行业景气轮动研究之五：宏观数据驱动下的行业轮动与择时

证券研究报告|量化策略研究 2023年12月21日 宏观数据驱动下的行业轮动与择时 分析师 分析师：杨国平邮箱：yanggp@hx168.com.cnSACNO：S1120520070002分析师：杨兆熙邮箱：yangzx@hx168.com.cnSACNO：S1120523010001 行业景气轮动研究之五 ►宏观指标亦可构建行业轮动模型 宏观因素对各个行业的涨跌有着显著的影响，不同行业对不同宏观因素的敏感性也存在差异，这为我们利用宏观数据构建行业轮动模型提供了机会。我们可以利用工业与国民经济、消费与价格指数、货币与金融机构、利率与利差以及市场景气度这五类共计28个宏观指标构建行业轮动模型。 ►部分行业并不适合使用宏观数据进行预测 通过对时间序列上预测值与实际值的相关性进行比对，我们发现在行业轮动模型中，对于房地产、轻工制造、家用电器、建筑材料、建筑装饰、基础化工、汽车等行业的预测相对较准确。然而，对于国防军工、钢铁、非银金融、社会服务、计算机等行业的预测效果相对较差。 在剔除了一些预测效果较差的行业之后，我们发现行业轮动模型的效果进一步提升。多空策略的年化收益率从15.24%提升到18.53%，信息比率从1.01提升到1.44，策略的月度胜率也接近70%。 ►当下主要改善指标多来自市场景气度与消费价格指数方面，主要不利因素来源于工业与国民经济及货币方面。 近期，工业与国民经济因素中，固定资产投资完成额低于历史平均水平，对多数行业均为利空。货币因素中，M2增速逐渐回归历史中位，存贷款余额增速的差距缩小，对有色金属、汽车以外的行业多为利空。消费与价格因素中，CPI、PPI的下降，贸易差额由负转正，对多数行业有促进作用。利率因素中，短期利率上行，信用利差、期限利差缩小利好建筑材料、建筑装饰、家用电器、农林牧渔行业，利空公用事业、汽车行业。而市场景气度方面，OECD综合领先指标与波罗的海散干货指数的上升，对电力设备、医药生物、电子等行业有较大利好。 风险提示 本模型采用量化方法通过历史数据统计、建模和测算完成，结论在极端市场环境变化中有失效的风险。 正文目录 1.宏观驱动行业轮动模型的构建3 1.1.宏观指标的划分3 1.2.指标相关性5 1.3.宏观景气模型的构建5 2.策略对多数行业具有一定的择时效果6 2.1.房地产、轻工制造、家用电器、建筑材料、建筑装饰、基础化工、汽车等行业预测较为准确6 2.2.市场景气度与消费价格因素对中短期市场择时有较大影响8 3.策略绩效8 3.1.策略历史绩效9 3.2.去除部分预测效果较差行业后，预测效果显著提升11 3.3.最新一期预测结果及影响因素13 4.风险提示14 图表目录 图1五类常见宏观因素3 图2指标类别及变化计算5 图3除货币指标与固定资产投资完成额指标外，不同类指标间相关性较低5 图4择时效果:房地产7 图5择时效果:轻工制造7 图6择时效果:家用电器8 图7择时效果:商贸零售8 图8模型在Wind全A上的择时8 图9近期模型对Wind全A拟合效果较好8 图10策略效果9 图11模型R方(各行业平均)9 图12历史选中行业11 图13剔除预测效果较差的行业后，策略表现提升12 图14历史选中行业13 表1宏观因子汇总4 表2在时间序列上，该模型对多数行业亦有一定预测能力6 表3策略表现9 表4年度收益10 表5剔除部分行业后的策略表现12 表6剔除部分行业后的策略年度收益12 表7影响因素拆解14 1.宏观驱动行业轮动模型的构建 以往的报告中，我们将固定参数的静态模型修改为滚动窗口回归的动态模型，以期随时纳入最新数据，剔除停更数据，提高模型可靠性。使用了400余个指标构建了动态的行业景气模型。这也为模型带来了一个问题，即指标数量太多。在各个行业的模型中，指标数量往往在50个以上，模型自由度较低，再考虑到各个指标间具有一定的相关性，往往难以判断行业景气变化的真正影响因素，过高的数据维度成为了模型的最大桎梏。而在尝试了部分数学上的方法如主成分回归、逐步回归等后，我们发现这些方法均不能有效的选出各行业的有效指标，或指标选取对部分阈值过于敏感。 在剔除指标的方法相反，我们尝试直接由少数指标构建行业景气模型。考虑到宏观指标对多数行业的影响较大。我们尝试直接使用宏观指标构建行业轮动模型。 1.1.宏观指标的划分 图1五类常见宏观因素 我们将宏观指标分为五个类别，即工业与国民经济、消费与价格指数、货币与金融机构、利率与利差、市场景气度。由于我们是将所有指标一并纳入回归模型中，指标的划分方式并不影响模型的回归效果，但这一划分有利于我们在之后对景气变化的具体影响因素进行拆解分析。 资料来源：华西证券研究所 由于宏观指标的公布往往有一定的滞后性，我们以月度为单位，统计了各指标公布的滞后期数据。同时由于种类不同数据的特性不同，常见的数据包括环比数据、同比数据、价格指数、利率、估值指标等，数据类型各不相同。我们将这些划分为四类：总量、增量、环比、同比。并对不同类型的数据进行一定的处理。除环比与同比数据外，我们将指数、价格、存货、利率、企业数量等划分为总量数据；对贸易差额、新增人民币存款等数据划分为增量数据。对于总量型数据，由于上期与当期变化通常较小，我们将其直接转换为环比数据；而对于增量型数据，由于往往两期之间的变化较大，如产量等，常常出现当期值较上期值高出数倍等情况，我们将该值转换为当期值与过去十二期均值的比值数据。对于环比、同比类数据我们尽可能保留原值。最后，我们将同一指标的不同类型数据进行删减，优先保留其环比数据(包括总量数据转换来的环比数据)，其次为增量数据，最后为同比数据。最终所有指标在量纲上接近。 表1宏观因子汇总 因子类别 因子名称 频率单位 类型 数据来源 滞后月数 工业与国民经济 全社会用电量:累计同比 月% 同比 Wind 1 固定资产投资完成额:累计同比 月% 同比 国家统计局 2 GDP:不变价:当季同比 季% 同比 国家统计局 2 工业增加值:当月同比 月% 同比 国家统计局 2 消费与价格指数 22个省市:平均价:猪肉 周元/千克 总量 根据新闻整理 0 PPI:全部工业品:环比 月上月=100 环比 国家统计局 1 CPI:环比 月% 环比 国家统计局 1 贸易差额:当月值 月亿美元 增量 海关总署 2 M2:同比 月% 同比 中国人民银行 1 M1:同比 月% 同比 中国人民银行 1 M0:同比 月% 同比 中国人民银行 1 社会融资规模:当月值 月亿元 增量 中国人民银行 1 货币与 金融机构:新增人民币贷款:当 月亿元 增量 中国人民银行 1 金融机构 月值金融机构:新增人民币存款:当 月亿元 增量 中国人民银行 1 月值金融机构:各项贷款余额:同比 月% 同比 中国人民银行 1 金融机构:各项存款余额:同比 月% 同比 中国人民银行 1 利率与利差 中债国债到期收益率:1年 日% 总量 中债估值中心 0 期限利差(5-1) 日% 总量 中债估值中心 0 期限利差(10-1) 日% 总量 中债估值中心 0 信用利差(AAA) 日% 总量 中债估值中心 0 信用利差(AAA-) 日% 总量 中债估值中心 0 信用利差(AA+) 日% 总量 中债估值中心 0 波罗的海干散货指数(BDI) 日 总量 波罗的海干散 货指数(BDI) 0 PMI 月% 总量 PMI 1 OECD综合领先指标:中国 月点 总量 OECD综合领先 1 市场景气度 指标:中国 消费者信心指数(月) 月点 总量 消费者信心指数(月) 2 市净率:沪深两市 日倍 总量 中证指数公司 0 滚动市盈率(TTM):沪深两市 日倍 总量 中证指数公司 0 资料来源：Wind，华西证券研究所 环比、同比类 数据 原值 累计类数据 增量类数据 增量类数据 当期值/过去十 二期均值-1 总量类数据 计算增速变化 (环比) 图2指标类别及变化计算 资料来源：华西证券研究所 1.2.指标相关性 经过初步的处理后，我们可以计算各类指标间的相关性。可以看出，除货币指标与固定资产投资完成额指标外，不同类指标间相关性较低。这说明我们的指标划分大致是合理的。而较低的相关性可以使之后的回归模型更加稳定。 工业与固定资产投资 消费与价格指数 货币与 金融机构 利率与利差 全社会用电固定资产投GDP工业增加值22个省市贸易差额PPICPIM2M1M0社会融资规新增人民币新增人民币各项贷款余各项存款余1年期国债期限利差期限利差信用利差信用利差信用利差波罗的海干PMI 量资完成额猪肉均价模贷款存款额额到期收益率(5-1)(10-1)(AAA-)(AAA)(AA+)散货指数 市场景气度 OECD综合消费者信心滚动市盈率领先指标:指数(月)(TTM 全社会用电量 1.0000.4420.6480.652-0.031-0.0190.3630.1720.1200.2780.312-0.147-0.093-0.0900.0210.1470.046-0.054-0.044-0.0100.0090.032-0.090-0.119-0.112 固定资产投资 完成额GDP 0.442 1.0000.7130.679-0.022-0.0190.1360.1250.7560.4990.344-0.0210.019-0.0180.6620.766-0.0050.0250.000-0.0070.0520.067-0.075-0.152-0 0.6480.7131.0000.523-0.0540.2840.1710.3810.4280.192-0.055-0.019-0.0020.3090.387-0.066-0.0240.0130.0470.1110.090-0.170-0 工业增加值 0.6520.6790.5231.000-0.058-0.0490.3440.2430.4160.4090.273-0.082-0.028-0.0620.3290.4080.085-0.028-0.077-0.072-0.015-0.006-0 22个省市猪肉 均价-0.031-0.022-0.054-0.0581.0000.0560.0050.0120.004-0.0160.036-0.002-0.050-0.0450.010-0.0200.107-0.029-0.055-0.0220.0540 -0.130 图3除货币指标与固定资产投资完成额指标外，不同类指标间相关性较低 贸易差额 -0.019 -0.019 -0.130 -0.049 0.056 1.000 -0.177 0.275 -0.107 -0.158 -0.060 -0.186 -0.066 -0.214 -0.135 -0.111 -0.061 0.119 0.052 -0.006 0 PPI 0.363 0.136 0.284 0.344 0.005 -0.177 1.000 0.217 0.097 0.360 0.093 -0.049 -0.159 0.002 0.117 0.073 0.218 -0.138 -0.173 0. CPI 0.172 0.125 0.171 0.243 0.012 0.275 0.217 1.000 0.074 0.110 0.084 -0.012 0.032 -0.213 0.059 0.046 0.024 0.010 -0. M2 0.120 0.756 0.381 0.416 0.004 -0.107 0.097 0.074 1.000 0.709 0.437 0.095 0.022 0.015 0.908 0.963 0.145 -0.0 M1 0.278 0.499 0.428 0.409 -0.016 -0.158 0.360 0.110 0.709 1.000 0.244 0.014 -0.075 -0.005 0.654 0.689 0.2 M0