本报告基于行业景气度视角,构建并完善量化行业轮动框架,通过筛选行业基本面同步指标和领先驱动指标,运用多元回归模型构建各行业综合景气预测模型,并基于景气度变化设计行业轮动策略。回测显示该策略自2007年以来表现优异,年化超额收益达到9.02%,且回撤显著降低。最新实证结果显示,钢铁、农林牧渔、采掘、传媒和建筑材料行业具备较好超配价值。
| 行业 | 代表同步指标 | 代表领先指标及相关性 |
|---|---|---|
| 采掘 | ROA, 毛利率, 营业收入同比增长率 | 固定资产投资完成额(累计同比)(76.8%),波罗的海干散货指数BDI(月)(75.8%)等 |
| 化工 | 毛利率, 销售费用比 | WTI 原油期货结算价(月)(-81.1%),滚动市盈率(TTM)(57.0%)等 |
| 有色金属 | 毛利率, 扣非净利润/净利润 | PMI(69.9%),M1同比(51.1%),现货收盘价LME铝(月)(63.0%)等 |
报告标题:景气视角下的行业轮动策略——重构行业轮动框架之五·汇总篇
作者及机构:广发证券发展研究中心,主要分析师包括史庆盛、罗军、安宁宁等,报告日期为2019年9月24日。
研究主题:基于宏观和行业景气度的量化行业轮动策略构建。报告覆盖申万一级行业景气度变化,重点在于基于行业景气度及其变化预测行业指数表现,通过构建综合景气预测模型促进行业轮动。同时报告以构建和优化量化轮动模型为核心,为不同申万一级行业提供投资转换指引。
核心论点及评级:
报告最终意图传递的是:在尊重基本面及宏观环境变化的基础上,以量化方法筛选领先指标并搭建行业综合景气模型,是实现跨行业资产配置和动态轮动的有效方式,同时该模型虽然在稳定市场中表现出色,但在极端行情存在一定失效风险。,3,24]
报告首先建立了一个包含宏观环境、行业景气度及行业内部微观变化的完整量化行业轮动框架。宏观层面包括经济指标(GDP、工业增加值、PMI)、货币政策(M1、M2)、财政政策、通胀水平等;行业层面关注需求、供给和成本三大核心因素对行业毛利率和产品价格的影响,进一步反映企业利润及行业表现;微观层面更多考虑行业内个股行为、估值和资金流动特征。
典型行业按上游(采掘、化工、有色金属)、中游及下游以及服务与支撑分类,体现了产业链的结构框架。报告强调,行业景气度分析居于宏观和微观之间,是量化轮动的核心支点。
面对宏观指标预测行业指数容易陷入过拟合且缺乏基本面逻辑,报告从基本面景气度同步指标出发,筛选与行业指数表现高度相关的因子,同时挖掘领先驱动指标,即能够提前影响基本面指标的宏观及产业链变量,借助多元线性回归模型整合这些领先指标预测行业综合景气度。结合环比变化,构建行业轮动体系,实现跨行业优选超配策略。
报告梳理了从宏观事件驱动框架渐进到景气视角的行业配置路径,强调“同步指标”和“领先指标”的双层筛选和预测设计,有效弥补传统宏观回归模型的不足.
行业景气度分为两类:
两类指标结合,形成系统化的行业景气度测算模型。研究以申万上游三大行业为例,阐示各类指标选择及衔接逻辑,6].
通过图6分析(采掘行业指数与ROA同步性呈现高度一致,ROA能直观反映盈利),图7中波罗的海干散货指数作为领先指标,波动出现在指数走势之前,有预测能力.
图8显示销售费用比同步度高,图9体现滚动市盈率对化工行业指数具备提前引导能力,尤其反映市场预期。.
图10表明毛利率指标与有色金属指数走势同步,图11显示领先指标M1同比紧跟指数趋势,且领先一个月.
报告基于筛选的领先指标利用多元线性回归,构建公式:
Yi=ai+n=1∑Nβixi+εi其中, Yi 表示行业i的综合景气度指标,xi 为该行业领先指标。通过拟合各行业领先指标,回归模型R²分别为:化工0.57,采掘0.42,有色金属0.39,验证模型有效性。
结合图12、13、14可见,最新预测采掘景气度环比向上接近7%,化工和有色金属均为正增长,行业整体处于景气上升期,说明模型可提供较近期准确的行业景气度预测.
以申万全一级行业(剔除综合行业)共27个行业为样本,按每月末为调仓点,计算各行业综合景气度环比变化,进行两层打分:
选取综合得分最高的5个行业作为超配行业,组合权重等权。设定交易成本为双边千分之三。
回测区间涵盖2007年1月至2019年9月,结果显示该轮动策略年化超额收益9.02%,且年度表现均为正(表10、图17),历史表现稳定可靠,最大回撤较传统方法更小。
2020年10月最新超配行业为:钢铁、农林牧渔、采掘、传媒、建筑材料(表11、图19),反映模型适应性持续较好.
此图清晰展示宏观环境、产业指标如何通过需求、供给、成本影响销售量、产品价格,从而驱动企业收入,再传导至利润及行业指数表现。前瞻指标与同步指标体系化串联,强调领先指标带来预测价值,后期政策调整或宏观冲击可通过该链条影响行业表现。
系统展现宏观经济指标、货币政策、财政政策等宏观变量,结合行业供需变化、成本结构与微观量化建模方法(估值、资金流、风格极值等),全面覆盖行业景气分析与轮动策略执行逻辑。
图6中采掘行业ROA与行业指数高度同步,说明ROA能及时反映采掘利润变化,是有效同步指标。图7中波罗的海干散货指数先于行业指数移动,确认其领先指标地位。
同步指标展示化工销售费用比、有色金属毛利率趋势,领先指标如WTI原油期货价格(化工)、M1同比指标(有色)具备回归先行效果,证明多种宏观及行业内指标对预测具有实际作用。
综合景气度多元回归模型有效拟合行业指数动态,趋势吻合良好。模型R²水平平均在0.4左右,说明领先指标组合能较好解释指数行情波动。
超额收益从2007年起逐步提升,尤其2017年后表现亮眼,显示量化景气度轮动策略优于单一行业等权指数。年度超额收益稳定,风险控制较好。
当前钢铁、农林牧渔、采掘居前,反映基本面、宏观环境支持其景气度提升,适合作为超配对象。
本报告核心不在于传统估值模型,更多是用量化回归模型衡量行业景气度的前瞻指标,模型基于多元线性回归,回归系数对应领先驱动指标的权重,目标是拟合行业景气度并以此指导行业指数走势预测。
具体估值倍数、DCF等传统估值方法未详细展开,分析侧重于基本面驱动的行业盈利及增长变化的量化预测。
关键假设为领先指标(宏观、产业链价格、生产量等)能反映并领先基本面盈利变动,有一定历史稳定相关性,回归模型假设线性关系有效。
报告明确警示,量化模型基于历史数据统计与建模,若市场出现极端环境,如政策巨变、黑天鹅事件等,模型规律可能失效。
此外模型选择的宏观及产业链数据存在滞后和更新频率差异,为统一月度调仓,可能无法及时反应最新变化。
模型对行业分类及领先指标选择的依赖度高,若行业结构调整或业务逻辑变化,模型精度可能下降。
无明确风险缓释策略,风险归属于模型限制及历史数据依赖性,24].
本报告系统构建了一个涵盖经济、政策、产业链多层次量化领先指标的行业景气度预测模型,以多元回归方式整合领先指标,生成综合景气度,用于行业指数走势预测和动态轮动策略制定。模型通过历史数据验证,具备较强前瞻性和稳定性,提升行业配置效率。
具体来说,报告通过筛选各行业最具代表性的同步基本面指标(如ROA、毛利率和销售费用比)和相对应领先指标(如固定资产投资完成额、PMI、美元指数、BDI等),构建行业综合景气预测模型。以上游行业(采掘、化工、有色金属)为例,模型拟合优度均较为可观,最新数据指向多个行业景气回升,策略因而推荐相关行业。
轮动策略采用板块内及全行业双重排序机制,结合综合得分选取前五大行业超配,实证结果自2007年至2019年,在考虑交易成本情况下,策略实现年化超额收益9.02%,且回撤显著低于传统等权基准。
策略的最新提示(2019年10月)为钢铁、农林牧渔、采掘等行业处于景气上行周期,值得关注。报告同时提示模型局限性,极端环境下模型失效风险不可忽视。
综上,报告以严谨的指标筛选逻辑和回归建模,构筑了具有前瞻性的行业景气度分析及轮动策略体系,不仅深化了行业景气分析理论,也为实务配置提供了量化工具,兼顾逻辑严密性与因果识别,堪为行业动态配置的有效研究和实操范本。
行业景气影响因素及传导路径
基于领先指标构造行业综合景气模型
采掘行业指数与同步基本面景气指标(ROA)
行业景气轮动策略超额收益
全行业最新预测综合打分情况
以上分析结合报告全文内容,严谨解析各章节、模型构建、数据及图表,充分揭示报告行业景气度预测及轮动策略背后的逻辑和实证效力。
重构行业轮动框架之五(汇总篇):景气视角下的行业轮动策略.pdf