本文采用聚类方法对A股行业进行重新划分,结合行业估值的趋势与反转效应,构建基于行业聚类的估值轮动策略。基于最小生成树和动态相关性的行业划分,策略分别验证了趋势策略与趋势+反转混合策略的有效性。混合策略多空超额收益率达到13.3%,信息比达0.83,显著优于单纯趋势策略,展示了合理行业划分对估值轮动的重要提升作用。此外,最新一期模型推荐超配行业包括饲料Ⅱ、计算机设备Ⅱ、电力、白色家电及机场Ⅱ,策略在多年份中均表现稳健
报告名称:《行业聚类与估值轮动策略》
发布日期: 报告时间轴推断为2020年初(具体发文时间未见明确)
发布机构: 广发证券发展研究中心
主要作者及分析师: 史庆盛、罗军、安宁宁等团队成员
研究主题: 基于量化方法,重新构建行业轮动框架,重点聚焦行业聚类(重新划分行业)及估值轮动策略,探索A股行业内部估值轮动规律及趋势性特征,提升行业配置效果。
报告核心论点:
报告开篇强调,完整的行业轮动框架应覆盖宏观环境、行业景气度与行业微观变化。前五篇系列报告聚焦宏观事件和景气度,当前篇重点研究估值轮动。传统行业划分按产业链划分(上游能源、中游材料制造、下游消费及金融服务),而本文尝试采用量化聚类分析方法,重新划分行业以符合行业市场表现。估值分析的核心是捕捉行业估值均值回归及趋势变化,合理分类确保复杂市场中更准确的估值判断。行业估值多用PE指标,并以历史百分位数做相对处理,避免行业间的绝对估值差异干扰判断
申万一级行业分28个,二级104个,传统行业划分主要依据:
报告列举常见聚类方法:
通过最小生成树聚类,将申万一级28个行业粗略分为四大板块:
此分类形态符合行业逻辑划分且在收益率相关性上呈现明显负相关(金融周期与制造及消费为负相关,TMT和消费为正相关),显示这些板块之间存在风险分散及表现互补性,8,9]
图6直观展示四大板块2008-2020年间的超额收益表现,消费板块表现最优,其次为制造和TMT,金融周期板块显著落后。
报告选择PE作为主要估值指标,指出不同板块绝对PE存在明显差异(军工、电子、高PE,银行地产低PE),绝对PE枯竭对配置意义不大。因此采用历史PE百分位对PE做相对处理,缩减行业间估值分歧,使估值分布更均衡,有利于捕捉行业均值回归及趋势变化,10]
图7显示个别行业绝对PE区间超过10倍以上差异,图8通过历史PE百分位处理显著收敛差异。
以超额收益的时间序列自相关性为检验,发现大部分行业存在显著的1~3个月正自相关,即收益趋势明显,短期内涨势行业往往延续上涨(图9),确认行业轮动为趋势性主导。
构建基于PE高低的趋势/反转策略:
结果显示趋势策略年化超额收益5.48%,信息比0.35,胜率约58%,明显优于反转策略,验证A股行业估值更偏趋势性修复,12]
图10显示趋势策略累计收益优于反转组合。
进一步聚焦消费行业内部,发现行业内存在更显著的估值反转效应,年化超额收益6.49%,信息比0.35,胜率55%左右(表4,图11),体现细分行业范围内均值回归特征更明显。
两种行业分类方法:
策略逻辑:
交易成本双边千分之三,基准为相应等权行业指数。统计策略表现,包括多空组合超额收益、年化信息比和月度胜率,14]
基于最小生成树(一级行业聚类):
分年度来看策略表现稳定,但部分年份存在负收益(表6),15]
基于动态相关性(二级行业):
年度收益分布较为稳定,除2017年表现较弱外,其他年份均正收益,显示该策略具备较好的稳定性和持续性(表10,15)
描述了完整轮动框架的多维视角,宏观指标(GDP、PMI、货币政策)与行业指标共同驱动行业景气度,通过聚类重构行业结构和微观量化模型,最终构建估值分析、资金流向与羊群效应等多维策略模型。体现了模型设计思路的系统性和多层次性。
图中以图形节点呈现28个一级行业,边连接相关性较强的行业,图中四大聚类板块用虚线框圈出,形成金融周期、制造、TMT及消费四大清晰板块。该图清晰体现行业之间基于收益相关性的隶属关系,提供了传统产业链划分的统计学优化方案。
表1罗列四大类别及所属行业明细,表2展示板块间超额收益相关性,结果显示金融周期与制造、消费间负相关,TMT与消费正相关。这一点暗示投资组合中“四类行业”具有分散风险的潜力。
展示于2008-2020年期间四大板块的累计超额表现曲线,消费板块优异,金融周期明显弱势,制造与TMT中等位置。这是轮动策略构建的基线体现。
图7显示不同行业之间存在显著PE估值差异,最高、最低PE行业差距超10倍,难以直接比较。图8通过历史PE百分位处理,缩小行业间估值分歧,提供相对估值标准,更适合轮动策略建立。
大多行业均显示1个月自相关显著正值,趋势效应明显,说明上月表现良好行业,下一个月同样表现较好。此自相关特征支撑趋势策略的逻辑。
趋势组合年化超额5.48%,信息比0.351,优于反转组合,支持趋势为主策略。图10曲线中趋势组合累积回报持续上升,反转组合回报相对滞后。
反转策略在消费六细分行业有效,年化超额6.49%,显示同类行业内部估值存在更强的均值回复效应,反转策略仍有价值,提示不同聚类分辨率下估值特征不同。
趋势策略与趋势+反转混合策略效果袖珍,混合策略显著提升多空年化超额收益至8.6%,表现波动明显,某些年份回撤严重。
动态分类的趋势策略和混合策略均优于静态分类,混合策略年化13.3%超额收益,信息比0.83,胜率63%。图14显示策略累积表现优异且穿越多个行情周期。
为期十余年策略多空超额收益年度分布盘点,绝大多数年份为正,2017年略有回撤,反映市场结构与估值轮动规律的周期性变化风险。
报告采用估值分析为行业轮动策略核心。具体方法包括:
组合策略的核心是利用行业之间的估值走势相关性和波动结构,捕获市场周期与结构调整中的行业轮动机会,基于动态相关性调整的行业估值进行配置而非盲目等权或被动跟踪。
报告明示风险点:
报告未详细说明对冲或缓释措施,一般此类策略需辅以动态风险管理和市场监测。
本报告对A股行业轮动策略进行了完整的量化体系重构,突破传统产业链划分,创新性使用基于最小生成树和动态相关性聚类方法重构行业类别,搭建符合统计特征相似性的行业聚类体系。结合系统地采用PE历史百分位相对估值,研究行业间估值的趋势性与反转效应。实证结果表明:
图表深度诠释了策略的设计框架(图1,2)、行业聚类效果(图5)、行业估值处理方式与趋势反转特征(图7-11),以及策略收益表现(图12-15),数据样本丰富,由Wind数据及广发证券研究中心提供技术支持,保证了研究的专业性和实用性。
整体来看,报告科学系统地构建了一套基于统计聚类和估值趋势分析的行业轮动框架,为A股投资者提供了一种结合市场行为特征的量化选股和行业配置方法,具有较强的理论价值和实际应用潜力。
所有结论均基于报告内容与数据,文中每处引用均标明原文页码。,3-19,30]
若需进一步解读报告内表格数据或策略参数可再行补充。
重构行业轮动框架之六:行业聚类与估值轮动策略.pdf