“海纳百川”行业轮动系列研究（一）：基于微观的五维行业轮动—风格偏离与导向

“海纳百川”行业轮动系列研究（一） 证券研究报告·金融工程·金工专题报告 基于微观的�维行业轮动—风格偏离与导向2024年05月10日 研究结论 前言：《基于微观的�维行业轮动—风格偏离与导向》作为东吴金工“海纳百川”行业轮动系列的第一篇，承接了万流归宗多因子系列研究第一篇《基于价量因子的多因子决策树》，将个股多因子合成的思路带入到了行业多因子合成中，基于万流归宗报告低相关性因子适合线 性拟合的结论，构造了崭新的行业轮动多因子模型。本作以东吴金工特色多因子划分标准对微观因子进行大类划分，构建以波动率、基本面、成交量、情绪、动量为基础的�维行业轮动模型。 观点 灵感起源：传统的自下而上行业轮动，即从选股层面出发，挑选个股指标合成到行业。无论是常用的行业内部所有成分股加权，还是进阶的选取龙头、领涨股进行合成，行业因子的选行业逻辑往往会与选股 因子的选股逻辑出现偏差。这即说明，选股逻辑在不做处理的情况下，是无法硬套到选行业上的，自下而上的行业轮动在实际应用层面缺乏除回测结果外足够的逻辑支撑。 风格导向：在研究选股因子和选股策略时，我们发现不同的选股因子、策略在不同风格上的表现是有所不同的，即便排除时序上的变化，这种风格上的区分度依然存在。不同的因子具有不同的风格偏好，而在其特定偏好的风格上，因子会呈现出一个更强的收益获得能 力。 �维行业轮动模型：通过对行业内部不同因子的风格偏好的研判，我们构建了以波动率、基本面、成交量、情绪、动量为基础，风格指标为标签的�维行业轮动模型。以2015/01/01-2024/01/31为回测区间，�维行业轮动模型在申万一级行业中，六分组多空对冲的年化收益率为 25.34%，年化波动率为11.38%，信息比率为2.23，月度胜率为 76.19%，历史最大回撤为10.13%；多头对冲全市场行业等权组合的年化收益率为13.41%，年化波动率为7.36%，信息比率为1.82，月度胜率71.43%，历史最大回撤为7.92%。 风险提示：模型所有统计结果均基于历史数据，未来市场可能发生重大变化；单因子的收益可能存在较大波动，实际应用需结合资金管理、风险控制等方法；模型测算可能存在相对误差，不构成实际投资建议。 证券分析师高子剑 执业证书：S0600518010001 021-60199793 gaozj@dwzq.com.cn 研究助理凌志杰 执业证书：S0600123040053 lingzhj@dwzq.com.cn 相关研究 《从微观出发的�维行业轮动 月度跟踪202405》 2024-05-06 1/23 东吴证券研究所 内容目录 1.引言4 2.从个股到行业的思考4 2.1.“一盘散沙”——个股特征的分散4 2.2.“南辕北辙”——个股与行业的偏离5 2.3.“抛砖引玉”——风格在个股的区分度8 2.4.“殊途同归”——风格的偏离与导向10 3.从微观出发的�维行业轮动模型11 3.1.技术面11 3.1.1.波动率因子11 3.1.2.成交量因子12 3.1.3.动量（反转）因子13 3.2.基本面15 3.3.情绪面16 3.4.�维合成因子17 3.5.�维模型的超额表现18 3.6.�维模型的指数增强方案19 3.7.�维模型的近期持仓21 4.总结22 5.风险提示22 2/23 东吴证券研究所 图表目录 图1：1月涨跌幅全A分布5 图2：1月市值全A分布5 图3：1月换手率全A分布5 图4：1月行业涨跌幅离散程度6 图5：1月行业市值离散程度6 图6：1月行业换手率离散程度7 图7：收益率：成长-价值风格9 图8：波动率：成长-价值风格9 图9：信息比率：成长-价值风格9 图10：收益率：大-小市值风格9 图11：波动率：大-小市值风格9 图12：信息比率：大-小市值风格10 图13：波动率行业因子六分组及多空对冲净值走势（2015/01-2024/01）12 图14：成交量行业因子六分组及多空对冲净值走势（2015/01-2024/01）13 图15：动量行业因子六分组及多空对冲净值走势（2015/01-2024/01）14 图16：基本面行业因子六分组及多空对冲净值走势（2015/01-2024/01）15 图17：情绪面行业因子六分组及多空对冲净值走势（2015/01-2024/01）16 图18：�维行业轮动模型合成因子六分组及多空对冲净值走势（2015/01-2024/01）18 图19：�维行业轮动模型多头超额净值走势（2015/01-2024/01）18 图20：沪深300指数增强净值走势（2015/06-2024/01）19 图21：中证500指数增强净值走势（2015/06-2024/01）20 图22：中证1000指数增强净值走势（2015/06-2024/01）21 表1：风格因子全A绩效（2015/01-2024/01）7 表2：风格因子行业绩效（2015/01-2024/01）8 表3：波动率因子-估值风格因子双分组10 表4：反转因子-估值风格因子双分组10 表5：成交量因子-市值风格因子双分组11 表6：基本面因子-估值风格因子双分组11 表7：波动率行业因子回测绩效指标12 表8：成交量行业因子回测绩效指标13 表9：动量行业因子回测绩效指标14 表10：基本面行业因子回测绩效指标15 表11：情绪面行业因子回测绩效指标16 表12：�维因子相关性17 表13：各维度多空对冲绩效指标（2015/01-2024/01）17 表14：�维行业轮动模型多头超额绩效指标19 表15：沪深300指数增强（2015/06-2024/01）20 表16：中证500指数增强（2015/06-2024/01）20 表17：中证1000指数增强（2015/06-2024/01）21 表18：各维度最新持仓推荐21 3/23 东吴证券研究所 1.引言 行业轮动，作为单一的投资策略，结合了截面排序和序列择时的思路，具有广泛的应用场景。行业轮动策略的构建常规分为自上而下的三种模式，第一种从宏观出发的行业轮动，利用海内外一系列的宏观数据，模拟预测行业未来的走势，做出择时判断。第二种从中观出发的行业轮动，也就是行业本身出发的行业轮动，聚焦于行业本身的量价信息，对行业的表现做出预测。第三种从微观出发的行业轮动，即从行业内成分股的特征出发，找到合适的方法，合成为行业特征进行截面的比较。 《基于微观的�维行业轮动—风格偏离与导向》作为东吴金工“海纳百川”行业轮动系列的第一篇，承接了万流归宗多因子系列研究第一篇《基于价量因子的多因子决策树》，将个股多因子合成的思路带入到了行业多因子合成中，基于万流归宗报告低相关性因子适合线性拟合的结论，构造了崭新的行业轮动多因子模型。 本篇报告不同于传统从微观出发的行业轮动，并没有在微观的指标选择上做深耕，而是聚焦于自下而上的合成方式，从个股之间到行业内部，试图找到更加合理的合成方案。本报告通过对微观因子进行大类划分，以大类因子各自的风格偏好为自下而上合成的标签，构建了以波动率、基本面、成交量、情绪、动量为基础的�维行业轮动模型。 2.从个股到行业的思考 自下而上的行业轮动，其核心是将选股的逻辑映射到行业上，希望在个股上具有预测收益能力的指标，在合成到行业上后同样具有预测行业收益的能力。在过往的研究和测试中，我们尝试过常用的全部成分股等权、市值加权亦或是较为进阶的筛选龙头、领涨成分股进行加权，所得因子的样本外稳定性往往有所欠缺。 回测结果表明，选股因子合成到行业因子后，其IC方向往往会发生改变，这即证明了，传统的自下而上合成方法并不能有效地将选股逻辑映射到行业逻辑。 2.1.“一盘散沙”——个股特征的分散 选取个股特征：涨跌幅、换手率、市值，每月计算其在全A的分布，可以发现A股呈现出“一盘散沙”的特质。基于这个结果，可以初步提出两个猜测，猜测一：个股的特征不同也许能在选股时提供更多增量信息，但自下而上应用到行业时，反倒成了干扰信息。猜测二：个股的特征不同也许是因为行业，分了行业后，行业内部会呈现一致性。 4/23 东吴证券研究所 图1：1月涨跌幅全A分布图2：1月市值全A分布 数据来源：Wind资讯，东吴证券研究所数据来源：Wind资讯，东吴证券研究所 图3：1月换手率全A分布 数据来源：Wind资讯，东吴证券研究所 2.2.“南辕北辙”——个股与行业的偏离 为了验证2.1中提出的两个猜测，我们每月计算各行业内部股票的涨跌幅、换手率、市值的分布，可以发现行业内部分歧确实存在，且不容忽视。 行业特征的分布佐证了猜测一，否定了猜测二，即个股的分歧并不会因为分了行业后而消失。即便某些特殊行业内部个股特征的分歧会小，大多数行业内部分歧依然存在。 5/23 东吴证券研究所 图4：1月行业涨跌幅离散程度 0.19 0.17 0.15 0.13 0.11 0.09 0.07 数据来源：Wind资讯，东吴证券研究所 图5：1月行业市值离散程度 1.7 1.6 1.5 1.4 1.3 1.2 1.1 1 0.9 0.8 0.7 数据来源：Wind资讯，东吴证券研究所 6/23 东吴证券研究所 图6：1月行业换手率离散程度 5.1 4.6 4.1 3.6 3.1 2.6 2.1 1.6 数据来源：Wind资讯，东吴证券研究所 如上文所述，在以往做自下而上的合成时，我们发现个股因子合成到行业因子后，往往会出现IC方向的改变或是直接失效。结合本小节的测试，我们认为自下而上的行业轮动会出现因子失效现象，正是因为行业内部的个股存在分歧。我们引入风格因子，以风格因子为例，对比风格选股因子与风格行业因子的区别。 表1与表2分别为Momentum、BooktoPriceRatio、Size三个Barra风格因子的选股表现和选行业回测绩效表现。BP因子与MOM因子从选股到行业的IC方向发生了偏转，三个因子的IC从选股到行业也都更加接近0。三个风格因子自下而上合成的结果与猜测1互相印证，即行业内部的分歧会导致行业因子失去明确的方向，呈现出否定选股因子逻辑的结果。 表1：风格因子全A绩效（2015/01-2024/01） BP SIZE MOM 年化收益率: 6.04% 9.84% 2.62% 波动率: 20.13% 21.96% 14.26% 信息比率: 0.30 0.45 0.18 胜率: 50.93% 53.70% 51.85% 最大回撤: 31.18% 42.26% 28.19% IC 0.02 -0.02 -0.01 ICIR 0.49 -0.46 -0.27 RankIC 0.05 -0.02 -0.02 RankICIR 1.01 -0.39 -0.57 数据来源：Wind资讯，东吴证券研究所 7/23 东吴证券研究所 表2：风格因子行业绩效（2015/01-2024/01） BP SIZE MOM 年化收益率: -0.97% 3.04% 0.39% 波动率: 20.40% 14.12% 14.52% 信息比率: -0.05 0.22 0.03 胜率: 53.70% 55.56% 47.22% 最大回撤: 45.19% 28.64% 34.45% IC -0.01 -0.02 0.00 ICIR -0.08 -0.29 0.01 RankIC -0.01 -0.05 0.01 RankICIR -0.08 -0.66 0.07 数据来源：Wind资讯，东吴证券研究所 2.3.“抛砖引玉”——风格在个股的区分度 2.2中我们以风格因子为例，证实了行业内部分歧对自下而上行业轮动的影响，结果本身也说明行业内部存在风格分歧。这也为我们的后续研究提供了灵感：行业内部各特征、选股因子的分歧，是否与风格分歧有关？ 本小节，我们希望通过测试，来找到风格因子与别的选股因子的联系。我们选取风格：成长、价值、大市值、小市值，选取选股因子：波动率类、基本