【世界时快讯】2023年行业配置选择的新探索 子策略的组合配置分析

核心观点：

资产间风险收益特征互补的顶层配置新思路,传统的多因子逻辑驱动风格特征明显的底层行业轮动子策略，追求各子策略在不同的市场风格下分化且极致的策略表现。 上层从资产配置的角度出发，把握不同子资产分化的风险收益特征，进行顶层的子策略配置，配置后的行业组合拥有更加稳健的超 额表现，能够很好的穿越不同市场环境。

(资料图片仅供参考)

景气度行业配置逻辑，结合行业动量、基本面景气状态、分析师一致性预期，三者分别表征情绪延续状态、基于当前的基本面景气程度以及基本面未来的边际改善预期。以此为逻辑构建 等权因子结构的景气度综合因子，并形成景气度驱动的行业轮动策略，每月选取因子值最高的3个行业等权持仓。策略回测期自2011年1月1日至2023年4月28日， 区间年化收益17.12%，年化超额收益11.74%，策略的信息比率1.06。

相对价值驱动的行业轮动，基于行业PB与ROE指标，通过寻找截面上行业间“投资成本”与“投资回报”的回归关系，映射出行业估值的相对高低，本文选择线性回归模型，将未被模型解 释的回归残差作为估值中没有以价值的形式兑现的部分，即为估值因子。季度选取估值因子最高的三个行业等权持仓，回测期自2011年1月1日至2023年4月28日， 区间年化收益11.15%，年化超额收益6.04%，策略的信息比率0.49。

“核心资产”特征行业筛选，稳健是“核心资产”最大的特征，选取以ROE为主要出发点的因子，通过对行业整体盈利质量与盈利稳健程度的刻画，筛选出并非由举杠杆而导致的高盈利“核心 行业”。按月筛选最具备“核心资产”特征的三个行业等权持仓，回测期自2011年1月1日至2023年4月28日区间年化收益12.43%，年化超额收益7.26%，策略 的信息比率0.63。

景气度行业配置逻辑

强调行业间的相对强弱，通过筛选出过去、现在、未来三个维度下景气度较好或景气发生边际改善的行业，构建极致景气行业的等权组合。 动量通过对趋势的跟踪刻画胜率。 财报景气呈现行业当前的基本面情况。 分析师一致性预期表征行未来的基本面变动预期。

趋势动量

行业的动量体现过去的景气情绪，不同于个股可以由情绪驱动，一个行业涵盖大量的公司，行业的 长期向上更多是受到其基本面的驱动。因此动量某种程度是一种 行业景气的体现。 趋势动量分为价格动量，龙头股动量，以及短期超买。 价格动量：行业景气度和盈利能力的改善往往是一个较长的周期。 在这个周期中，越来越多的投资者获取并消化行业基本面改善的 信息，继续买入并推升价格。 龙头股动量：一个行业景气度的改善往往从龙头公司慢慢延伸到 普通股票上，在价格的表现上也有类似逻辑。 短期超买：抱团交易一个行业或板块导致交易非常拥挤时，往往 意味着板块行情的尾声。 因此动量因子的逻辑上价格动量和龙头股动量作为买点，短期超 买作为卖点。

财报景气度

财报景气度的刻画 ，A股市场中，投资者盈利大部分来自于公司基本 面的提升，财报数据能反映过去的景气度。将基 本面从成长、盈利、营运三个维度来拆解，通过 量化此三方面能力的变动来刻画行业景气度当前 截面上是否边际改善。 边际的刻画应用指标同比、环比及其变动等一阶 和二阶差分数据，多维度反应财务状况的边际转 变状况。 报告选取资产、利润、费用率等11个基本面财务 指标，通过测算指标的一阶及二阶差分数据构建 13个财报景气度的代理变量。

预期动量

未来基本面的预估，分析师预期是对未来基本面的预估。得益于分析师的密切 跟踪，相较于财务数据，预期数据更新速度较快。通过对 预期数据的一阶差分可以直观反映未来景气度的边际变化。 基于wind行业滚动一致预期数据，聚焦在盈利能力，选取 分析师对行业成分股的EPS、ROE和净利润三个指标的边 际变化作为代理变量，评估行业未来的景气变化。 通过分析师对行业景气度的跟踪，能在一定程度上规避买 在景气度最高点的风险。如2018年2月底，此时分析师预 期提前于财报景气度见顶，若是根据财报景气度买入煤炭 行业会遭遇大幅回撤。 通过分析师对行业景气度的跟踪，或能提前左侧买入景气 度回升的行业。从2020年下半年开始，煤炭行业的分析师 预期一直在平稳上升，而财报景气度直到2021年一季报才 确认了行业景气度。

基于景气逻辑的行业配置

景气逻辑行业配置策略表现 ，回测期2011年初至2023年4月28日，以行业等权作为业绩基准。 策略年化收益17.12%，年化超额11.74%，年超额胜率84.62%，信息比率1.06。最大绝对收益的回撤发生在2015年下半年股灾，受市场下行环境影响。 相对收益在2017年和2020年表现突出，行业景气筛选因子分别在两个年份选出煤炭、钢铁和 电新、军工行业。

相对价值驱动的行业轮动

行业间估值的相对高低 ，PB-ROE的前提假设是投资者愿意为资本回报率更高的股票支付更高的股价，PB与ROE之间存在着一定的相关性。寻找时间截面上30个中信一级行业的市净率与净资产收益率间的线性回归关系，残差即为回归模型中无法解释的部分，认为是估值仍未 以价格的形式兑现的部分。截面模型上，某个行业的回归残差越小认为估值越被低估，反之认为越被高估。本文通过在兑现周期方面对因子和持仓周期的优化实现策略表现的提升。

行业PB-ROE定价模型

行业PB-ROE模型构建，构建截面 ROE 对截面估值水平的解释关系，在 PB与 ROE 的二维平面上形成一条平价曲线。直观上看PBROE 定价模型给出了价格与基本面在横截面上的直接 关系，切实反应行业间的相对 “高估”或“低估”情 况。 数据上，我们取季报期的ROE_TTM(滚动年化以提高 ROE 稳健性)作为净资产回报率指标，月末的 PB_LF 作为市净率指标。通过对两个指标数的分布观测可以 看出，原始的PB_LF指标的离群情况较多，因此在不 改变原始PB指标相对大小的单调变化下，对其做对数 处理（Ln(PB)），以保护正常数据的使用。此外针对 Ln(PB)和ROE_TTM 指标均做5%-Winsorize的缩 尾处理，即将变量中小于5%的数值替换为5%分位数 值、将变量中大于95%的数值替换为95%分位数值。

基于估值逻辑的行业配置

估值逻辑行业配置策略表现，回测期自2011年初至2023年4月28日，以行业等权作为业绩基准。 策略年化收益11.15%，年化超额6.04%，年超额胜率69.23%。 策略在2019年和2020年发生失效，产生较大的超额回撤。市场在2019和2020年更青睐于具有 高且稳健ROE指标的个股和行业，单一的估值因子表现失效。 策略相对收益在2017年、2018年和2022年表现突出，估值因子分别在这三个年份选出的行业。

“核心资产”特征行业筛选

具备稳健特征的行业筛选逻辑 ，通俗的定义核心资产为能在经济向上的周期能跑赢通胀、跑赢经济增速，在经济向下的周期明显能抗住下行压力的资产，核心资产逻辑的行业配置思 路为寻找最具备此类特征的行业。 我们认为具备核心资产特征的行业往往具备较高且持续稳健的盈利能力。

核心行业因子

因子构建，盈利水平的刻画：取最新季报期的ROE_TTM ，滚动 年化以提高 ROE数据稳定性，将最新一期财报公布的 行业净资产收益率作为行业当前盈利能力的代理变量， 截面上横向比较各中信一级行业盈利水平的高低。稳健盈利的量化描述：基于每个时间节点，计算各个 中信一级行业过去一年的ROE_TTM指标的标准差衡 量盈利稳健性，行业的ROE数据伴随成分股季报公布， 因此使用时间节点前的四个季报对应的行业ROE计算。 杠杆指标筛查由举杠杆导致的高盈利行业：选取行业 的资产负债率作为杠杆的代理指标，数据同样由成分 股季报公布的资产负债率的市值加权所得。

三个指标分别在截面上的排序作为各因子的代理变量， 并按照一定权重结合三因子，在盈利质量上赋予较高 权重，在作为筛查项的杠杆因子上赋予较低权重，构 建最终的核心行业因子。 根据核心行业因子，每期选出排名前三的行业等权构 建行业组合，月度调仓。

核心行业配置策略业绩表现，回测期2011年初至2023年4月28日，以行业等权作为业绩基准。 策略年化收益13.76%，年化超额8.54%。 最大绝对收益的回撤发生在2015年下半年股灾，受市场下行环境影响；2021 年2月开始核心资产逻辑失效，策略持续回撤。 相对收益特明显，在2013年、2015年、2019年和2020年表现突出，年化超 额超20%。其中2019年和2020年根据核心行业因子值筛选出的行业相对集中， 分别主要筛选出食品饮料、建材与食品饮料、轻工制造行业。

核心行业配置最新截面

核心行业配置最新截面，根据加权因子所得的综合因子值而筛选出来的行业组合的三个子因 子的情况可以反推各因子在核心筛选的驱动情况。 2011年至2023年4月28日盈利能力对核心行业筛选所贡献的平均权 重较高约36%，杠杆的驱动程度最低，平均权重不足30%，符合我 们对核心行业盈利能力较高诉求辅以杠杆因子进行筛查的诉求。 根据2023年4月末的数据，核心行业逻辑最新一期推荐食品饮料、 通信和煤炭行业。

子策略的组合配置

投资组合理论，超额收益风格不同的三个行业轮动子策略作为底层，使用不同的顶层投资组合理论将不同风险收益特征的子资产进行配置，追求“全天候” 特征的资产组合，在各类市场环境下均能稳定创造超额。 相较于底层行业轮动的三个子策略，投资组合理论从组合特征出发进行资产配置，与底层纯因子驱动的行业轮动逻辑不同，在顶层配置角度 更注重组合的风险收益特征，很好的提升行业配置组合的稳健性。 最优投资组合：追求投资组合夏普等某项业绩指标的极致。

子策略风险特征

三个子策略超额收益互补 ，根据子策略各年度年化绝对收益和相对收益的比较，一定程度受到市场普涨普跌环境的影响， 部分年份下绝对收益的分化相对不显著，相对收益特征更加显著。 测算三个子策略超额收益滚动3个月的秩相关性。子策略两两间超额相关性在约50%的情况下 小于0，子策略大部分时间能够很好的互补。 子策略绝对收益相关性在市场普涨普跌的环境下维持较高水平，子策略表现趋同。 子策略绝对收益间的相关性从2021年初开始出现了明显的下降，三个策略背后的驱动分别为 良好的基本面情况、估值修复以及稳健盈利，在2021年开始的结构性行情下，三者的驱动效 果出现明显差异。2021年市场偏好基本面驱动的景气逻辑，2022年在估值修复上的表现更加 突出。

最优投资组合配置—最小波动

寻求波动最小的投资组合，回测期自2011年5月1日至2023年4月28日，以行业等权作为业绩基准； 目标函数为滚动期波动最小化，使得子策略的权重向过去3个月波动最小的资产倾斜，从 子策略业绩表现来看，估值逻辑整体波动最小，追求最小波动的投资组合在大部分情况下 赋予估值逻辑子策略最高权重。 回测期内策略年化收益14.29%，年化超额8.84%。相较于三个子策略从相对收益和绝对 收益角度而言跑赢估值逻辑子策略与核心资产子策略，未能跑赢景气逻辑行业轮动子策略。 相较于三个行业轮动子策略，组合的超额波动情况得到了极大的改善。

最优投资组合配置—最大收益

寻求收益最大的投资组合，回测期自2011年5月1日至2023年4月28日，以行业等权作为业绩基准。 目标函数为滚动期内收益最大化，使得子策略的权重向过去3个月绝对收益变现最佳的策 略倾斜，模型的权重数据显示回测期间在三项子策略的倾斜情况相对接近。 回测期内策略年化收益13.08%，年化超额7.68%。相较于三个子策略从相对收益和绝对 收益角度而言跑赢估值逻辑子策略与核心资产子策略，未能跑赢景气逻辑行业轮动子策略。 追求最大收益的组合相较于追求最小波动组合在各业绩指标未见明显改善。

最优投资组合配置—最大夏普

寻求夏普值最大的投资组合，回测期自2011年5月1日至2023年4月28日，以行业等权作为业绩基准。 目标函数为滚动期内夏普最大化。 回测期内策略年化收益13.66%，年化超额8.05%。相较于三个子策略从相对收益和绝对 收益角度而言跑赢估值逻辑子策略与核心资产子策略，未能跑赢景气逻辑行业轮动子策略。 相较于子策略在超额波动上可见明显改善，但不及最小波动组合。 相较于最小波动和最大收益资产组合业绩表现相对更佳。

（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：