本报告基于申万一级行业距离矩阵,通过行业相关性和距离分析,抽象出金融、周期、消费、成长四大风格,构建核心风格指数,进一步结合相对强弱技术指标进行风格轮动判断。在此基础上,采用Black-Litterman模型进行量化行业配置策略构建,并通过回测验证该策略自2011年以来年化超额收益13.90%,表现优异。报告中详细论述了行业聚类映射、相对强弱指标构建及多种拟合方法比较,最终提出移动窗口内线性回归为最佳拟合方法,为风格轮动量化行业配置提供了理论与实践支持
| 风格板块 | 核心行业 |
|---|---|
| 金融 | 银行 |
| 周期 | 非银金融、采掘、钢铁、有色金属、化工 |
| 消费 | 食品饮料、家用电器、医药生物 |
| 成长 | 计算机、电子、通信、传媒 |
| 年份 | 行业组合 | 申万A指 | 超额收益 |
|---|---|---|---|
| 2011年 | -19.75% | -28.63% | 8.88% |
| 2012年 | 4.47% | 4.91% | -0.44% |
| 2013年 | 30.19% | 6.30% | 23.89% |
| 2014年 | 83.72% | 44.88% | 38.84% |
| 2015年 | 41.30% | 35.29% | 6.01% |
| 2016年 | -10.03% | -13.55% | 3.52% |
| 2017年 | 31.25% | 2.20% | 29.05% |
| 2018年(截止3.13) | 5.72% | -0.16% | 5.88% |
| 月均超额收益 | 1.15% | ||
| 年化超额收益 | 13.90% | ||
| 信息比率 | 1.13 |
报告标题: 风格轮动与行业配置
发布机构: 申万宏源证券研究所
发布作者与联系方式: 曹春晓及销售团队(见信息披露页)
发布时间: 文档未具体标明具体发布日期,但数据截至2018年3月中旬
研究主题:
核心观点与结论:
报告试图通过构造行业距离矩阵和核心风格指数,捕捉行业风格间相对强弱的轮动关系。进而基于该风格轮动逻辑,结合BlacL-Litterman配置模型探索量化行业配置策略。历史回测显示方案在2011年以来实现了显著的超额收益,年化超额回报达到13.9%,具备较强的实用投资价值。报告还强调成长风格在当前市场中的强势地位,并对风格及行业映射结构提出了改进方法。
报告回顾了行业轮动的常用方法,包括:
定义两行业相关系数为ρ,两行业之间的“距离”定义为D=sqrt(2*(1-ρ)),通过该度量方法刻画了28个申万一级行业间的距离关系网络。网络图(图3页)显示了行业间错综复杂的相关关系。整体呈现某些行业群体相对聚拢,反映出行业间的经济联系和共性。
通过行业间距离矩阵,发现:
行业空间中的这四个“星”行业分别对应四种典型投资风格:
该假设为后续构建风格指数和风格轮动模型提供了基础。
基于上述四大风格,选取相应的核心行业及相关龙头股票,编制成金融、周期、消费、成长风格指数。选股标准基于市值和成交量,确保指数能较好代表行业方向。图7页展示了这四大风格指数在2007年至2018年的走势,反映出不同时期风格的强弱变化,投资者可通过其捕捉行业风格轮动机会。
相对强弱指标(RS)是衡量两资产间表现差异和趋势的关键工具,报告介绍了三类RS计算形式,都涉及对资产价格或累计收益率对数差的计算。基于RS序列,可采用技术分析手段寻找轮动信号。
常用的RS技术分析包括:
将四种风格两两对比,共产生六组两两风格相对强弱的判断。通过对每种风格与其他三个风格的对比“投票”,产生当期整体强弱排序, 表明成长风格在当前市场中较为强势。图14页分别展示了几组典型的风格对比导数状态图,直观反映了风格轮动的动态特征。
风格指数主要基于核心行业构建,剩余卫星行业通过与其相关性进行聚类并映射到对应风格。图16页通过气泡图清晰展示了各行业与四大核心行业(对应四大风格)的关系,体现了行业间的聚类与风格属性。
初版策略结合四象限风格轮动模型和Black-Litterman(BL)资产配置模型,以宏观到微观的顺序实现行业配置。BL模型集成市场均衡收益和投资者观点,通过优化行业权重提升组合表现。相关流程图见图17页。
策略也暴露业内存在的硬划分难题,如行业划分的非黑即白问题,以及行业小盘/大盘属性复杂,难以准确归类。
针对上述问题,将风格映射重新基于聚类结构确立,更新轮动及行业映射模型。改进后,BL模型与行业风格映射更加匹配,提升配置合理性和动态适应能力(图18页)。
回测数据验证了模型设计合理性。
图3(行业距离网络): 展示28个申万一级行业间复杂相关性关系。通过网络图直观呈现多个行业节点及其相关边权,反映行业间的经济关联度。银行业节点孤立且距离较大,显示其独特性;
图表(申万一级行业距离矩阵,页4): 矩阵定量显示行业间两两距离数值,数据为基于相关系数转化得出。距离接近于0的行业高度相关,接近或超过1的行业则较为独立,是提取风格核心和映射的基础;
图5(风格间轮动示例): 左图展示银行与计算机的相对表现,二者呈现分阶段的轮动趋势,印证了价值与成长风格的替代性;右图食品饮料和钢铁组成周期/非周期风格对照,显示典型周期行业在经济周期波动期表现不稳定;
图7(风格指数走势): 四种风格指数从2007年至2018年走势差异明显,成长风格显著走强,消费风格居中,金融和周期风格表现相对平缓或疲弱,说明风格轮动的长期演变;
图11-13(拟合方法比较图): 多项式和三角函数的拟合曲线与导数状态对比,量化验证了多项式拟合在平滑性和趋势判断上的优势,移动窗口线性回归提供了稳健的拟合和判定工具;
图14(风格间相对强弱四象限图): 不同风格两两对比的导数轨迹,帮助投资者判断风格当前处于走强(1)还是走弱(0)区间,强调成长风格的领先地位;
图16(行业风格映射气泡图): 可视化行业分类到四大风格的动态映射关系,展示核心行业和卫星行业的层级及聚类特点,体现行业风格混杂现象;
图17与图18(策略框架流程图): 清晰展示行之有效的风格轮动结合BL模型与风格映射优化后的行业配置策略整体逻辑;
图20(行业配置策略历史业绩): 股价指数图及年度收益表直观呈现策略超额收益及良好风险调整表现。
报告聚焦行业风格轮动和量化配置模型设计,未涉及传统意义上的个股估值分析、DCF模型或可比公司估值。估值体系体现为基于Black-Litterman模型(BL模型)的资产组合优化,输入关键包括市场均衡收益率、投资者观点(风格多空信号)和协方差矩阵(行业风险结构)。BL模型以其能够融合主观观点和市场信息,合理调整行业权重,是本文量化行业配置的核心估值基础。
报告并未专门设立独立风险章节,但多处对模型和应用局限隐含风险评估:
报告并未详细描述缓解机制,但通过行业聚类动态映射和风格轮动多层次判断间接提升模型适应性。
本报告系统地揭示了A股行业风格间的深层关系,创新性地提出基于行业相关系数的“行业距离矩阵”和空间映射,发现了银行、食品饮料、钢铁和计算机四大行业分别代表金融、消费、周期和成长四种核心投资风格。通过构建涵盖核心行业的风格指数,结合相对强弱技术指标与多项式及移动窗口线性回归拟合,形成更加稳健的风格轮动判断工具。
报告在此基础上提出了结合Black-Litterman模型的量化行业配置策略,充分整合市场均衡收益与投资者风格观点。该策略通过回测显示出显著超额收益和优良的信息比率,2011年以来相较申万A指年化超额收益高达13.9%,证明了风格轮动策略和行业空间映射的实用价值与投资指导意义。
图表数据清晰支持论点,如行业距离矩阵精准揭示行业间异质性,风格指数走势反映市场风格演替规律,导数拟合与四象限状态图有效捕捉风格周期波动,组合回测业绩图展示策略稳健的收益能力。
总体而言,报告提供了较为完整和严谨的行业风格轮动量化模型框架,对投资者理解市场结构与风格演变、实施风格轮动型资产配置具有重要参考价值。,2,3,4,5,6,7,9,10,11,12,13,14,16,17,18,19,20]
行业距离关系网络示意图
银行与计算机风格轮动图示
金融、周期、消费、成长风格指数走势
多项式拟合及导数表现
行业配置策略累计收益表现
此为对报告全文及所有关键图表的系统解读和分析,兼顾技术细节与策略逻辑,确保对报告核心内容的全方位把握。
风格轮动与行业配置(180314).pdf