财务因子专题报告四：中微观行业轮动模型

中微观行业轮动模型 ——财务因子专题报告四 2023-04-18 中信期货研究|金融工程专题报告 投资咨询业务资格： 证监许可【2012】669号 报告要点 $Ⓒ 摘要： 本文尝试结合财务基本面、分析师盈利预期、资金流三个维度来构建月度 调仓的行业轮动模型。在这个三个维度上等权合成三大类因子构建复合行业因子，最后根据复合行业因子打分。 $+ $300‰ $Ⓒ 119 240 117 220 115 200 113 180 111 160 109 140 107 105 120 103 100 综述：本文通过财务基本面、分析师盈利预期、资金流三个维度构建月度调仓行轮动模型。涵盖底层因子大类包括：盈利成长、财务杠杆、营运能力、一致预期盈利改善、市场信心因子、北向资金月度增量以及月度融资余额占比。 数据和行业因子构建：根据行业内成分股个数数据指标计算合成行业因子 （包括整体法、流通市值加权法）。底层数据来自企业财务报表，分析师一致预期滚动数据和行业资金、两融余额数据。其中财务报表中流量数据取12个月滚动数值，存量数据为期初和期末均值。行业因子主要考虑行业的边际变化或边际变化强弱而非静态数值。 行业单因子检测：行业单因子检测：对行业单因子进行RankIC&ICIR检测。全样本时间内，单因子中表现最好的为融资买入成交占比，且有明显负向预测指标。因子大类中，资金流类因子表现最好，整体法合成的行业财务因子表现较差。多头收益检测：单因子中资金流类等权合成因子夏普率最高为0.569，年化收益为14.835%。 复合因子行业轮动：等权合成盈利成长、财务杠杆、营运能力因子构建财务基本面因子；等权合成分析师盈利预期改善、市场信心因子构建分析师预期因子；等权合成北向资金、融资买入成交占比因子构建资金流因子。三个维度中变现最好的为资金类等权合成因子，年化收益为15.031%。将上述三个维度等权合成因子再等权合成构建行业复合因子，行业复合因子年化收益为14.44%。 风险提示：权益收益率失真、模型/方法/参数失效、数据和回测区间有效。 2022-01-04 2022-01-18 2022-02-08 2022-02-22 2022-03-08 2022-03-22 2022-04-07 2022-04-21 2022-05-10 2022-05-24 2022-06-08 2022-06-22 2022-07-06 2022-07-20 2022-08-03 2022-08-17 2022-08-31 2022-09-15 2022-09-29 2022-10-20 2022-11-03 金融工程团队 研究员：周通 021-80401733 zhoutong@citicsf.com从业资格号F3078183投资咨询号Z001805 重要提示：本报告难以设置访问权限，若给您造成不便，敬请谅解。我司不会因为关注、收到或阅读本报告内容而视相关人员为客户；市场有风险，投资需谨慎。如本报告涉及行业分析或上市公司相关内容，旨在对期货市场及其相关性进行比较论证，列举解释期货品种相关特性及潜在风险，不涉及对其行业或上市公司的相关推荐，不构成对任何主体进行或不进行某项行为的建议或意见，不得将本报告的任何内容据以作为中信期货所作的承诺或声明。在任何情况下，任何主体依据本报告所进行的任何作为或不作为，中信期货不承担任何责任。 中信期货金融工程专题报告 目录 摘要：1 一、行业轮动3 （一）行业轮动整体思路3 （二）基础数据处理以及行业因子合成4 （三）行业单因子测试：IC测试与分组测试5 （四）复合行业因子5 二、财务基本面因子6 三、分析师预期因子10 四、资金流因子11 五、复合因子行业轮动模型13 六、总结14 免责声明15 图表目录 图表1：行业轮动模型构建3 图表2：行业多因子模型研究流程4 图表3：行业因子计算方式5 图表4：数据处理流程5 图表5：盈利成长类因子RankIC&ICIR统计6 图表6：盈利成长类因子RankIC累积值7 图表7：盈利成长类因子多头净值曲线7 图表8：盈利成长因子多头截面绩效7 图表9：营运能力因子RankIC&ICIR统计8 图表10：营运能力类因子RankIC累积值8 图表11：营运能力类因子多头净值曲线8 图表12：营运能力类因子多头截面绩效8 图表13：财务杠杆类因子RankIC&ICIR统计9 图表14：财务杠杆类因子RankIC累积值9 图表15：财务杠杆类因子多头净值曲线9 图表16：财务杠杆类因子截面多头绩效9 图表17：一致预期类因子RankIC&ICIR统计11 图表18：一致预期类因子RankIC累积图11 图表19：一致预期类因子多头净值曲线11 图表20：一致预期类因子截面多头绩效11 图表21：资金流类因子RankIC&ICIR统计12 图表22：资金流类因子RankIC累积值12 图表23：资金流类因子多头净值曲线12 图表24：资金流因子截面多头绩效13 图表25：因子相关性检测13 图表26：行业复合因子RankIC&ICIR统计13 图表27：行业复合因子累积RankIC值14 图表28：行业复合因子多头净值曲线14 图表29：资金流因子截面多头绩效14 2/15 一、行业轮动 行业轮动体系大致可以分为四类：一是自上而下的宏观分析：根据宏观周期场景下利好的板块或行业，以及当前的宏观环境的变化信息，来配置相应的板块或行业；二是中观层面的行业轮动分析方法：作为行业轮动体系中承上启下的一环，中观层面的行业轮动模型主要从行业基本面层面或景气度层面出发，以构建行业轮动模型；三是自下而上的微观切割分析体系：通过分析行业内个股的差异，包括基本面层面、量价层面等，以发掘行业机会进行配置；四是基于量价的轮动体系搭建：利用行业价格走势进行轮动模型的搭建，这种方式弱化行业基本面信息，通过对高频量价进行挖掘来构建行业轮动。 本文尝试结合财务基本面、分析师预期、资金流三个维度，对每个行业进行综合打分，以此来构建横截面上的行业轮动模型。 图表1：行业轮动模型构建 行业轮动模型 分析师预期数据 资金流 月度调仓 股票池：中信一级行业指数（剔除银行和综合金融） 回测时间：2014-01-01至2022-12-31 交易费用：暂阶段不考虑交易费用 底层因子：财务基本面（盈利成长、营运能力、财务杠杆）分析师一致预期数据（盈利预期改善、市场信心因子）、资金流因子（北向资金增量、融资买入占比） 资料来源：Wind、中信期货研究所 （一）行业轮动整体思路 在个股层面上，多因子模型是主流的“轮动”方式，每个alpha因子实际上都是从一个角度表达了对股票截面收益的观点。而对应到行业层面上，我们也尝试构建在行业层面上有“轮动”能力的因子，市场上主流的行业因子构建方式为整体法和个股因子市值加权法。在选取个股因子构建行业因子时，因子在逻辑上要在行业层面上可比。但是由于行业商业逻辑以及盈利逻辑本身就存在明显的差异，在一些财务特征上直接比较并不合理，例如不同行业可能天然在盈利能力上、或成长幅度上不太同一个量级，一些行业的数值一直选高于另 一些行业，因此我们强调景气度的边际改善和边际改善的强势程度，用动态的角度来审视行业的景气度，而非静态的指标值。 基础数据处理 •财务报表 •分析师预期数据 •资金流向数据 行业因子合成 •整体法 •市值加权法 •直接提取行业信息 行业单因子测试 •IC、ICIR测试 •分层测试（多空） •多头收益测试 复合因子合成 •因子相关性分析 •因子加权 •复合因子测试 •复合因子绩效分析 图表2：行业多因子模型研究流程 资料来源：Wind、中信期货研究所 （二）基础数据处理以及行业因子合成 行业层面上的成分股是所属行业企业的整体情况。对于底层数据，首先，在计算财务指标时，企业每个季度会披露季报，但由于许多行业的财务数据呈现出明显的季节性特征，单季度数据直接比较会存在较大问题，因此，对于区间类数据，如营业收入，净利润等，我们将单季度数据调整为最近四个季度的数据（TTM）。对于时点类数据，如总资产、净资产等，我们采用期初和期末的均值。 根据行业内个股数据计算行业因子，一般有两种方式：一是整体法，基于行业自身或行业成分股财务基本面数据，合成行业层面用于行业因子计算的基础数据。对于所有的数据处理，我们处理的原则就是当前时间点有新的数据就抓取新数据，如没有，则仍延用之前发布的数据。但需要注意的是，在采用整体法合成行业数据时，数据时点需要保持一致，当前成分股最新数据所属报告期不一致时需要有同一合理的数据对齐规则，采用整体法的优点是，可以保证数据的一致性，和时效性，同时更符合逻辑。 另一种方法则是流通市值加权，直接使用行业内个股因子加权合成行业因子。方法优点在于个股数据方便处理。对于加权法，只需要得到每只股票的因子后，行业因子使用行业内成分股自由流通市值加权即可。报告不对个股因子进行市值行业中性化处理，市值行业中性化处理不适用选行业。 最后，由于行业间盈利、杠杆等数据存在较大的差异，不能够直接比较， 因此我们将具体指标转化为边际变化或边际变化率。 图表3：行业因子计算方式 行业因子计算方法 说明 数据 整体法 把行业看做公司，对行业内公司财务数据进行加总求和然后计算因子 财务基本面类因子、资金流类因子 流通市值加权法 对行业内个股因子值通过流通市值加权合成行业因子值 分析师一致预期类因子 资料来源：Wind、中信期货研究所 （三）行业单因子测试：IC测试与分组测试 我们通过单因子IC测试来考察行业单因子收益预测的有效性与稳定性。IC测试主要研究因子与下一期收益率的相关性。单因子有效性的检测可以通过IC测试和分组测试。在单因子检测中，我们的回测时间是从2010年1月1日开始 的，而非最后综合模型中2014年。而具体到每个因子单独检测中，具体开始的时间又以因子具体数值的开始时间为准。如环比数据全样本检测的开始时间比同比数据全样本检测的开始时间早。我们采用这样的检测方式是近可能延长因子有效性检测时间。报告采用月频数，因此我们计算t月末因子值与t+1月末的中信一级行业收益率的秩（Pearson）相关系数。IC的绝对值越高，因子的下期收益率的预测能力越强。 𝑅𝑎𝑛𝑘𝐼𝐶�=𝑐𝑜𝑟𝑟(𝑥𝑡,𝑟t+1) 因子分组测试是依据因子值打分排序分多组测试各组组合累积净值标表现。由于A股做空限制较高，相比于多空收益，我们主要考虑多头端的绩效。我们采用5组月频调仓的方式进行测试，因子分组测试主要考察：多头组合的年化收益率、年化波动率、夏普比率、卡玛比率、最大回撤等。 图表4：数据处理流程 •行业内成分股作为基础股 票池 •根据整体法或者流通市值加权法计算原始因子暴露值 因子暴露计算 •去极值：采用缩尾法去极 值 •标准化：统一因子量纲 因子暴露处理 •IC、ICIR •分层测试：多头收益绩效 因子有效性评估 资料来源：Wind、中信期货研究所 （四）复合行业因子 将财务基本面、分析师预期、资金流三个维度结合起来，等权合成行业复合因子。使用单一指标进行预测可能会面临指标阶段性失效的风险，稳定性较差额。财务报表披露了公司非常全面的财务信息，能够反应行业业绩的变化情况，但相对比较之滞后，盈利预测数据可以作为很好的补充，且分析师预期体现了市场对于行业未来发展前景的展望，资金情绪可以反应市场主流资金偏好。 二、财务基本面因子 盈利成长因子：行业的盈利数据是行业景气度的重要反应，当行业盈利情况转暖时，行业景气上行，受投资者关注的可能性更大，未来存在更大的超额收益。在行业挑选的过程中，成长能力稳定或具有加速成长能力的行业未来景气度更具保障，对投资者更有吸引力。盈利增速是行业中具有较好引领作用的指标，而除了盈利增速的高低以外，盈利增速的边际变化更为重要。逻辑上来说盈利有边际改善的行业未来市场表