2022年2月大类资产配置展望：A股行业回报相关性的循环规律

——2022年2月大类资产配置展望 A股行业回报相关性的循环规律 行业回报间相关性具有三点规律：（1）按照申万一级行业的划分：2000年至2021年各行业之间的相关系数矩阵，整体来看，化工、轻工制造、机械设备、纺织服装等行业与其他行业的相关性较强，银行、非银金融、食品饮料、采掘等行业与其他行业的相关性较弱。以万得行业划分口径，在日度回报率的视角下，工业、可选消费、材料与其他行业的相关性较强，电信服务、金融、能源、房地产与其他行业的相关性较弱。（2）行业回报率相关性的循环规律：无论是按照申万还是万得行业标准，是按照3个月还是6个月滚动相关性窗口，行业间相关性均呈现长期下行趋势，自2019年以来下行趋势加剧。在申万行业口径的划分下，行业间回报率相关度的“循环规律”更加突出。（3）“特立独行”的金融股：不同行业指数超额收益率之间多数呈现弱相关性，部分呈现负相关，其中银行、非银金融与其他行业的负相关性较为显著，也验证了金融股在大盘表现不佳时可以作为降低股票组合波动率、充当底仓的缘由所在。 1月国内大类资产表现回溯 1月国内大类资产的表现可以概况为：股市全线下跌、商品延续强势、债券利率变动轻微、人民币走强。（1）股市方面：截至1月27日，沪深300指数下跌6.5个百分点，上证50下跌4.7%；创业板指下跌12.5%、深证成指下跌9.8%、上证综指下跌6.7个百分点，中证500下跌10.2个百分点。中信风格指数下各个板块全月回报排序为：金融>稳定>周期>消费>成长，金融股录得最小负回报率。（2）债券方面：1月中债口径十年期国债到期收益率略降6bp至2.71%。（3）商品方面：主要商品价格维持了上个月强势行情，上期所原油领涨9.2%，工业品指数上涨7.4%，南华综合指数上涨6.0%，上期所黄金下跌1.3个百分点。（4）汇率方面：截至1月27日，美元兑人民币汇率中间价收于6.3382，美国四季度GDP数据超预期叠加鹰派讯号，仍无碍人民币的韧性。 2022年2月大类资产展望 （1）股票市场：2022开年股市表现不振，“MLF/OMO-LPR”降息利好信息并未传递到股市，海外市场方面，对加息前置到3月的预期进一步得到确认。 2021上半年市场最大的分歧在于国内和海外货币政策的背离，我们认为国内流动性宽松环境有助于提估值，可以对冲海外流动性收紧的负面影响；ROE全年大概率“下台阶”，但过去ROE弱、货币松的组合下股市还有走牛机会。 因此，我们对上半年股市看法并不悲观。（2）债券市场：央行更加积极进取，“政策底”再次确认，稳增长见效的可能性进一步增加。时隔两年政策利率再度下调，稳增长进一步发力。后续货币政策稳增长的方向：一是充足发力；二是精准发力；三是靠前发力。（3）商品：商品整体偏空。地缘因素和供给端双向交织导致跨年期间石油出现上涨，随着供应瓶颈问题的缓解，我们预计一季度末原油、黄金等商品价格回落。（4）美元：2022年美元预期走强，但2023年美元实际汇率指数有小幅降低的可能。回溯上一轮缩表时期，也是前半段美元走强、后半段美元走弱的。 风险提示：全球供应瓶颈问题尚未得到缓解，海外仍未摆脱疫情冲击 1.探究A股各行业回报的相关性循环 在构建投资组合时，配置相关性较低的资产可以降低组合的整体风险。在前期的系列专题中，我们一起探讨了股票、债券、商品间的回报率的相关程度，提出了用“货币-信用”、“美林时钟”等改进后全天候策略，来配置国内资产以平抑波动，以及利用防御指数和周期指数等权重配置以搭建“懒人投资组合”等视角；也验证了商品在资产配置中可以起到一定程度降低波动性的观点，并将主要资产按照波动性定量来构建坐标系，绘制了资产“元素周期表”。这篇专题中，我们来探讨各个行业间回报率的相关性，在历史中具有周期性的循环规律，把握行业间回报相关性循环的规律，有助于进行股票市场的结构筛选，在多资产配置中组合相关性较弱的行业抵御市场冲击。 直观来看，资产间的相关性衡量的是两个资产在同一时间区间内涨跌的一致性，一段时间内两类资产同时上涨或下跌表明两者正相关，涨跌方向相反则表明两者负相关。量化视角可以使用相关系数衡量相关性，相关系数的取值范围为[-1,1]，其绝对值越接近1，表明两个资产之间的相关程度就越强，越接近0则表明两者的相关程度就越弱。首先，在行业的分类方面，笔者选取了万得行业分类以及申万一级行业分类，前者包括11个分项，后者包括28个行业分项，具体分类如下表所示： 表1：A股两个体系的行业分类目录对比 1.1万得行业分类下的板块收益率相关性测算 A股各行业收益率之间均存在正相关。对三个时间区间（2000-2021、2010-2021、2016-2021）的万得行业指数日度收益率进行相关性分析，可以发现各行业指数收益率之间普遍呈现较强的正相关性，虽然在近年有所走弱。图1为2000年至2021年各行业之间的相关系数矩阵，蓝色越深表示相关性越较强，越浅表示相关性越弱。整体来看，工业、可选消费、材料与其他行业的相关性较强，电信服务、金融、能源、房地产与其他行业的相关性较弱。基于相关系数的分布，将相关系数大于0.9的情况视为强正相关性，将相关系数小于0.6的情况视为弱正相关性，材料-工业、工业-可选消费、工业-信息技术之间的收益率在3个区间均呈现强正相关性，此外，材料-可选消费、可选消费-信息技术、工业-公用事业之间也在长区间呈现强正相关性。日常消费-电信服务、医疗保健-电信服务、医疗保健-金融、金融-信息服务在多个时期呈现弱正相关性。 近5年来行业之间的相关性整体呈减弱趋势。2000年以来相关系数高于0.9的行业共有6对，2010年以来共有5对，而2016年以来仅有3对。与此同时，2000年以来相关系低于0.6的行业共有3对，2010年以来共有3对，而2016年以来增加至13对。 图1：万得行业指数日收益率相关系数矩阵（2000年至2021年） 图2：各区间指数收益率相关系数高于0.9的万得行业 图3：各区间指数收益率相关系数低于0.6的万得行业 除了对上文选取的三个时间区间计算相关性，笔者还测算了2000年以来万得行业指数日度收益率的3个月和6个月滚动相关系数，发现大部分行业与其他行业收益率的相关性呈长期下行趋势，3个月与6个月滚动相关系数的走势基本一致。2016-2017年各行业收益率之间的相关性出现显著下降，随后于2018年恢复到前期平均水平，但在2019-2021年再次出现剧烈下降。 图4：各万得行业指数日收益率与其他行业相关系数均值（2000至2021） 对2000年以来万得行业间日均收益率的分化程度进行分析，我们分别选取标准差及(75p-25p)/50p作为分化程度衡量指标，得到结果如下：2000-2021年行业整体分化走势呈现出较为明显的几个阶段 ， 此外 ， 标准差及(75p-25p)/50p指标呈现出一致性。2000-2008年各行业指数走势分化程度呈上升趋势。2009-2014年波动下降。2014年底波动上升，至2015年中达到新高点。 2015年后半年-2017年初呈下降趋势。2017年左右达到低点后，至2021年底呈现上升趋势。 图5：万得行业指数日均收益率标准差 图6：万得行业指数日均收益率(75p-25p)/50p指标 接下来，我们进一步对万得行业指数日超额收益率进行相关性分析，图7的相关系数矩阵图中蓝色表示正相关，红色表示负相关。整体来看，相关性矩阵的“调色盘”以红色为主调，表明与绝对收益率普遍呈现正相关性的规律有所不同，不同行业指数超额收益率间更多呈现弱负相关性，尤其是金融、房地产行业与其他大部分行业负相关。具体来看正相关的行业，工业-材料、工业-可选消费等行业之间的超额收益率存在同向变化的规律，这几类行业共同受经济周期等因素影响。金融与房地产行业超额收益率的联动特征很容易理解，地产公司的开发贷、居民的按揭贷款都是地产与金融间的纽带，但在“房住不炒”的大背景下，预计相关性会一定程度上减弱。此外，医疗保健与可选消费、信息技术与工业、信息技术与可选消费等板块也存在一定的正相关关系，这些均为高技术附加值的高精尖行业，在自上而下的划分中归为成长型行业，且行业间也具备上下游的关系，例如可选消费中的消费电子等产品依赖于信息技术的发展与成熟。 图7：万得行业指数日超额收益率相关系数矩阵（2000年至2021年） 通过测算2000年以来万得行业指数日超额收益率的3个月和6个月滚动相关系数，笔者发现大部分行业与其他行业收益率的相关性呈长期下行趋势。3个月与6个月滚动相关系数的走势基本一致，也更为敏感，会包含更多的行业间相关组合。具体来看各行业间的相关性，信息技术-材料、信息技术-日常消费、信息技术-房地产、工业-日常消费、公用事业-金融等行业超额收益率之间的相关性存在较为显著的变化，出现了较强正相关与较强负相关的转变。 图8：信息技术与材料的滚动相关性（6个月） 图9：信息技术与日常消费的滚动相关性（6个月） 图10：工业与日常消费的滚动相关性（3个月） 图11：公用事业与金融的滚动相关性（3个月） 1.2申万一级行业口径的行业回报相关性循环规律 自下而上根据个股来划分行业的方法受到体系与标准的影响，不同划分体系之下同一股票、公司可能被归属到不同的行业中。为了便于对比，笔者选取申万一级行业与上述万得行业进行“对照组”分析。笔者对三个时间区间（2000-2021、2010-2021、2016-2021）的申万一级行业指数日度收益率进行相关性分析，可以发现各行业指数收益率之间普遍呈现较强的正相关性，这一结果与上文基于万得行业指数的分析一致。图12为2000年至2021年各行业之间的相关系数矩阵，整体来看，化工、轻工制造、机械设备、纺织服装等行业与其他行业的相关性较强，银行、非银金融、食品饮料、采掘等行业与其他行业的相关性较弱。基于相关系数的分布，将相关系数大于0.9的情况视为强正相关性，将相关系数小于0.5的情况视为弱正相关性，化工-机械设备、轻工制造-机械设备之间的收益率在3个区间均呈现强正相关性，此外，化工-轻工制造、电子-计算机，纺织服装-商业贸易、纺织服装-机械设备、轻工制造-商业贸易之间也在长区间呈现强正相关性。银行与多数行业在多个时期呈现较弱相关性。 近年来更多行业之间的相关性呈现减弱的趋势。2000年以来相关系数高于0.9的行业共有16对，2010年以来共有10对，而2016年以来仅有2对。与此同时，2000年以来相关系低于0.5的行业共有6对，2010年以来共有23对，而2016年以来增加至43对。 图12：申万一级行业指数日收益率相关系数矩阵（2000年至2021年） 图13：指数收益率相关系数高于0.9的申万一级行业 图14：指数收益率相关系数低于0.5的申万一级行业 在3个月和6个月滚动相关系数方面，申万一级行业的滚动相关性呈现长期下行趋势，自2019年以来下行趋势加剧，结果与基于万得行业的分析一致，但是由于行业划分更加细分，各行业之间的滚动相关性的波动幅度更大。在申万行业口径的划分下，行业间回报率相关度的“循环规律”更加突出。 图15：各申万一级行业指数日收益率与其他行业相关系数均值（2000至2021） 此外，笔者对2000年以来申万一级行业间日收益率的分化程度进行分析。我们分别选取标准差及(75p-25p)/50p作为分化程度衡量指标，发现申万一级行业分化程度及走势与万得行业基本一致，目前各行业收益率之间的分化程度正在加剧。不同行业指数超额收益率之间多数呈现弱相关性，部分呈现负相关，其中银行、非银金融与其他行业的负相关性较为显著，也验证了金融股在大盘表现不佳时可以作为降低股票组合波动率、充当底仓的缘由所在。 图16：申万一级行业指数日均收益率标准差 图17：申万一级行业指数日均收益率(75p-25p)/50p指标 图18：申万一级行业指数日超额收益率相关系数矩阵（2000年至2021年） 综上，行业回报间相关性具有如下三点规律：