2024年8月A股行业主动配置展望：金融稳定尚居首，交运军工或显优

大类资产配置/2024.07.30 金融稳定尚居首，交运军工或显优�子翌(分析师) 021-38038293 本报告导读： ——2024年8月A股行业主动配置展望 wangziyi027313@gtjas.com 登记编号S0880523050004 大类资产配 置 大类资产配置月报 证券研究报 告 结合量化模型与主动观点，生成2024年8月A股行业主动配置观点。综合排名前 �的行业分别为非银、交运、军工、银行、农业，排名后�的行业分别为煤炭、地产、石化、纺服、计算机。建议构建稳健红利为核心、基于资金与交易维度进行风格切换的行业配置组合。 投资要点： 基于AIA六因子定量模型对各个行业的多维度因子进行定量计算。排名前�的行业分别为非银、军工、农业、有色、通信，排名后�的行业分别为煤炭、石化、公用、地产、电子。 在定量计算的基础上，基于微观交易结构、行业风格与高频数据三个主观因子对行业进行主观赋分，以修正原始定量模型中维度未涉及与数据滞后的部分。排名前�的行业分别为公用、交运、非银、 银行与汽车，排名后�的行业分别为煤炭、计算机、有色、传媒、通信。 结合量化模型与主动观点，生成2024年8月A股行业主动配置观点。综合排名前�的行业分别为非银、交运、军工、银行、农业，排名后�的行业分别为煤炭、地产、石化、纺服、计算机。 排名前25%的行业中以金融与稳定风格行业为主，但部分周期风格行业与成长风格行业排名亦靠前，建议构建稳健红利为核心、基于资金与交易维度进行风格切换的行业配置组合。排名后25%的行业中以周期风格行业与成长风格行业为主，在“形有波动、势仍向好 的背景下，经济运行以及宏观政策趋势的预期被充分定价，市场资金流动性边际收敛或对相关行业造成压制。 风险因素：模型设计的主观性、历史数据有偏、超额收益均值回归 高换率无法实现、量化模型局限性。 李健(研究助理) 010-83939798 lijian029318@gtjas.com 登记编号S0880123120065 相关报告 恒生指数5月表现亮眼，多资产配置模型均录正 收益2024.06.11 BL模型本月表现亮眼，2024年收益已达4%2024.07.02 国内主要资产录正收益，基于宏观因子配置模型四月收益达1.0%2024.05.08 行业轮动超预期、资金流模型4月超额收益 1.79%、2.52%2024.05.06 黄金资产表现亮眼，多资产策略本年收益最高达 2.5%2024.04.11 目录 1.综合考虑宏观、中观和交易层面信息以构建框架3 2.基于周期模型结论选择可变权重组合4 2.1.预计2024年下半年美林周期将处于非典型象限4 2.2.基于市场一致宏观预期对因子权重组合进行主动调整4 3.定量模型结合主动观点，凝练下月行业配置建议6 3.1.定量模型：非银、军工、农业、有色、通信居前�6 3.2.主动观点：公用、交运、非银、银行、汽车居前�7 3.3.配置观点：非银、交运、军工、银行、农业居前�9 4.风险因素12 1.综合考虑宏观、中观和交易层面信息以构建框架 国君主动配置团队AIA（ActiveIndustryAllocation）行业配置框架融合了策略、宏观、量化和技术分析的思想，结合中宏观和主被动，提供“一站式”的战术行业配置方案。 中观因子方面，我们参考经典策略分析框架，结合机构投资者的思维习惯，筛选被广泛关注的6个中观维度（景气度、相对估值、夏普比、拥挤度、产业资本、北向资金）并假设其在经济学和金融学意义上具有长期有效性。为便于定量分析，为6因子设置打分规则，控制各因子的得分范围于-1到1之间，某行业某方面的相对吸引力和相关因子得分成正比。 因子权重方面，现实中投资者常对不同中观维度赋予不同的关注度，且投资者在不同宏观环境中的关注重点也不同。因此采用非均匀的因子权重有助于更好地把握行业配置决策中的主要矛盾，而可变的因子权重更可引入宏观beta对行业alpha的解释力。具体地，我们依据宏观因子进行周期状态的 划分（详请见发布于2022年5月11日的《“板块配置轮盘”之初探》专题 报告）并选取合适的权重组合。 2.基于周期模型结论选择可变权重组合 2.1.预计2024年下半年美林周期将处于非典型象限 历史上，美林周期对行业的相对表现有着较好的指示作用。我们基于传统美林时钟，结合国内的实际情况进行本土化，并将其因子化处理提炼出美林周期，以反映经济的类滞胀风险和宏观政策的执行难度。 基于最新市场宏观一致预期，预期2024年下半年中国美林周期将处于非典型象限。具体体现为：景气度因子窄幅震荡，并低于历史中枢水平；而通胀因子虽然存在上行趋势，同时也低于历史中枢水平。 图1：基于市场一致预期，预计2024年下半年中国美林周期将处于非典型象限 4 3 2 1 0 -1 -2 2006-01 2006-09 2007-05 2008-01 2008-09 2009-05 2010-01 2010-09 2011-05 2012-01 2012-09 2013-05 2014-01 2014-09 2015-05 2016-01 2016-09 2017-05 2018-01 2018-09 2019-05 2020-01 2020-09 2021-05 2022-01 2022-09 2023-05 2024-01 2024-09 -3 再通胀 复苏过热 滞胀景气因子通胀因子 数据来源：Bloomberg，Wind，国泰君安证券研究 注：预测数据更新于2024年7月28日，并展望至2024年12月31日。 2.2.基于市场一致宏观预期对因子权重组合进行主动调整 根据可变权重设置规则，在非典型美林周期的阶段中我们采用通用型权重组合进行因子加权评分。但由于滤波和平滑处理使得美林周期的阶段划分存在滞后性，且固定权重难以及时反应当下市场预期，因此我们基于市场的一致宏观预期对因子权重组合进行主动调整。 经过主动调整之后的因子权重组合为： （1）景气度因子权重调整为20.0%：当前市场风险偏好受到压制，投资人对于趋势性的景气度投资较为谨慎。特别地，当前处于上市企业集中公布中期报告的时期，市场对于企业业绩与行业整体景气度的预期波动较大，缺乏 过往景气度投资行情所需要的稳定环境，因此下修本期景气度因子权重。 （2）相对估值因子权重调整为30.0%：作为基本维度的反转性因子，市场风险偏好被压制使得投资人更重视行业的相对估值。在预期不稳定、博弈性较高的市场环境中，估值水平处于低位且趋势边际改善的行业更具有吸引 力，因此上修本期估值因子权重。 （3）夏普比因子权重调整为10.0%：当前市场整体以震荡为主，板块间轮动速度较快，资金博弈性较强，导致交易维度的趋势因子有效性下降，因此下修本期夏普比因子权重。 （4）拥挤度因子权重调整为30.0%：作为交易维度的反转性因子，在市场资金博弈性高企与板块轮动快速的背景下，增量资金普遍选择反转型交易 策略，这就使得那些交易额占比相对较低且呈上行趋势的行业配置性价比有所提升，因此上修本期拥挤度因子权重。 （5）北向资金因子权重调整为10.0%：作为目前市场上重要的定价资金，外资会对市场的流动性环境与其他市场参与者的行为都有显著影响。但在博弈性较强的市场环境中，北向资金因子或将产生滞后性，因此下修本期北 向资金因子权重。 （6）产业资本因子权重调整为0.0%：近期新出台的监管法规使得企业股东减持股权受到一定限制，不同行业间产业资本的相对乐观程度与预期展望比较难以通过增减持股权实现，因此下修本期产业资本因子权重。 分析维度 基本维度 交易维度 资金维度 因子属性 趋势 反转 趋势 反转 趋势 反转 因子名称 景气度 相对估值 夏普比 拥挤度 北向资金 产业资本 美林周期阶段划分 典型复苏Recovery 40.0% 0.0% 30.0% 0.0% 30.0% 0.0% 典型过热Overheat 40.0% 0.0% 30.0% 0.0% 30.0% 0.0% 典型滞胀Stagflation 30.0% 17.5% 0.0% 17.5% 17.5% 17.5% 典型再通胀Reflation 30.0% 17.5% 0.0% 17.5% 17.5% 17.5% 非典型阶段 35.0% 10.0% 10.0% 15.0% 10.0% 20.0% 主观分析调整后权重 20.0% 30.0% 10.0% 30.0% 10.0% 0.0% 表1：基于市场一致宏观预期对因子权重组合进行主动调整 数据来源：国泰君安证券研究 3.定量模型结合主动观点，凝练下月行业配置建议 3.1.定量模型：非银、军工、农业、有色、通信居前� 我们基于AIA六因子定量模型对各个行业的多维度因子进行定量计算并汇总。排名前�的行业分别为非银、军工、农业、有色、通信，排名后�的行业分别为煤炭、石化、公用、地产、电子。 因子名称 景气度 相对估值 夏普比 拥挤度 北向资金 定量得分 定量排名 因子权重 20.0% 30.0% 10.0% 30.0% 10.0% 非银行金融 -0.36 1.48 0.87 0.71 -0.28 0.64 1 国防军工 0.70 0.53 -1.06 1.60 -0.27 0.64 2 农林牧渔 0.63 0.84 0.84 0.20 -0.16 0.51 3 有色金属 1.09 -0.11 -0.43 0.72 0.10 0.37 4 通信 0.24 0.85 -1.05 -0.34 1.82 0.27 5 交通运输 1.13 0.21 1.53 -0.57 -0.14 0.26 6 电力设备及新能源 -0.16 -0.43 1.52 0.83 -0.46 0.19 7 银行 0.96 0.21 1.51 -0.94 0.51 0.18 8 消费者服务 -0.75 1.80 -0.90 -0.64 -0.08 0.10 9 医药 0.19 0.53 -1.05 0.21 -0.55 0.10 10 建筑 0.18 0.52 -0.36 -0.46 -0.13 0.01 11 商贸零售 0.47 0.52 0.87 -1.20 -0.10 -0.03 12 钢铁 -0.32 0.21 -1.04 0.12 0.00 -0.07 13 基础化工 0.07 0.52 -1.02 -0.36 -0.58 -0.10 14 家电 -0.07 -0.11 -0.43 -0.08 -0.13 -0.13 15 食品饮料 -0.06 -0.43 -0.38 0.08 -0.34 -0.19 16 机械 0.00 -0.43 0.90 -0.41 -0.68 -0.23 17 计算机 -0.13 -0.43 0.88 -0.37 -0.62 -0.24 18 传媒 -0.38 0.52 -1.04 -0.81 -0.19 -0.29 19 汽车 0.49 -1.07 -1.03 -0.05 0.22 -0.32 20 建材 0.01 0.52 -1.03 -1.43 -0.02 -0.38 21 轻工制造 0.21 0.52 -1.05 -1.59 -0.02 -0.39 22 纺织服装 -0.13 0.52 -0.85 -1.67 0.10 -0.44 23 电子 0.41 -1.71 -0.48 0.17 -0.59 -0.49 24 房地产 -4.56 0.52 1.51 -0.17 -0.17 -0.67 25 电力及公用事业 0.23 -2.03 0.87 -0.74 -0.17 -0.72 26 石油石化 -0.20 -2.03 -1.02 -0.35 0.92 -0.76 27 煤炭 0.11 -2.03 -1.04 -0.35 0.05 -0.79 28 表2：对各行业的多维度因子进行定量计算，非银、军工、农业、有色、通信居前� 数据来源：Wi