2022年行业配置研究报告

1、2022年行业配置研究报告1、 行业配置研究体系国海行业配置研究体系由胜率和赔率组成，胜率和赔率是差异化的定价目标， 但两者之间又会相互影响。胜率强调截面上不同行业与其他行业的相对强弱关系， 追求组合跑赢基准的胜率，是一个比较出来的结果，本质是相对收益的逻辑；赔 率模型讨论预期收益，强调当下买入此行业的安全边际，注重远期的未来收益， 它只跟行业自身有关，本质是绝对收益的逻辑。这篇报告是我们行业配置系列研 究的第四篇，我们重点讨论如何在胜率和赔率之间寻求平衡。海行业配置的研究框架是一个二阶模型，通过对赔率和胜率的刻画，寻求 一致性的定价要素，最终根据行业胜率和赔率在时间序列和截面上的状态做出行

2、业配置决策。二阶模型让我们更加清晰地看到决策路径以及行业配置背后的风险 和收益特征。2、 为什么需要平衡行业胜率和赔率只考虑胜率的策略存在赔率风险：胜率策略多头自 2021 年 Q4 以来平均赔 率快速下滑，这部分风险导致行业胜率策略超额收益在 2021 年 Q4 遭遇了历史 上的最大回撤。只考虑赔率的策略存在胜率风险：考虑到赔率策略多头的平均胜率不高，市 场大多数时刻更偏向胜率，这意味着押注赔率的投资策略获取收益的交易效率效 率不高，在路径上，不考虑行业间的相对胜率存在显著的无法战胜其他投资者的 风险。综上，行业配置中胜率和赔率是相辅相成的，共同决定了投资组合的风险收 益结构，优秀的投资策略

3、需要平衡组合的胜率和赔率。3、 胜率和赔率截面平衡3.1、 交叉分组根据行业的胜率和赔率排序，可以将行业分成四个象限，这本质是一种交叉 分组的方法。象限图可以帮助我们判断每个行业所处的胜率、赔率位置，除此之外我们还可 以做进一步精细化的分析，每月末将胜率、赔率各自分成高中低三档，取两两交 叉，构建不同象限的胜率赔率组合，观察其超额收益表现。回测选取中信一级行 业除综合、综合金融外的 28 个行业，每月末确定标的，次月初第一个交易日开 盘价买入，基准为中信一级行业等权。通过回测，我们发现中、低胜率组内行业赔率对行业收益的提升作用不明显。同样，中、低赔率组内胜率对行业收益的提升作用不明显。高胜率组

4、内赔率分组效果明显，高赔率组内胜率分组效果明显，说明胜率赔 率是相互的补充：高胜率的边际提升在赔率，高赔率的边际提升在胜率。高胜率高赔率的行业绝对收益突出，相对收益也较为稳定。从 2015 年初至 2022 年 6 月底，高胜率高赔率组合年化绝对收益 23.7%， 相对基准的超额年化收益为 17.1%，信息比率达到 1.99。3.2、 胜率与赔率的线性组合交叉分组中高胜率高赔率组合表现优异，但分组交叉不能满足灵活多样的 行业配置需求，问题在于： 1) 高胜率高赔率的行业数量每期不可控，且平均来看数量不多； 2) 无法有效指导行业超低配。针对这两个问题，一个解决办法是行业胜率和赔率做线性组合：

5、组合因子 = ? 胜率因子 + (1 ?) 赔率因子，胜 率权重 从 0.1开始遍历到1.0，观察胜率赔率因子在不同权重下线性组合的超额收益表现。观察发现，不同权重下的线性组合呈现不同的风险收益特征，组合超额表现 与胜率权重大小呈非线性关系：胜率权重较为均衡时较好，一方权重过大过小都 不好。以胜率权重 0.6 为例，胜率赔率均衡时能够达到较好的行业配置效果。当然，线性组合也存在一定的问题，比如策略选到的可能是综合来看最优秀 的行业而非在每个维度都很优秀的行业，这与我们追求胜率与赔率平衡可能存 在矛盾。针对这个问题，我们观察因子线性组合后所选多头行业的胜率赔率分位 结构，以胜率权重 0.6 为例

6、，前 6 名的行业其胜率赔率分位均比较靠前，维持在 80%左右，说明该组合实现了较理想的胜率与赔率平衡。行业胜率赔率按照 0.6 和 0.4 的权重线性组合后因子分组单调，多空收益显 著，其中多头年化超额收益达到 14.4%，空头组年化超额收益为-5.9%。此外收 益累计曲线显示超额收益随持有月份的增加而增加，但是斜率存在快速衰减的结 构，所以从换仓频率来讲，月频换仓依然是比较理想的选择。4、 胜率赔率平衡更加多元立体的尝试我们发现，行业胜率和赔率的平衡本质上是截面和时间序列这两个逻辑的平 衡，不仅可以考虑截面上的高胜率高赔率行业，还可以将时间序列结合起来，加 入胜率赔率边际变化的信息。如下图

7、所示，可以寻找高赔率下胜率边际改善的行 业以及高胜率下赔率边际改善的行业。4.1、 高赔率象限内胜率边际改善策略在每月末首先选取赔率排名前 10 的行业，在这 10 个行业内选取胜率边际 改善前 6 的行业。我们发现组合相对收益不强，原因是容易选到胜率边际改善较 大但绝对排名靠后的行业。这表明对胜率而言，胜率排名靠后的行业即便边际大 幅改善，其超额收益也不够突出。在考虑胜率时，不仅要考虑其边际改善，也要考虑它的绝对排名。所以我们 在赔率前 10 的行业内选取胜率排名和胜率边际改善两个指标综合排名前 6 的行 业，组合的相对收益改善明显。但我们发现相对收益从 2021 年起开始走平并出现持续性回

8、撤。本质原因是 经过 2020 年的结构性行情，胜率较高的行业大多估值较高，赔率出现明显下滑， 反过来，赔率较高的行业普遍胜率较低，所以从赔率前 10 的行业内根据胜率选 出的行业其胜率绝对排名大多不高，导致相对收益出现长时间回撤。4.2、 高胜率象限内赔率边际改善的组合在每月末首先选取胜率排名前 10 的行业，在其中根据赔率月度边际改善指 标选取前 6 行业。组合相对收益波动较大，原因跟之前类似，可能选到赔率边际 大幅改善但赔率绝对值仍较差的行业。同样，我们加入赔率绝对值的考虑，在胜率前 10 的行业内选取赔率排名和 赔率边际改善两个指标综合排名前 6 的行业，组合相对收益提升明显，跟踪误差

9、 降低。4.3、 在约束赔率的基础上最大化行业胜率寻找高胜率（赔率）下赔率（胜率）边际改善的行业，本质是在平衡胜率赔 率时做的二叉树决策，其仍存在分组交叉的问题。对此，我们提出一种更加灵活 的平衡方法：在约束组合赔率下界的条件下最大化胜率。5、 寻求行业胜率赔率的动态平衡市场由胜率和赔率所共同驱动，但在不同时间阶段，市场对胜率和赔率的侧 重不一样。比如 2020 年到 2021 年这两年是比较明显的结构性牛市行情，市场 大多数时间更侧重于胜率；但我们看到去 2021 年 Q4 包括 2022 年 1 月份，单 纯押注胜率的组合回撤风险较大，彼时市场是比较明显的交易赔率的逻辑。如果我们能够在市场

10、侧重胜率的时候尽可能偏向胜率，侧重赔率的时候尽可 能偏向赔率，那组合的获取收益控制回撤的能力应该有进一步的提升。在本章节， 我们着重讨论胜率赔率的动态平衡，在路径上做胜率和赔率的动态平衡。5.1、 理解胜率赔率的相关关系胜率和赔率的多头超额收益呈现明显负相关性，说明成功 的胜率赔率择时能够提高策略表现。具体如何进行胜率和赔率的择时和平衡，我 们首先观察胜率因子和赔率因子在截面上的相关性。胜率赔率的因子值在截面上 的相关性有高有低，2019 年初到 2020 年底是胜率赔率共振明显的时间段，胜 率赔率共振是否对策略收益有一定影响？胜率赔率相关性较高时，胜率策略和赔率策略多头超额收益均较强，比如

11、2015 年中-2018 年中以及 2019 年初至 2020 年底，都是明显的胜率赔率共振周 期。进一步，根据秩相关性分组，发现秩相关性大小能明显影响策略收益，表现 在高秩相关性时胜率和赔率的月均超额均显著高于低秩相关性时的胜率赔率收 益。现在，我们知道胜率赔率共振时两个策略的收益均更好，但是相关性高的时候应该选胜率还是选赔率呢？我们观察胜率赔率相关性与胜率因子 RankIC 的对应关系，发现胜率赔率相 关性越高，胜率因子 RankIC 越大，这说明胜率和赔率共振的时候，胜率因子表 现越好。此外，图 39 说明胜率赔率相关性较高时，胜率与赔率 RankIC 之差越 大，说明胜率表现强于赔率，

12、也就是当行业的胜率和赔率一致性较强时，此时权 重偏向胜率的投资组合表现更好，因为从获取收益的效率上讲，胜率是优于赔率 的。所以我们可以利用胜率赔率的相关性进行胜率和赔率的择时和平衡。5.2、 胜率赔率动态平衡策略在行业胜率赔率框架中，我们认为胜率负责获取收益，赔率更多是控制 组合的风险。所以两者秩相关性高时偏向胜率，相关性低时要注意赔率的风 险，此时应偏向赔率。动态平衡策略自 2015 年初至 2022 年 6 月底每一年都战胜了行业等权基准， 年化绝对收益 21.2%，相对收益 14.7%，信息比率达到 2.17，相对最大回撤仅 5.6%，月度胜率 73.3%，单边换手率 326.7%。体现

13、出高信息比，高胜率，低回 撤，以及低换手的特征。历史上看，贡献超额收益前 3 名的行业为食品饮料、基础化工、家电，贡献 超额收益后 3 名的行业为电力及公用事业、有色金属、传媒。5.3、 动态平衡策略与胜率策略对比2021 年 4 到 9 月份，胜率策略净值上涨迅速，弹性大于动态平衡策略；2021 年 9 月至 2022 年 1 月中，胜率策略出现了历史最大回撤，动态平衡策略大幅战 胜单纯胜率策略。具体来看，2021 年 Q2、Q3，胜率策略的超额收益集中在以基础化工、煤 炭为代表的周期板块，此时收益弹性大于动态平衡策略。以 7 月份为例，单纯胜 率超额收益达到 12.8%，原因是周期板块中的有色金属、钢铁表现突出。2021 年 12 月，胜率策略选择了电新、有色、电子等景气度较高胜率排名靠 前的行业，由于赔率和胜率的相关性变低，此时动态平衡策略更加注重赔率，选 择了建筑、交运等安全边际较高的行业，有效控制了回撤。6、 行