SENSEX30、NIFTY50与IN宏观友好度评分：印度权益资产配置展望，预计仍有正收益

标的研究：印度权益资产主要特征可简单概括为“两高一低”。 NIFTY50与SENSEX30是印度两大主要股指，其特点是静态估值相对高，夏普比高，与A股相关性低。行业分布方面，NIFTY50与SENSEX30均偏均衡，金融、信息技术和能源市值占比较高。 涨跌归因方面，近年印度两大股指的上涨均主要由业绩而非估值驱动。 总结规律：构建IN宏观友好度评分，作为印股宏观基本要素的量化指标及中长期择时参考。将反映印股分子端的IN库存周期友好度评分和反映分母端的IN金融周期友好度评分合成为IN宏观友好度评分指标。2014年以来，IN宏观友好度评分指标与NIFTY50指数收益率的相关系数超过0.68，与SENSEX30指数收益率的相关系数超过0.66，正相关性均较为显著。 指标展望：基于宏观一致预期数据绘制基准情景下的IN宏观友好度评分指标延长线。当前的中性假设是IN宏观友好度评分指标将在2024年间围绕50窄幅震荡，主要由于领先性四个季度的IN金融周期友好度评分指标未来将有所下行，反映印度宏观流动性的缩紧将产生滞后影响；而滞后一个季度的IN库存周期友好度评分指标则有望稳中有升，反映其实体经济的稳定运行的预期。 结论与建议：预计2024年印度权益资产仍有望实现8%左右的正收益 ，对于全球资产组合而言具有一定配置价值。定量方面，假设2024年IN宏观友好度评分指标窄幅震荡，总体处于中高水平，则对应印度权益的累计涨幅小幅收敛，但仍将维持于正值。粗略估算2024年印度两大股指的全年预期收益率平均约为8%。该预期高于2022年实际涨幅，低于2023年（YTD）的实际涨幅。定性方面，相对年轻的人口和较大的发展空间使得印度权益资产本身具有配置吸引力，加之印股与其他资产具有较弱的相关性，分散配置策略在中长期有望起到优化全球投资组合风险收益比的作用。 风险提示：宏观一致预期发生变化，非经济因素导致市场波动加剧，宏观因子公式发生变化。 1.印度权益资产主要特征：“两高一低” 1.1.印度两大股指：估值相对高，夏普比高，与A股相关性低 2023年初以来，虽然美联储加息周期对全球权益市场带来较大压力，但亚太市场仍有少数股市表现较为亮眼。除日韩股市以外， 印度股市年内涨幅也较为可观：截至2023年12月6日，印度SENSEX30指数涨幅超过14.49%，NIFTY50指数涨幅超过15.19%，受到全球投资者关注。 印度证券市场历史悠久，目前印度各地有多达23个证券交易所，印度国家证券交易所（NSE）和孟买证券交易所（BSE）是印度最大的两个交易所。孟买证券交易所（BSE）起源于1857年英国殖民时期，是亚洲最古老证券交易所之一。印度国家证券交易所（NSE）成立于1992年11月。截止2023年9月底，孟买证券交易所共有4057家上市公司,总市值为3.3万亿美元；印度国家证券交易所共计2270家上市公司，总市值为3.7万亿美元。截止2023年9月末，美股共计5754家上市公司，总市值55.5万亿美元；中国A股市场共计5287家上市公司，总市值12.6万亿美元。相较于美股和中国A股，印度股市规模仍有发展潜力。 说明：印度上市公司可在一家以上交易所上市，我们在市值统计中未作去重处理。 图1：中美印三国主要股指总市值规模 印度股市最重要的指数有两个，一是孟买SENSEX30指数，包含了30家孟买交易所的上市公司，加权方式为调整流通市值加权，基值设定为100。二是印度NIFTY50指数，由印度国家证券交易所于1996年创立，涵盖了该交易所中50家最具代表性的公司；该指数最初是根据完整市值方法计算，于2006年改为自由流通市值加权法，该指数的基值设定为1000。 印度股市两大指数的静态估值和夏普比双高，走势与美股和A股相关性较低。截至2023年9月末，印度SENSEX30和NIFTY50指数市值分别达到132.26、158.10万亿卢比，分别折合11.31、13.52万亿人民币，PE-ttm和最新PB分别为23.01、22.62和2.88、2.92，高于A股可比指数。2014年以来，两大指数年化收益率分别为12.50%、12.52%、波动率分别为16.67%、16.93%，夏普比分别为0.75、0.74，高于美股可比指数。两大指数季度收益率相关性高达0.99，与A股主要指数相关性介于0.1-0.2，与美国主要指数相关性系数介于0.6-0.7。（注：此处收益率与波动率采用日频数据计算） 表1：2014年以来印度股指与中美股指季度收益率相关系数矩阵：印股低相关性 表2：2014年以来中美印三国主要股指风险收益特征：印股高夏普比 图2：2020年7月以来中美印三国主要股指PE估值水平：印股高于A股 图3：2020年7月以来中美印三国主要股指PB估值水平：印股高于A股 1.2.行业分布：NIFTY50与SENSEX30均偏均衡 印度股票市场缺乏世界性的龙头公司，截止2023年9月末，SENSEX30指数和NIFTY50中，市值在千亿美元以上的只有2家公司，规模最大的是RELIANCE（印度信实工业，一家能源公司），市值为1321亿美元；同期，美股市值千亿美元以上的公司有104家，市值最大的是苹果（26767亿美元）；A股市值在千亿美元以上的公司有13家，市值规模最大的是贵州茅台（3095亿美元）。 表3：截至2023年9月30日的SENSEX30指数成分股详细情况 表4：截至2023年9月30日的NIFTY50指数成分股详细情况 从Wind一级行业的公司数量分布来看，NIFTY50指数中金融、材料、信息技术和日常消费占比排名前三，分别为18%、14%和12%； SENSEX30指数成分股中金融、信息技术和材料占比前三，分别为27%、17%和10%。金融和信息技术在SENSEX30中的占比均高于在NIFTY50中的比例。两大指数行业分布均较为均衡，能较好地代表印度经济。 图4：SENSEX30指数行业数量占比 图5：NIFTY50指数行业数量占比 如果按成分股总市值进行计算，则两大指数中占比前三的行业均为金融、信息技术和能源。这三个行业在SENSEX30和NIFTY50中的比例分别为29%、22%、13%和23%、18%、14%。 图6：SENSEX30指数行业市值占比 图7：NIFTY50指数行业市值占比 1.3.涨跌归因：近年印度两大股指的上涨均主要由业绩驱动 我们对2020年7月以来的指数月频涨跌幅进行归因分析，印度两大股票指数表现基本一致，2022年一季度之前，估值对于指数增长贡献占比较大，在此之后，盈利成为指数增长的主要贡献。这与印度从2021年底开始取消疫情的管控措施，服务业快速复苏有较大关系。 说明：我们将股指点位涨幅与市值增长幅度的差额称为融资等其他因素贡献，其形成原因包括指数样本调整、权重调整以及样本再融资等原因。若股指涨幅小于市值涨幅，则此项为负贡献。统计期限内 ，印度两大股指此项为正贡献。 图8：2020年7月以来SENSEX30指数涨跌幅归因 图9：2020年7月以来NIFTY50指数涨跌幅归因 图10：2020年7月以来沪深300指数涨跌幅归因 图11：2020年7月以来上证50指数涨跌幅归因 2.回顾跨市场资产配置的择时辅助工具：宏观友好 度评分指标系 2.1.CN宏观友好度评分指标E：A股的宏观基本要素量化 在发布于2022年9月7日的专题报告《如何以宏观友好度评分辅助权益仓位管理——兼论板块配置轮盘中的三种周期划分法》中，我们定义了CN宏观友好度评分指标（Equity）。该评分体系由CN宏观压力指标（Equity）进行逆序百分位处理计算得到，以便于评估当前宏观环境对于中国权益资产的总体友好程度，评分越高，中国权益资产获得正回报的概率越高。CN宏观综合压力指标是由货币缺口指标、滞销指标以及滞胀指标合成得到，本质上是对中国的金融周期、库存周期以及美林周期等宏观周期的主要矛盾进行因子化处理。 将CN货币缺口指标、CN滞销指标以及CN滞胀指标以30%、50%与20%的权重合成CN宏观综合压力指标，将其逆序百分位处理转化为CN宏观友好度评分（Equity），该指标与中国权益回报的中长期相关系数约为0.63。 图12：CN宏观综合压力指标由货币缺口指标、CN滞销指标以及CN滞胀指标合成 图13：CN宏观友好度评分指标E与万得全A指数的中期收益率的相关系数约为0.63 说明：该指标只能从短波经济周期的角度，以多元线性的形式部分解释资产价格的波动，剩余无法解释的部分有多种来源，至少包括：风险偏好的影响、长波经济周期的影响等。 2.2.US宏观友好度评分指标：美股的宏观基本要素量化 在发布于2022年12月22日的专题报告《宏观友好度视角下的中美权益资产比较——从寻底到磨底，美股配置价值23年展望》中，我们以类似的方法定义了US宏观友好度评分指标。该评分体系由US宏观压力指标进行逆序百分位处理计算得到，以便于评估当前宏观环境对于美国权益资产的总体友好程度，评分越高，美国权益资产获得正回报的概率越高。US宏观综合压力指标则是由美债实际利率指标、滞销指标以及滞胀指标合成得到，本质上是对美国的金融周期、库存周期以及美林周期等宏观周期进行因子化处理。 将美债实际利率指标、US滞销指标以及US滞胀指标以25%、50%与25%权重合成US宏观综合压力指标，将其逆序百分位处理转化为US宏观友好度评分，该指标与美国权益回报相关系数约为0.70。 图14：US宏观综合压力指标由美债实际利率、US库存滞销指标以及US滞胀指标合成 图15：US宏观友好度评分指标与标普500指数的中期收益率的相关系数约为0.70 2.3.HK宏观友好度评分指标：港股的宏观基本要素量化 在发布于2023年2月2日的专题报告《择木而栖：A股和港股轮动规律研究》中，我们以类似的方法定义了HK宏观友好度评分体系。由于港股市场的上市公司主要来自中国大陆，而其离岸市场的特性导致了其资金流动性由外资主导，故HK宏观友好度由中国库存周期友好度与美国金融周期友好度综合而得，本质上是对中国的库存周期以及美国的金融周期进行因子化处理。 将CN库存周期友好度与US金融周期友好度按照2:1的比例合成HK宏观友好度评分，该指标与美国权益回报相关系数约为0.63。 图16：HK宏观友好度评分由CN库存周期友好度评分与US金融周期友好度评分合成 图17：HK宏观友好度评分指标与恒指的中期收益率的相关系数约为0.63 3.针对印股构建IN宏观友好度评分指标 基于宏观因子友好度评分体系，我们采取与上文类似的逻辑与方法，通过构建IN滞销指标与IN实际利率指标并合成IN宏观友好度评分指标以评估印度综合宏观环境对于印度权益资产的友好程度，作为配置印度权益资产的中长期择时参考指标。 此外，由于印度的宏观数据样本数量与质量均受限，我们选择降低数据频率至季频，这是IN宏观友好度评分指标与其他同类指标的重要区别。 3.1.分子端：从IN滞销指标到IN库存周期友好度评分 在CN与US宏观友好度体系中，我们将滞销指标定义为（PMI库存－50）－（PMI生产－50），以评估当前库存周期的健康水平。对于印度而言，考虑数据的可得性，我们选择以具有类似经济学原理的印度特色指标作为基础。 具体公式为：IN滞销指标＝（印度制造业展望生产增加－印度制造业展望生产降低）－（印度制造业展望库存增加－印度制造业展望库存减少） 然后将其进行标准化、滤波平滑、逆序百分位处理即得到印度库存周期友好度评分指标，从而完成对印度宏观库存周期的因子化处理。 图18：将印度库存周期因子化得到IN库存周期友好度评分指标 3.2.分母端：从IN实际利率指标到IN金融周期友好度评分 对于印度，由于缺乏社融类指标，且其通胀问题一直以来比较受关注，我们将金融周期的锚点设在印度的实际利率上。相较于TIPS反映了美国实际利率，市场缺乏交易性金融资产反映印度的实际利率 ，故我