量化行业配置周报第52期：上周超预期模型表现较好，超额收益2.35%

2023.07.30 大类资产配置 上周超预期模型表现较好，超额收益 被2.35% 动——量化行业配置周报第52期 大类资产配置研究 报告作者 余齐文(分析师) 0755-23976212 yuqiwen@gtjas.com 证书编号S0880522010001 资 产本报告导读： 配行业轮动复合模型7月最新多头组合为：电力设备及新能源、非银行金置融、食品饮料、交通运输、电力及公用事业。上周景气度、业绩超预期、周北向资金流和复合模型多头组合相对市场基准的超额收益分别为报-0.21%、2.35%、-2.05%、1.62%，超预期模型表现较好。上周拥挤度模 型未产生交易拥挤信号。 摘要： 行业轮动复合模型简介：行业配置研究框架整体介绍；基于行业景气度、业绩超预期、北向资金流和拥挤度的行业轮动复合模型历史绩 效：2011年1月至2022年8月，多头组合年化收益为26.49%，超额年化收益为20.90%。 究 行业轮动复合模型近期持仓及业绩表现：复合模型上周没有调仓。证复合模型多头组最新持仓为：电力设备及新能源、非银行金融、食品券饮料、交通运输、电力及公用事业。上周行业景气度、业绩超预期、研北向资金流和复合模型多头组合收益率分别为2.71%、5.28%、0.88%和4.55%，相对市场基准的超额收益分别为-0.21%、2.35%、-2.05%、 1.62%，超预期模型表现较好。 报行业轮动多维模型边际变化：（1）行业景气度模型：2023年一季报 告景气度排名前五的行业为：消费者服务、电力设备及新能源、电力及 公用事业、汽车、家电。（2）业绩超预期模型：2023年7月份超预 期排名前五的行业为：综合金融、食品饮料、非银行金融、电力设备及新能源、交通运输。（3）资金流模型：2023年7月资金流排名前五的行业为：家电、传媒、电力设备及新能源、机械、纺织服装。（4）拥挤度模型显示：上周拥挤度模型暂未产生新的交易拥挤信号。 附录：因子定义及构建方法：（1）行业景气度模型。（2）业绩超预期模型。（3）北向资金流模型。（4）行业拥挤度模型。 风险提示：量化模型基于历史数据构建，而历史规律存在失效风险。 相关报告 周线长阳“立出”中线底部，逢跌加仓期待金秋 2023.07.29 日本、美国经济意外指数下行 2023.07.28 上周超预期模型表现较好，超额收益0.21% 2023.07.25 权益市场下行，深证成指相对吸引力提升 2023.07.24 美联储7月议息会议将临，市场谨慎对待 2023.07.24 感谢实习生杨雅鑫对本文的贡献。 1.行业轮动复合模型简介 1.1.行业配置研究框架 证券市场是一个复杂系统，受经营、技术、资金和情绪等多重因素共同影响，不同时期影响市场运行的主导因素不一定相同，主要因素和次要因素在一定条件下可以相互转换。行业板块在基本经营、技术、资金和情绪等各维度可能出现共振，也存在相互约束的情形。我们通过定量分析多维度建模，研究各行业板块的基本经营、技术、资金和情绪等多维度的边际变化，按照两条主线进行行业配置：基于景气度、超预期和资金流等动量类模型，优先配置景气度边际改善、业绩超预期、资金持续净流入的行业板块；基于拥挤度等顶部择时避险模型，规避因微观交易结构恶化而导致的行业下跌风险。 •景气度： •财报、快报、预告 •分析师预期 •机构资金： •北上资金 •基金持仓 基本 经营 资金 流 技术 特征 市场 情绪 •拥挤度： •波动率、流动性、相关性、分布 •微观结构 •市场情绪： •舆情数据 图1：行业配置研究框架 数据来源：国泰君安证券研究 1.2.行业轮动复合模型简介 目前，我们借鉴股票多因子研究方法，完成了基于行业景气度、业绩超预期和资金流（北向资金）维度的多个行业轮动模型的开发（具体模型构建方法见附录），并基于经济逻辑和测算结果为上述模型赋予权重， 生成复合因子作为行业选择标准；基于拥挤度模型实时监控行业交易拥挤信号，规避行业交易拥挤下跌风险。复合模型运行框架如下： 1.月度调仓：每月初按照行业轮动复合因子排序筛选前5个行业为多头组，等权持有至月底。 2.实时监控：每日实时监控行业是否触发交易拥挤状态。 3.动态调整：对于触发交易拥挤状态的行业持仓当日收盘前置换为现金仓位；对于触发交易拥挤状态20交易日内的行业继续以现金仓位替代；对于触发交易拥挤状态满20交易日的行业从现金仓位切换回行业持仓。 18 16 14 12 10 8 6 4 2 0 最大回撤 拥挤度复合模型 市场基准 多头/基准 0% 3% 6% 9% 12% 15% 图2：行业轮动复合模型超额收益 4.市场基准：剔除“综合”和“综合金融”后的中信一级行业指数。2011年1月至2022年8月，行业轮动复合模型多头组合年化收益为26.49%，超额年化收益为20.90%，组合最大回撤为28.11%，信息比率为1.41。超额年度胜率为100%，月度胜率为67.14%，年度单边换手率均值为427%。 数据来源：Wind，国泰君安证券研究注：统计区间为20110104到20220826 2.行业轮动复合模型近期持仓及业绩表现 行业轮动复合模型上周没有调仓。复合模型多头最新持仓为：电力设备及新能源、非银行金融、食品饮料、交通运输、电力及公用事业；多头对照组最新持仓为：煤炭、钢铁、电子、建材、基础化工。 截至2023年7月28日，最近一周行业轮动复合模型多头组合收益率为4.55%，相对市场基准的超额收益为1.62%；多头对照组收益率为2.38%，相对市场基准的超额收益为-0.55%。2023年以来行业轮动复合模型多头组合收益率为2.02%，相对市场基准的超额收益为-4.05%；多头对照组收益率为3.38%，相对市场基准的超额收益为-2.69%。 表1：2023年行业轮动复合模型多头持仓收益 数据来源：WIND，国泰君安证券研究 表2：2023年行业轮动复合模型多头对照组持仓收益 数据来源：WIND，国泰君安证券研究 上周（2023-07-24至2023-07-28）行业景气度、业绩超预期、北向资金流和复合模型多头组合收益率分别为2.71%、5.28%、0.88%和4.55%，相对市场基准的超额收益分别为-0.21%、2.35%、-2.05%、1.62%，超预期模型表现较好。上周非银行金融、食品饮料、消费者服务等板块表现较好，传媒等板块表现较差。 表3：行业轮动多维模型上周收益 数据来源：Wind，国泰君安证券研究 3.行业轮动多维模型边际变化 3.1.行业景气度模型边际变化 本月行业景气度模型沿用最新一季报结果，2023年一季报景气度排名前 �的行业为：消费者服务、电力设备及新能源、电力及公用事业、汽车、家电；排名后�的行业为：钢铁、煤炭、建材、石油石化、基础化工。 2023年一季报相较2022年四季报景气度提升较多的行业为：纺织服装、房地产、传媒、消费者服务等；景气度下降较多的行业为：农林牧渔、煤炭、基础化工、石油石化等。 数据来源：Wind，国泰君安证券研究 3.2.业绩超预期模型边际变化 业绩超预期模型显示，2023年7月份超预期排名前�的行业为：综合金融、食品饮料、非银行金融、电力设备及新能源、交通运输；排名后�的行业为：综合、建材、有色金属、电子、基础化工。 2023年7月相较2023年6月超预期提升较多的行业为：石油石化、非银行金融等；超预期下降较多的行业为：银行等。 数据来源：Wind，国泰君安证券研究 3.3.资金流模型边际变化 北向资金流模型显示，2023年7月资金流排名前�的行业为：家电、传媒、电力设备及新能源、机械、纺织服装；排名后�的行业为：有色金属、非银行金融、商贸零售、轻工制造、消费者服务。 2023年7月相较6月北向资金流提升较多的行业为：家电、纺织服装、传媒等；资金流下降较多的行业为：食品饮料、电子、消费者服务等。 数据来源：Wind，国泰君安证券研究 3.4.拥挤度模型信号跟踪 上周拥挤度模型未产生交易拥挤信号。 表7：行业交易拥挤信号 数据来源：Wind，国泰君安证券研究注：统计区间为2021年7月至今 4.附录：因子定义及构建方法 行业轮动复合模型是我们借鉴股票多因子研究方法，基于景气度、超预期和北向资金流3个细分模型根据一定权重复合而成。未来随着我们研究的深入，将有更多细分模型加入其中。具体细分模型使用因子定义及构建方法简要说明如下： 4.1.行业景气度模型 我们通过财务质量、盈利能力和成长能力三类因子衡量行业景气度，基于正式财报、业绩预告和业绩快报共设计了108个因子，通过单因子IC测试与分组测试，筛选出3类8个因子合成行业景气度复合因子，具体 因子含义及构建方法如下，详细内容见行业配置系列深度报告《如何基于景气度构建行业轮动策略_行业配置研究系列01_20220412》和《如何使用业绩预告和业绩快报改进景气度行业轮动模型_行业配置研究系列03_20220611》。 1.财务质量类因子 1）客户议价力环比增量 客户议价力（ClientBarginPow），指行业对下游经销商或客户议价能力，高客户议价力代表行业对下游经销商或客户议价能力高、行业产品或服务竞争力强。客户议价力环比增量是客户议价力指标通过环比增量方式构建。 2）供应商议价力环比增量 供应商议价力（SupplyBarginPow），指行业对上游供应商议价能力，高供应商议价力代表行业对上游供应商议价能力高、行业竞争地位强。供应商议价力环比增量是供应商议价力指标通过环比增量方式构建。 2.盈利能力类因子 1）销售净利率1单季同比增量 销售净利率（ROS），指行业扣非归母净利润/行业营业收入，可以衡量行业整体销售对应的净利润水平，高销售净利率代表行业产品服务销售获利能力强。销售净利率1单季同比增量是通过正式财报和业绩快报计算，采用单季指标同比增量方式构建。 3.成长能力类因子 1）核心利润单季同比增长率 核心利润（CoreProfit），指行业公司营业收入扣除营业成本、税金、销管财三费等公司所得税扣减前的利润总和。与营业利润相比，核心利润剔除掉与公司经营无关的损益，可以更好地刻画公司实际利润水平。核心利润单季同比增长率是单季核心利润指标通过同比增长率方式构建。 2）归母净利润2单季同比增长率 归母净利润2（NetProfitOwner）2，采用业绩预告或业绩快报观察报告期时指行业公司归属于母公司股东的净利润之和；采用正式财报观察报告期时指核心利润（CoreProfit），即行业公司营业收入扣除营业成本、税金、销管财三费等公司所得税扣减前的利润总和。归母净利润2单季 同比增长率是单季归母净利润2指标通过同比增长率方式构建。 3）预收款项同比增长率 预收款项（AdvPaym），指行业预收款项与合同负债之和，可以衡量行业产品服务竞争力和业绩保障程度高低，高预收款项代表行业下游经销商先打款后拿货等情况较多、产品服务竞争力和业绩保障程度高。预收款项同比增长率是预收款项指标通过同比增长率方式构建。 4）核心利润TTM同比增长率环比增量 核心利润TTM同比增长率环比增量是核心利润TTM同比增长率指标通过环比增量方式构建。 5）归母净利润2TTM同比增长率环比增量 归母净利润2TTM同比增长率环比增量是归母净利润2TTM同比增长率指标通过环比增量方式构建。 4.2.业绩超预期模型 我们通过对超预期因子进行单因子IC测试与分组测试，筛选出5类12个因子并按照等权加权合成北向资金复合因子，具体因子含义及构建方法如下，详细内容见报告《如何基于PEAD超预期因子构建行业轮动策略——行业配置研究系列02_20220426》。 1.盈余公告前后异常收益类因子 先计算盈余公告（正式报告、业绩预告、业绩快报）前N日至公告后M 日的每日超额收益之和，然后自由流通市值加权得到行业因子。 1）公告后1天异常收益 2）公告后3天异常