本报告构建了以市场交易行为、基本面和资金面为三大维度的行业配置体系,细化至一级及二级行业,实现核心行业与细分行业的稳定轮动。核心行业轮动年化收益20.3%,五分组细分行业多头年化收益5.69%,胜率保持在65%以上,模型在实操中表现稳健且具实用性,为行业配置和轮动提供了量化解决方案 .
行业配置体系框架:开源金工采用市场交易行为(行业黄金律和行业龙头股)、行业景气度和北向资金流三大维度组成4个子模型,作为行业配置决策依据。2019年至今28个一级行业等权组合月度胜率达70%
核心行业定义及表现:通过公募基金持仓占比(医药生物11.81%、食品饮料8.1%、电子8.1%、非银金融7.5%、计算机6.5%、银行6.4%等)及行业收益贡献,筛选14个ETF跟踪核心行业。该核心行业池2014年至今三分组多头组合年化收益20.3%,信息比率0.756,年化换手5.89倍;多空组合年化收益13.3%,胜率65.4%,信息比率1.1 .
核心行业配置组合近一年持仓明细,2021年1月多头组合包括有色金属、计算机、医药生物、通信和电子为前五大行业,显示了行业轮动的动态特征 .
细分行业轮动模型升级:将高关注度的医药生物、食品饮料、非银金融、电子拆分为40个二级行业,考虑颗粒度变化导致交易行为模型中行业龙头股失效,改用隔夜因子、行业景气度和北向资金三个子模型构建轮动策略。2015年5月至今,多头组合年化收益5.69%,多空超额收益17.16%,月度胜率65.2%,年化换手4.48倍,细分行业轮动模型表现稳健 .
细分行业轮动多头组合年度收益稳定,2020年绝对收益高达49.82%,展现了细分行业模型的有效性和升级后的实用价值 .
总结及风险提示:两类行业轮动模型在实操环境中均表现稳健且实用,推荐结合行业观点关注模型观点及组合表现。模型基于历史数据,未来市场可能变化导致表现波动,存在潜在风险 .
报告标题:《开源量化评论 | 行业量化配置:在重要行业上的应用》
作者与团队:开源证券金融工程团队,首席分析师魏建榕,分析师张翔,研究员王志豪
发布时间:2021年01月28日
研究机构:开源证券研究所
研究主题:基于量化模型的行业轮动配置策略,聚焦于重要一级行业及细分行业的量化配置应用。
报告核心观点与结论:
该报告提出一种基于市场交易行为、基本面和资金面三大维度的行业配置体系,强调“四大子模型”的协同作用。核心部分聚焦两个应用场景:
关键内容:
报告首次回顾了开源金工构建的“行业配置体系”,该体系由市场交易行为(行业黄金律和行业龙头股),基本面(行业景气度),资金面(北向资金流)四个子模型组成。
推理与假设:
关键数据:
2019年以来,基于28个一级行业等权组合,月度胜率高达70%。该行业模型经过多次调整和验证,体现出稳定性。
图示:
图1(第2页)形象展示了三大维度四个模型结构,将交易行为细分中观与微观层面,景气度体现基本面盈利,资金面关注资金偏好,呈环形关系,强化多维融合理念。
核心问题:
报告指出行业配置两大痛点:
逻辑:
针对上述问题,报告提出分别从“核心行业轮动”和“细分行业轮动”两个维度进行策略测试和模型优化探索。
概述:
核心行业依托公募基金持仓数据衡量行业重要性,重点覆盖医药生物、食品饮料、非银金融、计算机、电子、银行等14个行业,这些行业均有对应ETF跟踪。
基金持仓与收益贡献分析:
核心行业ETF产品匹配:
报告详细列举了对应14个核心行业的主流ETF产品信息,包括ETF代码、成立时间及规模。企业级投资者可据此实现精准行业配置,结合多模型信号执行轮动策略。
回测表现:
交易组合结构:
2020年以来,核心行业多头组合月度持仓动态介绍,显示医药生物、有色金属、电子、计算机等行业频繁入选,体现策略紧贴市场热点与资金流动。
图表:
背景与挑战:
针对一级行业宽泛的缺点,报告将医药生物、食品饮料、非银金融、电子四大一级行业细化到40个二级行业层面。
细分行业粒度变细,传统的交易行为模型(黄金律和行业龙头股)表现弱化,主要原因是动量信号失去稳定性和驱动效应,行业内部同质化进一步加剧。
模型调整:
细分行业轮动策略剔除行业龙头股模型,保留隔夜因子(黄金律一部分)、行业景气度及北向资金流三大模型指标,构成新的二级行业配置模型,确保信号依然具备较好预测能力。
回测成果:
行业拆分细节:
表3详列40个细分行业及其成分股数量、行业市盈率(PEttm)等信息,便于理解细分行业结构及估值差异,显示研究深度和研究的可操作细节。
图表:
核心观点重申:
两类行业轮动场景均展现出良好收益与胜率,既有针对核心行业利用全部四个模型的强势策略,也有细分行业调整后的三模型策略,均具备实用性和稳定性。鼓励投资者基于ETF产品结合行业配置模型,优化资产配置和行业轮动投资。
风险提示:
报告重点提示模型基于历史数据,未来市场环境可能发生重大变化,任何策略均面临失效风险,投资者需适时调整和验证模型有效性。
本报告核心不涉及传统估值模型(如DCF、市盈率倍数法等)具体估值计算。其核心是通过量化因子模型结合行业投资池实现行业择时和配置优化,依赖因子信号聚合获得策略表现。其“估值”体现在对行业盈利景气度的动态追踪及PE指标作为行业拆分的辅助参考(细分行业表3中列示行业PEttm),为因子权重与市场定位提供辅助。
本报告基于开源证券金融工程团队原创行业配置模型,系统展示了基于市场交易行为、基本面盈利景气度及北向资金流的量化行业轮动体系。两类应用场景——核心行业和细分行业轮动均展现出显著的正收益和较高的月度胜率。
报告数据详实,逻辑严谨,ETF产品与基金持仓数据结合增强实操指导意义。核心行业轮动多头组合2014-2020年年化收益达20.3%,细分行业轮动也获得近6%的年化收益,两种策略均展现了优良的超额收益及信息比率。
图表阅读中,行业持仓贡献图明确指示主力资金关注焦点,核心行业及细分行业轮动收益曲线和日历图验证策略的持续性和稳健性。
风险提示虽简明,但合理指出模型依赖历史表现可能存在失效风险。投资者结合量化模型观点和ETF工具,能更科学地进行行业轮动配置,有望获得超越基准的投资回报。
综上,开源金工行业配置体系为实务投资提供了高效、系统和创新的量化解决方案,值得行业投资者深入研究和应用。,1,2,4,6,8,9]
图1:开源金工行业配置体系:三大维度4个模型筛选
图4:各行业对公募基金收益贡献
图5:核心行业轮动三分组织合表现
图8:细分行业轮动回测表现
图9:细分行业轮动多空超额收益日历图
开源量化评论 | 行业量化配置:在重要行业上的应用.pdf