行业配置研究系列10：总量与边际并重，通过景气度、超预期、估值和拥挤度构建行业轮动模型

2024.06.20 总量与边际并重，通过景气度、超预期、估值和拥挤度构建行业轮动模型 ——行业配置研究系列10 本报告导读： “有效市场”不是静止的状态，而是动态的过程，意味着在空间维度上需要择资产、择行业。本篇报告我们运用“总量”与“边际”思维，优选景气度、超预期与动量边际改善的行业；同时利用估值趋势和拥挤度规避指数下行风险。研究表明，运用“总量”与“边际”思维的行业轮动模型能稳健优选行业，同时能有效规避估值趋势或微观结构恶化导致的下行风险。2011年以来，基于景气度、超预期与动量的行业轮动模型多头组合 年化收益率为16.68%，超额年化收益率为11.36%；应用估值和拥挤度的行业轮动复 大类资产配置 余齐文(分析师) 0755-23976212 yuqiwen@gtjas.com 登记编号S0880522010001 相关报告 印度大选爆冷，莫迪“虽胜犹败” 2024.06.08 基于BarraCNE6的A股风险模型实践：股票协方差矩阵估计篇 2024.05.30 宏观风险配置方法思考：以风险平价和风险最小化为例 2024.05.29 基于BarraCNE6的A股风险模型实践：风险因子篇 大类资产配 置 被动资产配置专题报 告 证券研究报 告 合模型多头组合年化收益率为30.72%，超额年化收益率为26.64%。 摘要： 行业配置研究框架。两条配置主线：基于景气度、超预期和动量等“边际思维”模型，优先配置景气度、超预期和动量边际改善的行业板块； 同时基于行业估值和交易拥挤度等顶部择时避险模型，规避估值趋势或微观结构恶化导致的指数下行风险。 行业配置模型分类。行业配置模型包括两大类，行业景气度、业绩超预期和行业动量等动量类模型；行业估值趋势和交易拥挤度等顶部择时风险规避模型。 行业配置模型测试。对于景气度、超预期和动量等模型，通过因子IC 与分组测试共筛选出13个备选因子参与复合模型合成，其中公告后 1日异常收益、过去91天预测净利率-FY2环比3月变动、行业残差动量等表现较好，多头组合超额年化收益率分别为9.41%、9.34%、7.77%。估值趋势模型选择PBPE与PB估值因子参与模型合成，多空组合年化收益率为12.68%。拥挤度模型选择收益率波动率、量价相关系数等6类因子参与模型合成，模型超额年化收益率为6.29%。 基于景气度、超预期和动量的行业轮动复合模型。综合考量备选因子测试表现及因子间IC值相关性，我们选择客户议价力环比增量、过去91天预测净利率-FY2环比3月变动、公告后1日异常收益、公告后跳空幅度和行业残差动量等因子合成行业轮动复合模型。2011年以 来，复合模型多头组合年化收益率为16.68%，相对市场基准超额年 化收益率为11.36%，SHARP比率为0.65，最大回撤为51.13%。 应用估值和拥挤度的行业轮动复合模型。景气度、超预期和动量模型本质是运用边际思维的动量类策略，在指数估值较高或微观结构恶化时容易出现回撤较大的情况。我们在复合模型优选行业板块的基础上 应用行业估值趋势和交易拥挤度规避指数下行风险。2011年以来，应用估值和拥挤度的行业轮动复合模型多头组合年化收益率为30.72%，相对市场基准的超额年化收益率为26.64%，SHARP比率为 1.74，最大回撤为19.16%。 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；量化模型因历史样本空间限制可能存在一定局限性；行业配置模型结 论为独立观点，有关研究所行业研究团队观点，请参考相关已发布研究报告。 2024.05.19 中美权益资产风险偏好剪刀差收敛进行时 2024.05.07 目录 1.行业配置研究框架3 1.1.行业配置研究框架3 1.2.行业配置研究流程4 2.行业配置模型分类5 2.1.行业景气度模型5 2.2.业绩超预期模型7 2.3.行业动量模型9 2.4.估值趋势模型10 2.5.交易拥挤度模型11 3.行业配置模型测试14 3.1.行业景气度模型14 3.1.1.景气度因子IC测试14 3.1.2.景气度因子分组测试16 3.2.业绩超预期模型17 3.2.1.超预期因子IC测试17 3.2.2.超预期因子分组测试18 3.3.行业动量模型20 3.3.1.动量因子IC测试20 3.3.2.动量因子分组测试20 3.4.估值趋势模型21 3.4.1.估值因子胜率与收益分析21 3.4.2.估值模型行业多空测试23 3.5.交易拥挤度模型25 3.5.1.拥挤度因子胜率与收益分析25 3.5.2.拥挤度复合因子测试27 4.基于景气度、超预期和动量的行业轮动复合模型29 4.1.基于景气度、超预期和动量的行业轮动复合因子合成29 4.2.基于景气度、超预期和动量的行业轮动复合模型测试30 5.应用估值和拥挤度的行业轮动复合模型32 5.1.应用估值和拥挤度的行业轮动复合模型测试32 5.2.应用估值和拥挤度的行业轮动复合模型绩效分析34 6.风险提示34 “有效市场”不是静止的状态，而是动态的过程，意味着在空间维度上需要择资产、择行业。本篇报告我们综合运用“总量思维”与“边际思维”构建行业轮动模型，优先选择行业景气度、业绩超预期与行业动量边际改善的行业板块；同时利用行业估值趋势和交易拥挤度规避指数下行风险。 研究结果表明：运用“总量思维”与“边际思维”构建的行业轮动模型能够稳健优选行业，同时能有效规避估值趋势或微观结构恶化导致的指数下行风险。2011年以来，基于景气度、超预期与动量的行业轮动复合模型多头组合年化收益率为16.68%，超额年化收益率为11.36%；应用估值和拥挤度的行业轮动复合模型年化收益率为30.72%，超额年化收益率为26.64%。 1.行业配置研究框架 1.1.行业配置研究框架 证券市场是一个复杂系统，同时受基本面、技术面、资金面和情绪面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环境下可以相互转换。行业板块在基本面、技术面、资金面和情绪面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，研究行业板块基本面、技术面、资金面和情绪面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、超预期和动量等动量类模型，优先配置行业景气度、业绩超预期和行业动量边际改善的行业板块；同时基于行业估值和交易拥挤度等顶部择时避险模型，规避估值趋势或微观结构恶化导致的指数下行风险。 •财报、快报、预告、分析师预期 •预测盈利变化、客户议价力 •公告后异常收益 •预期外盈利 景气超预 度期 估值 趋势 拥挤 度 •PB估值、PBPE估值 •行业指数趋势 •波动率、流动性、相关性、分布特征 •微观结构 图1：行业配置研究框架 数据来源：国泰君安证券研究 证券市场估值与情绪存在极端悲观与极端乐观之间的周期往复运动，我们可以从微观结构角度解释市场的周期变化： 1.在市场持续、大幅下行时，随着悲观者持续抛出筹码、乐观者资金总量和资金成本优势逐步积累，市场风险实际上随着估值快速下降。随着市场多空力量对比逐渐反转，此时持有资金的投资者都是潜在购买者，业绩、政策或资金任一方面的边际改善都可能成为市场反弹修复的催化剂。 2.在市场持续、大幅上行时，随着乐观者持续购进筹码、悲观者筹码总量和筹码成本优势逐步积累，市场风险实际上随着估值快速上升。随着市场多空力量对比逐渐反转，此时持有筹码的投资者都是潜在抛出者，业绩、政策或资金任一方面不及预期都可能成为市场快速下行的导火索。 在行业配置研究系列专题报告中，我们研究了行业景气度、业绩超预期和北向资金流等模型在行业配置中的应用。最终研究结果表明，行业景气度、业绩超预期以及北向资金流等模型具有较好的行业配置能力，行 业轮动复合模型多头组合历史回测年化收益率为19.22%，超额年化收益率为12.29%。但这些模型本质上都是运用边际思维的动量类策略，没有考虑行业指数估值水位和微观结构，在指数估值较高或微观结构恶化时容易出现回撤较大的情况。本篇报告我们综合运用“总量思维”与“边际思 维”构建行业轮动模型，优先选择行业景气度、业绩超预期与行业动量边际改善的行业板块；同时利用行业估值趋势和交易拥挤度规避指数下行风险。 1.2.行业配置研究流程 我们参考股票多因子模型研究方法论，将市场上所有上市公司依据所属行业分类（中信一级行业分类）划分为不同行业类别的公司集合，采用整体法或加权法，利用行业财务、分析师预期与量价指标构造行业配置因子，探索有效的行业配置模型。行业多因子研究流程包括基础数据处理、行业因子合成、单因子测试、复合因子合成等步骤，详细内容参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》。 基础数据处理 •财务报表 •分析师预期 •微观结构 行业因子合成 •行业景气度 •业绩超预期 •行业动量 •估值趋势 •交易拥挤度 单因子测试 •IC值测试 •分组测试（分组、多空、基准） •备选因子选择 复合因子合成 •因子相关性分析 •因子加权 •复合因子测试 •复合因子绩效分析 图2：行业配置研究流程 数据来源：国泰君安证券研究 2.行业配置模型分类 在行业配置研究系列专题报告中，我们研究了景气度、超预期、资金流、动量和拥挤度等行业配置模型并跟踪了模型样本外表现。整体上看，景气度和超预期模型表现较为稳健，北上资金流模型21年下半年开始回撤较大，拥挤度模型表现较好（特别是市场趋势下行时）。但景气度、超预期和动量等模型本质都是运用边际思维的动量类策略，没有考虑行业指数估值水位和微观结构，在指数估值较高或微观结构恶化时容易出现回撤较大的情况。本篇报告我们综合运用“总量思维”与“边际思维”构建行业轮动模型，优先选择行业景气度、业绩超预期与行业动量边际改善的行业板块；同时利用行业估值趋势和交易拥挤度规避指数下行风险。其中，景气度、超预期和动量模型用于优选行业，估值趋势和拥挤度模型用于规避指数下行风险。 图3：行业配置模型分类 数据来源：国泰君安证券研究 2.1.行业景气度模型 在行业配置研究系列景气度与分析师预期专题报告中，我们通过财报、快报、预告和分析师预期数据构建了景气度模型，具体因子类别与构建方式如下： 1.财务质量类因子 1）客户议价力环比增量 客户议价力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。因子通过季度环比增量方式构建。 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。因子通过季度环比增量方式构建。 3）过去121天异常分析师覆盖 异常分析师覆盖是指剥离股票市值SIZE、换手率TO、动量MOMEN等因素后的异常分析师覆盖，通过自由流通市值加权得到行业因子。 2.盈利能力类因子 1）销售净利率1单季同比增量 销售净利率指行业扣非归母净利润/行业营业收入。因子通过正式财报和业绩快报计算，采用单季同比增量方式构建。 2）过去30天预测EPS-FY3环比6月变动1年分位数 因子采用计算环比变动（过去30天预测EPS-FY3环比6月变动）滚动 1年分位数的方式构建。 3）过去30天预测ROE-FY3滚动2年分位数 因子采用计算30天预测ROE-FY3滚动2年分位数的方式构建。 4）过去181天预测ROE-FY3上下调比例 因子采用计算行业成分股过去181日分析师预测ROE-FY3环比12月上调比例-下调比例。 3.成长能力类因子 1）核心利润/归母净利润2单季同比增长率 核心利润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；归母净利润2是在正式财报计算核心利润基础上采用业绩预告或业绩快报计算即期利润数据。因子采用单季同比增长率方式构建。 2）预收款项同比增长率 预收款项指行业预收款