本报告聚焦供应链网络结构中的中心性指标,基于秩鼎深度供应链数据,分别构建客户端中心性与供给端中心性,针对沪深300、中证500及新能源汽车、光伏等产业链展开选股策略回测,结果显示客户端中心性提升的股票组合显著跑赢基准,体现出良好的超额收益与风险调整表现,验证了供应链中心性在量化投资中的应用价值
供应链网络结构及中心性定义 :
供应链中心性选股逻辑及理论基础 :
供应链数据质量及覆盖度提升 :
客户端中心性构建及选股策略回测 - 沪深300、中证500 :
产业链中心性选股策略回测——新能源汽车产业链 :
产业链中心性选股策略回测——光伏产业链 :
重要声明与风险提示 :
核心内容总结: 研究承接前两篇文章,提出供应链中的“中心性”是衡量企业在供应链网络中地位和影响力的重要指标。吕可夫等学术研究表明,A股市场2004-2019年供应链网络中心性高的企业具备较强的“勒纳指数”(代表企业定价能力),对应更高的竞争地位。报告将该理论引入量化分析,构建了以中心性为核心的选股逻辑。
推理依据: 通过把每家公司看成网络中的节点,供应商客户关系看作有向边,计算节点的多种中心性指标(包括点度中心性、中介中心性、特征向量中心性和Google的PageRank变种),衡量企业在供应链结构中的相对重要性。中心性高代表其拥有资源优势、控制优势以及与外界创新信息交流的优势,从而形成竞争优势。
关键数据点: 供应链节点中心性与勒纳指数之间的正相关,及中心性与竞争地位的三条逻辑路径(资源-信息-议价能力)详见图示。
图表解读: 目录页(图1)清晰展现报告整体框架,从策略逻辑到数据、方法,再到不同基准及产业链下的策略回测,逻辑严谨,条理清晰。
定义与计算方法: 报告详细介绍供应链网络构建思路,企业节点间的供应关系是有方向且强弱不一,节点中心性区分为客户端中心性(customer centrality)和供给端中心性(supplier centrality)。供应链关系的强度权重基于交易金额,并通过时间折现处理,确保数据客观反映企业间真正的贸易关系强度。
中心性计算: 重点说明“接近中心性”计算公式,反映节点与其他节点的平均最短路径的倒数,即节点与全网距离越近,接近中心性值越高。结合关系方向及强度,能反映企业在供应链整体网络中贯通性和影响力。
拓展说明: 通过实例图形直观说明接近中心性概念及不同节点间计算距离的差异。
供应链数据问题与解决方案: 报告指出供应链数据往往受限于披露意愿,存在覆盖度低和披露偏差的问题。为此,选择秩鼎供应链数据,该数据集具备信息安全及质量管理认证,覆盖A股、港股、美股等多市场,结合人工智能及人工复核确保数据高质量和可追溯,适合量化研究使用。
报告展示供应链数据在A股市场从2016年500家覆盖,增长至2022年3200家公司,表明数据质量和规模持续提升,增强研究代表性。
在沪深300、中证500、中证1000三大宽基指数里的覆盖度从2016年起快速增长,目前均接近80%,说明数据对主流市场企业具备较好覆盖,策略适用范围较广,4]。
报告以沪深300、中证500、中证1000为样本市场,按中心性因子分成5组,分析每组的累计收益率、年化收益、波动率、最大回撤、夏普比率及卡玛比率。
沪深300回测结果:
中证500回测情况:
中证1000回测说明:
新能源汽车产业链分析:
光伏产业链分析:
产业链个股表现明细: 报告列举新能源汽车和光伏产业链内部分代表性股票的买入日期及长期收益情况,体现中心性指标对投资风格的预测能力及选股可能性的具体参考。
供应链网络中心性指标介绍表(page 1):清晰定义点度中心性、接近中心性、中介中心性、特征向量中心性及PageRank,为后续指标计算提供理论基础。
供应链网络结构示意图(page 1、5):通过蓝色虚线连结各公司节点,直观展示节点之间供应链连通和中心性影响,其复杂互联验证了网络分析方法的适用性。
供应链数据覆盖增长柱状图(page 3):客户与供应商数据样本数量从2016年到2022年同步快速增长,验证数据覆盖充分,量化策略依据坚实。
不同指数供应链覆盖度曲线图(page 4):沪深300覆盖度一直最高,三大指数覆盖度均接近80%,粉饰数据完整性及有效样本量大。
中心性选股策略收益时序图(page 6-7):
产业链网络图(page 8、9):新能源汽车及光伏产业链用节点和边精确呈现上下游连接及中心性分布,便于理解产业特色与企业间关系。
产业链中心性策略收益及风险指标表(page 8、10):
报告未直接涉及传统估值方法的详细讨论(如DCF、市盈率等)。主要通过中心性对股票表现的预测能力作为差异化投资因子,实质上基于供应链结构信息构建“结构性经济护城河”视角,强调了网络位置带来的竞争优势,从而在量化上获得超额收益。此为非传统估值路径,更偏重于替代性因子投资。
报告明确列出若干风险:
报告未特别提及缓解措施,但强调数据来源权威,覆盖面持续扩展,策略通过多层回测验证,有较强的稳健性支持。
中心性概念的多样性:报告虽重点关注接近中心性,但未详尽对比其他中心性指标(点度、中介等)对策略收益的差异,略显单一。
行业异质性:供应链各行业天然的上中下游层次不同,直接对比全市场中心性存在偏差,报告提出但尚未深挖该影响的量化修正方法。
市场分层表现差异:中证500和1000指数中的回测结果显示策略稳定性和预测能力下降,提示策略尚需针对不同市场做适配优化。
数据错误和样本偏差风险:披露数据可能存在时间错乱或异常,如部分表格中标注年份不统一,提醒投资实践中严谨筛选原始数据重要性。
缺乏细节披露:回测周期、交易成本、手续费及模型参数的具体数值未披露,不便全面判断策略实际落地表现。
本报告以供应链网络的中心性作为核心研究对象,基于秩鼎高质量供应链数据,构建客户端及供应端中心性指标,搭建量化选股模型,系统验证中心性指标在股票投资策略中的预测能力和超额收益表现。
报告重点成果包括:
供应链中心性具备科学理论支撑及实证依据,中心性高的企业在市场竞争中拥有更强的议价能力和信息资源,表现为更好的股价表现。
沪深300等主流指数层面验证:中心性因子显示出良好的区分度和稳健的超额收益,Top多头与Bottom组合差距明显,风险调整后收益理想;
新能源汽车与光伏这两条重点产业链维度的深度追踪:中心性提高的股票组合回测收益率远超基准且夏普比突出,体现了供应链中心性对细分产业投资有着显著的指导价值;
模型的适用性提醒:不同宽基指数和产业链间因子表现有差异,投资者需结合具体市场环境审慎应用。
数据质量保障:采用了秩鼎权威、覆盖面广且经人工复核的数据源,保证分析的前提数据牢靠。
综上,报告为量化研究者与机构投资者提供了一条切实可行的基于供应链网络结构的创新投资路径,揭示了从供应链结构中心性视角发掘“隐性龙头”企业和配置优质股票的有效思路,为供应链主题投资结构优化与行业景气捕捉提供了有力量化工具和实证依据,1,3,4,6,8,10,11]。
以上分析基于报告内容和数据图表进行,旨在帮助读者全面理解报告中的金融逻辑、数据支撑、投资策略及其潜在风险。
“蓝海启航”系列研究之七:供应链中心性初探.pdf