超预期策略系列之一：超预期行业的二维模型-

2022年3月10日超预期行业的二维模型年初信息真空期该选什么策略？高景气是年初市场关注的核心方向之一。年初由于信息的相对真空，行业选择相对困难，高景气往往是市场在行业选择中最为关注的方向之一，而高景气行业每年也的确有显著的超额收益，业绩增速水平高的个股往往会有更好的收益。但高预期策略并没有稳定的收益。由于无法在年初获知当年各行业的实际增速，市场一致预期是一个可选的替代项，但年初高增长预期的组合并没有像高增长组合一样取得显著的超额收益。即使调整后，高预期策略的收益仍没有显著改善。为什么高预期策略并没有良好的效果？我们认为主要有三方面的原因：1、市场一致预期通常有系统性偏差；2、高预期组合的市值往往偏小，造成投资风格的偏移；3、实际业绩高增长的公司在年初可能没有盈利一致预期。超预期策略的构建相比于高预期策略，超预期策略的回报更加稳定。按照实际盈利增速超过年初盈利预测的幅度对个股进行分组，超预期幅度越大的组别回报也越好，而且超额收益也相对稳定。同时，在行业端同样有类似的规律。为什么超预期策略要比高预期策略更加值得关注？虽然超预期策略与高增长策略一样，都需要当年的实际盈利增速数据，但首先，超预期策略有盈利预期作为锚，有一个更加稳定的出发点；其次，有盈利预期的公司往往是较为优质的中大型公司，超预期策略可以在一定程度上剔除掉高增长策略所面临的小市值问题。超预期行业的二维模型怎么找到超预期的行业？行业超预期的动力主要来自于三个方面：1、行业增长的α，有些行业长期有着更高的成长属性；2、经济增长的β，有些行业与经济关联度更高，经济向好时这些行业业绩超预期的概率更高；3、盈利预期的系统性偏差，市场预期对多数行业倾向于高估，但仍有部分行业会被低估。超预期行业的二维模型。第一个维度是超预期的概率，第二个维度是超预期弹性。在二维模型之下，不同行业表现出不同的特性，在不同的经济环境下有不同的配置价值。在盈利上行期，应选择业绩超预期概率大同时弹性相对大的方向；在盈利下行期，应选择超预期概率大但波动性较小的方向。这样的策略在历史上表现出了较好的结果。今年该选哪些行业？稳定增长将是今年的首选方向。整体来看，当前市场普遍认识到国内经济面临一定的下行压力。根据文中的二维模型，经济下行期，稳定增长的行业毫无疑问将是市场的首选。主要包括建筑建材、地产等行业。消费方向同样值得关注。1、白酒与医药是消费配置的基础。即使行业表现有所波动，但在目前的基金重仓股中，食品饮料和医药行业仍然是持仓非常集中的行业，在2022年，白酒与医药的表现也将是消费品行业表现的基础。2、消费补贴与刺激政策利好的家电、汽车零部件等行业。3、受益于疫情影响逐步消退的线下消费行业，包括航空机场、零售等。风险提示：历史统计规律未来并不一定适用；经济增长大幅不及预期。m后一页特别声明策略研究策略研究目录 后一页特别声明策略研究策略研究 8 20 单位：%) 4表2：高增长预期组合表现(单位：%) 5表3：绝对盈利预期增速组合表现(单位：%) 5表4：盈利增速预期上行和盈利增速预期下行组合表现(单位：%) 6表5：盈利预期调整组合表现(单位：%；收益率衡量的时间区间为该年3月31日-该年6月30日) 6表6：盈利预期调整组合表现(单位：%；收益率衡量的时间区间为该年6月30日-该年9月30日) 7表7：盈利预期调整组合表现(单位：%；收益率衡量的时间区间为该年9月30日-该年12月31日) 7表8：盈利预期调整组合表现(单位：%；收益率衡量的时间区间为该年12月31日-次年3月31日) 7表9：高预期与高误差是并存的(单位：%) 8常较小(单位：亿元) 9(单位：%) 9表12：超预期组合回报稳定(单位：%) 10表13：超预期行业回报稳定(单位：%) 10 后一页特别声明策略研究策略研究本篇报告是我们超预期策略系列的第一篇报告，我们希望可以建立起一个完整的超预期策略分析体系，对于行业比较和配置提供一个新的框架性思路。本篇报告我们主要解决了两方面的核心问题：一，年初选用什么策略？我们认为超预期策略能够提供更加稳定的回报，并且其相比于高增长策略具有更高的可操作性以及更加稳定的收益。二，如何找到超预期的行业？我们建立了超预期行业的二维模型，从超预期概率和超预期幅度两个角度出发，自上而下刻画了不同环境之下的超预期行业选择。盈利上行期，选择弹性的超预期方向；盈利下行期，则选择稳定的超预期方向。年初是决定年度配置的关键时期。年初通常处于全年相对的信息真空期，市场通常只对经济的走势有一个方向性的判断，而很难对各行业有清晰的预判，对各行业进行比较选择更是困难。而年初又是决定年度配置的关键时期，因此年初市场更加需要从自上而下角度给出一个框架性的判断。高景气是市场最为关注的方向之一。景气度是行业比较和选择过程中最需要关注的因素之一，从结果来看，高增长策略确实可以战胜市场，有显著的超额收益。如果我们在每年年初按照全年实际盈利增速从高到低分为10组，从历史情况来看，高增长的个股分组(下图中的第1-3组)确实有着更好的表现，在全年维度可以显著地跑赢市场。但如何在年初获知实际的高增长？虽然高增长策略是一个非常稳妥的策略从现实出发，我们无法在年初事先获知实际的盈利增速。因此年初的时候，市场只能参考自下而上的分析师一致预期，并且认为高增长预期的公司更有可能会获用高预期策略会有怎样的收益率呢？1：高增长组合表现(单位：%)123456789资料来源：Wind，光大证券研究所。注：根据全部A股实际的归母净利润增速进行分组，1-10依次代表当年实际归母净利润同比增速从高到低，表格中数字代表该组股票该年的收益率历史来看，高预期策略并没有稳定的收益，年初高增长预期的组合表现并不突出。我们用年初的盈利增速预期代替全年的实际增速，来衡量高预期策略的表现。我们将每年年初有盈利预期的公司按照盈利预期增速从高到低分为10组，并且考察各组全年的表现。从结果来看，高增长预期的组合与实际高增长的组合表现差异巨大，高增长预期的组合并没有稳定的收益，甚至不少年份他们的表现显著差于中低预期组合。在2011年到2020年这10年间，仅有2019年与2020年年初的高预期组合有好的表现。后一页特别声明策略研究策略研究2：高增长预期组合表现(单位：%)123456789资料来源：Wind，光大证券研究所。注：根据全部A股年初预期的归母净利润增速进行分组，1-10依次代表当年年初预期的归母净利润同比增速从高到低，表格中数字代表该组股票该年的收益率我们尝试采用三种不同的方式修正高预期策略，但结果都不尽如人意。基于盈利预期限制修正高预期策略。投资者可能只会对一定预期增长水平之上的公司更加青睐，比如说预期增速超过30%的或者增速高于上一年的公司，基于此我们可以对盈利预期的条件加以限制。 (1)按照绝对盈利增速分组。我们按照盈利预测的绝对增速将上市公司分为若干组，并回溯其全年表现。整体来看，绝对增速高预期策略表现要略好于之前的高预期策略，但表现仍然不稳定，在很多年份，绝对增速预期处于中部的公司表现更好。而且在市场中“负增长预期”与“低增长预期”的公司样本数量显著偏少，这可能会带来一定的误差。表3：绝对盈利预期增速组合表现(单位：%)7样本容量(单位：家)1451638477262548776资料来源：Wind，光大证券研究所。注：根据全部A股年初预期的归母净利润增速进行分组，上面表格中数字代表该组股票该年的收益率 (2)区分盈利增速上下行。除了绝对的增速阈值之外，我们还可以限制盈利预期的相对表现，并将个股分为预期增速高于上一年实际增速(上行)，与预期增速低于上一年实际增速(下行)两类，并分别复盘其当年的市场表现。但结果同样并不如人意，即使限定盈利预期增速高于上一年，年初的高预期组合也不会有稳定的回报。同样地，盈利预期相对下行的组合也难以提供稳定的回报。后一页特别声明策略研究策略研究表4：盈利增速预期上行和盈利增速预期下行组合表现(单位：%)1223456978930975资料来源：Wind，光大证券研究所。注：根据全部A股该年4月30日的预期归母净利润增速进行分组，1-10组的预期归母净利润增速高于上一年的实际增速，且1-10依次代表预期该年的归母净利润同比增速从高到低；-1~-10组的预期归母净利润增速低于上一年的实际增速，且1-10依次代表预期该年的归母净利润同比增速从高到低；表格中数字代表该组股票该年的收益率 (3)基于预期调整的高预期策略考虑盈利预期的动态调整。既然静态的高预期策略没有稳定的回报，那么基于盈利预期动态调整的高预期策略能否提供更好的结果呢？我们用每个季度盈利预期的提升幅度作为盈利预期动态调整的指标，并且假设每个季度都买入上个季度盈利预期上调幅度最大的个股构成组合。但从历史来看，这个策略也无法提供稳定的收益。相较而言，这一策略在每年四季度的效果相对较好，也即在12月31日的时候买入四季度盈利预期上调的组合，或许会有比较稳定的回报。这可能是由于临近年末的时候，盈利预期的调整会更加准确。日)12834567889资料来Wind，光大证券研究所。注：根据全部A股该年3月31日预期归母净利润增速与该年年初预期的归母净利润增速之差进行分组，1-10代表该年3月31日预期归母净利润增速与该年年初预期的归母净利润增速之差从高到低后一页特别声明策略研究策略研究日)1642130465667989820资料来源：Wind，光大证券研究所。注：根据全部A股该年6月30日预期归母净利润增速与该年3月31日预期的归母净利润增速之差进行分组，1-10代表该年6月30日预期归母净利润增速与该年3月31日预期的归母净利润增速之差从高到低日)182345536673809资料来源：Wind，光大证券研究所。注：根据全部A股该年9月30日预期归母净利润增速与该年6月30日预期的归母净利润增速之差进行分组，1-10代表该年9月30日预期归母净利润增速与该年6月30日预期的归母净利润增速之差从高到低日)17253040858676898资料来源：Wind，光大证券研究所。注：根据全部A股该年12月31日预期归母净利润增速与该年9月30日预期的归母净利润增速之差进行分组，1-10代表该年12月31日预期归母净利润增速与该年9月30日预期的归母净利润增速之差从高到低我们认为，三方面原因导致了高预期策略并没有良好的效果：1、市场的一致预期通常有系统性偏差。为何高预期的组合表现要显著的差于高增长组合，最重要的原因在于市场的一致预期通常有系统性偏差。从历史数据来看，多数年份的盈利预期都显著偏高，这体现为多数年份的盈利预期在年初后一页特别声明W1W3W5W7W9WW1W3W5W7W9W11W13W15W17W19W21W23W25W27W29W31W33W35W37W39W41W43W45W47W49W51W53策略研究之后都是在不断下调的。仅有少数年份A股盈利预期在不断地上调，例如2017。这样的情况有两方面的原因。一方面分析师通常会对其覆盖的公司过度乐观，另一方面是由于在2011年之后，经济增速出现持续下行，而经济增速超预期年份有限。因此年初市场常常高估盈利。180%160%140%120%100%80%60%40%20%0%201320142015201620172018201920202021资料来源：Wind，光大证券研究所。注：纵轴代表每周最后一个交易日的盈利预期增速相对于年初的比值；盈利预测增速的计算方法为当天对该年的wind全A一致预测净利润/上一财年的实际净利润-1高增速预期的个股，其预期偏差也更高。在个股层面上，高增速预期的个股的误差更加明显，高预期常常与高误差并存。整体来看，盈利预期越高的组别，其实际的盈利增速与预期之间的差距通常也会更高，并且可能显著高于其他组过高的盈利预期可能是股价表现不佳的核心原因。过高的盈利预期可能会导致高估值，即使这些个股的实际盈利增速并不算低，但是由于市场前期已经充分反映了乐观的预期，当实际增速披露时，市场反而可能会下跌；如果实际盈利增速不及预期，则可能导致“戴维斯双杀”。表9：高预期与高误差是并存的(单位：%)组123456789资料来源：Wind，光大证券研究所。注：根据全部A股的年初预期归母净利润增速对股票进行分组，1-10依次代表当年预期归母净利润同比增速从高到低，表格中数字代表该组股票的预期归母净利润增速减去实际归母净利润增速(整体法)2、市值偏小可能是另一个原因。除了单纯的增速误差之外，市值的偏离可能是另一个值得关注的问题。整体来看高预期的组合通常市值显著偏小，这可能会受到市场投资风格的影响，也即当小市值公司表现较好的时候，高增长预期策略表现会更加突出，反之当小市值风格不被市场看好时，该策略整体表现也较差。后一页特别声明策略研究策略研究表10：高增长预期组合市值通常较小(单位：亿元)123456789资料来源：Wind，光大证券研究所。注：根据全部A股年初的预期归母净利润增速对股票进行分组，1-10依次代表当年预期归母净利润同比增速从高到低，表格中数字代表该组股票的年初平均市值3、实际业绩高增长的公司在年初可能没有盈利一致预期。由于分析师覆盖的范围限制，有大量的上市公司并没有分析师覆盖以及相应的一致预期，尤其是大量的中小公司并没有分析师稳定覆盖。而每年的实际业绩高增长公司中有大量的中小公司，这些公司很可能是未被覆盖的，这使得年初的高预期分组与年末的高增长分组可能会有较大的误差。从数据来看也确实如此，根据历史统计，A股平均的覆盖率大概在60%左右，随着近年来上市公司数量的不断增加，覆盖率有所下行。而每年增速最高的公司，其分析师覆盖率要显著低于市场整体。分析师覆盖范围有限也是高预期策略误差的重要来源之一。分析师覆盖范围有限(单位：%)1.7%.6%.6%.1%57.1%2.6%34.1%31%1%.7%.7%451%55.1%6.6%7.6%9.6%8.6%51.1%.7%91%57.1%3.6%54.1%.6%资料来源：Wind，光大证券研究所。注：根据全部A股当年实际归母净利润增速对股票进行分组，1-10依次代表当年实际归母净利润同比增速从高到低，表格中数字代表该组分析师覆盖数/该组总的上市公司数既然高预期策略的主要风险是面临实际业绩增速低于预期的风险，那么如果反其道而行之，年初投资于有望超预期的公司，是否可以取得更加稳定的回报相比于高预期策略，超预期策略回报更加稳定。我们按照实际盈利增速相对于年初盈利预期增速的幅度将股票分为十组，可以看到超预期幅度越明显，回报就越高，而且这一策略表现是比较稳定的，在绝大多数年份中都取得了良好的效后一页特别声明策略研究策略研究逻辑上，这也与市场中一直所强调的超预期选股思路相一致。由于市场预期已经被“pricein”，那么只有未来的边际变化，也即超预期或者低预期才会引起股价的进一步波动。超预期组合回报稳定(单位：%)1234567899资料来源：Wind，光大证券研究所。注：根据全部A股该年实际盈利增速与年初预期盈利增速之差进行分组，1-10依次代表该年实际盈利增速与年初预期盈利增速之差从高到低，表格中数字代表该组股票该年的收益率分行业来看，超预期策略同样有稳定的回报。我们进一步从行业层面对这一策略进行检验，发现该策略仍然是有效的。我们将一级行业按照年初的一致预期盈利增速与实际增速之差分为五组，从历史情况来看，大多数年份超预期策略都有相对更好的表现。在二级行业层面上，这一策略也同样行之有效。超预期行业回报稳定(单位：%)超预期组合表现(一级行业)12345超预期组合表现(二级行业)12734567894资料来源：Wind，光大证券研究所。注：根据一级行业、二级行业该年实际盈利增速与年初预期盈利增速之差进行分组，1-5、1-10依次代表该年一级行业、二级行业实际盈利增速与年初预期盈利增速之差从高到低，表格中数字代表该行业该年的收益率情况超预期策略同样需要关注当年的实际盈利增长。与高增长策略一样，超预期策略也需要年末的实际业绩增长数据作为衡量是否超预期的一个锚，那为何超预期策略比高增长策略更加具有可行性呢？我们认为主要有两方面的原因。一是超预期策略有盈利预期作为锚，有一个更加稳定的出发点。虽然超预期策略与高增长策略都需要实际的盈利增速数据，但盈利预期作为市场中最重要的后一页特别声明证券研究报告策略研究策略研究参考因素之一，无疑是可以提供现有市场中的很多信息的。因此，相比于单纯的高增长策略，超预期策略有一个更加稳定的“锚”可以参考。下IPO的公司数量迅速增加，上市公司数量也随之迅速提升，这导致了分析师覆盖的绝对数量有所提升，但同时覆盖率有所下行。在这种情况下，从分析师覆盖的上市公司中寻找超额收益可能会是更加可靠的选择。资料来源：Wind，光大证券研究所。注：左轴为分析师覆盖的上市公司数量，右轴为分析师覆盖公司数/当年上市公司总二是在行业表现上，超预期策略比高增长策略有更加稳定的结果。除了预期的“锚”的原因之外，超预期策略在行业表现上也更加稳定。相较而言，高增长策略在行业上的适用性要显著弱于在个股上的适用性。无论是一级行业层面，还是二级行业层面，行业层面的高增长策略效果都显著差于个股高增长策略，以及超预期策略。这主要是由于小市值公司带来的误差。由于小市值公司的业绩增速波动更大，部分小市值公司的增速水平很高，而行业整体的盈利主要由大市值公司贡献，因此个股的高增长与行业的高增长之间可能会有很大的误差。而超预期策略则有较高的一致性，因为行业中大市值公司的覆盖率通常较高。因此从策略角度来看，超预期策略对于行业超额收益的发掘效率显著更高，因此也更加具有实用性。高增长组合表现(一级行业)12345高增长组合表现(二级行业)12345678后一页特别声明证券研究报告策略研究策略研究97资料来源：Wind，光大证券研究所。注：根据一级行业、二级行业实际的归母净利润增速进行分组，1-5、1-10分别依次代表一级行业、二级行业实际归母净利润同比增速从高到低，表格中数字代表该组行业该年的收益率情况既然我们认为超预期的策略是可行的，那么随之而来的问题就是，如何找到超预期的行业?我们认为，行业盈利超预期的动力主要来自于三个方面：行业增长的α、经济增长的β以及盈利预期的系统性偏差。当然，在实际情况中，行业盈利的超预期一定是三者的结合，而非单一因素的作用。但是在分析层面上我们可以尝试区分各个因素的作用。资料来源：光大证券研究所绘制行业增长的α。长期来看，有些行业确实有更高的成长属性。根据统计，农林牧渔、电子、食品饮料、传媒等行业的长期平均增速更高，因此长期来看这些行业具有更多的自下而上的α机会。经济增长的β。从另一个角度来看，有些行业相对于宏观经济具有更高的β，典型的代表就是周期类行业，而消费类、稳增长行业的β则显著偏低。所以当经济高增长的时候，高β行业可能会有更高的盈利增速，超预期的概率也较大，反之当经济增速下行的时候，稳定增长类行业就更有优势。后一页特别声明证券研究报告策略研究策略研究β资料来源：Wind、光大证券研究所，横轴为β，纵轴为α，时间为2011-2020年β资料来源：Wind、光大证券研究所，横轴为β，纵轴为α，时间为2011-2020年盈利预期的系统性偏差。根据统计数据显示，盈利预期通常是存在系统性偏差的。从整体来看，市场往往会倾向于高估盈利。而从各行业来看，多数行业的盈利预期也同样是倾向于被高估的。不过并非所有行业都是如此，根据历史数据，有一些行业更加倾向于被低估，例如稳定增长的行业。误差平均值(左轴)误差中位数(左轴)超预期概率(右轴)80%60%40%20% 0%-20%-40%银行通信建筑装饰美容护理非银金融家用电器公用事业食品饮料医药生物轻工制造电子环保汽车建筑材料房地产纺织服饰传媒交通运输计算机石油石化基础化工煤炭商贸零售综合机械设备电力设备有色金属农林牧渔社会服务钢铁国防军工90%80%70%60%50%40%30%20%10%0%资料来源：Wind，光大证券研究所。注：数据区间为2011年至2020年，误差=(当年预期净利润-实际净利润)/实际净利润的绝对值，超预期概率=超预期年份数/总年份数长期超预期的行业是否有更好的表现？既然有一些行业的市场一致预期是长期偏低的，那么是否我们应该根据统计结果长期买入这些行业呢？从实践结果来看并非如此。从2011年至2020年的累计收益来看，低估最明显的行业表现并不突出，反而是低估幅度处于中部的部分行业，甚至是一些长期被高估的行业有更高的累计收益率。后一页特别声明证券研究报告策略研究策略研究资料来源：Wind，光大证券研究所。注：数据区间为2011年至2020年，误差=(当年预期净利润-实际净利润)/实际净利润的绝对值，误差越小代表超预期幅度越大，代表越被低估从各行业的相对表现来看，不同行业之间差异并不显著。由于公募考核机制多以年为单位，A股市场中的机构投资者关注的并不一定是长期表现最好的行业，而是1年维度内收益表现位居市场前列的行业。而长期超预期的行业在短期内并不一定能有显著优于其他行业的表现。因此根据统计结果长期买入盈利最容易被低估的行业似乎并非一个好的选择。资料来源：Wind，光大证券研究所。注：数据区间为2011年至2020年，误差=(当年预期净利润-实际净利润)/实际净利润的绝对值，前20%的概率=2011-2020年该行业涨幅位于全行业20%的年份数/总年份数超预期策略的行业二维模型。如上文所述，无论从绝对收益的角度，还是相对于其他行业的表现的角度来看，单纯的超预期都没有好的效果。因此我们构建了超预期策略的行业二维模型，来选择不同情形下更有望超预期的行业。第一个维度是超预期的概率，我们用每年的超预期幅度做排名，数字越大代表超预期的幅度越大，然后取2011-2020年的平均值，数字越高代表相比于其他行业而言，超预期的可能性越大。第二个维度是超预期的波动率，我们用该行业在每年超预期幅度排序中的序号的波动率来表示，数字越大，代表其波动性越大，即业绩超预期时的超预期幅度也越大。后一页特别声明证券研究报告策略研究策略研究医药生物房地产国防军工4建筑装饰医药生物房地产社会服务银行计算机环保非银金融家用电器基础化工计算机环保非银金融家用电器603色金属9电力设备12商贸零售15汽车1821246 78机械设备电子轻工制造8纺织服饰交通运输美容护理农林牧渔纺织服饰交通运输美容护理石油石化煤炭石油石化钢铁综合综合12传媒资料来源：Wind，光大证券研究所。注：横轴为行业超预期程度在全行业的排名，超预期程度=(实际归母-预期归母)/实际归母，超预期程度越高，数字越大。在每年进行排名，最后取2011-2020年的平均值。纵轴为行业超预期排名的标准差，数据区间为2011年至2020年，排名数字越大代表超预期概率越大同时标准差越大根据这一模型我们可以对行业进行更加立体的区分。我们不仅要考虑业绩超预期的可能，还要考虑超预期的弹性。以图10所示，第1象限的行业，越靠近右上角越偏稳定增长，其有更高的超预期概率，且波动性较小，属于稳定被低估的行业。第4象限(右下角)的行业，同样有较高的超预期概率，但波动性相对较大。不同的经济环境对应不同的选择。那我们该如何在各行业中作出选择呢？我们认为这需要考虑当年实际的宏观经济情况。正如我们前面所言，超预期的因素之一，是经济增长带来的β。因此在经济上行时期，我们理论上应该更加偏好位于第4象限的弹性行业，以追求短期的超预期弹性。而在经济下行时期，应该更加偏好第1象限的稳定行业，以追求更高的确定性。资料来源：Wind，光大证券研究所。注：横轴为行业超预期程度在全行业的排名，超预期程度=(实际归母-预期归母)/实际归母，超预期程度越高，数字越大，在每年进行排名，最后取2011-2020年的平均值。纵轴为行业超预期排名的标准差，数据区间为2011年至2020年后一页特别声明证券研究报告策略研究策略研究我们从两个角度衡量行业的表现。一是整体收益，以衡量行业的整体回报；二是在各年度行业表现位居前20%的概率，以衡量行业的弹性，并且进一步区分了盈利上行期与盈利下行期的表现。第4象限的行业表现突出，虽然其他部分行业也有不错的表现，但无论是平均的收益还是位居前列的概率第4象限的行业都显著领先。而在盈利的下行期，第1象限的行业优势更为突出。相较而言，2、3象限的行业则较少体现出显著的优势。但二者相比较仍然能体现出一定的规律。盈利下行期第2象限的行业会更加占优(低波动)。对于这两个象限的行业而言，或许其中更多的机会来自于自下而上寻找行业α。现行期行期行期行期7.1%))现行期行期行期下行期)0%)))7%7.1%资料来源：Wind，光大证券研究所。注：数据区间为2011年至2020年，上行期(2013、2016、2017、2019、2020年)，下行期(2011、2012、2014、2015、2018年)；前20%概率=行业业绩排名在全行业前20%的年份数/所对应的总年份数根据全年实际市场表现，我们可以将行业划分为四个不同特点的区域。第1象限的行业是经济下行期市场表现稳定的底仓行业，是经济面临压力时的首选；第2象限是经济下行期的行业α来源。相应的，第4象限的行业是经济上行期的弹性行业，而第3象限则是经济上行期的行业α来源。我们可以根据每年年初的宏观经济形势，来确定年内的行业选择方向。在此模型基础之上，还需要兼顾自下而上寻找行业α。我们建立的二维模型更多的是基于经济的β与盈利预期的系统性误差这两个因素。除了这二者之外，行业的α也是其业绩超预期的重要来源，在特定年份中起到了至关重要的作用，例如2021年的新能源相关行业以及2016-2017年供给侧改革推进时期的周期行后一页特别声明证券研究报告策略研究策略研究资料来源：Wind，光大证券研究所。注：横轴为行业超预期程度在全行业的排名，纵轴为行业超预期排名的标准差，数据区间为2011年至2020年稳定增长将是今年的首选方向。整体来看，今年的经济下行压力已经成为了市场的一致预期。根据我们上文的二维模型，在经济下行的时期，第1象限中稳定增长的行业毫无疑问将是市场的首选。行期收益现饰务Ⅱ饰设产开发理务4%%.12%料料乳品%媒工造造刷%部件料材%会服务子资料来源：Wind，光大证券研究所。注：经济下行期(2011、2012、2014、2015、2018年)，盈利预期数据为万得一致预期，PE分位计算区间为2010/1/1-2022/3/4，市场表现数据截至2022/3/4后一页特别声明证券研究报告策略研究传统基建相关板块仍然是稳增长的重要抓手。虽然基建投资预期弹性有限，但其仍然将是这一轮跨周期调节和稳增长的主要抓手。在隐性债务管理之下，21年专项债大概率“发完用不完”，这也成为22年财政发力空间的来源。随着“十四五”重大项目近期的加速开工，基建投资增速将有所修复，并且有望带动相关板块景气上行。传统基建相关板块估值普遍处于历史较低水平。从估值角度看，以各行业2010年以来PE估值分位来衡量各行业估值水平高低，可以看出，对于化工、机械、建材、建筑装饰、银行等传统基建相关行业而言，除园林工程外，其余稳增长相关二级行业PE估值分位均低于50%，这意味着，绝大多数稳增长相关二级行业估值处于历史偏低水平。建议关注专用设备、水泥制造、基础建设、化学原料等行业。电力系统电力系统信息技术4.0%传统基建89.8%资料来源：Wind，国家电网官网，信通院，中国城市轨道交通协会，光大证券研究所。数据为2020年新型基建与传统基建的投资金额占比情况当前PE估值分位资料来源：Wind，光大证券研究所，PE分位计算区间为地产行业已出现边际变化。由于地产链在经济中仍然占有重要地位，而且去年整体面临较大的压力，目前地产相关政策已经开始逐步松动。未来若地产行业相关政策进一步放松，并且带来销售数据的逐步回暖，地产与相关产业链或值得政策称单位时间做好重点房地产企业风险处置并购金融服务的通知》、银保监会金融机构重点支持优质房地产企业兼并收购出险和困难大型房地产企业的业金融机构投资并购债券、并购票据等债务融资工具，支持企业兼并收购优质项目。委房地产建设等环湖开发活动。切实转变“环湖造城、环湖开发”发展模保障性租赁住房有关贷款不纳集中度管理的通知》、银保监会金融机构向持有保障性租赁住房项目认定书的保障性租赁住房项目发放的纳入房地产贷款集中度管理进绿色消费实施方案》委造。资料来源：各政府机构网站，光大证券研究所整理后一页特别声明证券研究报告策略研究策略研究白酒与医药是消费配置的基础。即使行业表现有所波动，在目前的基金重仓股中，食品饮料和医药行业仍然是持仓非常集中的行业。2022年，白酒与医药的表现也将是消费品行业表现的基础。白酒业绩相对优势逐步显现，CPI温和回升有助于板块盈利改善。一直以来，白酒的业绩都具有较高的稳定性，不过在21年这反而成为了其相对业绩的压力来源。即使21年白酒板块是少数保持了高景气及稳健增长的消费子行业，其相对业绩也难以与成长或者周期板块相提并论。不过2022年，在整体业绩增速下行的背景之下，白酒的相对景气优势将逐步回归。此外，白酒板块净利率与CPI走势有一定相关性，随着22年CPI增速稳步回升，白酒板块经营业绩也有望持医药业绩增长确定性高，而且目前估值已处于历史中等偏低水平。与其他消费行业相比，医药板块需求更为刚性，其业绩受经济波动影响较小，业绩增长确定性较高，并且其中还有很多高景气的细分行业值得关注。同时，从估值角度看，当前医药板块各二级行业估值均已回落至历史中等偏低水平，配置价值凸显。464442403836345.54.53.52.5.50.5-0.52013/032013/092014/032014/092015/032015/092016/032016/092017/032013/032013/092014/032014/092015/032015/092016/032016/092017/032017/092018/032018/092019/032019/092020/032020/092021/032021/09CPI同比(%,右)CPI同比(%,右)资料来源：Wind，光大证券研究所，数据截至2021Q3%服务商业服务商业器械生物制品资料来源：Wind，光大证券研究所。PE分位数计算区间为2010/1/1-2022/3/4消费补贴与刺激政策利好家电等大宗消费品。22年国内经济存在较大下行压力，在此背景下，促进消费可能会成为稳增长的重要抓手。近期我们已经观察到各地陆续出台了一系列促进家电等大宗消费品消费的政策，随着这些政策陆续发力，相关行业业绩有望迎来修复，这可能也将带来相关行业的估值修复。消费刺激政策可能涉及到家电、汽车以及大众消费品等方向。根据以往的经验，家电补贴、汽车补贴是常见消费刺激方向，也是各地方消费刺激政策的发力点，尤其是“双碳”政策之下，新能源汽车板块有望受益。除此之外，若22年消费补贴通过消费券等方式推行，大众消费品也将受益。建议关注家电、汽车零部件等行业。后一页特别声明证券研究报告T-9T-9T-7T-6T-5T-4T-3T-2TT+1T+2T+3T+4T+5策略研究资料来源：国务院政策文件库，新华社，光大证券研究所整理90%80%70%60%50%40%30%20%10%0%ⅢⅢ彩调