量化专题报告 量化大势研判:产业周期变革与资产全局比较 2024年09月18日 本报告提出了一种“自下而上”的大势研判框架,着重于底层细分资产的优势对比分析以判断未来核心风格。我们认为风格是内嵌于资产本身产业生命周期的一种连续变化的属性(外延成长->质量成长->质量红利->价值红利->破产价值),而非单纯的市场在宏观状态下的一种资金配置趋势,足够细致的底层资产对比分析或足以判断出未来市场风格(人工智能模型有所验证)。同时我们也意识到资产比较的核心是找寻未来优势资产,而风格的判断是次要的、更为模糊的,而统计的风格因子更是对底层逻辑的扭曲与湮没,有“刻舟求剑”之感。因此我们在本报告中整体采用的是“资产的叙事”而不用“因子的叙事”。 分析师叶尔乐执业证书:S0100522110002邮箱:yeerle@mszq.com 资产比较的核心问题在于“有没有”好资产,以及好资产“贵不贵”。从权益资产的收益和资金偏好高低来说,可以大致分为:预期高增速资产g>预期稳健增速资产ROE>高股息类资产D。投资者将按此顺序依次判断“有没有”和“贵不贵”/“挤不挤”从而决定当下市场的优势资产,其风格暴露大概率即未来的市场主流风格。因此风格判断是底层资产比较的自然结果。 相关研究1.量化周报:流动性继续保持回落状态-2024/09/172.量化周报:分歧度确认上行-2024/09/083.量化分析报告:2024年中报行业个股超预 采用现金流法划分产业周期,行业在不同周期下提供了不同特征的资产。采用Dickinson三类现金流的正负符号划分中信二三级行业的产业周期至:成长期、成熟期、停滞期、衰退期、转型期。通过统计可以证明,成长g资产可由转型期、成长期、成熟期提供,而盈利ROE资产和分红D资产只能由成熟期提供。分清特征资产的来源能够更好的让我们进行其估值体系适配与比较。 期扫描-2024/09/054.基本面选股组合月报:竞争优势组合8月超额收益达1.47%-2024/09/055.资产配置月报:九月配置视点:银行配置价值有无变化?-2024/09/05 PB-ROE估值于成熟期行业更为适用,PE-g估值于成长/转型期行业更为适用,股息率估值隐含了两类红利资产。PB-ROE估值体系反映了ROE水平和股东要求回报率高低对PB定价的影响,改进后的模型对成熟期行业的截面解释度能达到24%。PE-g估值体系反映了带息增速g水平和股东要求回报率高低对PE定价的影响,改进后的模型对成长期、转型期行业的截面解释度能达到37%、59%。高股息率来自高ROE或者低PB估值,分别对应了质量红利和价值红利两类资产。在实际资产对比框架落地中,“有没有”由资产的“优势差”和“拥挤度”决定。而这几类资产中的“贵不贵”则由以下细分逻辑决定: 实际增速资产:不看估值,看业绩增速的一阶导△g(超预期策略);预期增速资产:不看业绩,看分析师预期净利润增速gf(分析师预期策略);盈利能力资产:看估值,按PB-ROE体系判断(PB-ROE策略);高股息类资产:核心看股息率,可进一步细分为质量红利、价值红利。 资产配置优先考虑前三类主流资产,在三类主流资产都缺乏的资产荒背景下才考虑防御资产。我们最终将此资产对比框架落地为了一个细分行业轮动策略。此策略长期绝对收益和相对收益都较为稳健,相对万得全A在2009-2024.7期间年化超额收益12.8%。其具有以下特点:1、自洽且有效的解释了A股过去15年风格轮动的关键节点;2、轮动范式不再是一套不变的因子打分,而是不同时间在不同产业周期中选用不同的优选方法进行决策树型轮动;3、不使用任何宏观指标进行博弈和判断,完全自下而上。 风险提示:量化结论基于历史统计,如若市场环境发生变化不排除失效可能。 目录 1见微知著的量化大势研判之路3 1.1风格判断的本质3 1.2资产比较的逻辑5 2产业周期与资产特征6 2.1不同产业周期行业的财务特征6 2.1.1产业现金流状态与其未来财务特征7 2.1.2产业现金流边际变化与其未来财务特征9 2.1.3小结11 2.2不同产业周期行业的估值逻辑12 2.2.1不同产业周期行业的PB-ROE估值体系适用性13 2.2.2不同产业周期行业的PE-g估值体系适用性15 2.2.3股息率估值的特点16 2.2.4小结17 3风格资产特征与资产全局对比18 3.1“有没有”、“贵不贵”和“挤不挤”的特征刻画18 3.1.1“有没有”:资产优势差18 3.1.2“贵不贵”:PE-g、△g、gf、PB-ROE19 3.1.3“挤不挤”:资产拥挤度21 3.1.4高股息类资产的选择与判断23 3.2资产全局比较框架落地24 4框架总结与完善方向26 5风险提示27 1见微知著的量化大势研判之路 1.1风格判断的本质 中高频轮动模型的短有效期和弱解释度促使我们开始思考未来的Beta研究究竟应走向何方。无论是行业轮动还是风格轮动,月度或者周度的因子挖掘加多因子合成打分成为了大多数研究的基本范式。但固定的因子特征、精细化的模型和过高的判断频率无法对抗噪音巨大的现实世界,一个行业在一个很短的时间区间打败另一个行业的过程有太多偶然和离奇的因素。追求全样本的高拟合度可能获得的是噪音模型。 同时我们注意到,事实上各年的风格都有明显的主线,每年只要做对一两次关键的判断基本就能锁定胜局。因此轮动的判断理论上应该是低频而确定的,这与策略投资的目标不谋而合。王成在《策略投资》中是这样定义的:“策略投资试图解决的是市场中期和长期的趋势分别是什么,影响这个趋势的核心因素有哪些,在既定的市场趋势背景下,应该选择何种风格、主题和行业,以及应该选择何种投资组合。”是谓:“大势研判”。 但老一辈优秀分析师的大势研判框架主要聚焦在“自上而下”,以全局指导战略,而我们觉得不妨从“自下而上”的视角出发试试。全局性思维需要投资者考虑全面,既要了解影响市场的数量庞大的变量,又要清楚各个时间点起决定作用的变量是哪些,因此在历史样本有限的情况下永远需要准备应对从来没有出现过的情况。没有一点“悟性”是较难实际连续操作的。而我们觉得全局本身是由局部构成的,梳理清楚了所有的局部也就理解了全局,且局部有规范丰富的数据和样本,能够及时大批量的运算与跟踪,在清晰的对比下答案或许更易得出。当下许多人工智能的模型即采用了这种范式,通过“仔细估算”每个股票的涨跌概率就能推断出下一步的优势风格/行业,只不过判断频率较高并且还未成熟。 回到风格的定义,统计因子是否是合适的表达?学术界的风格定义发源于市场异象,即从发现一些能够被解释的市场收益后所逐步形成的一些特征刻画,但其着重于解释,并不注重判断。资产的底层逻辑变化在统计因子的固有表达过程中其原有逻辑或被扭曲和湮没,因此当我们孤立的改进或择时诸如市值、成长、价值、质量等单因子,期望找到恒久有效的“Alpha”时总会遇到“有效市场”阻力。因为有限样本下的统计极易过拟合。本.文.我.们.将.不.再.采.用.这.套.因.子.叙.事.。 风格判断本质上是希望找到一类特征的资产,并且这类资产未来可以跑赢基准获得更高的回报。因此风格判断的本质还是对于广袤的资产原野的一种全局比较,从而押中未来更有利的大方向。此处“大”不一定指很低的判断频率,而是指判断逻辑要显而易见。如果结论并不显然,要靠多种补充逻辑去综合判断出些微的优势,其意义也就不大了。而结论的显而易见建立在充分多维度的各类资产观察对比上的,这是量化的工作。 因此我们认为观察资产本身的变化趋势重于宏观预期到风格因子的博弈。宏观因素要不要考虑?很多时候我们认为是外部变量变化后带来了预期改变带来的风格改变,所以格外关注宏观叙事。但是风格的变化还是资产本身特点(无论实际抑或预期)发生了变化或者市场筹码结构发生了变化带来的。比如信用宽松与扩张利于成长风格,但只要基本面还未体现出变化,成长资产还未出现,则成长难有“提前”的超额收益,典型的如2019年。并且“自上而下”会产生无数层博弈叠加的问题,整体判断必须迭代非常快而且还不能过快。因此从资产本身机会的角度看问题或更有意义。从资产本身的维度来理解风格,我们不难发现: ①所谓的风格特征是股票本身生命周期演变的内在特征; ②风格是一个互相内嵌连续变化的东西,不是颗粒分明的二元论。 图1:股票风格特征变迁的内在演化驱动 资料来源:民生证券研究院绘制 在后续研究过程中我们并不关心个股研究中可能出现的个例情况。当个别资产凸显出了某种投资特征,它们的价值是留给Alpha发现者的,从市场整体Beta来看,它仍然是“无声的资产”。 1.2资产比较的逻辑 资产有好坏之分,资产的比较无非是以下两个问题: ①有没有?(好资产) ②贵不贵?/挤不挤? 投资必然寻求尽可能高的资产增值机会。因此如果市场上有预期高增速(高g)的资产,资金必然会进行优先的配置,在此基础之上资产比较将遇到第二个问题也就是:高增速资产贵不贵?如果有不贵的就是当下最优的配置方向,如果都比较贵则代表了优势资产同时也是拥挤资产,那么需时刻注意基本面和交易面的拐点变化问题。 在市场缺乏预期高增速资产或者高增速资产未来预期边际减弱时,投资者将退而求其次寻找具有预期稳定增值(高ROE)的资产。在有的情况下考虑估值,并判断是优势资产还是拥挤资产。整体的比较框架与预期高增速资产一致,可对优势资产进行增持,对拥挤资产保持持有并密切跟踪拥挤度和逻辑拐点。 在预期稳定增值资产都不存在的情况下,投资者只能寻找股息率较高(高D)的资产。而如果此类资产都比较稀少,那么说明几乎所有资产都已无盈利能力,各类产业都走到了衰退状态,只能通过深度价值的思路寻找破产价值了。 对市场上所有资产进行“有没有”和“贵不贵”的判断后,相应的优势资产所属的风格类型就决定了市场的风格类型。因此风格判断是底层资产比较的自然结果。在后续的章节中,我们将从产业周期视角出发,落地底层资产比较的框架。 图2:资产比较的逻辑 资料来源:民生证券研究院绘制 2产业周期与资产特征 2.1不同产业周期行业的财务特征 产业周期研究起源于产品周期研究,描述了产品从被引入市场到最终退出市场的发展过程。然而描述产品周期的变量并不完全适用于产业周期,比如生产表现、投资表现、市场份额(渗透率)等,原因在于一个产业(企业)有多个产品,每个产品所处的生命周期不同,产业周期是各个产品周期叠加态的结果。针对产业(企业)的这种叠加态特征,VictoriaDickinson在2008年提出了用现金流模式作为代理变量的企业生命周期划分方法,综合了前人的研究结果,并且在财务特征统计检验上获得了合理的结果。 图3:利用Dickinson企业生命周期对A股资产进行划分 导入期Introduction ①成长期 Growth ②成熟期 Mature ③停滞期 Shake-out ③停滞期 Shake-out ③停滞期 Shake-out ④衰退期 Decline ④衰退期 Decline ⑤转型期 Pivoting 经营性净现金流 - + + - + + - - - 投资性净现金流 - - - - + + + + - 筹资性净现金流 + + - - + - + - + 资料来源:VictoriaDickinson(2011),民生证券研究院绘制 经我们检验,现金流特征划分下的A股同样具有合理显著的财务特征。Dickinson的划分考虑现金流量表中的经营性、投资性和筹资性净现金流的正负特征,并划分为:导入期、成长期、成熟期、停滞期、衰退期五个阶段。然而对于A股而言一定量的正经营性净现金流是上市的基本要求,因此导入期的企业一般无法直接上A股。我们将此特征重新定义为转型期,也就是已经上市但主业衰退,积极调整经营战略方向,寻找第二生长曲线的企业。 ①成长期:主要特征为经营赚钱,积极筹资并扩大投资; ②成熟期:主要特征为经营赚钱,继续投资但不再积极加杠杆,开始分红; ③停滞期:主要特征为经营困难下开始收回投资,勉强维持; ④衰退期:主要特