景气+”四维比较框架：行业配置如何避免“景气失灵”？

分析师李美岑 SAC证书编号：S0160521120002 limc@ctsec.com 分析师王亦奕 SAC证书编号：S0160522030002 wangyy01@ctsec.com 相关报告 1.《北向流入非银、电新居前，科技ETF流出超百亿——全球资金观察系列五十二》2023-04-08 证券研究报告 投资策略报告/2023.04.09 行业配置如何避免“景气失灵”？ ———“景气+”四维比较框架 核心观点 针对传统行业比较所忽视基本面外因素造成“景气失灵”问题，我们从DDM模型出发，结合景气、流动性、估值和资金筹码四个维度建立新的行业比较框架。1)景气维度是基石，客观财务数据+主观预期变化是衡量景气度的核心抓手；2)流动性维度，利率和汇率波动，对于内外资定价权不同的行业影响不一；3）估值维度，控制估值水平能够有效提升行业组合的胜率和赔率；4）资金筹码维度，拥挤度“预警”，趋势“加油”。 整体来看，四维行业比较框架能够有效弥补“景气缺陷”，在准确性、收益率以及回撤等方面均有不错的表现： 1）收益率角度，一级行业组合自16年以来的年化收益约13%，相对全A、沪深300以及股票型基金的超额收益分别为12%、9%、11%。相对于此前仅用景气维度的组合收益率提升了6个百分点。 2）一级行业由于分类较为粗略，指标效用有所欠佳。我们对行业分类进行下沉，二级行业组合表现显著优于一级行业组合，同期年化收益15%，相对全A的超额收益约14%、相对沪深300超额约12%、相对股票型基金超额约13%。对比此前仅用景气维度的二级行业组合收益率均提升了9个百分点。 3）行业下沉对于胜率也有明显改善。16年至今，二级行业组合始终能跑赢全A，相对于沪深300和股票型基金也在大部分时间有超额收益，相对全A的12月滚动胜率始终在60-80%。 4）市场出现大幅调整时，行业组合在保证收益率的情况下，也能有效控制回撤。例如22年至今，二级行业组合仅4个月跑输全A，相对全A、沪深300和股票型基金超额收益分别15%、16%、20%。组合最大回撤为14%，显著小于全A的24%、沪深300的27%、股票型基金的23%。 5）市场风格轮动加速时，行业组合能够敏锐的捕捉到切换。例如在22年5-6月纳入了白酒等消费；6-7月囊括了同期市场领涨的风电光伏、乘用车；11月新增了酒店餐饮及休闲，与同期消费复苏趋势较为一致；12月包括领涨市场的医院；23年1月推荐了工业信息化等数字经济行业。此外，行业组合推荐数量变动与市场走势一致，即推荐行业数量增加，也预示着对后市更乐观。 3月行业组合累计收益1.3%，较全A超额2.1%、沪深300超额1.7%、股票型基金超额2.6%。当月组合领涨的三个行业为【光通信】（+21%）、【运营商】 （+8%）、【铁路设备】（+2%）。4月行业组合新增13个行业，对4月市场更乐观，新增行业多为顺周期的消费、高端制造品种，具体来看包括：周期行业 【轮胎、民爆】、大消费行业【教育服务、酒店餐饮及休闲】、医药行业【线下药店、医院】、以及高端制造【行业仪器仪表、半导体设备】、电新【乘用车零部件、锂电池、光伏制造、工业自动化】、数字经济【金融信息化】 风险提示：核心假设不当风险；历史经验失效风险；海外冲击超预期等。 请阅读最后一页的重要声明！ 内容目录 1我们的行业比较框架与市场上相比有何不同？4 2四维行业比较框架：始于景气，三方面修正7 2.1四维行业比较框架的基石：景气维度7 2.1.1客观财务数据+主观预期变化是衡量景气度的核心抓手7 2.1.2基于景气维度的二级行业组合在大部分时间能够获得超额收益9 2.2对景气维度的三方修正——流动性、估值及资金筹码10 2.2.1流动性维度：利率和汇率波动，对于内外资定价权不同的行业影响不一10 2.2.2估值维度：剔除高估值板块能够有效提升行业组合的胜率和赔率14 2.2.3资金筹码维度：拥挤度“预警”，趋势“加油”15 3四维行业比较框架能够有效弥补“景气缺陷”20 3.1一级行业组合过去3年相对于基准的超额均在25%以上20 3.2二级行业组合自16年起均跑赢全A，年化超额10%以上22 4市场大波动下，行业组合净值回撤小，且能捕捉风格切换23 4.12022年至2023年2月行业组合结果复盘23 4.1.1行业组合在22年市场大幅调整中表现稳健，最大回撤仅15%23 4.1.2行业组合能够敏锐的捕捉到风格切换，也具备对后市大势判断25 4.22023年4月持仓推荐27 5风险提示28 图表目录 图1.21年8-9月美元上行阶段电子行业股价下行4 图2.20年9-11月内部流动性收紧阶段计算机股价下行4 图3.20年7月医疗器械出现交易拥挤，下月股价回调5 图4.20年Q2商贸零售涨势相对“线性”，“惯性”更强5 图5.景气度修正行业比较模型框架6 图6.行业景气度指标成分：预期指标行业净利润调高家数占比同比构建方式8 图7.行业景气度指标成分匹配方式及行业景气度指标构成方式8 图8.拉长时间来看，景气一级行业组合能够跑赢市场，但历年视角下表现欠佳9 图9.历年视角下，基于景气维度的二级行业组合在大部分时间能够获得超额收益9 图10.一级行业与内外部流动性相关性11 图11.二级行业与内外部流动性相关性12 图12.模型流动性修正具体操作方式13 图13.流动性调整对一级行业组合在21-22年的收益有显著改善13 图14.流动性调整对二级行业组合的改善幅度更为明显14 图15.基于PB、PS百分位的行业估值指标构建方式14 图16.二级行业组合在估值修正后获得收益的改善，16年和21年尤为明显15 图17.从换手率和峰度的角度出发、从日频数据构建月频拥挤度指标具体方法16 图18.20年以来容易出现赛道交易过热，拥挤度修正对于收益有不同程度提升17 图19.使用1个月及3个月趋势指标构建行业趋势指标的具体方法18 图20.整体高景气下，“趋势增强”后的一级行业组合收益仍有不同程度提升19 图21.“趋势增强”后的二级组合降低了行业数量，但收益率改善更为明显19 图22.一级行业组合整体超额年化10%以上，20年起均跑赢基准25%以上20 图23.一级行业视角下，不同维度调整对于组合的收益改善情况21 图24.一级行业组合12月滚动相对全A胜率的中枢在50%左右21 图25.二级行业组合自16年起均跑赢全A，年化超额10%以上22 图26.二级行业视角下，不同维度调整对于组合的收益改善情况22 图27.二级行业组合相对全A的12月滚动胜率始终在60-80%以内，相较一级组合更稳健23 图28.22-23年2月一级行业组合夏普比率达1.1，22年至今仅3个月跑输全A24 图29.22年至今，二级行业组合仅4个月跑输全A，最大回撤仅14%25 图30.一级行业组合与市场同期风格吻合程度较高26 图31.22年至23年2月的二级行业组合27 图32.2023年4月模型推荐持仓行业28 1我们的行业比较框架与市场上相比有何不同？ “景气+估值”传统框架和景气预期框架是目前市场上流行的两种行业比较框架： （1）传统框架“景气+估值”从经典DDM模型出发，兼顾分子端景气及分母端估值的变动，而该框架也有其弊端：框架刻画的“景气”更多来自研究者基于中微观历史数据的线性外推，忽视了市场整体的预期调整； （2）景气预期框架强调并进一步挖掘了对行业预期相关指标的应用，但其缺陷在于将市场表现等同于行业的高景气，忽略了包括内外部资金流动性、投资者结构等在内的基本面以外的因素对股价造成的影响。 对于部分行业，即使在景气程度较高的情况下，流动性对其市场行情仍造成较为显著的冲击。外部资金流动性方面，如21年8-9月海外流动性收紧阶段，对海外流动性较敏感的电子行业受此冲击下行，相对万得全A跌12%；内部流动性方面，计算机属于典型的流动性敏感行业，在20年内部流动性收紧阶段，计算机股价相对市场下行，20年9月至11月较万得全A跌11%。 图1.21年8-9月美元上行阶段电子行业股价下行图2.20年9-11月内部流动性收紧阶段计算机股价下行 110 美元指数（右）电子（中信）万得全A 94.5 105 Shibor:一个月（%）（右）计算机（中信）万得全A 2.8 105 94100 2.7 100 95 90 85 93.5 93 92.5 92 95 90 85 80 2020/9/12020/9/152020/9/292020/10/132020/10/272020/11/102020/11/24 2.6 2.5 2.4 2.3 数据来源：Wind，财通证券研究所数据来源：Wind，财通证券研究所 资金筹码方面，交易拥挤度和“惯性”趋势也不容忽视。交易过热导致的筹码拥挤，可能是调整的前奏。例如20年疫情冲击下医疗器械成热门赛道，7月该行业850天日度换手率百分位维持在95%之上的天数占比70%，8月起股价波动下行，相对万得全A跌幅达9%。“惯性”趋势方面，市场表现涨势相对平缓，持续性也更为持久，具体在资金交易上“动能”越强。如20年4月至6月初，商贸零售和 医药行业的整体涨幅几乎一致，而商贸零售在5月涨势相较上个月更加“陡峭”， 相比之下医药的股价走势较为平缓。随后至6月底，医药延续原有涨势，而商贸零售在交易“放量”后拐头向下，被医药板块反超。 图3.20年7月医疗器械出现交易拥挤，下月股价回调图4.20年Q2商贸零售涨势相对“线性”，“惯性”更强 105 100 95 90 85 80 上月换手率历史850天百分位医疗器械万得全A 100% 95% 90% 85% 80% 75% 70% 65% 60% 140 130 120 110 100 90 80 万得全A（右）商贸零售（中信）医药（中信） 数据来源：Wind，财通证券研究所数据来源：Wind，财通证券研究所 基于DDM模型，我们从景气出发，结合流动性、估值和资金筹码（交易拥挤度和趋势）三方位对筛选出的景气行业予以择优，建立了新的四维行业比较模型框架。相较于传统框架“景气+估值”，我们改进了对于“预期”的考虑：在测算行业景气度时，我们进一步关注了预期调高的情况，削减了对于“景气”判断的主观性；相较于景气预期框架，我们将内外部资金流动性、投资者结构因素纳入考量，对受流动性或交易拥挤冲击、上行动力欠佳的高景气行业予以剔除。 模型始于景气行业的筛选，之后考虑行业的流动性敏感程度、行业估值情况和资金筹码，予以择优。具体而言，我们划分出部分内外部流动性敏感行业，构建了景气度、估值、交易拥挤度、趋势四项指标。流程上， （1）首先筛选出景气度指标为正的行业； （2）其次，考虑行业对内外部流动性的敏感度，在流动性变动情况下因流动性敏感受冲击较大的行业将被剔除； （3）随后考虑行业的估值情况，对高估值的行业予以剔除，此时得到非高估值的经流动性调整后的景气行业； （4）随后考虑行业的交易拥挤程度，对出现交易拥挤的行业予以剔除，此时得到非高估值、非交易拥挤的经流动性调整后的景气行业； （5）设定合理的行业数量门槛参数λ，在筛出行业数目较少（不足该值）的情况下，上一阶段所得的行业为当月持仓行业；在筛出行业数目较多（超过该值）的情况下做进一步筛选：筛除趋势指标数值排名在λ位之后的行业，得到最终的持仓行业组合。组合中的行业持仓权重相等。 我们的模型为月频调仓：根据上月末观测到的各项指标数值，在月初首个交易日开盘买入、在月末收盘卖出。为全面衡量模型效果，我们计算了行业组合相对于全A、沪深300和股票型基金作为基准时的胜率和赔率。 图5.景气度修正行业比较模型框架 数据来源：财通证券研究所 从结果来看，四维框架下的行业组合在准确性、收益率以及回撤等方面均有不错的表现： 1、收益率角度来看，一级行业组合自16年以来的年化收益约13%，相对全A、沪深300以及股票型基金的超额收益分别为12%、