基于细分行业nowcasting的景气指数构建

│ 基于细分行业nowcasting的景气指数构建 作者 分析师：陆豪 证券研究报告 2024年07月15日 A股景气度的结构变化 随着整体经济结构的变化，同时期各行业景气度开始产生较大分歧，这使得原先我们从工业产量、工业利润以及经济活跃度等角度出发构建的A股景气指数与实际走势产生一定背离，我们亟需结合实际情况，更为深入、细致的刻画新的景气指数。 行业轮动策略的理论与实践 行业景气度因子的理论基础主要建立在宏观经济周期理论之上，该理论认为经济活动会经历周期性的波动，这些波动会影响不同行业的表现。宏观经济指标，如GDP增长率、失业率、通货膨胀率、利率等，是衡量经济周期状态的关键指标。行业数据分析则关注特定行业在经济周期中的表现，如行业产出、销售、利润等指标，这些数据可以帮助投资者理解不同行业对经济波动的敏感度和反应。 分行业景气度生成 我们将全部A股划分为52个行业，对每个行业使用行业的营业收入-同比增速-TTM作为景气度的追踪目标变量，用可得的宏观行业数据作为样本数据对其进行追踪，数据包括价格、产量、库存、需求等指标，包含日、周、月、季度等不同频率的数据。通过数据准备、模型构建、模型验证和样本外预测的步骤，得到最终的行业景气度因子。 中观景气度2.0合成 通过拆分上证指数的各个行业权重，结合同期和行业景气指数加权求和，我们得到了新的中观景气指数，新指数自2016年以来对实际值有着更加精 确细致的模拟和预测能力，并且很好的解决了原有景气指数在2023年以来与实际背离的问题。 各行业对经济增长的贡献水平 景气指数2.0的构建过程中，我们可以直观看到不同行业在同一时期对总体经济增长的贡献水平，从而帮助投资者更好的了解市场发展趋势，把握投资方向。 执业证书编号：S0590523070001邮箱：luhao@glsc.com.cn 分析师：康作宁 执业证书编号：S0590524010003邮箱：kangzn@glsc.com.cn 分析师：陈阅川 执业证书编号：S0590524050004邮箱：chenyc@glsc.com.cn 风险提示：本报告基于历史数据得到的结论，历史回测结果不代表未来。未来市场可能发生变化，产业链的变动可能带来与本报告结论不一样的结果。 相关报告 1、《融合股指贴水的四因子择时策略》2024.07.05 2、《固收+基金风格标签体系：——固收+基金系列报告（一）》2024.07.04 金融工程 金融工程专题 正文目录 1.A股景气度的结构变化3 1.1A股景气指数1.0与实际利润增速的偏离3 1.2分行业景气指数4 2.行业景气度5 2.1行业景气度因子的理论基础与研究现状5 2.2行业景气度指标选取方法5 2.3各行业景气度生成7 3.A股景气指数2.09 3.1合成方法9 3.2景气指数2.09 3.3各行业景气度贡献9 4.风险提示11 图表目录 图表1：刻画景气—中观高频指标选取3 图表2：中观景气指数1.0构建流程3 图表3：景气指数1.0与实际值出现背离4 图表4：上证指数top10权重行业净利润增长率时序图4 图表5：半导体产业链6 图表6：半导体公司X主要原材料构成6 图表7：半导体公司W主要营收构成7 图表8：半导体行业经济指标7 图表9：景气指数2.09 图表10：行业景气指数贡献10 1.A股景气度的结构变化 1.1A股景气指数1.0与实际利润增速的偏离 在我们原有的景气指数框架中，我们从工业产量、工业利润以及经济活跃度多角度出发，采用中观高频数据刻画中观景气指数。 图表1：刻画景气—中观高频指标选取 资料来源：国联证券研究所整理 拼接所有因子数据，按季度采样，用PCA合成大类因子，回归目标为上证指数的归属母公司股东的净利润(同比增长率)。然后将因子提升频率至日频，用训练好的模型预测。 图表2：中观景气指数1.0构建流程 资料来源：国联证券研究所整理 从图表3中可以看出，景气指数1.0在2023年一季度和2024年二季度均有回升，然而实际上证指数净利润进一步下行，两者出现明显背离。历史来看大多时期A股景气度指数与A股盈利趋势变化契合，并且具备领先预测性，而2023年Q1以来两者出现了明显的差异，导致择时体系过于乐观而低估了市场调整的时间和强度，过早给出了看多信号。 图表3：景气指数1.0与实际值出现背离 资料来源：国联证券研究所整理 1.2分行业景气指数 在同一时期，不同行业的净利润增长水平存在显著差异，这种差异性导致了各个行业对指数净利润增长率的贡献程度不同，进而我们之前的单纯以工业生产和经济活动水平为基础的指数景气度模型在这种情形下有一定失真。 图表4：上证指数top10权重行业净利润增长率时序图 资料来源：国联证券研究所整理 意识到每个行业都具有独特的市场环境、竞争程度、技术创新、产业周期等因素，这些因素共同影响了行业景气度水平的表现。因此，我们需要采用更加全面和综合的分析方法来理解和解释不同行业之间的利润水平差异。在进行分析时，我们应该关注行业的竞争格局、市场份额、产品创新、管理能力等因素，并结合宏观经济环境以及行业发展趋势进行综合分析。 2.行业景气度 2.1行业景气度因子的理论基础与研究现状 行业景气度因子的理论基础主要建立在宏观经济周期理论之上，该理论认为经济活动会经历周期性的波动，这些波动会影响不同行业的表现。宏观经济指标，如GDP增长率、失业率、通货膨胀率、利率等，是衡量经济周期状态的关键指标。行业数据分析则关注特定行业在经济周期中的表现，如行业产出、销售、利润等指标，这些数据可以帮助投资者理解不同行业对经济波动的敏感度和反应。 国内外关于景气度因子的研究现状表明，这一因子在投资策略中扮演着重要角色。定义上，景气度因子通常指的是那些能够反映经济周期变化并对投资回报有显著影响的宏观经济变量。测量方法方面，研究者们采用了多种统计和计量经济学方法，包括时间序列分析、面板数据分析、因子分析等，以量化景气度因子对投资回报的影响。 随着大数据和人工智能技术的发展，景气度因子的研究正变得更加精细和动态。研究人员不仅关注传统宏观经济指标，还开始探索非传统数据源，如社交媒体情绪、卫星图像等，以获取更全面的经济周期信息。同时，全球化的视角也促使研究者将全球经济环境纳入考量，以更准确地预测和应对国际经济波动对投资的影响。 2.2行业景气度指标选取方法 2.2.1分析框架 行业的中观景气度是刻画一个行业繁荣度的基本指标，行业景气度往往从行业基本面以及行业二级市场交易活跃度等视角进行刻画。 一个行业的收入与产品的定价逻辑及公开市场的交易量相关，盈利能力则牵涉到成本与价格的差异。我们对公司的运营情况进行准确无误的追踪难度较高，实际预测中只能通过识别主营业务，然后通过追踪主营业务的营收和成本情况来进行监控其整体的景气度情况。我们通过以下步骤来对行业基本面进行刻画： 基于产业链系统分析，追踪上下游行业部门； 对行业进行财务指标分解，挖出可追踪的重点指标； 重构一套行业的景气度追踪框架。 2.2.2产业链拆分 以半导体行业为例，我们将半导体行业产业链拆分为设备与原材料-芯片制造商 -芯片设计原厂-分销商-电子产品制造商，如下图所示。涵盖了上游的金属、合金、陶瓷、树脂、塑料、玻璃等原材料，中游的基体材料、制造材料和封装材料，以及下游的集成电路、半导体分立器件、光电子器件和传感器等。这个产业链具有产业规模大、细分行业多、技术门槛高、研发投入大、研发周期长等特点。 图表5：半导体产业链 资料来源：wind，国联证券研究所整理 2.2.3财务拆分 继续以半导体行业为例，通过对半导体行业公司运营情况追踪，以及主要原材料构成，如下如所示： 图表6：半导体公司X主要原材料构成 资料来源：wind，国联证券研究所整理 图表7：半导体公司W主要营收构成 资料来源：wind，国联证券研究所整理 2.2.4经济指标追踪 追踪某个公司的主要营收，拆解每个业务单元和成本追踪，过于琐碎和细节，距离整个行业景气度的追踪还有一定差距。而且实际跟踪中，某些企业的数据并不总是更新及时的，因此通常需要监控整个产业链的综合数据来更好的追踪行业景气度。 以半导体行业为例，景气度跟踪预测所涉及主要指标包含：产品和成本价格；主要产品产量或潜在产能；下游需求；以及较为相关的宏观景气指标，如下表所示： 图表8：半导体行业经济指标 资料来源：wind，国联证券研究所整理 2.3各行业景气度生成 首先，我们将全部A股划分为52个细分行业，对每个行业选定因子后进行基本面景气度预测，本文使用行业的归母净利润-同比增速-TTM作为景气度的追踪目标变量，用可得的宏观行业数据作为样本数据对其进行追踪，数据包括价格、产量、库存、需求等指标，包含日、周、月、季度等不同频率的数据。 我们更关注其变化的趋势，从各追踪指标中追踪其对目标变量带来的综合影响。 2.3.1数据准备 指标选择：根据上文的业务理解和数据分析，选择与营业收入同比增速相关的指标，这些指标可能包括月频、季频、日频的数据。 时间范围：2016年1月1日-2024年6月30日 数据升频：将所有指标数据升频到自然日的日频，使用前值填充空值，确保数据连续性。 自相关性消除：对指标数据进行处理，消除自相关性，以避免模型过拟合和提高预测的稳健性。 2.3.2模型构建 回归模型选择：选择线性回归模型。 样本内训练：使用历史数据（样本内数据）训练回归模型，确保模型能够捕捉到指标与目标变量之间的关系。 2.3.3模型验证 10折交叉验证：采用10折交叉验证方法，将数据集分为10个部分，轮流使用 其中9个部分作为训练集，1个部分作为验证集，重复10次，计算每次的预测误差，并取平均值作为模型的性能评估。 样本内预测：使用训练好的模型对样本内数据进行预测，并与实际的Y值进行比较，评估模型的预测能力。 2.3.4样本外预测 景气度预测：确定参数后，利用最新的产量、价格等指标值，预测最新的营业收入同比增速。 2.3.5景气度因子生成 得出景气度预测值后，将每天的值与上周进行比较，得到最终的景气度因子。 3.A股景气指数2.0 在确定了各行业景气指数后，我们自然地想到将行业景气指数加权合成A股整体景气指数。 3.1合成方法 预测目标：上证指数营业收入-同比增速-TTM 合成方法：计算上证指数每日各行业市值权重，按此权重加权各行业景气指数合成关于上证指数的新景气指数 平滑处理：对预测值和预测目标各取30天移动平均 3.2景气指数2.0 按照以上的加权合成方法，我们得到了景气指数2.0，自2016年以来，景气指数2.0在趋势上更为贴合，在拐点处相比原先景气指数更加灵敏，并且很好的解决 了原有景气指数在2023年以来与实际背离的问题。 图表9：景气指数2.0 资料来源：wind，国联证券研究所整理 3.3各行业景气度贡献 下图为2024年7月10日各行业在上证指数中的权重占比与其对整体景气度的贡献。 食品饮料、计算机、汽车、有色金属等行业对当期景气度有较大贡献，光伏设备、基础化工、银行等行业对当期景气度有较大负贡献。 图表10：行业景气指数贡献 资料来源：wind，国联证券研究所整理 4.风险提示 本报告基于历史数据得到的结论，历史回测结果不代表未来。未来市场可能发生变化，产业链的变动可能带来与本报告结论不一样的结果。 分析师声明 本报告署名分析师在此声明：我们具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力，本报告所表述的所有观点均准确地反映了我们 对标的证券和发行人的个人看法。我们所得报酬的任何部分不曾与，不与，也将不会与本报告中的具体投资建议或观点有直接或间接联系。 评级说明 投资建议的评级标准 评级 说明 报告中投资建议所涉及的评级分为股票评级和行业评级（另有说明的除外）。评级标准为报告发布日后6到12个月内的相