景气度投资视角如何做好行业配置

景气度投资视角如何做好行业配置 孙雨(分析师) 2024.06.14 0755-23976934 sunyu025238@gtjas.com 登记编号S0880521090002 基金研究 本报告导读： 本文基于景气度投资的视角，构建了行业景气度轮动模型，并对中信一级29个行业进行了数据库搭建和模型构建，并进行月频调仓，从样本外回测的情况来看模型表现较好：2019年以来年化收益率12.72%，夏普比率为0.75，最大回撤-14.19%，相对基准指数（万得全A指数）超额年化收益率6.83%。后续可以进一步应用于行业ETF产品的配置层面，与基于价量数据的非线性模型互为补充。 东春鸣(分析师) 0755-23976934 dongchunming028306@gtjas.com 登记编号S0880523060003 相关报告 基于中证800的动量策略构建 基金研 究 专题研 究 证券研究报 告 摘要： 认知：景气度投资是一种以宏观经济或行业繁荣程度为依据的投资策略。我们认为行业基本情况和宏观经济指标的数据本身的意义更在于表征和事后刻画，更像是“纸上的花”，对于后市研判的意义不大，但 数据的边际变化、所处历史位置，以及市场对于数据的预期变化才是对后市影响较大的变量，尤其是市场各类资金基于既有数据（“纸上的花”）的自适应反馈，才将变成“心里的花”在股价上实现绽放。 战略：景气度分为宏观、中观和微观三个层次。我们从战略层面，剖析了景气度的三个层次：宏观、中观和微观。其中宏观景气度指的是整个国家或较大经济体的经济繁荣程度；中观景气度关注的是特定行 业或产业的经济状况；微观景气度涉及单个企业或消费者层面的经济活动。综合来看，我们认为行业景气度是由宏观、中观乃至微观等不同层次构成。 战术：构建基于景气度的行业轮动模型。本文基于合理的模型假设与逻辑阐述，对中信一级29个行业（剔除了综合类）进行了数据库搭建 和模型构建，并进行月频调仓。每一期在月末计算出各大行业的基于景气度预测模型下的预期收益率，再选出数值排名靠前的5个行业作 为多头组。从样本外回测的情况来看模型表现较好：2019年以来年化收益率12.72%，夏普比率为0.75，最大回撤-14.19%，相对基准指数（万得全A指数）超额年化收益率6.83%。此外，基于景气度预测的行业轮动模型对于单行业的择时也有一定的借鉴意义，亦可作为相关行业景气度择时研究的参考。 展望：模型可为行业ETF配置提供支撑。我们认为本文提出的基于景气度的行业轮动模型可以进一步应用于行业ETF产品的配置层面，与基于价量数据的非线性模型互为补充，遴选出行业板块进而确定具 体配置标的。 风险提示：本报告结论完全基于公开的历史数据进行计算，对基金产品和基金管理人的研究分析结论并不预示其未来表现，也不能保证未来的可持续性，亦不构成投资收益的保证或投资建议。本报告不涉及 证券投资基金评价业务，不涉及对基金产品的推荐，亦不涉及对任何指数样本股的推荐。 2024.06.02 增持QDII、黄金、大盘价值，减持中小盘、量化 2024.05.18 核心资产切换，投资出现新共识 2024.05.17 精选细分龙头兼顾ESG评分的深市“新”宽基 2024.05.12 细分赛道冠军界定与精选图谱 2024.05.09 目录 1.认知：如何理解景气度投资3 2.战略：景气度有哪些层次4 3.战术：景气度投资如何做好行业配置5 3.1.模型假设与逻辑5 3.2.模型实现与结果5 4.总结与展望8 5.风险提示8 1.认知：如何理解景气度投资 景气度投资是一种以宏观经济或行业繁荣程度为依据的投资策略，它侧重于投资那些正处于或预计将会进入高增长阶段的行业或公司。这种投资方法认为，兴旺繁荣、符合政策趋势、具有发展红利和空间的行业具有较高的景气度，因而可能是较好的投资选择。 景气度投资的有效性在于其能够反映出国家经济结构和利润分配的变化，尤其是在经济增速放缓、结构性调整的背景下，科技、医疗、消费等少数增速更快的行业成为经济增长的主要驱动力。因此在2019年-2021年结构性行情的市场环境下，景气度投资呈现出明显的赛道化，也能获得明显的超额收益。 然而，景气度投资也面临挑战，如景气度的动态变化、高估值、高波动等风险，以及基于微观结构的交易思维在特定的市场环境下对于该投资理念的冲击等等。此外，景气度投资也需要投资者对行业指标有深刻的了解，能够从微观数据中发现供需格局的变化，并识别出值得投资的板块或个股。 与其他类投资风格相比，景气度投资更侧重于行业基本情况和宏观经济指标，与聚焦于微观交易结构的投资风格截然不同。此外，行业基本情况和宏观经济指标的数据本身的意义更在于表征和事后刻画，更像是“纸上的花”，对于后市研判的意义不大，但数据的边际变化、所处历史位置，以及市场对于数据的预期变化才是对后市影响较大的变量，尤其是市场各类资金基于既有数据（“纸上的花”）的自适应反馈，才将变成“心里的花”在股价上实现绽放。 图1：景气度投资视角下“2+1”思维是不可摈弃的环节 资料来源：国泰君安证券研究。 因此，我们认为景气度投资的视角下，“2+1”思维（预期思维、交易思维和边际思维的结合）是不可摈弃的环节，景气度数据的数值本身没有意义，投资者需要追求“模糊的正确”，也需要关注景气度的变化以及不同阶段影响景气度的变量。典型的例子比如煤炭行业，在2016年以前的�年中在我国经济增速放缓的宏观背景下，煤炭需求和产能是影响股价的核心变量；2017-2018年，随着供给侧改革的持续推进，煤价成为市场预期的重点驱动因素， 而在2019年后，市场开始更加注意进口政策和进口数量的变化，国外冲击对股票的定价能力开始增强。 2.战略：景气度有哪些层次 宏观景气度：指的是整个国家或较大经济体的经济繁荣程度。它通常由一系列经济指标来衡量，如GDP增长率、失业率、通货膨胀率、工业产出、零售销售数据等。宏观景气度反映了整体经济状况，是进行国家层面经济政策制定和分析的基础。 中观景气度：也称为行业景气度，它关注的是特定行业或产业的经济状况。中观景气度通过分析某一行业或部门的生产、销售、投资、价格等数据来评估该行业的繁荣程度。例如，制造业、房地产业、科技行业等各自的增长速度、盈利能力、政策支持和市场需求可以体现中观景气度。 微观景气度：涉及单个企业或消费者层面的经济活动。它通过考察企业的营业收入、净利润、现金流、库存水平、产品价格等微观指标来评估企业的经营状况。此外，消费者信心、零售数据等也可以作为微观景气度的参考。 图2：宏观、中观和微观景气度互相联动 资料来源：国泰君安证券研究。 当前市场上基于景气度的行业轮动/择时研究方法论较多，从模型构建的不同视角来看，对于所谓“景气度”的刻画也层出不穷。 如：站在时间序列研究中公司业绩超预期的角度，认为多数上市公司或核心上市公司业绩超预期可能将对行业景气程度带来提振，因此使用如“净利润断层”等量化指标，着重刻画市场对盈余报告的认可程度及市场情绪。净利润断层的策略在主动、被动投资中皆具有较为广泛的应用。 又如：站在行业多因子研究框架的角度，认为行业的景气度由行业内上市公司的财务质量、盈利能力和成长能力等维度共同决定，因此分别构建相关财务因子进行因子测试并筛选出复合因子，继而通过加权打分的方式筛选出排名靠前的行业。 3.战术：景气度投资如何做好行业配置 3.1.模型假设与逻辑 我们认为基于景气度的行业配置应该首先建立在两个合理的假设： （1）行业景气度是可以定量刻画的。 （2）行业景气度长期来看对于行业指数走势是有一定预判性的。 在此基础上，我们认为可以拆解成两个问题：一是对于行业景气度的刻画— —如何找到合适的代理变量并构建模型？二是对于行业景气度的使用——如何通过前述的行业景气度对行业指数走势进行研判？ 对于第一个问题，我们认为行业景气度是由宏观、中观乃至微观等不同层次构成，因此我们需要利用宏观或中观产业等数据来进行建模，对各行业中反映其经营情况或盈利能力的基本面指标做动态跟踪。 对于第二个问题，我们认为需要找到前述构建出的行业景气度代理指标，进而对行业指数走势进行研判。 基于此，从战术层面而言，我们认为要构建基于景气度的行业配置模型，其具体的实现步骤如下： （1）数据库前期准备：基于宏观、中观、微观的视角，构建覆盖宏观指标、行业产业链数据、公司财务指标等基本面因子数据库。 （2）景气度指标代理变量筛选：通过相关性和领先滞后性分析，从上述基本面因子数据库中挖掘出对各行业经营情况/盈利能力解释度相对较高的指标。 （3）行业指数收益预测模型构建：根据上述选出的相对有效的指标，搭建景气传导链条，综合构建各行业指数的收益率预测模型。 （4）行业轮动模型应用：通过模型每期计算出的预测结果，对各行业指数的相对吸引力进行排序，每期取多头组（预测值靠前的5个行业）作为行业轮动模型的配置选项。 3.2.模型实现与结果 基于上述关于模型的假设与逻辑的阐述，我们对中信一级29个行业（剔除 了综合类）进行了数据库搭建和模型构建，并进行月频调仓。 具体做法：我们将2006年8月至2019年以前的月频数据作为训练集（149 期）进行建模，使用2019年以后至2024年5月的月频数据（65期）作为测试集，保持训练集和测试集的样本空间比例为大致7:3。根据前述思路，每一期在月末计算出各大行业的基于景气度预测模型下的预期收益率，再选出数值排名靠前的5个行业作为多头组，排名靠后的5个行业作为空头组，再进行等权配置。 图3：景气度行业轮动模型样本外结果展示 200% 190% 180% 170% 160% 150% 140% 130% 120% 110% 2019/1/1 2019/4/1 2019/7/1 2019/10/1 2020/1/1 2020/4/1 2020/7/1 2020/10/1 2021/1/1 2021/4/1 2021/7/1 2021/10/1 2022/1/1 2022/4/1 2022/7/1 2022/10/1 2023/1/1 2023/4/1 2023/7/1 2023/10/1 2024/1/1 2024/4/1 100% 多头组空头组万得全A 数据来源：Wind，国泰君安证券研究。 从样本外回测的情况来看模型表现较好： （1）模型2019年以来年化收益率12.72%，相对基准指数（万得全A指数）超额年化收益率6.83%； 组别 2023/12 2024/1 2024/2 2024/3 2024/4 2024/5 多头组 煤炭 煤炭 煤炭 银行 煤炭 煤炭 食品饮料 国防军工 银行 煤炭 银行 农林牧渔 银行 银行 农林牧渔 农林牧渔 农林牧渔 国防军工 国防军工 家电 食品饮料 食品饮料 基础化工 食品饮料 家电 汽车 汽车 国防军工 建筑 基础化工 多头组 平均收益率 -1.36% -5.20% 8.11% 0.80% 1.41% 3.46% 空头组 基础化工 非银行金融 非银行金融 房地产 商贸零售 商贸零售 房地产 纺织服装 纺织服装 纺织服装 非银行金融 纺织服装 纺织服装 钢铁 钢铁 非银行金融 计算机 钢铁 钢铁 房地产 消费者服务 消费者服务 纺织服装 消费者服务 消费者服务 消费者服务 基础化工 基础化工 消费者服务 电子 （2）策略的夏普比率为0.75，最大回撤-14.19%，基准最大回撤-32.59%。表1：近半年模型多头组与空头组分类情况 空头组 平均收益率 -3.59% -8.17% 6.67% -1.15% -1.61% 1.12% 数据来源：Wind，国泰君安证券研究。 此外，基于景气度预测的行业轮动模型对于单行业的择时也有一定的借鉴意义。根据对每个行业每期预测收益率的计算，可以构建相应的择时策略，即：当预测收益率为正，则买入对应的行业指数；当