本报告基于多模型构建行业配置组合,覆盖宏观视角、业绩估值比价、模式匹配、趋势视角及投资者行为视角。投资者行为模型在2021年1月表现最佳,逆市配置策略捕捉机构次年布局行为。当前多模型推荐石油石化、有色金属、基础化工、钢铁、消费者服务及金融等顺周期行业,配置逻辑结合宏观经济复苏、业绩估值偏低及趋势延续性。公募持仓数据亦支持看多消费及非银行业,全方位配置建议助力捕捉行业超额收益机会
| 指标维度 | 多头行业 | 空头行业 | 综合多维指标看多行业 |
|---|---|---|---|
| 超低配维度 | 消费者服务、食品饮料 | 电子、综合、金融 | 消费者服务、食品饮料 |
| 仓位净变动维度 | 食品饮料、非银行金融 | 电子、传媒、电力设备 | 非银行金融、综合金融 |
| 多维指标综合评分 | 消费者服务(0.60)、食品饮料(0.60)、非银行金融(0.57) | 建筑(0.52)、电子(0.75)、通信(0.74) | 消费者服务、食品饮料等 |
报告通过多视角量化模型综合判断,2021年1月宏观复苏及工业企业利润改善驱动周期板块(如石油石化、有色金属、基础化工、钢铁)迎来配置机会,且金融行业尤其非银行金融被多个模型共同推荐。投资者行为视角的行业配置模型凭借逆市配置思路,在当前流动性分歧背景下表现最优,彰显机构前瞻布局能力。整体来看,在流动性存在扰动的环境中,模型更趋向于低估值、确定性强的顺周期行业。报告未明确提供单一目标价,但重心为行业配置比例建议与风险提示,具有明显的行业配置导向特点。,3,4]
该章节介绍了5类行业配置模型,分别从基本面(宏观和中观)、技术面(模式匹配和趋势)和投资者行为(以公募持仓为代表)视角构建。具体如下:
2021年1月,投资者行为模型取得2.1%的超额收益,领先其他模型,主要因其捕获机构逆市布局的前瞻性调整,表明资金面博弈加剧背景下机构配置能力较强。宏观和趋势模型也录得正收益,业绩估值比价与模式匹配则表现不佳。附图1清晰展示了各模型净值走势,投资者行为模型的稳健领先优势显著。
基于多模型最新配置建议,周期上游(石油石化)、周期中游(有色金属、基础化工、钢铁)、可选消费(消费者服务)、金融板块(银行及非银行金融)均多次被推荐,体现顺周期行业与金融行业的显著共识。估值面与趋势面偏好较低估值且有确定性的行业,反映市场对未来流动性波动的谨慎态度。
具体表3中透露:
风险因素主要涵盖模型风险、宏观及行业政策调整、市场预期大幅波动,表明模型及策略仍需警惕系统性风险和政策风险。
经济增长因子(图2)自2019年起逐渐由深度负值反弹,显示经济复苏态势。风险偏好中枢(图3)2020年底有所回升,但整体仍处较低水平。中游板块需求及综合毛利率(图4)呈现震荡回升,表明中游行业盈利能力提升;工业企业利润增速(图5)由负转正并持续回暖,强化了周期中游及可选消费板块的景气回升逻辑。
宏观研究侧重确认经济复苏阶段的板块弹性,逻辑是周期上游板块业绩弹性最大,中游和可选消费则有望受益工业利润改善带来的需求和盈利提升机会。,5]
图6采用成长偏离度、估值偏离度及业绩弹性预期差三指标综合衡量行业性价比,显示非银行金融、传媒、电力公用事业、机械、计算机等行业表现相对较优。从市场情绪(图7)看,传媒、机械、非银行金融行业的风险偏好较强,具备较好的修复潜力。
该视角基于估值和业绩之间的偏离寻找投资机会,假定估值会逐步向业绩修复靠拢,反映估值风格因素在行业选择中起主导作用。,6]
通过历史行业表现匹配,当前市场与2019-2020年某些时点较为相似,尽管整体模型对未来走势偏谨慎。利用凯利公式综合优化配置,银行、电子、钢铁、医药及房地产五大行业被赋予最高权重,显示技术面的历史模式与实际经济基本面及趋势形成一定互补。
图8展示未来20个交易日收益预测与配置权重,银行行业权重最高,收益预测为负,反映模型谨慎心态。电子、钢铁、医药、房地产收益预测接近或略为负值,但优于其它行业,可配置性较强。,7]
趋势模型结合截面动量、时序动量和止损机制,筛选出石油石化、有色金属、基础化工、建材、电力设备及新能源和银行为本月表现最优行业。图9累计收益曲线显示,综合模型长期以来显著跑赢全行业等权指数和仅动量模型,年化收益高达31.83%,夏普比率高,表现稳健,表明趋势识别能力强。最大回撤明显低于基准,增强策略的抗风险能力。
基于2020 Q4公募基金重仓数据,计算相对超配、仓位净变动等多个指标综合信号。多指标模型显示多头组合主要包含消费者服务、食品饮料、非银行金融及建筑等行业,空头侧则以电子、通信、电力设备及公用事业、传媒等为主。图10和图11分别呈现各行业相对超配比例及仓位净变动,消费者服务、食品饮料等行业超配明显,电子、传媒等行业明显被减仓。
该视角通过最直接的机构持仓行为捕捉其对行业趋势的偏好,体现了资金流向与投资预期的共振,是对市场资金面操作的有效反映。,8]
该图以2020年初为起点,横轴为日期,纵轴为累计净值。五条曲线对应五种配置模型,颜色区分明显。投资者行为视角模型净值最高且呈持续领先趋势,体现其在2021年初的显著超额收益。宏观基本面和趋势视角次之,呈稳健上升,模式匹配和业绩估值比价模型表现相对逊色。
这充分说明不同视角模型的适用环境与表现差异,投资者行为模型更能捕捉当前市场环境下机构投资者的布局行为,具有较好的适时性及效力。
图6以红色柱表示成长偏离度,黑色柱为估值偏离度,粉色线为业绩弹性预期差。非银行金融、传媒、机械等行业显示估值与业绩弹性存在较大修复空间。图7中这三行业的市场情绪显著较好,验证其具备较强的性价比优势。
图中以黑色柱表示权重,红色线表示收益预测率。银行板块权重最高但预测收益率为负,显示模型对银行短期表现持谨慎态度。电子、钢铁等行业均获得较高权重,预测收益为负至低微正,反映趋向保守的行业偏好。
红色线(综合模型)累计收益显著超过全行业等权和单一截面动量模型,年化收益31.83%,夏普比率高于其他线。下方累计回撤曲线显示最大回撤小于50%,优于基准的70%以上,反映模型在控制风险同时实现较高收益的能力。
图10显示相对超配比例最高的是消费者服务、食品饮料等,图11仓位变动净值同样反映资金流入方向。二者呈高度一致的多头集中特征,反映机构重仓偏好和加仓行业一致。空头行业集中在电子、传媒、通信等板块,体现机构资金流向的明显轮动趋势。
报告中估值分析主要体现在“业绩估值比价”视角,虽然没有直接进行DCF或倍数法估值,但结合成长偏离度、估值偏离度以及业绩弹性预期偏差指标,评估行业的性价比。逻辑为市场估值和未来业绩存在差异时,可能会面临估值修复带来的超额收益。市场情绪作为辅助指标,用以判断预期修复的时点和可能幅度。此方法间接体现了行业内在价值与市场定价的矛盾,适合捕捉估值反转机会。,6]
报告指出主要风险包括:
报告未显著提出具体缓解方案,但通过多模型融合、动态调整和风险提示方式对冲风险,体现一定的风险识别和管理能力。,4]
本报告以多模型为基础,系统地分析了2021年初中国宏观经济复苏趋势下行业轮动机会。投资者行为模型由于成功捕捉了机构逆市布局,获得最优表现,凸显资金面动态对行业配置的重要影响。宏观视角强调经济增长与工业利润回暖驱动的顺周期行业价值,中观业绩估值比价视角则指出部分高性价比行业。技术面模式匹配和趋势模型补充历史行为和动态趋势的视角,为配置建议提供有效支撑。
图表数据揭示:
整体看,报告建议在流动性扰动的背景下,围绕估值较低、确定性较强的顺周期与金融行业进行超配,同时关注政策及风险波动对配置的影响。
此份研究深刻呈现了机构博弈加剧的市场结构与量化策略应用价值,为投资者提供了多维度行业配置的有力参考依据。~8]
图1:各行业配置模型净值情况
图6:各中信证券一级行业业绩估值比价情况
图9:行业趋势配置综合模型累计收益曲线(截至2021年1月)
本分析严格基于原报告内容进行,对报告的论据、数据及图表进行详细拆解与解读,未增添个人主观看法,旨在帮助理解复杂量化策略背后的逻辑及行业配置方向。
量化行业配置组合定期跟踪(2021年2月):周期、金融行业得到多模型推荐.pdf