2023年基于券商金股的行业轮动研究 因子失效归因分析_环球消息

1、前言

在前期报告《基于券商金股的行业轮动研究》（2022-09-08），我们基于 2021/5 至 2022/4 券商金股数据，试图挖掘券商金股中蕴含的行业轮动研判。 在样本期内我们发现，由于券商研究所行业覆盖度与研究所内部各个行业研究团队规模 及声望存在客观差异，导致券商金股组合当月行业配置固化，当月金股行业高低配信息即静 态券商金股因子对未来一期行业收益的预测能力较差。 为此我们通过环比变化，抵消固化干扰，捕捉金股组合增减配信息，构建了动态券商金 股因子。回测结果表明，动态券商金股因子同未来行业收益相关性较高，通过动态券商金股 因子构建多头行业组合相较于行业等权可获显著的超额收益。

2021/5 至 2022/6 期间，动态券商金股因子有效性极强，然而好景不长，自 2022 年 7 月起，伴随着市场快速下行，动态券商金股因子的有效性出现大幅回撤。前期报告受困于金 股数据的可得性，回测时间较短，回测结果或具偶然性。本文我们将券商金股历史数据向前 扩充至 2020/1，在因子失效归因的基础上，进一步优化券商金股行业轮动策略。

2、因子失效归因分析

2022/7 至 2022/11，伴随着 A 股市场急剧下行，动态券商金股因子的有效性出现大幅回 撤。我们绘制了动态券商金股因子逐月信息系数 IC 与累计 IC 变化，由于因子有效性的大幅回撤同市场上行反转下行同时发生，猜测因子有效性大幅回撤或 同市场动量效应反转效应相关，我们绘制了同期中信一级行业当月涨跌幅同上月涨跌幅的相 关系数。相关系数为正意味着从整体上看当月行业动量效应较为显著；相关系数为负意味着 从整体上看当月行业反转效应较为显著。在此基础上，为了考察动态券商金股因子有效性同行业动量反转效应同向变动的成因， 计算并绘制了上期行业动量同当期动态券商金股因子相关系数变化示意图。

(相关资料图)

当期动态券商金股因子（金股组合行业增减配）同上期行业动量在样本期上 全期高度正相关，表明券商金股顺势推荐效应显著，过去一个月行业指数上涨，当期金股组 合对应行业配置比例将有所上升；过去一个月行业指数下跌，当期金股组合对应行业配置比 例将有所下降。为了进一步考察上期行业动量对动态券商因子的影响，通过施密特正交，在当期动态券 商金股因子中剔除上期行业动量信息，观察因子有效性的变化。剥离上月行业动 量信息后，因子在市场行业动量效应显著时有效性有所回落，在市场行业反转效应显著时回 撤幅度有效性回撤显著改善。

综上，由于券商金股顺势推荐效应稳定且显著，当市场呈现显著的行业动量行情，动态 券商金股因子（金股组合行业增减配）的有效性将被拉升；反之，当市场出现分歧，行业反 转效应凸显，动态券商金股因子（金股组合行业增减配）的有效性将出现大幅回撤。

3、干扰因素分析

在第 2 节中，我们详细分析了上期行业动量对当期券商金股行业配置造成的影响及其传 导机制。通过施密特正交（详见第 5 节图 8）剔除行业动量对动态券商金股因子的干扰后， 动态券商金股因子在行业反转效应显著的情况下回撤明显好转，但自 2020 年 1 月至今，动 态券商金股因子有效性波动较大。 在前期报告中，我们将券商金股组合行业分布存在固化偏差归因为研究所行业覆盖与研 究团队配置差异。结合本轮行业动量导致因子有效性的大幅回撤，我们关注到行业间的客观 差异同样也是导致金股组合行业分布固化的成因。我们认为除行业动量外，券商金股当期行 业配置仍受其它行业间客观差异影响，剔除干扰提纯金股组合当期行业配置，在此基础上捕 捉金股组合行业配置的动态变化，或将为探索市场行业轮动规律提供增量信息。

遵循以上逻辑链条，我们分析以下行业间客观差异或将影响券商金股当期行业分布，客 观差异分别为行业动量（过去一个月行业指数涨跌幅）、行业股票规模（行业指数成分股数 量）、历史行业配置（券商金股组合上期行业配置）。为了验证以上行业间客观差异对券商金 股当期行业配置的影响，我们分别从整体与逐期两个视角考察其相关性。 当期券商金股组合行业配置同行业动量、行业股票规模、历史行业配置的相关系数矩阵。从整体上看，金股当期行业配置同行业动量、行业股票规模、历史行业配置高度 相关，相关系数分别为 0.28，0.69 与 0.83。

在绝大多数情况下，券商金股同过去一个月的行业动量高度相关，券商金股 顺势推荐效应显著；在整个样本期上，券商金股当期行业配置始终同行业股票规模高度正相 关，行业成分股数量越多，推荐一只金股隶属于该行业的概率也就越大；样本期全期，当月 券商金股行业配置同上月行业配置高度正相关，金股行业配置存在较为显著的路径依赖。 综合整体分析与逐期分析的结论，券商金股当期行业配置同行业动量、行业股票规模、 历史行业配置存在显著且稳定的相关性，以上因素都会显著干扰券商金股的行业配置。以此 为基础，我们将试图从金股行业配置中剔除干扰，探讨提纯后的金股行业配置能否为行业轮 动提供增量信息。

4、模型优化

剔除干扰前，针对前期动态券商金股因子在实际应用中遇到的问题，我们分别从因子计 算方式与回测细节两方面对模型进行了调整了优化。

4.1、计算方式优化

4.1.1、计算券商金股组合行业分布，等权合成金股组合行业分布

在前期报告中，我们通过汇总当期入选券商金股组合的全部标的，根据标的所属行业对 当期券商金股进行分类汇总，计算每个行业金股入选的次数占当期金股数量的比例作为券商 金股当期行业配置比例。 在实际计算过程中，由于券商推荐金股德数量不一，统一汇总分类计算无形中放大了推 荐金股数量大于 10 只的券商的权重，缩小了推荐金股数量低于 10 只的券商的权重；然而券 商金股的推荐能力与推荐金股的数量无关，由此将对当期券商金股的行业配置造成偏离。 为了规避券商推荐金股数目不同对金股组合行业配置的影响，我们以各家券商为单位， 计算了各家券商金股组合的行业分布，在此基础上，将各家券商金股组合的行业分布等权合 成为金股组合整体的行业分布。

4.1.2、构建核心池，力求数据更新稳定及时

由于券商金股参评券商的增加以及券商金股断更现象频繁出现，为保证金股组合行业配 置的稳定性，我们根据券商金股更新稳定性，筛选出金股更新稳定的券商，构建金股核心池。 样本期内，券商金股参评券商合计 54 家，选择其中 42 家更新及时稳定的券商构建券商 金股核心池。券商金股核心池滚动更新，每月将根据金股组合更新的频率与及时性自动调整。

4.2、回测细节优化

由于绝大多数情况下券商金股在每月第一个交易日完成更新，为使策略回测结果更加贴 近投资真实收益，我们逐月对行业收益进行了调整，计算月度行业收益时仅计算当月第二个 交易日至最后一个交易日的累计收益作为调整后的行业收益。

5、剔除干扰

在第三节，综合整体与逐期相关性分析，券商金股当期行业配置同行业动量、行业股票 规模、历史行业配置存在显著且稳定的相关性。我们将试图从金股行业配置中剔除干扰，探 讨提纯后的金股行业配置能否为行业轮动提供增量信息。为了剔除行业动量、行业股票规模、金股组合历史配置对当期金股组合行业配置的影响， 采用施密特正交剔除干扰。可以证明，通过带截距项的一元回归取残差剔除干扰等价于对因 子进行施密特正交，即通过寻找向量再另一向量上的投影以实现正交化。由于操作简单便于 理解，我们将采用带截取项的线性回归提取残差的方式剔除干扰。

为防止数据与数据之间不同的数量级与量纲对回归产生的干扰，回归前需对所有变量进 行标准化处理。 我们既可以通过多次一元回归逐步剔除行业动量、行业股票规模、金股组合历史配置对 当期金股组合行业配置的影响，也可以通过单次多元回归进行统一剔除。多次一元回归逐步 剔除可以看到剔除各个干扰因素对因子有效性的影响，但剔除顺序或将影响因子最终的有效 性；单次多元回归操作简单，并且可以规避剔除顺序对因子有效性的影响。分步剔除与整体 剔除的过程我们将逐一展示。 未经干扰剔除金股组合当期行业配置对行业收益预测有效性。自 2020 年 1 月，券商金股当期行业配置有效性呈倒“V”型变化，2020 年 1 月至 2021 年 11 月，券商 金股当期行业配置与行业收益呈正相关关系；2021 年 12 月至今，券商金股当期行业配置与 行业收益呈负相关关系。

5.1、分步剔除干扰

选用带截距项的一元回归分步依次剔除行业动量、行业股票规模、金股组合历史配置对 当期金股组合行业配置的干扰，残差为剔除扰动后的因子值。

5.1.1、剔除行业动量信息

首先通过带截距项的一元回归，剔除过去一个月的行业动量对券商金股当期行业配置的 干扰。剔除行业动量后，因子有效性检验的结果。 剔除行业动量后，券商金股当期行业配置累计信息系数走势修匀，2020 年 1 月至 2021年11月券商金股当期行业配置与行业收益呈正相关关系有所削弱；2021 年 12月至今，券商金股当期行业配置与行业收益呈负相关关系依旧；表明前期券商金股较强的行业收益预测 能力主要来自同期行业动量效应推动。

5.1.2、剔除行业动量与行业规模信息

在剔除行业动量信息的基础上，进一步通过带截距项的一元回归，剔除行业股票规模对 券商金股当期行业配置的干扰。剔除行业动量与行业规模后。剔除行业动量与行业规模的干扰后，券商金股行业配置对行业收益的预测能 力显著增强，因子的有效性于显著性大幅提升，IC 均值自-0.03 提升至-0.06，T-stat 自-0.08 提升至-1.61，分组净值与多空差异也有明显改善。

5.1.3、剔除行业动量、行业规模与历史配置信息

在剔除行业动量、行业规模的基础上，进一步通过带截距项的一元回归，剔除历史配置 对券商金股当期行业配置的干扰。剔除行业动量、行业规模、历史配置后。剔除行业动量、行业规模、历史配置的干扰后，券商金股行业配置对行业收 益的预测能力进一步增强，但提升幅度较为边际。因子 IC 均值自-0.06 提升至-0.07，T-stat 自-1.61 提升至-1.89，分组净值与多空差异显著改善。 提升幅度较为边际的原因在于行业股票规模同历史行业配置的高相关性，导致在进行施 密特正交剔除历史行业配置干扰时，因子同行业股票规模的相关性出现反弹，致使因子信息 干扰剔除不彻底，因子有效性提升有限。

5.1.4、捕捉券商金股行业配置的动态变化

由于行业股票规模同历史行业配置的高相关性，导致在进行施密 特正交剔除历史行业配置干扰时，因子同行业股票规模的相关性出现反弹，致使因子信息干 扰剔除不彻底，因子有效性提升有限。 解决以上问题有两种方法，第一种是采用多元回归统一剔除行业动量、行业规模、历史 配置对券商金股当期行业配置的干扰；第二种是考虑到行业股票规模逐期变化较小，通过计 算一次变差一方面可以消除行业股票规模的自相关性，另一方面可以捕捉当期金股行业配置 的动态变化。 剔除行业动量、行业规模、历史配置的基础上，通过计算一次变差捕捉提纯后的券商金 股行业配置的增减配信息，构造动态券商金股因子。

一方面，通过计算一次变差，极大削弱了行业股票规模对券商金股行业配置 的干扰；另一方面，同前期报告结论一致，相较于券商金股当期行业配置，券商金股行业配 置的边际变化对行业收益具备更强的预测能力，剔除行业动量、行业规模、历史配置干扰后， 因子有效性大幅增强，IC 均值提升至-0.12，IC 胜率 75%，ICIR-0.62，分组净值与多空组合 具备极强的单调性。

5.2、整体剔除干扰

逐步可以看到剔除各个干扰因素对因子有效性的影响，但剔除顺序或将影响因子最终的 有效性；通过单次多元回归整体剔除干扰操作简单，可以规避剔除顺序对因子有效性的影响。 在剔除干扰的基础上，同样通过计算一次变差捕捉金股组合行业配置的边际变化。整体剔除与分步剔除效果相仿，在剔除行业动量、行业规模、历史配置对当 期券商金股行业配置的干扰之后，提纯后券商金股行业配置的边际变化对行业收益具备显著 的预测作用。因子 IC 均值为-0.09，在 99%的置信水平下显著非零，IC 胜率 61%，ICIR 为 -0.46，分组净值与多空组合在整个样本期上呈现出优良的单调性。

6、回溯测试

分步剔除干扰与整体剔除干扰后，动态券商金股因子（金股组合行业增减配）的有效性 均有大幅提升，本节将展示两种剔除干扰模式下，券商金股行业轮动策略的具体表现。

6.1、分步剔除回测

样本期 2020 年 1 月至 2023 年 2 月，分步剔除干扰，券商金股行业轮动策略回溯测试。选择因子值最小的 6 个行业构造多头组合，因子值最大的 6 个行业构造空头 组合。策略多头年化收益率 9.99%，最大回撤率为 23%，回撤控制优于中信一级行业等权；相 较于中信一级行业等权年化超额 8.85%，超额最大回撤率为 7%，多头月度超额胜率约 65%； 策略空头年化收益率-6.56%，最大回撤率 38%，显著低于中信一级行业等权。

6.2、整体剔除回测

样本期 2020 年 1 月至 2023 年 2 月，整体剔除干扰，券商金股行业轮动策略回溯测试 。 策略多头年化收益率 9.14%，最大回撤率为 23%，回撤控制优于中信一级行业等权；相 较于中信一级行业等权年化超额 8.44%，超额最大回撤率仅为 3%，多头月度超额胜率近 70%； 策略空头年化收益率-3.39%，最大回撤率 29%，低于中信一级行业等权。相较于分步剔除， 年化收益略有下降，多空差异有所收敛，多头超额稳定性有所提升。

7、收益增强

由于行业指数 ETF尚未实现全面覆盖，且部分行业指数 ETF受限于规模及其成立时间， 导致机构投资者在落地行业轮动策略中遇到困难。 券商金股作为质地优良的股票池，涵盖了各个行业的精选个股。在实际投资过程中，理 论上投资者可以通过投资对应行业的金股组合，在应用行业轮动策略捕捉行业 Beta 的基础 上，获得来自券商金股的超额收益 Alpha，进一步增厚收益。

券商金股行业组合

为实现这一目标，我们根据券商金股当期推荐次数确定金股权重，构造金股行业组合， 考察金股行业组合的平均超额收益率与超额胜率，金股行业组合收益统计。综合金股行业组合平均超额收益率与超额胜率，相较于中信一级行业指数，金股行业组 合在钢铁、建筑、建材、机械、电力设备及新能源、国防军工、汽车、消费者服务、家电、 医药、食品饮料、农林牧渔、交通运输、电子、通信、计算机板块显著占优；与此同时，金 股行业组合在电力及公用事业、商贸零售、纺织服装、传媒板块表现显著不及行业指数。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

关键词：