策略专题：以年为时间跨度单位，应该如何做行业配置？

策略专题 / 以年为时间跨度单位，应该如何做行业配置？ 挖掘价值投资成长 / 2024年01月09日 【核心观点】 在常见的行业轮动研究当中，通常是以月度为频率，对行业组合进行调仓，即对于每一期推荐持仓组合的持有周期通常为一个月，偏向短期。我们尝试将行业轮动的调仓时间间隔设定为1年（或12个 月），探索在中周期下的行业轮动规律。在此时间约束下，经过回溯，利润增速越快的行业，以及ROE提升幅度越大的行业，在未来1年内的回报率往往较好。而过去1年绝对回报率低的行业，以及估 值分位数较低的行业，其在未来1年内的回报率并不出色。 我们将之前的报告中已证实在短周期内（月度调仓频率）有效的量价类因子，分别放到中周期内（12个月频率调仓）来测试。结果发现，量价类因子大多数在中周期的持仓约束下仍然有效，与行业未来的回报率正相关。将各个因子综合为一个复合动量因子，依此构建回测组合，能够显著跑赢行业等权组合。 根据综合模型，我们站在2023年底的时点，对于2024年的行业配置的推荐为：电子、农林牧渔、通信、建材、轻工制造、医药、家电。 【风险提示】 测试结果基于有限的历史数据和量化模型，模型可能存在过拟合风险，不能保证对样本外的数据做出有效判断。 东方财富证券研究所 证券分析师：陈鼎 证书编号：S1160522110002电话：021-23586470 相关研究 《着重关注新能源行业底部拐点出现机遇》 2024.01.02 《1月行业轮动配置建议》 2024.01.02 《2024春季行情正在出现更多积极因素》 2023.12.29 《政策支持力度加大，A股底部继续企稳》 2023.12.27 《回顾2008全球次贷危机市场底，对当前A股和房地产带来的启示和建议》 2023.12.22 策略研究 Ａ 股策略 证券研究报告 2017 正文目录 1.中周期内传统行业配置理论的有效性验证4 2.从基本面角度寻找在中周期内有效的因子8 3.从量价角度寻找在中周期内有效的因子12 3.1.基于绝对收益率的简单动量12 3.2.经风险调整后的动量因子13 3.3.经股价路径调整后的动量因子14 3.4.动量变化情况15 3.5.成交量变化情况16 3.6.估值所反映的情绪动量17 3.7.将多个量价因子整合为复合动量因子19 4.将分析师预期因子与量价因子联合使用20 5.2024年度行业配置推荐21 6.风险提示21 图表目录 图表1“优选未来1年利润增速最快行业”策略-回溯结果4 图表2“优选未来1年利润增速最快行业”策略回溯结果5 图表3“优选PB低估值行业”策略-回测结果5 图表4“优选PE低估值行业”策略-回测结果5 图表5“优选PB低估值行业策略（2）”-回测结果6 图表6回报率反转策略（自然年度）-回测结果6 图表7回报率反转策略（12个月滚动）-回测结果6 图表8“优选ROE提升的行业”策略（自然年度）-回测结果7 图表9按照行业估值分位数进行分组8 图表10按照行业历史波动率绝对值进行分组8 图表11“行业未来4Q利润增速策略”-回测结果9 图表12各行业利润增速：2022财年预测排名VS实际增速排名（盈利数据采集时点：2021年12月31日）10 图表13分析师盈利预期外推策略-回测结果11 图表14简单动量因子回测结果比较12 图表15简单动量因子-回测结果（优选组）13 图表16夏普比率因子回测结果比较13 图表17夏普比率因子-回测结果（优选组）14 图表18ATR调整后动量因子回测结果比较14 图表19ATR因子-回测结果（优选组）15 图表20动量改善度因子回测结果比较15 图表21动量改善度因子-回测结果（优选组）16 图表22成交量波动因子回测结果比较16 图表23成交量波动因子-回测结果（优选组）17 图表24PB分位数因子回测结果比较17 图表25PB分位数因子-回测结果（优选组）18 图表26PE分位数因子回测结果比较18 图表27PE分位数因子-回测结果（优选组）19 2017 图表28各个单因子与复合动量因子效果比较19 图表29复合动量因子-回测结果（优选组）20 图表30“复合动量&分析师预期”因子联用-回测结果（优选组）20 图表31复合动量因子VS两因子联用21 2017 1.中周期内传统行业配置理论的有效性验证 在常见的行业轮动研究当中，通常是以月度为频率，对行业组合进行调仓，也即对于一个固定持仓组合的持有周期通常为一个月。在之前的研究中，我们也是主要以偏短期的持仓周期（一个月）为约束条件，来寻找有效的行业筛选方法。但实际上，投资周期有时需要拉长。考虑到实际的交易手续费率可能偏高；或者在某些对换手率有限制的业务场景下，过于频繁的交易是不被允许的。因此，在本文中，我们尝试将持仓周期限制为中等长度，即一年或12个月才能调仓一次，探索在这种约束下，能否找到有效的行业配置方法。 传统框架中关于年度行业配置的推荐，常见的思路有两种：（1）寻找未来1年业绩增速最快、并且估值最低的行业，构建组合，期待跑赢大市；（2） 寻找过去1年回报率较差、并且未来1年景气度回升的行业，构建组合，期待跑赢大市。前者类似于GARP策略（GrowthatAReasonablePrice），而后者实质是一种反转策略。这两种思路是否真的有效？我们接下来用历史数据做回溯。 首先对“优选未来1年利润增速最快行业”这个策略做回溯。我们采用 中信一级行业作为回溯对象（剔除市值较小的“综合”和“综合金融”这2 个行业），测试区间从2013年开始，到2022年结束。从历史后视镜的角度，选取在当年财年的年末时点已上市的行业内所有股票，将其净利润简单加总，作为该行业整体净利润。计算同一批股票的当年财年整体净利润，相比它们上一财年的整体净利润的同比增速，然后按照增速从高到低的顺序排序，将28个一级行业分为4组，构建组合，考察各个组合在该财年内的回报率表现，与该组合的实际利润增速排名，是否有关联性。 图表1“优选未来1年利润增速最快行业”策略-回溯结果 16.06% 12.32% 9.51% 6.90% 2.01% 18% 16% 14% 12% 10% 8% 6% 4% 2% 0% 第一组第二组第三组第四组行业等权组合 年化回报率资料来源：Choice指数数据浏览器，东方财富证券研究所 图表2“优选未来1年利润增速最快行业”策略回溯结果 年份2013 模拟组合当年收益率6.2% 行业等权组合当年收益率15.2% 2014 50.5% 47.1% 2015 72.8% 51.5% 2016 -11.1% -13.1% 2017 7.6% 2.4% 2018 -24.2% -28.7% 2019 38.1% 29.1% 2020 36.6% 24.7% 2021 29.8% 11.7% 2022 -9.5% -15.1% 资料来源：Choice指数数据浏览器，东方财富证券研究所 可以直观看出，“优选未来1年利润增速最快行业”的策略是行之有效的。优选组（第一组）的年化回报率达到16.06%，大大超过了行业等权组合的9.51%的回报率，且分组单调性很好。在单年度的PK中，模拟组合在90%的年份都战胜了行业等权组合，仅2013年跑输。 然后，我们再对“优选估值最低行业”的策略做回测。我们采用中信一级行业作为回测对象（剔除市值较小的“综合”和“综合金融”这2个行业）， 测试区间从2013年开始，到2022年结束。在上一年年末，读取每个行业的PB或PE的估值，在近5年区间所处的分位数，按照估值分位数从低到高的顺序排序，将28个一级行业分为4组，构建组合，考察各组在下一财年内的回报率排名表现，与该组合的估值分位数高低，是否有关联性。 图表3“优选PB低估值行业”策略-回测结果图表4“优选PE低估值行业”策略-回测结果 11.65% 10.70% 11.28% 9.51% 3.05% 14% 12% 10% 8% 6% 4% 2% 0% 年化回报率 12% 10.62% 10.17% 9.51% 8.24% 7.81% 10% 8% 6% 4% 2% 0% 年化回报率 2017 资料来源：Choice指数数据浏览器，东方财富证券研究所资料来源：Choice指数数据浏览器，东方财富证券研究所 从结果看，“优选PE低估值行业”策略的有效性不明显，10次测试的平均RankIC仅为-0.0009，且只有一半的年份战胜了行业等权组合。而“优选PB低估值行业”策略是否有效，还不太明确。因此，我们进一步细化，将观察期设为2013年1月至2022年6月，总共114个月。在每个月的月初，根据每个行业在近60个月区间内的PB分位数，按照估值分位数从低到高的顺序排序，分为4组，构建组合，考察各个组合在未来12个月的回报率排名表 现，与该组合的估值高低，是否有关联性。相当于进行114次测试，增加了考察次数。 图表5“优选PB低估值行业策略（2）”-回测结果 14.42% 13.13% 13.67% 12.98% 10.70% 16% 14% 12% 10% 8% 6% 4% 2% 0% 第一组第二组第三组第四组行业等权组合 平均回报率 资料来源：Choice指数数据浏览器，东方财富证券研究所。每个分组的回报率为114次测试中，所有该组别的收益率的算术平均值。 可以直观看出，“优选PB低估值行业”的策略并无效果，优选组（第一组）的收益率反而是最低的。 接下来我们测试反转策略。首先是回报率反转策略。我们根据过去1年各行业回报率，从低到高分为4组。然后按照两种方式回测：（1）在每个自然年度的年初构建组合，持仓1年。从2013年初到2023年初，共构建11个 回测组合。（2）在每个自然月度的月初构建组合，持仓12个月。从2013年1 月到2022年12月，共构建120个回测组合。 图表6回报率反转策略（自然年度）-回测结果图表7回报率反转策略（12个月滚动）-回测结果 10.27% 8.90% 8.22% 6.36% 5.54% 12% 10% 8% 6% 4% 2% 0% 平均回报率 16% 13.48% 14.29% 12.30% 10.76%10.67% 14% 12% 10% 8% 6% 4% 2% 0% 平均回报率 2017 资料来源：Choice指数数据浏览器，东方财富证券研究所资料来源：Choice指数数据浏览器，东方财富证券研究所 由结果可见，在自然年度维度上，似乎确实存在一定的回报率反转的效应，即上一自然年度表现越差的行业，在下一个自然年度表现会不错。然而使用12个月滚动的维度来考察，会发现并不存在所谓的反转规律，过去12 个月表现不佳的行业，在未来12个月依然表现不佳。在自然年度维度上呈现的“回报率反转”现象可能只是不稳定的日历效应。 2017 然后我们再测试景气度反转策略。我们使用“ROE提升幅度”作为行业景气度改善的指标。以自然年度为单位，在2013~2022年间做回溯，开启历史后视镜，看看当年ROE提升幅度最大的行业，在当年是否涨幅靠前。结果发现，未来1年回报率同行业ROE的提升幅度之间，确实存在正相关的联系。 图表8“优选ROE提升的行业”策略（自然年度）-回测结果 15.64% 12.54% 9.51% 7.32% 1.75% 18% 16% 14% 12% 10% 8% 6% 4% 2% 0% 第一组第二组第三组第四组行业等权组合 平均回报率 资料来源：Choice指数数据浏览器，东方财富证券研究所。 综合结论：回报率反转策略被证明无效，低估值策略也被证明无效。只有侧重于基本面角度的行业ROE改善幅度和行业利润增速两个指标有效，但这2个指标都依赖于对所有行业未来1年的业绩有较为准确的预期，否则无 法实施。事实上，ROE提升幅度大的行业，大概率利润增速也是很快的。这2 个指标从底层逻辑上比较接近。 回报率反转策略无效，这不难理