行业景气模型行业配置月报202405

分析师 ►行业景气变化由领先因子驱动 分析师：杨兆熙邮箱：yangzx@hx168.com.cnSAC NO：S1120523010001 良好的行业景气度意味着行业内的股票可以带来超额收益的概率更高。从行业基本面看，行业景气通常有其构成的行业和宏观因子同向运动的特性。从行业内的产业逻辑看，行业景气提升的动力来自于上下游供需、产品价量等指标的边际改善，同时受宏观变化的影响。由上述因素构成的领先因子具有预测行业景气变化的能力，可以指导行业配置。 ►由领先因子构建的行业景气模型 基于行业景气变化的内在逻辑，我们通过构建包含宏观领先因子池和行业领先因子池并对中观因子进行处理。之后，我们使用行业驱动因素和宏观驱动因素合并构建行业景气模型，并通过滚动窗口线性回归模型纳入最新数据指导行业轮动，并每期选取预期收益较高的前五个行业。该行业轮动策略19年初至24年4月的年化超额收益率达9.94%，信息比率达1.06。 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.行业景气模型简介.....................................................................................................................................................................................31.1.领先指标的选取.....................................................................................................................................................................................31.2.行业景气模型的构建............................................................................................................................................................................72.行业景气模型历史绩效及四月推荐行业.............................................................................................................................................82.1.历史绩效..................................................................................................................................................................................................82.2.五月推荐行业及主要改善指标..........................................................................................................................................................93.风险提示....................................................................................................................................................................................................10 图表目录 图1指标类别及变化计算.........................................................................................................................................................................7图2行业景气模型策略表现.....................................................................................................................................................................9图3动力煤产量上升...............................................................................................................................................................................10图4铜产量及库存上升...........................................................................................................................................................................10图5合成纤维产量上升...........................................................................................................................................................................10图6第三产业用电量上升......................................................................................................................................................................10 表1宏观因子汇总......................................................................................................................................................................................3表2行业领先因子池...........................................................................5表3行业景气模型策略表现......................................................................9 1.行业景气模型简介 A股市场具有明显的行业板块轮动特性，从基本面的视角来看，行业的景气由行业上下游相关产业的产能、价格、供需变化推动。上述推动行业景气变化的指标则称为“行业领先因子”。 我们基于行业基本面分析的逻辑，观察行业基本面与宏观指标的关系、梳理行业与上下游之间的联系，又寻找了一系列影响行业景气指标的“宏观因子”。使用有宏观指标和行业领先指标构建了行业轮动模型，对行业的超额收益进行预测。策略的年化收益达16.90%，以行业平均为基准则年化超额收益可达9.94%。 行业景气模型从寻找能预示行业景气度改善的因素出发，发现解释力较高的行业领先指标，对行业超额收益进行预测，可以为投资者提供行业选择的建议。本章简介模型的构建理论和过程。 1.1.领先指标的选取 领先指标的选取是构建行业景气模型的核心环节。主要分为因子池的构建和因子的处理两部分内容。因子池的构建包含宏观领先因子池和行业领先因子池。同时，为提高模型稳定性，我们需要对原模型的因子进行处理。 1.1.1.宏观领先因子池的构建 我们按照申万一级行业分类，剔除了“综合”、“美容护理”、“环保”三个较为小众的行业后，逐一对行业进行了研究和梳理，寻找了一系列领先因子指标。由于行业特性不同，各个行业的具体因子选取的角度略有不同，但基本遵循产业分析的一般思路。首先，我们分析行业内主要产业的逻辑和经营模式，寻找相关联的宏观指标，再从上游来寻找对生产环节影响较大的指标，从下游寻找驱动销量变化的信息源，并综合的梳理成本、库存、供给、需求变化的逻辑，最后关注市场情绪的变化。按照这样的方法论，我们构建了涵盖数百个因子的领先因子池。其中部分宏观因子如下表所示。 1.1.2.行业领先因子池的构建 与上面相似的，由于各行业特性不同，各个行业的具体因子选取的角度略有不同，我们从上游来寻找对生产环节影响较大的指标，从下游寻找驱动销量变化的信息源，并综合的梳理成本、库存、供给、需求变化的逻辑，最后关注市场情绪的变化。按照 这样的方法论，我们构建了涵盖数百个因子的行业领先因子池。出于篇幅的考虑，表2仅展示了部分行业领先因子。 1.1.3.中观因子的处理 不同行业的中观因子数据特性不同，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。我们将宏观与行业的因子划分为四类：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；对产量、销售量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；对于年度内累计的数据，我们将其转换为月度的增量数据，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。 资料来源：华西证券研究所 1.2.行业景气模型的构建 行业景气模型的主要逻辑是假定行业的超额收益来自于多个方面，我们力图从基本面的视角选取指标，对超额收益进行分解。 在以往的模型中，我们通过将行业指数收益与各同步指标进行单一变量线性回归，根据回归模型的R2筛选出各行业显著的领先指标。然而在实际上，行业的表现往往 不是少数指标决定的，而是上下游数十种影响因素相互作用的结果，根据单一指标对行业的R2对指标的进行筛选不一定能够提高模型的预测效果，我们需直面高维数据的问题。故而在本篇报告中，我们直接使用各行业的领先指标与行业收益进行回归，其回归模型如下。 其中，𝑌𝑖为行业𝑖的行业指数未来一月收益，𝑥𝑖,𝑘为行业𝑖的第𝑘个领先因子。 同时，滚动窗口的动态模型在参数的计算上可以不断纳入各项指标最新数据，这可以使模型的表现获得质的提升。因此，我们通过滚动窗口回归模型得到各因子的参数后，我们构建行业景气模型，进行行业超额收益的预测，并给出月度推荐行业。 2.行业景气模型历史绩效及五月推荐行业 2.1