2024年11月A股行业主动配置展望：一体两面铸哑铃，非银成长均衡配置

基于主动配置六因子定量模型对各个行业的多维度因子进行定量计算。排名前五的行业分别为化工、有色、轻工、农业、通信，排名后五的行业分别为煤炭、地产、银行、汽车、钢铁。 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。计算机、军工、电子、传媒、通信，排名后五的行业分别为公用、石化、煤炭、交运、食饮。 结合量化模型与主动观点，生成2024年11月A股行业主动配置观点。综合排名前五的行业分别为计算机、通信、非银、电子、传媒，排名后五的行业分别为煤炭、地产、公用、石化、钢铁。 排名前25%的行业中以成长风格行业为主，但非银排名同样靠前，亦有较高概率获得超额收益。稳定与周期风格行业大幅下行，金融内部亦出现分化。建议构建非银与成长风格行业均衡的哑铃型配置组合。排名后25%的行业中以稳定与周期风格行业为主。在经济修复预期大幅上修的背景下，经济运行以及宏观政策趋势性改善的预期仍在继续上调，市场资金流动性边际改善或导致资金流向成长性行业，而从稳定的行业中流出。 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。 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（ActiveIndustry Allocation）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，预期未来12个月内（截至2025年10月31日）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，先上后下，并低于历史（过去五年）中枢水平；而通胀因子虽然存在上行趋势，同时也低于历史（过去五年）中枢水平。 图1：基于市场一致预期，预计未来12个月中国美林周期将处于非典型象限 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70.0%：当前临近财报更新期，投资人主观注意力更聚焦于行业景气度与盈利，因此大幅上修本期景气度因子权重。 （2）相对估值因子权重调整为20.0%：作为基本维度的反转性因子，在市场风险偏好承压至底部并反弹的行情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，因此小幅上修本期估值因子权重。 （3）夏普比因子权重调整为0.0%：当前市场整体以震荡为主，板块间轮动速度较快。在市场情绪亢奋，资金博弈性较强的背景下，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10.0%：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，因此修正本期拥挤度因子权重。 （5）北向资金因子权重调整为0.0%：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。自2019年8月19日开始，沪深交易所停止公布每日净买卖北向资金数据，传统依靠北向资金的策略或阶段性失效，或在一定程度上影响权益资产定价。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。 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 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：化工、有色、轻工、农业、通信居前五 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。排名前五的行业分别为化工、有色、轻工、农业、通信，排名后五的行业分别为煤炭、地产、银行、汽车、钢铁。 表2：对各行业的多维度因子进行定量计算，化工、有色、轻工、农业、通信居前五 3.2.主动观点：计算机、军工、电子、传媒、通信居前五 在定量计算的基础上，我们根据主动观点对行业进行赋分，以修正原始定量模型中维度未涉及与数据滞后的部分。我们基于微观交易结构、行业风格与高频数据三个主观因子对行业进行主观赋分。 微观交易结构因子在主动观点维度中赋权为40%。微观交易结构研究有助于理解市场如何处理信息并使用资金对资产进行定价，我们选取诸如对应行业ETF盘口订单情况、RSI、量价比等反映微观交易结构的指标以为各行业赋分，并经过标准化处理以转换为因子。 行业风格因子在主动观点维度中赋权为60%。行业风格是各个子行业的特征集合，我们自上而下地以反映行业风格表现倾向的指标作为宏观维度因子，并为各行业赋分。各行业风格所得分值基于风格动量以及市场预期计算生成，并经过标准化处理以转换为因子。 图2：2024年9月下旬以来，五大行业风格夏普比均大幅上升 图3：基于市场一致预期，2024年下半年各行业风格友好度评分出现分化 高频数据因子在主动观点维度中赋权为0%。诸如上游原材料（原油、天然气、铁矿、运费……）、中游制成品（玻璃、螺纹钢、PTA……）以及下游消费品（地产、商品、电影……）的价格，在实际投资中是具有一定前瞻性的参考指标，能够削弱预期修正不及时的滞后性。我们以高频数据的表现与趋势为各行业进行赋分。各行业所得分值基于高频数据动量以及数据在历史上水平计算生成，并经过标准化处理以转换为因子。但由于近期市场预期反转，传统依靠高频数据生成预期的方法失效，因此本期将其权重下修为0%。 基于主动观点，排名前五的行业分别为计算机、军工、电子、传媒、通信，排名后五的行业分别为公用、石化、煤炭、交运、食饮。 表3：基于主动观点，对中信行业进行主观赋分 3.3.配置观点：计算机、通信、非银、电子、传媒居前五 结合量化模型与主动观点，生成2024年11月A股行业主动配置观点。综合排名前五的行业分别为计算机、通信、非银、电子、传媒，排名后五的行业分别为煤炭、地产、公用、石化、钢铁。 表4：结合量化模型与主动观点，最终排名在前五的行业分别为计算机、通信、非银、电子、传媒 排名前25%的行业中以成长风格行业（计算机、通信、电子、电新）为主，但部分金融风格行业（非银）排名靠前，亦有较高概率获得超额收益。稳定与周期风格行业大幅下行，金融内部亦出现分化。建议构建非银与成长风格行业均衡的哑铃型配置组合。 排名后25%的行业中以稳定风格行业（公用）、周期风格行业（煤炭、地产、钢铁、交运、石油）为主，意味着其表现超过行业等权基准的概率相对较低。 在经济修复预期大幅上修的背景下，经济运行以及宏观政策趋势性改善的预期仍在继续上调，市场资金流动性边际改善或导致资金流向成长性行业，而从稳定的行业中流出。 表5：结合量化模型与主动观点，生成2024年11月A股行业主动配置观点 4.风险因素 模型设计的主观性：AIA行业配置模型基于主观因子设计，或无法完全精准拟合市场投资人的心理。 历史数据有偏：由于问卷调查仅能反映市场投资人过去的权重心理，历史上的一些主观权重数据或存在错误。 超额收益均值回归：模型产生的超额收益或存在均值回归的现象，导致超额收益逐渐收敛。 高换率无法实现：多头与对冲交易组合换手率较高，规模较大的资金或难以在实际交易中实现调仓与换手。 量化模型局限性：本结论仅从量化模型推导得出，与研究所其他研究团队的观点不重合。有关研究所其他研究团队对上述行业的观点，请参考相关已发布的研究报告。