效果明显优于一级行业上分组效果。 市场情绪维度 市场情绪维度中主要考虑量价因子，分别是长期动量（过去12个月动量）与短期换手率（过去1个月换手率波动率）。其中长期动量的测试结果偏正向，IC均值和中位数均大于6%，同时IC大于0占比分别为57%（一级行业）、58%（二级行业）；换手率因子的测试结果偏负向，在一级行业上IC均值和中位数分别为-3%与-7%，小于0占比为58%与54%。 分析师一致预期调整维度 主要对比各行业的一致预期归母净利润、一致预期每股收益与一致预期净资产收益率。其中效果最好的为一致预期归母净利润变化率，其在二级行业上测试的IC均值和中位数分别是5.8%、4.8%，同时大于0占比为所有因子中最高（61.9%）；在一级行业上测试的IC均值和中位数分别为5.3%、5.8%，同时大于0占比为57.9%。 分析师预期变化维度 对以上三个因子构建各行业每期上调占比因子，其中效果最好的因子为roe上调占比因子，该因子在一级行业与二级行业上的IC均值均大于7%，大于0的占比超过58%。 组合因子 对以上四个维度共计17个因子进行综合打分，每期根据综合因子选择得分最高的分组作为推荐行业。组合因子在一级行业上IC均值和中位数分别是9.6%、9.7%，大于0占比达62%，年化ICIR为1.36。多头组合年化收益率17.35%，夏普比率0.75，最大回撤40.9%发生于2015年下半年。在二级行业上IC均值和中位数分别是8.5%、8.9%，大于0占比达61.2%，年化ICIR为1.34。多头组合年化收益率20.57%，夏普比率0.87，最大回撤37.8%发生于2015年下半年。 风险提示： 策略基于历史数据回测，不保证未来数据的有效性。 投资主题 报告亮点 在现有的研究中，行业轮动的标的更多都是基于一级行业（中信一级或申万一级），然而在实际的投资中不论是FOF产品或者股票型基金等，投资者们都无法直接对一级行业进行投资，在研究中我们将研究的标的下沉到二级子行业。同时我们构建了行业机构关注度指标𝑖𝑛𝑑_𝑓𝑜𝑐𝑢𝑠来剔除大家关注度较低的二级子行业，以便增加模型信号的可投资性。 投资逻辑 结合之前在CANSLIM系列选股研究中的经验，我们构建了FESC行业轮动框架，综合考虑了行业基本面、市场情绪及机构的一致预期。该模型从四个维度对各行业进行评价，分别是微观基本面维度（F）、市场情绪维度（S）、分析师一致预期维度（C）及分析师预期变化维度（E）。 每期我们按照以上四个维度对所有的一级、二级行业进行综合打分，根据综合因子选择得分最高的分组作为推荐行业。 一、行业轮动现象 多年来A股市场普遍存在着行业轮动的现象，下图1表示2010年以来中信一级行业的历年收益对比，截止8月30日今年收益最高的煤炭行业（41%）在2019年（15%）与2020年（8%）的收益远低于所有行业的平均收益28%、22%。而在2019年、2020年表现最好的食品饮料行业，在2021年与2022年的收益均小于所有行业的平均收益。 图表1中信一级行业历年涨跌幅 图表1可以看出，2010年历史平均收益最高的TOP5行业分别是电子（18%）、食品饮料（18%）、消费者服务（17%）、计算机（16%）、电力设备及新能源（15%）。其中电子行业在今年收益-26%是所有行业中最差，同时其在2011年（-39%）、2014年（17%）、2018年（-41%）均为当年排名较差的行业，由此可见行业选择所带来的beta收益在投资中占据较大权重。 图表2中信一级行业2021年以来每月涨跌幅 图表2表示2021年以来各中信一级行业的月度涨跌幅统计，红色渐变为绿色表示涨幅由高到底排列。除了21年4月到8月的汽车、基础化工行业，21年12月到22年5月煤炭行业外，鲜有行业可以连续4个月以上涨幅在所有行业前50%。 下面我们以2022年中报公募基金披露的持仓与其业绩做简要的分析来说明行业选择的重要： 我们筛选所有的权益型公募基金产品共4017只，剔除其中规模不足2亿的产品剩余2836只，筛选其中二季度业绩排名前100只基金产品对其第一大重仓行业进行分析对比。 图表3 2022年二季度业绩排名前100的基金产品在各一级行业分布 图表4中信一级行业二季度涨跌幅 100只产品中第一大重仓行业为电力设备及新能源的共有53只，第一大重仓行业为食品饮料的共有28只，两个行业占比达81%。二季度市场所有行业的平均收益为3.97%，其中食品饮料涨幅21.19%排名第三，电力设备及新能源涨幅13.88%排名第四。由此可见行业选择对提高基金产品的业绩有巨大帮助。 但在现有的研究中，行业轮动的标的更多都是基于一级行业（中信一级或申万一级），然而在实际的投资中不论是FOF产品或者股票基金等，投资者们都无法直接对一级行业进行投资，故我们下文的研究会不仅涉及一级行业，另外还将轮动的标的下沉到二级子行业。很多二级子行业有其对应的ETF产品，可以为做FOF产品的投资者提供帮助，另外对于量化产品中的指数增强产品也可提供投资辅助。 图表5中信二级行业历年涨跌幅 上图表示2010年以来中信二级行业的历年收益对比，截至目前中信二级行业共有108个指数，其中在2010年至今有行情数据的行业共46个，其余均在2017年之后才有行情数据，我们挑出来其中可以进行统计的指数进行比较分析。其中平均收益最高的是酒类子行业，2010年以来年平均收益为26.4%，远超其他的子行业，可以看到其在2013年、2021年、2022年的收益都排名在后50%中。平均收益最低的为石油开采指数，2010年以来平均收益-3.4%，然而其在2021年、2022年收益分别是42.1%、36%，连续两年均排名前10，由此可知行业轮动不仅在一级行业上表现明显，在二级子行业上同样非常突出。 二、FESC行业轮动框架 我们之前基本面研究中关于CANSLIM系列的基本面选股策略在近几年表现非常突出，其中CANSLIM 1.0策略自2021年1月至2022年8月31日绝对收益14.76%，相对偏股型基金超额收益22.19%；CANSLIM 2.0策略自2021年1月至2022年8月31日绝对收益40.89%，相对偏股型基金超额收益48.32%；CANSLIM 3.0策略自2021年1月至2022年8月31日绝对收益55.6%，相对偏股型基金超额收益63.03%。借鉴之前的研究思路，对于行业轮动的研究我们从四个维度出发，分别是：行业的微观基本面、市场的情绪面、分析师预期变化、分析师一致预期的调整，我们简称为FESC，其中F代表基本面，E代表分析师预期变化，S代表市场的情绪，C代表分析师一致预期的调整。 图表6 FESC行业轮动框架 对于FESC的四个维度，每个维度筛选各自的角度与指标进而对每个一级行业及二级子行业进行评价。对于微观基本面的维度我们参考之前的多因子报告《基本面量化研究系列——六维共振》中基本面研究的维度，分别从成长、盈利能力、营运能力、获现能力来对行业进行分析对比；对于市场情绪的维度，我们主要从行业动量（参考《行业轮动系列——“长短共振”动量效应探究》）与换手率两个角度进行分析对比；对于分析师一致预期的调整维度，主要考察分析师对各行业的一致预期在最近一段时间内的上调幅度，更多从定量的角度来进行分析；对于分析师预期变化的维度，主要考察分析师对各行业内个股近一年的预期净利润、预期每股收益、预期净资产收益率进行上调的占比，更多从定向的角度来进行分析。 （一）微观基本面维度 在对行业的微观基本面维度进行研究中，我们主要从四个角度来分析，即行业的成长角度、行业盈利能力角度、行业的营运能力角度以及行业获现能力，对其中的每个角度从现有的因子库中挑选测试结果较好的因子来进行评价。 图表7微观基本面维度 1、成长类 2021年以来市场中关于景气度赛道或高成长赛道这样的讨论持续不断，同时A股市场2021年来各板块之间的分化非常严重，究其原因在于近些年来市场中资金大幅增加，最直观的表现为全市场的成交量相比以前年份明显增加，2021年的全市场成交量是继2015年之后的第二高年份，今年到目前为止全市场成交量已达到历史第四高水平。而在“相对排名”考核机制下多数机构投资者在进行投资决策时更侧重于考虑短期内（一年内）业绩可以爆发的个股或者增速非常快的行业，进而导致市场中所谓的“抱团效应”。 公司或者行业的成长本身作为一个衡量个股投资价值或者行业投资价值的重要维度，在如今这样的市场背景下成长性显得尤为重要。通过对因子库中成长类相关因子进行测试最终我们筛选如下四个因子分别是：营业收入 TTM 环比增速的差分、利润总额 TTM 环比增速的差分、归母净利润 TTM 环比增速及其差分。以上四个因子中有三个因子表示一阶导数的差分，所隐含的经济逻辑便是增速的加速，因子大于0则代表行业的营收或者利润的增速在加速，同时选用差分来进行处理也可以筛选出增速变化绝对值较大的一级行业及二级行业。 在对每个因子的有效性进行测算时我们仍旧选用与之前的行业轮动报告《行业轮动系列——“长短共振”动量效应探究》中相同的测试及评价框架，对每个因子的相关系数（IC）进行统计分析，同时也对其分组效果及多空收益进行检验，以下是测试结果： IC检验 图表8中信一级行业成长类因子IC测试结果 上图表示成长类因子在中信一级行业上测试结果，对应的样本区间为2010年1月至今，通过对比可知选用的四个因子的IC均值及中位数均超过3.5%，IC大于0的占比均大于54%。其中利润总额因子的测试结果最佳，该因子IC均值及中位数均大于6%，大于0比例更是超过60%，年化ICIR也大于1。效果相对较差的为营业收入因子，该因子IC均值及中位数分别为3.7%、3.8%，大于0比例为54.5%。 上文中提到为便于我们的模型信号更广泛的为投资者提供帮助，在研究中我们将研究的标的下沉到二级子行业。但在研究中发现有些二级子行业相对较小，整个行业涉及的个股不足10只，行业总市值不足200亿，对于这种二级子行业市场中不论是机构投资者还是卖方的分析师等对其的关注度长期以来均非常低，机构在这类行业上的总体仓位非常小，其研究价值相对较低，可投资性也较差。故我们对二级子行业先进行一次初筛，剔除其中分析师过去一段时间覆盖较少的二级子行业。 图表9资产管理行业成分股 上图表示中信二级子行业资产管理的成分股，该子行业截止目前共计只有2只个股分别是鲁信创投、九鼎投资，两只个股总市值不足170亿（截止2022年9月1日），自由流通市值仅仅47亿。对于这类二级行业机构的关注度自然不会很高，同时卖方分析师也很少覆盖。 鉴于以上分析我们对二级子行业进行测试分析前先利用卖方分析师的覆盖程度做初筛，剔除大家关注度较低的二级子行业。我们利用𝑖𝑛𝑑_𝑓𝑜𝑐𝑢𝑠来定义每个行业的机构关注度指标，具体计算公式如下： 𝑛 𝑖𝑛𝑑_𝑓𝑜𝑐𝑢𝑠 = ∑ ∑ 𝑠𝑡𝑜𝑐𝑘_𝑓𝑜𝑐𝑢𝑠 𝑚𝑖 𝑚𝑠 𝑚=1𝑠=1 上式中𝑖𝑛𝑑_𝑓𝑜𝑐𝑢𝑠表示在m月全市场机构对于行业i的关注度，𝑠𝑡𝑜𝑐𝑘_𝑓𝑜𝑐𝑢𝑠表示在个股s在当月市场中的机构关注度。n表示行业i中的所有成
