本报告基于盈利、质量及估值动量三大类因子构建行业景气度与估值指标,合成景气度估值因子以提高行业收益预测稳定性,进一步开发行业轮动策略。景气度估值因子及结合北上资金因子的行业轮动策略均表现出显著超额收益,前者年化收益率达12.11%,夏普比率0.44,后者年化收益率提升至13.62%,信息比率达到0.93。报告还给出最新3月行业配置建议及对应ETF列表,策略换手率适中,风险指标优于基准,适合中期行业配置决策参考
本报告深度探讨如何基于行业盈利水平、经营质量、估值动量三个维度构建行业轮动策略,并结合市场资金流向(北上资金)因子,优化行业资产配置。核心结论是:盈利、质量及估值动量因子均对行业未来收益有显著预测能力;通过等权合成三个因子构建的景气度估值因子较单个因子更稳定且收益率更优;行业轮动策略在历史回测中实现了12.11%的年化收益率和0.44的夏普比率,明显超越行业等权基准。同时引入北上资金因子后,策略表现进一步提升,年化收益率达到13.62%,信息比率提升至0.93。报告以多维度因子支撑策略设计,结合ETF推荐指导实际配置。
行业景气度代表整个行业上市公司的整体经营表现,通常景气度提升意味着行业盈利能力增强,引发投资者关注及资金涌入,带动股价上行。估值动量则刻画估值水平变化趋势的持续性,即当行业估值开始上升,通常会有进一步提升趋势。此外,传统的价格动量反应价格走势,但价格变化包含盈利和估值两部分的因素,估值动量剔除了盈利因素影响,更纯粹地体现估值变化。此报告重点探索中期(季度、年度尺度)行业配置策略,结合盈利类与质量因子(反映景气度),估值动量因子,及市场资金动向三个维度构建组合因子,避免单因子的阶段性失效。
报告归纳东兴金工行业配置框架(图1):
本报告属于系列中的第三篇,进一步细化并验证了基于行业景气度与估值动量的构建方法,为中期行业轮动提供了科学依据。
选取5个盈利类因子衡量行业盈利水平变化:
实验结果显示,单因子IC均值介于3%-5.04%,ROE变动因子表现最佳,IC均为约5.04%。合成盈利因子后,IC均值达到5.62%,提升有效性。多空组合年化收益11.71%,夏普比率0.88(相关图表图3、表5)。盈利因子分位数组合的年化收益存在一定波动,表现单调性一般,需要组合稳健化处理。
衡量行业中企业资产周转效率与偿债能力,因子包括:
IC均值呈现3.39%-3.48%区间,合成后因子IC均值4.69%略低于盈利因子,多空组合年化收益率7.35%,夏普0.55,收益风险表现略逊于盈利类因子,但作为景气度补充维度仍重要。质量因子净值曲线较平稳,点明其稳定贡献(图4,表7、8)。
构建估值动量因子,强调估值(非价格)变化的持续性和预测能力,使用:
价格动量因子基于行业指数120日、240日价格变化构建。实验显示,估值动量因子表现优于价格动量,IC均值6.84%>5.67%,风险调整的IC更优。多空组合收益9.82%,略低于价格动量的11.14%,但波动率及最大回撤明显更低,夏普比率0.58优于0.54。估值动量和价格动量存在一定相关性(相关系数0.6341),但在收益风险的权衡上,估值动量更均衡(图5、6,表9-14)。
鉴于盈利因子、质量因子及估值动量因子之间的秩相关系数较低(最大0.2249),报告以等权方法将三者合成为景气度估值因子,以增强因子稳定性和预测能力。
景气度估值因子测算结果:
因子表现说明合成后的复合因子捕捉了行业多维景气度和估值变动特征,具有较强的收益预测能力,为行业轮动策略提供坚实基础。
基于景气度估值因子:
策略表现出色:
北上资金因子构建自资金持股偏好和流向因子,反映外资对行业偏好,过去四年有效性高,但从2021年初收益开始下滑。报告分析其依赖银行类配置型资金,转换市场情绪不够及时,导致短期失效风险较大。
将北上资金因子加入景气度估值因子体系,形成四因子综合模型:
分析选取不同手续费标准(千分之三 vs 千分之一)对策略表现的影响,结果显示:
依照景气度估值行业轮动策略,2022年3月重点推荐行业:
报告同时提供针对上述行业的ETF详尽列表,支持投资者执行行业配置。(表22-23)
报告明确指出,所有模型结果基于历史数据和假设,政策变化、市场环境变化可能导致模型失效,投资者需警惕并持续跟踪市场风险。
图1(行业配置框架): 通过齿轮象征显示短期价量、中期景气度估值及机构持仓、长期经济周期三者互动力,说明行业配置模型多维度、跨周期整合思路。
图2(因子构建流程): 显示财务数据从个股TTM调整,合成到行业多种方法,转化同比环比,最终形成盈利、质量、估值动量因子的逻辑链条。
表1-2(合成方法与变化方法): 清楚列出四种行业合成方法和同比环比用于计算指数因子的具体定义,奠定后续因子构建基础。
表3-4(盈利类因子定义及IC测试): 多因子IC均为正,其中ROE变动表现最佳,合成因子表现稳定优于单因子,无显著负面期。
图3和表5(盈利因子分位组合): 多空组合收益率11.71%,净值走势稳定上升,最大回撤仅16.5%,说明盈利因子预测稳定且收益可观。
表6-8及图4(质量因子表现): 质量因子IC值虽略低于盈利因子,仍有预测能力,多空年化收益7.35%,夏普0.55,表现相对稳健,净值曲线连续且平顺。
表9-14及图5、6(估值动量与价格动量对比): 估值动量IC均值6.84%优于价格动量5.67%,夏普更高,最大回撤小,表现更稳健,价格动量和估值动量因子相关度为0.63,具备一定互补。
表15(因子相关性): 盈利-质量0.225,其他因子相关性极低,支持合成稳定。
图7-10及表16-17(景气度估值因子表现): IC均值大幅上升至8.88%,多空组合收益18.54%,夏普1.11,最大回撤18.88%,净值与IC弹性强,组合效果明显。
图11-12及表18(轮动策略回测表现): 净值明显领先行业基准,年化超额收益6.2%,信息比率0.73,月均换手率52.8%,换手频率合理,年度超额收益稳定。
表19及图13-15(北上资金结合): 北上资金与估值动量相关度较高,加入北上资金因子后,策略年化收益率提升至13.62%,超额收益7.68%,信息比率0.93,表现持续领先,换手率略升至55.1%。
表21(手续费灵敏度): 手续费降低对策略效益有明显提升,特别对年化超额收益和信息比率贡献显著,支持ETF策略执行低成本要求。
表22-23(行业排名及ETF推荐): 明确标示各推荐行业因子排名,搭配对应ETF名单,方便落地执行。
报告的估值分析主要体现在对行业收益预测因子的综合价值体现,以及通过轮动策略表现折现收益。
总体估值分析展示出因子多元集成的优势,验证与实际组合策略收益的匹配,未直接使用DCF或市盈率静态估值模型,而是基于因子预测能力来驱动资产配置决策。
报告风险提示聚焦以下几点:
报告未直接给出缓解方法,但通过多因子融合、分位组合分散风险,且多维数据来源有助于风险对冲。投资者仍须审慎认知模型依赖性风险。
综上,报告科学严谨,但因模型依赖历史数据,投资者应配合市场动态,避免过度依赖单一量化模型。
本报告系统构建并验证了基于多维度行业景气度(盈利+质量)与估值动量的行业轮动策略,展现了良好的预测效果和组合表现。核心发现包括:
整体而言,报告基于细致因子构建和全面数据验证,支持投资者构建科学的中期行业配置方案,实现超额收益和风险控制目标,符合专业量化分析标准,推荐作为行业轮动策略规划的重要参考。
附重要图表示例:
注:全文所有定量指标均取模型回测结果及公开数据统计,报告内容立足于历史统计规律,投资需谨慎考量市场环境变化风险。
20220311-东兴证券-东兴证券资产配置系列之三:基于多维度行业景气度与估值动量的行业轮动策略.pdf