中观景气度周报：全行业中观景气度数据库应用框架

策略报告|投资策略专题 全行业中观景气度数据库应用框架证券研究报告 中观景气度周报 基于中观景气度构建的量化模型能够选取中长期具有超额表现的行业。 我们根据各行业社会分工，将申万一级行业归类为上游原料、中游制造、下游消费、金融房建及支持服务五大板块。进一步地，我们收录了行业关键的量价等中观景气度指标，形成天风策略中观景气度数据库。以行业基本面逻辑为基础，量化落地实战模型。 模型指标基于行业基本面逻辑搭建，尽量避免“过拟合”。我们构建了预测模型，从行业景气度切入，和从行业基本面入手，将中观景气度数据库进行了落地。我们对中观数据构建了量化模型，尝试选出每期的超额占优申万二级行业组合：在未来4周、12周及24周的预测窗口上均能够表现出较优的预测能力。落地模型采用行业景气度切入，逻辑上从行业基本面入手，选取各个行业中不同类型的指标（包含量和价、同比/环比等维度），最终对不同行业进行打分比较。 中观景气度数据库具有日历效应。我们发现较多的中低频数据在每个月的中旬公布，导致了在每个月的第三个周日构建的行业组合表现较优，其他时间构建的行业组合表现相对较差。 模型周频更新，周度行业组合在中长期具有超额表现。行业景气数据偏基本面，更适合中期持仓，贴合当前主动权益基金的换手情况；我们发现，量化模型持仓前9行业的24周的超额收益率均值高于持仓12周，中期维度持仓仍有较好收益。 最后，除了申万二级行业的回测分析，本报告还提供申万一级行业层面的中观景气度指标周频跟踪。 风险提示：1）历史复盘仅供参考；2）市场波动性可能影响资产表现；3）基于模型的定量分析无法代替上市公司基本面的定性分析。 2024年10月15日 作者 吴开达分析师 SAC执业证书编号：S1110524030001 wukaida@tfzq.com 朱俊福联系人 zhujunfu@tfzq.com 孙希民联系人 sunximin@tfzq.com 相关报告 1《投资策略：A股策略周报-赛点2.0第二阶段，行业的历史指引》2024-10-13 2《投资策略：投资策略-周观REITs》 2024-10-13 3《投资策略：久逢甘露及时雨，财政央行背靠背-10月12日财政部发布会点评》2024-10-12 内容目录 1.中观景气度数据库及应用分析6 1.1.中观景气度数据库介绍6 1.2.预测模型简介18 1.3.变量选取及研究方法18 1.3.1.研究频率18 1.3.2.解释变量选取18 1.3.3.被解释变量选取18 1.3.4.分析方法19 1.4.模型结果及分析19 1.4.1.持仓4周分析19 1.4.2.持仓12周及24周分析20 2.中观景气度周频跟踪20 2.1.上游板块中观景气度跟踪20 2.2.中游板块中观景气度跟踪23 2.3.下游板块中观景气度跟踪25 2.4.金融房建板块中观景气度跟踪30 2.5.支持服务板块中观景气度跟踪31 3.风险提示33 图表目录 图1：【行业组合持仓4周超额累积收益率曲线】周度推荐行业组合，未来四周具有较优表现；中旬构建的行业组合表现较优，月末构建的行业组合表现较差4 图2：【周度推荐的行业持仓12周及24周的表现统计堆积柱形图】胜率高于50%，周度推荐的行业在中长期视角下具有一定超额5 图3：结合中观景气度数据库和定量模型预测未来4周表现较优的申万二级行业6 图4：煤炭、石油及化工中观景气度数据框架6 图5：钢铁、有色金属中观景气度数据框架8 图6：建筑材料、电力设备中观景气度数据框架8 图7：机械设备、电子中观景气度数据框架9 图8：通信、农林牧渔中观景气度数据框架10 图9：食品饮料、医药生物中观景气度数据框架11 图10：纺织服饰、轻工制造中观景气度数据框架12 图11：家用电器、汽车中观景气度数据框架13 图12：传媒、休闲服务中观景气度数据框架14 图13：非银金融、银行中观景气度数据框架14 图14：房地产、建筑装饰中观景气度数据框架15 图15：公用事业、交通运输、商业贸易中观景气度数据框架16 图16：各行业收录的中观景气度指标频率统计17 图17：月、季及年度频率的指标多数在中旬公布19 图18：煤炭行业中观景气度周度跟踪20 图19：石油石化行业中观景气度周度跟踪21 图20：基础化工行业中观景气度周度跟踪21 图21：钢铁行业中观景气度周度跟踪22 图22：有色金属行业中观景气度周度跟踪22 图23：建筑材料行业中观景气度周度跟踪23 图24：电力设备行业中观景气度周度跟踪23 图25：机械设备行业中观景气度周度跟踪24 图26：电子行业中观景气度周度跟踪24 图27：通信行业中观景气度周度跟踪24 图28：国防军工行业中观景气度周度跟踪25 图29：农林牧渔行业中观景气度周度跟踪25 图30：食品饮料行业中观景气度周度跟踪26 图31：医药生物行业中观景气度周度跟踪26 图32：纺织服饰行业中观景气度周度跟踪27 图33：轻工制造行业中观景气度周度跟踪27 图34：家用电器行业中观景气度周度跟踪28 图35：汽车行业中观景气度周度跟踪28 图36：传媒行业中观景气度周度跟踪29 图37：美容护理行业中观景气度周度跟踪29 图38：非银金融行业中观景气度周度跟踪30 图39：房地产行业中观景气度周度跟踪30 图40：建筑装饰行业中观景气度周度跟踪31 图41：公用事业行业中观景气度周度跟踪32 图42：交通运输行业中观景气度周度跟踪32 图43：商贸零售行业中观景气度周度跟踪32 【核心结论】：基于中观景气度构建的投资策略能够从中长期角度提供行业的基本面信息。本报告发现我们独特的中观景气数据库对申万二级行业的中长期变动趋势有一定的预测能力，具体地，在未来4周、12周及24周的预测窗口上均能够表现出较优的预测能力。进一步地，我们发现较多的中低频数据在每个月的中旬公布，导致了在每个月的第三个周日构建的行业组合表现较优，其他时间构建的行业组合表现较差。持仓前9行业的24周 的超额收益率均值高于持仓12周。除了申万二级行业的回测分析，本报告还提供申万一级行业层面的中观景气度指标周频跟踪。 图1：【行业组合持仓4周超额累积收益率曲线】周度推荐行业组合，未来四周具有较优表现；中旬构建的行业组合表现较优，月末构建的行业组合表现较差 资料来源：Wind，天风证券研究所；超额累积收益率计算方式为(�+组合收益率)�/(�+万得全�收益率)� 图2：【周度推荐的行业持仓12周及24周的表现统计堆积柱形图】胜率高于50%，周度推荐的行业在中长期视角下具有一定超额 资料来源：Wind，天风证券研究所，本图的超额收益计算方式为决策日（周度推荐行业）后未来N周的行业组合累积收益率与同时期的万得全A累积收益率之差 图3：结合中观景气度数据库和定量模型预测未来4周表现较优的申万二级行业 资料来源：Wind，天风证券研究所，时间截止于2024年10月13日 1.中观景气度数据库及应用分析 1.1.中观景气度数据库介绍 科学的划分细分行业以及全面的中观景气度数据库能够更好地刻画全行业的基本面变化，进而帮助投资者在行业对比中做出更优的投资决策。本报告根据各行业社会分工，将申万一级行业归类为上游原料、中游制造、下游消费、金融房建及支持服务五大板块。上游原料包括采掘、化工、钢铁、有色金属及建筑材料，是其他四大板块的成本端；中游制造包括电气设备、机械设备、电子、通信、军工，主要为产业链中间品及消费属性较弱的制造业；下游消费包括由农林牧渔、食品饮料、医药生物及纺织服装构成的必选消费，及汽车、家用电器、轻工制造、休闲服务、传媒构成的可选消费；金融房建包括非银金融、银行、房地产及建筑装饰，地产基建与大金融紧密相关；支持服务包括公用事业、交通运输、商业贸易及计算机，是经济系统的“润滑剂”和“晴雨表”。进一步地，数据库收录了各个申万一级行业中关键的中观景气度指标。 图4：煤炭、石油及化工中观景气度数据框架 资料来源：Wind，天风证券研究所 图5：钢铁、有色金属中观景气度数据框架 资料来源：Wind，天风证券研究所 图6：建筑材料、电力设备中观景气度数据框架 资料来源：Wind，天风证券研究所 图7：机械设备、电子中观景气度数据框架 资料来源：Wind，天风证券研究所 图8：通信、农林牧渔中观景气度数据框架 资料来源：Wind，天风证券研究所 图9：食品饮料、医药生物中观景气度数据框架 资料来源：Wind，天风证券研究所 图10：纺织服饰、轻工制造中观景气度数据框架 资料来源：Wind，天风证券研究所 图11：家用电器、汽车中观景气度数据框架 资料来源：Wind，天风证券研究所 图12：传媒、休闲服务中观景气度数据框架 资料来源：Wind，天风证券研究所 图13：非银金融、银行中观景气度数据框架 资料来源：Wind，天风证券研究所 图14：房地产、建筑装饰中观景气度数据框架 资料来源：Wind，天风证券研究所 图15：公用事业、交通运输、商业贸易中观景气度数据框架 资料来源：Wind，天风证券研究所 图16：各行业收录的中观景气度指标频率统计 资料来源：Wind，天风证券研究所 1.2.预测模型简介 在建立了全面的中观景气度数据库后，可通过对比各个指标从而进行定性的主观判断，也可以通过科学的数理模型研究庞大的数据库对行业走势的预测能力。对此，本报告使用经典的多元线性回归模型估计了中观景气度指标与申万行业指数未来四周涨跌幅的关系。具体地，多元线性回归模型的一般形式为：Y=Xβ+，其中： �1 �2 Y=⋮ ���∗1 ，X= 1�1�12⋯�1� 1�2�22⋯�2� ⋮⋮⋮⋮ 1��1��2⋯��� �∗(�+1) �0 �1 ，�=�2 ⋮ �� �+1∗1 ，�= �1 �2 ⋮ ���∗1 根据最小二乘估计可得到中观景气度指标与申万行业指数未来四周涨跌幅的相关系数。即，参数的最小二乘估计值为： −1 �^=（�'�）�'� 进一步地，将�^作为预测的参数，预测出申万行业指数未来4周的收益率。 在本报告中，将申万行业指数分别拟合参数，并预测，因此n取1。而k取决于数据库中申万行业指数与对应的中观景气度指标数量。此外，本报告所有数据均取自wind。 1.3.变量选取及研究方法 1.3.1.研究频率 为了提升本报告的实用性，本报告的研究频率为周度。本报告的解释变量为周度频率，若原始数据为中低频的月度（季度）数据，则将月度（季度）数据填充为周度数据，直至下一个月度（季度）数据出现。 中低频指标取滞后值。为了防止中低频指标在未公布时就被模型所学习，即4月的数据往 往5月才出，若在4月份学习的时候将其学习，则涉及使用未来数据。为了克服这个问题， 月频和季度频率的数据指标取滞后1个月值，年频取滞后三个月值。即4月的数值，将其 视为5月末才出。 1.3.2.解释变量选取 基于覆盖全行业的五百余个中观景气度独特数据库开展研究。本报告所使用的中观景气度数据库，覆盖了全申万行业，共计五百余个指标，不同的指标具有不同的经济学含义，若将五百余个指标全作为解释变量，对被解释变量进行拟合并预测，将使得模型包含过多噪音，因此本报告将对各行业指数分别进行拟合并预测，即在每一个行业指数下，使用相应的中观景气度指标作为解释变量，而未来4周的该行业的指数收益率作为被解释变量，优化ols回归模型系数。 1.3.3.被解释变量选取 聚焦申万二级行业。由于申万一级行业的成分股的行业属性相对杂乱，因此本报告主要研究申万二级行业指数的未来四周的收益率。 基于持仓4周、12周及24周的角度进行分析。为了尽可能地增加持仓时间，本文被解释 变量为四周频率。即使用行业内周频的中观景气度指标预测相应行业指数的未来四周收益率。然后，为了更进一步地增加持仓时间，本报告还同时汇报了持有12周和24周的累积超额收益率情况。 需要注意的是，解释变量和被解释变量并非同频，因此本文模型在每一次滚动拟合模型