主动量化系列（一）：景气度边际变化在行业配置和选股上的应用

金融工程 证券研究报告 2022年12月21日 主动量化系列（一）: 景气度边际变化在行业配置和选股上的应用 本文基于分析师对个股的业绩预测数据，合成行业预期ROE增速因子，以此作为景气度量化指标，并根据景气度的季度环比变化，构建高景气的行业和个股组合。 重构行业代表性强 我们在行业代表性以及覆盖全面性两个原则下进行样本行业的筛选和重构。2013年至2022年7月重构的样本行业在全市场总市值的月度平均占比为84%，最低占比为79%，整体代表性强。 预期数据覆盖呈现数量少、市值集中的特点 分析师大多覆盖的是行业内的大市值股票。分行业来看，覆盖数量占比最高的是银行、保险、旅游及休闲，中位数占比在60%以上。从覆盖市值占比来看，一半行业占比中位数在60%以上，保险、石油开采、酒类、银行占比最高，中位数水平均在90%以上。整体而言，所有行业内市值覆盖率均高于数量覆盖率，分析师更倾向于对大市值股票进行业绩预测。 景气度边际变化因子行业分组表现 我们在整体法和市值加权法下构建行业景气度边际变化因子，以5个行业为一组，观察因子分组表现。结果显示，相比所有样本行业下的表现，叠加覆盖数量和市值约束的行业分组单调性显著提升，尤其是在市值加权法下，第1组行业次月平均绝对收益2.06%，超额收益1.07%。 景气度边际变化TOP5行业组合 2013年以来，市值加权法下TOP5行业组合的表现更胜一筹。满仓条件下组合年化收益24.07%，相对万得全A年化超额15.19%，夏普比率0.88，Calmar为0.45。月度超额胜率为67%，超额收益盈亏比为1.13。在仓位上限20%的约束条件下组合整体收益变化不大，但波动和回撤改善明显，稳定性增强，每年均能跑赢万得全A。 “双景气”股票组合 为了将行业配置策略落地，我们通过寻找高景气行业中的高景气个股构建“双景气”股票组合。仓位约束下组合年化收益29.21%，相对万得全A年化超额20.33%，夏普比率1.19，Calmar为0.74。相比行业组合收益提升显著，且夏普比率和Calmar也有所改善。2019年以来超额稳定在25%以上。 “全市场景气TOP”股票组合 最后，我们抛开行业约束，构建“全市场景气TOP10”股票组合。组合年化收益35.98%，单利视角下，组合年化超额收益25.45%，夏普比率达1.24，Calmar达0.90。相比双景气股票组合表现进一步提升。分年度来看，组合近十年均跑赢万得全A，且2019年以来超额稳定在25%以上。 风险提示：模型基于历史数据回测，存在失效风险；市场环境突变 作者 吴先兴分析师 SAC执业证书编号：S1110516120001 wuxianxing@tfzq.com 何青青分析师 SAC执业证书编号：S1110520080008 heqingqing@tfzq.com 相关报告 1《金融工程：金融工程-行业流动性跟踪周报：近期行业流动性变化情况》2022-12-19 2《金融工程：金融工程-量化择时周报：有望重回震荡上行！》2022-12-18 3《金融工程：金融工程-净利润断层本年累计超额基准11.01%》2022-12-18 请务必阅读正文之后的信息披露和免责申明1 内容目录 1.景气度的定义4 1.1.ROE与ROE增速4 1.2.分析师预期和边际变化4 2.分析师预测数据覆盖率5 3.哪些行业是我们的配置目标5 3.1.行业重构5 3.2.样本行业代表性6 4.行业景气度——预期ROE增速7 4.1.整体法7 4.2.市值加权法7 5.基于景气度边际变化的行业配置策略8 5.1.行业内预期数据覆盖情况8 5.2.因子分组表现10 5.2.1.所有样本行业10 5.2.2.覆盖数量约束的行业10 5.2.3.覆盖市值约束的行业11 5.2.4.覆盖数量和市值同时约束的行业11 5.3.行业配置策略12 5.3.1.策略构建12 5.3.2.景气度边际变化TOP5行业组合表现12 5.3.3.叠加仓位约束的TOP5行业组合表现14 6.基于景气度边际变化的选股策略16 6.1.双景气股票组合16 6.2.全市场景气TOP股票组合18 7.总结20 图表目录 图1：2013年以来分析师预测数据月度覆盖率均值5 图2：样本行业说明6 图3：2013年至2022年7月样本行业市值占比6 图4：每期样本行业数量7 图5：行业内预期数据覆盖数量占比分布8 图6：行业内预期数据覆盖市值占比分布9 图7：2013年以来各行业内预期数据覆盖市值占比和数量占比（入选次数大于50的行业） .................................................................................................................................................................................9 图8：整体法下行业景气度边际变化因子分组收益10 图9：市值加权法下行业景气度边际变化因子分组收益10 图10：整体法下因子分组收益（覆盖数量约束）11 图11：市值加权法下因子分组收益（覆盖数量约束）11 图12：整体法下因子分组收益（覆盖市值约束）11 图13：市值加权法下因子分组收益（覆盖市值约束）11 图14：整体法下因子分组收益（覆盖数量市值同时约束）12 图15：市值加权法下因子分组收益（覆盖数量市值同时约束）12 图16：景气度边际变化TOP5行业组合净值13 图17：各期组合行业数量14 图18：叠加仓位约束的景气度边际变化TOP5行业组合净值14 图19：叠加仓位约束的景气度边际变化TOP5行业组合相对强弱15 图20：市值加权法下景气度边际变化TOP5行业组合月度超额收益（仓位上限20%）16 图21：双景气股票组合净值17 图22：全市场景气TOP股票组合净值18 图23：全市场景气TOP10股票组合日超额累计净值19 表1：整体法下景气度边际变化TOP5行业组合分年度表现13 表2：市值加权法下景气度边际变化TOP5行业组合分年度表现13 表3：整体法下景气度边际变化TOP5行业组合分年度表现（仓位上限20%）15 表4：市值加权法下景气度边际变化TOP5行业组合分年度表现（仓位上限20%）16 表5：双景气股票组合分年度表现17 表6：全市场景气TOP20股票组合分年度表现18 表7：全市场景气TOP10股票组合分年度表现19 表8：全市场景气TOP10股票组合日超额分年度表现20 投资中我们主要面临择时和配置两大难题，也就是什么时候进场，进场买（卖）什么以及买（卖）多少。择时主要通过寻求市场整体的共性，从时间序列给出多或空的结论。而配置则更多基于投资工具微观主体特征的差异性，给出横截面相对强弱的观点。本文重点从行业和个股角度出发，关注A股市场中的配置问题。 分析师对上市公司的业绩预测就是一种微观特征。理论上，业绩预测是分析师综合了宏观政策、中观行业发展空间和公司微观经营情况等多维度信息得出的结论，能综合反映上市公司景气度。由于预测数据具有前瞻性，因此广受学术界和投资界的关注。我们试图从分析师给出的盈利预测数据中挖掘有效信息，构建景气度指标，并尝试应用到行业配置和选股策略中。 1.景气度的定义 近年来，景气度这一概念在投资和研究中被越来越多的提及。关于景气度的定义众说纷纭，国家统计局定义的企业景气指数是根据企业家对当前企业经营状况好坏的判断和未来企业运行状况是否乐观的预期，综合反映经济运行状况和预期走向（即所谓经济景气状态）的指标1。从这个定义来看，景气状态并不能通过一个或几个纯量化指标来完全刻画，但我们注意到其中两个关键词：经营状况和预期。我们希望通过量化指标来刻画个股或行业的经营状况预期走向，试图窥一斑而知全豹，区分投资目标主体之间的景气度差异，并指导投资决策。那么什么是合理的景气度量化指标？ 1.1.ROE与ROE增速 巴菲特在致股东信中推荐了一个自己经常使用判断企业经营的指标——ROE（净资产收益率）。ROE反映了企业运用权益资本获取净利润的能力。持续高ROE代表企业盈利能力维持在高水平，拥有这一特征的企业往往深受长期价值投资者青睐。 但是ROE高低的标准是什么？这一标准在不同行业或者个股之间是否存在差异？对于轻资产和重资产行业来说，相同水平的ROE反映的盈利能力可能大相径庭。因此，在横截面相对强弱对比中，ROE增速或许是一个更可比的指标，它更多反映的是企业盈利能力提升的幅度。相对于ROE作用在长期投资中，ROE增速对中短期股价的指导意义可能更强。 1.2.分析师预期和边际变化 景气指数定义中的第二个关键词是预期，也就是景气状态的判断更看重的是企业未来的经营状况，而非已实现的盈利。行业分析师个股研究报告中给出的业绩预测数据正好是对企业未来盈利预期走向的一种量化。我们可以利用分析师的预期净利润数据构建预期ROE增速，作为景气度指标。 针对分析师的业绩预测数据，我们经常会有两个疑问：一个是预测准不准，另一个是如何落地到投资决策。也就是准确度和实用性的问题。 其实不管是准确度还是实用性，我们归根结底是关心预测数据对于股价的指导意义。市场交易的大多是预期和边际变化。在一个重大事件或消息落地前，预期或者更准确地说是大资金所掌握的一致预期以及预期的边际变化往往决定了股价走势，而当事件落地后，股价主要受真实事件和此前一致预期差异的影响，即超预期幅度或者可以理解为新老预期之间的边际变化的影响。那我们最关键的任务就是找到能较好地刻画市场一致预期边际变化的指标，而这个指标好坏衡量最直接的标准就是能不能产生可观的投资回报。 综上所述，在行业或个股景气度投资中，我们更关注的是相对景气，而相对弱化绝对景气，而且更看重景气度的边际变化。 1中华人民共和国国家统计局.中国主要统计指标诠释.第二版[M].中国统计出版社,2013. 2.分析师预测数据覆盖率 我们首先统计了2013年以来每个月分析师的业绩预测报告，并汇总计算了其中涉及到的个股总市值在沪深300、中证500、中证1000和全市场的占比情况，观察分析师预测数据的覆盖率情况。结果显示：（1）分析师预测数据覆盖的多为大市值股票，沪深300指数覆盖率最高，平均来看，每个月覆盖率均在80%以上，中证500指数覆盖率在50%以上，全市场覆盖率在40%-60%；（2）分析师预测数据覆盖率具有显著的财报季效应，4、8、10月这三个财报截止月份的覆盖率最高，显著高于其他月份。 图1：2013年以来分析师预测数据月度覆盖率均值 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 123456789101112 月份 沪深300覆盖率中证500覆盖率中证1000覆盖率全市场覆盖率 注：覆盖率=有预测数据的个股总市值之和/指数成分股总市值之和资料来源：朝阳永续，Wind，天风证券研究所 3.哪些行业是我们的配置目标 考虑到部分一级行业内细分板块较多，我们希望将更细化的二级行业作为配置目标。然而二级行业数量多，部分行业成分股数量少而且市值较小，受到的市场关注度不高，这些小市值行业不在我们的研究范围内。我们主要围绕行业代表性以及覆盖全面性两个原则进行样本行业的筛选和重构。 3.1.行业重构 首先，我们对中信二级行业按总市值排序，筛选市值最大的30个，作为第一部分样本行业；对第一部分未涉及的一级行业进一步观察，若有二级行业占一级行业市值比重超过60%的，则将这些二级行业作为第二部分样本行业；前两步筛选二级行业后，若仍有未涉及的一级行业，则直接将这些一级行业作为第三部分样本行业；最后，汇总前三部分样本行业。特别地，银行选择一级行业，剔除综合和综合金融行业。 图2：样本行业说明 第1步：所有中信二级行业筛选市值前30名 第3步：1和2中均未涉及的一级行业 第