以年为时间跨度单位应该如何做行业配置

20172017正文目录中期传行配理论有性证 4从本角寻在周期有的子 8从价度找中期内效因子 12于对益的单动量 12风调后动因子 13股路调后动量子 14量化况 15交变情况 16值反的绪量 17多量因整为复动因子 19将析预因与价因联使用 205.2024度业置荐 216.风提示 21图表目录图表1“选来1年润增最行”略溯结果 4图表2优未来1润增最行”略溯结果 5图表3优选PB估行业”策-测果 5图表4优选PE估行业”策-测果 5图表5“选PB估业策（2）”-回结果 6图表6报反策自然度）-测果 6图表7报反策（12月动）-回结果 6图表8优选ROE提行业”策（然度回测果 7图表9照业值数进分组 8图表10照业史动率对进分组 8图表11行来4Q润增策”回结果 9图表12各行业利润增速：2022财年预测排名VS实际增速排名（盈利数据采集点：2021年12月31日） 10图表13析盈预外推略回结果 11图表14单量子测结比较 12图表15单量子测结（选） 13图表16普率子测结比较 13图表17普率子测结（选） 14图表18ATR整动因子测果较 14图表19ATR子回果（选） 15图表20量善因回测果较 15图表21量善因回测果优组） 16图表22交波因回测果较 16图表23交波因回测果优组） 17图表24PB位因测结比较 17图表25PB位因子回测果优组） 18图表26PE位因测结比较 18图表27PE位因子回测果优组） 192017图表28个因与合动因效比较 192017图表29合量子测结（选） 20图表30复动&师预”子用回果（选） 20图表31合量子VS两子用 212017中周期内传统行业配置理论的有效性验证2017在常见的行业轮动研究当中，通常是以月度为频率，对行业组合进行调仓，也即对于一个固定持仓组合的持有周期通常为一个月。在之前的研究中，我们也是主要以偏短期的持仓周期（一个月）为约束条件，来寻找有效的行业筛选方法。但实际上，投资周期有时需要拉长。考虑到实际的交易手续费率可能偏高；或者在某些对换手率有限制的业务场景下，过于频繁的交易是不被允许的。因此，在本文中，我们尝试将持仓周期限制为中等长度，即一年或12个月才能调仓一次，探索在这种约束下，能否找到有效的行业配置方法。（1）寻找未来1寻找过去11待跑赢大市。前者类似于GRP策略（rowhatARasoablePice，而后者实质是一种反转策略。这两种思路是否真的有效？我们接下来用历史数据做回溯。首先对“优选未来1年利润增速最快行业”这个策略做回溯。我们采用中信一级行业作为回溯对象（剔除市值较小的“综合”和“综合金融”这22032022选取在当年财年的年末时点已上市的行业内所有股票，将其净利润简单加总，作为该行业整体净利润。计算同一批股票的当年财年整体净利润，相比它们上一财年的整体净利润的同比增速，然后按照增速从高到低的顺序排序，将28个一级行业分为4图表1“优选未来1年利润增速最快行业”策略-回溯结果16.0612.329.5116.0612.329.516.902.011614121086420第一组 第二组 第三组 第四组 行业等权组合年化回报率资料来源：Choice指数数据浏览器，东方研究所图表2“优选未来1年利润增速最快行业”策略回溯结果年份模拟组合当年收益率行业等权组合当年收益率20136.215.2%201450.547.1%201572.851.5%2016-11.1-13.1%20177.62.4%2018-24.2-28.7%201938.129.1%202036.624.7%202129.811.7%2022-9.5-15.1%资料来源：Choice指数数据浏览器，东方研究所1优选组（第一组）的年化回报率达到16.06，大大超过了行业等权组合的9.51的报，分调性好在年的PK中，拟合在902013然后，我们再对“优选估值最低行业”的策略做回测。我们采用中信一级（2，20132022PE5284图表3“优选PB低估行业”策略-回测结果 图表4“优选PE低估行业”策略-回测结果11.6510.7011.2811.6510.7011.289.513.05121086420 年化回报率

10.6210.179.5110.6210.179.518.247.811086420 年化回报率20172017资料来源：Choice指数数据浏览器，东方研究所 资料来源：Choice指数数据浏览器，东方研究所PE10均RankIC仅为-0.0009201312022611460个月区间内的PB412现，与该组合的估值高低，是否有关联性。相当于进行114次测试，增加了考察次数。图表5“优选PB低估值行业策略（2）”-回测结果14.4213.1313.6714.4213.1313.6712.9810.7014121086420第一组 第二组 第三组 第四组 行业等权组合平均回报率资料来源：Choice指数数据浏览器，东方研究所。每个分组的回报率为114次测试中，所有该组别的收益率的算术平均值。B低估值行业”的策略并无效果，优选组（第一组）接下来我们测试反转策略。首先是回报率反转策略。我们根据过去1年各行业回报率，从低到高分为4（1）在每个自12013202311（2）1220131月到2022年12月，共构建120个回测组合。图表6回报率反转策略自然年度）-回测结果 图表7回报率反转策略（12个月滚动）-回测结果10.278.908.2210.278.908.226.365.541086420 平均回报率

13.4814.2912.3013.4814.2912.3010.76 10.6714121086420 平均回报率20172017资料来源：Choice指数数据浏览器，东方研究所 资料来源：Choice指数数据浏览器，东方研究所由结果可见，在自然年度维度上，似乎确实存在一定的回报率反转的效应，即上一自然年度表现越差的行业，在下一个自然年度表现会不错。然而使用12个月滚动的维度来考察，会发现并不存在所谓的反转规律，过去121220172017然后我们再测试景气度反转策略。我们使用“ROE提升幅度”作为行业景气度改善的指标。以自然年度为单位，在2013~2022年间做回溯，开启历史后视镜，看看当年ROE提升幅度最大的行业，在当年是否涨幅靠前。结果发现，未来1年回报率同行业ROE的提升幅度之间，确实存在正相关的联系。图表8“优选ROE提升的行业”策略（自然年度）-回测结果15.6412.549.5115.6412.549.517.321.751614121086420第一组 第二组 第三组 第四组 行业等权组合平均回报率资料来源：Choice指数数据浏览器，东方研究所。综合结论：回报率反转策略被证明无效，低估值策略也被证明无效。只有侧重于基本面角度的行业ROE改善幅度和行业利润增速两个指标有效，但这21ROE2个指标从底层逻辑上比较接近。回报率反转策略无效，这不难理解。在我们之前的系列报告中，针对行业动量因子的研究时已经发现，行业动量与行业未来回报率一般呈现正相关的关系。但是低估值策略为何会无效？在通常认知里，某行业估值处于自身近年来的低位，意味着该行业的下行风险已经得到较为充分的释放，未来上涨概率应当大于下跌概率。然而实证表明，至少在以12个月为单位的中周期的持仓时长上，行业估值的高低与否，与未来的回报率没有关系。实际上，行业估值的高低，影响的是行业未来的波动率的表现。我们按照行业估值在过去3年内所处的分位数，对各个行业进行分组，考察每个分组内的行业，其未来12个月波动率的平均值的表现。回测组合构建时间为2013年1月到2022年6月，共构建114个回测组合。结果如下。图表9按照行业估值分数进行分组 图表10按照行业历史动率绝对值进行分组30.3028.3427.8330.3028.3427.8328.2526.5530292827262524 组内行业未来波动率均值

31.7729.0927.4631.7729.0927.4628.2524.69302520151050 组内行业未来波动率均值20172017资料来源：Choice指数数据浏览器，东方研究所 资料来源：Choice指数数据浏览器，东方研究所。取28个一级行业中，历史波动率最高的7个行业作为第一组，依此类推12存在正相关的关系，即把估值分位数低的这类行业构建成一篮子组合，则该组合相对全行业来说未来大概率是低波组合。作为对照，我们按照绝对波动率的高低对各个行业做分组，结果发现，自身波动率的绝对值越低的行业，122从基本面角度寻找在中周期内有效的因子从第一章节的研究中我们发现，景气度改善策略和利润增速策略，对行业未来一年的走势排名的预测都有一定效果。这2个因子在底层逻辑上有相似之处，都需要对全市场所有行业未来1年的业绩有较为准确的预期。我们尝试使用行业内各个上市公司的历史财报，以及分析师盈利预期的数据，作为基础数据，来预测每个行业未来4个季度的业绩增速。作为业绩增速分子的“行业未来4个季度的盈利”的合成方式：由于市场上的分析师预期只是针对个股的盈利预测，如果想得知某个行业的整体净利润，就需要通过行业内各个成分股的盈利预测，来整合映射出全行业的盈利预测。考虑到目前的行业指数编制方式，多采用成分股的自由流通市值进行加权，因此我们将每一只成分股的盈利预测，乘以其自由流通市值占行业内的比重，再加总，来合成出整个行业的盈利预测。即：某行业盈利预测=∑行业内成分股i的盈利预测*成分股i在该行业内的自由流通市值权重。如果遇到不存在盈利预测的公司，我们就把它排除在该行业的统计范围之外。20172017盈利预测的对应预测时间段：我们将所观察的盈利预测时间段，设定在投资时点的未来滚动4个季度这个区间内，即只考查各个行业在预测时点的未来4个尚未结束的季度时间范围内（而不是尚未披露的4张季报）的盈利预测。然而，分析师的原始预测，都是针对具体财年的。因此，我们需要把针对固定时间段内的个股盈利4FY1FY2FY1的6月3034FY2124作为业绩增速分母的“行业TTM利润”的合成方式：412月时间段内的行业盈利。视对应时点的已披露财报情况，或者是全部通过已12月31点，要计算下一年的盈利相对于本年的盈利的增速，但是本年的财报在该时TTM。回测设置：8回测区间：2013年1月~2022年12月，共120个月。行业筛选标准：在前一个月的最后一天，按照前述方法，计算所有行业4Q284Q412365（120个组合图表11“行业未来4Q利润增速策略”-回测结果12.8013.2013.0012.8013.2013.0012.3010.20121086420第一组 第二组 第三组 第四组 行业等权组合平均回报率资料来源：Choice指数数据浏览器，东方研究所。2017观察回测结果，我们发现，该策略并未取得期待中的效果。除了第4组2017（未来业绩增速最慢组）的收益率显著低于行业等权组合，其它3组的回报RankIC0.022，IC为正率为50.8，说明策的果佳。为何历史经验证明有效的方法，在模拟回测的过程却没有效果呢？一个原因可能是，分析师预期数据无法准确的判断未来各行业的实际真实利润增速。为了证明这个猜想，我们将分析师在每个年底，对下一年全部行业所做的预测盈利增速，同事后实际的行业简单加总利润的增速做对比，结果证明，依靠分析师盈利预测做出的行业利润增速的预判排名，同1年后实际财报显示的排名有着相当大的差异。预测排名同实际排名，两个排名数据序列之间的平均RankIC仅为0.31。122022VS（盈利数据采集时点：20211231）行业预测排名实际排名石油石化(中信)247煤炭(中信)256有色金属(中信)45电力及公用事业(中信)214钢铁(中信)2626基础化工(中信)1512建筑(中信)229建材(中信)2324轻工制造(中信)1419机械(中信)1715电力设备及新能源(中信)33国防军工(中信)617汽车(中信)714商贸零售(中信)22消费者服务(中信)525家电(中信)1811纺织服装(中信)2021医药(中信)1116食品饮料(中信)1310农林牧渔(中信)11银行(中信)1913非银行金融(中信)1218房地产(中信)2728交通运输(中信)2823电子(中信)820通信(中信)108计算机(中信)922传媒(中信)1627资料来源：Choice指数数据浏览器，东方研究所既然依靠分析师整体预测数据，无法对未来12个月长度内各个行业的盈利做足够准确的预测，因此，我们再尝试使用分析师盈利预测数据，做景气度的线性外推：假设现在基本面向好、分析师上调盈利预测的行业，未来12个月内保持高景气的概率较大。2017我们对月度的分析师盈利预测数据做处理，使用近3个月的数据做合成，2017主要采用加权平均的方式，制作盈利趋势强弱指标，期望其对未来12个月的行业景气度有一定预判作用。回测设置：8回测区间：2013年1月~2022年12月，共120个月。行业筛选标准：在每月的最后一天，使用近3个月的数据，计算所有行28序，从高到低，平均分为4组。12（365天个组合在此期间内的回报率。对每一个分组序列的所有组合（共120个组合图表13分析师盈利预期外推策略-回测结果13.2712.9812.6713.2712.9812.6712.3010.28121086420第一组 第二组 第三组 第四组 行业等权组合平均回报率资料来源：Choice指数数据浏览器，东方研究所。从回测结果看，该方法有一定效果。优选组在120次测试区间内的平均收益（仓12个停止）为13.27，胜业等组的率是55.8，120RankIC0.0573，IC60.8该法果较前“析预增速名策要显不9201311912，从023年120141224202311月30日停止。24率是75。结论：回测证明，虽然基本面因素对一年时间的中周期内的行业配置有着非常大的影响，但寻找先行指标的难度较大。2017从量价角度寻找在中周期内有效的因子2017我们在之前的报告中做过研究，在持仓周期为1个月的情况下，存在着明显行业动量效应，即行业板块过去的股价走势对其未来的回报率有一定预测作用。那么，在持仓周期为年度（或12个月）的背景下，是否还存在行业动量效应呢？我们将过去的报告中已证实在短周期中有效的量价类因子，分别放到中周期持仓长度，来做测试。基于绝对收益率的简单动量指标含义：简单动量即传统意义的动量指标，使用过去一段时间内的行业指数的绝对收益率作为因子值。回测方式：以中信一级行业指数作为回测对象（剔除综合、综合金融2N2841220131~202212120图表14简单动量因子回测结果比较因子名称N望观察天数（自然日）第一组平均回报率，平均RankICRankIC为正概率，单调性（组-第四组，）简单动量-19013.820.0687602.22简单动量-218014.00.089961.673.35简单动量-336514.290.069663.333.53简单动量-454812.940.006454.171.73简单动量-573011.06-0.062245-0.7简单动量-610959.1-0.141535-4.52资料来源：Choice指数数据浏览器，东方财富证券研究所优选因子：综合考虑因子底层逻辑、优选组的收益率、整体分组单调性、RankIC均值、RankIC为正概率等因素，我们选择简单动量因子-3（N=365个自然日，作为简单动量因子大类中的优选因子。此外，简单动量因子在3年（1095）2017图表15简单动量因子-回测结果（优选组）201714.2913.4812.3014.2913.4812.3010.6710.7614121086420第一组 第二组 第三组 第四组 行业等权组合平均回报率资料来源：Choice指数数据浏览器，东方研究所。经风险调整后的动量因子（1）夏普比率指标含义：夏普比率是一个经典指标，同时对证券的收益和风险加以考量，衡量风险调整后的收益率。我们将行业指数的夏普比率定义为按照日频计算、无风险收益率选取十年期国债收益率的SharpRatio。回测方式：以中信一级行业指数作为回测对象（剔除综合、综合金融2N28个中信一级行业分为4组，考察每组在未来12个月的平均收益率。回测建仓区间：2013年1月~2022年12月，共120个月。图表16夏普比率因子回测结果比较因子名称N望观察天数（自然日）第一组年化回报率，平均RankICRankIC为正概率，单调性（组-第四）夏普比率-19013.890.0918653.19夏普比率-218014.700.114466.674.48夏普比率-336514.550.086763.334.65夏普比率-454813.300.030654.172.64夏普比率-573012.15-0.034346.670.41夏普比率-610959.70-0.109643.33-3.41资料来源：Choice指数数据浏览器，东方财富证券研究所优选因子：综合考虑因子底层逻辑、优选组的收益率、整体分组单调性、RankICRankIC-2（N=180然日2017图表17夏普比率因子-回测结果（优选组）201714.7012.9612.3014.7012.9612.3011.3110.2314121086420第一组 第二组 第三组 第四组 行业等权组合平均回报率资料来源：Choice指数数据浏览器，东方研究所。经股价路径调整后的动量因子（1）ATR调整后动量指标含义：对于同样涨幅的两个行业，如果一个行业经过上上下下的多次波折往复才涨到当前位置，而另一个行业上涨过程更加平顺，没有遇到太多阻力就涨到当前位置，则我们猜测上涨阻力较小、股价经历路径较短的那个行业指数，未来的上涨潜力可能更大。同理，对于同样跌幅的两个行业，如果一个行业经过上上下下的多次反弹和打压才跌到当前位置，而另一个行业下跌过程中没有任何抵抗、一路滑落到当前位置，我们猜测下跌抵抗较少、股价经历路径较短的那个行业指数，未来的下跌可能性更大。因此，我们使用“ATR真实波幅”指标，对行业动量进行修正。ATR真实波幅的定义：首先定义TR=|最高价-最低价|、|昨收-最高价|、|昨收-最低价|三者中的最大值。然后定义ATR=TR的N日移动平均值。ATR调整后动量=行业指数区间收益率/区间内ATR真实波幅回测方式：以中信一级行业指数作为回测对象（剔除综合、综合金融2NATR28个中信一级行业分为4组，考察每组在未来12个月的平均收益率。因子名称N望观察天数（交易日）第一组年化回报率，平均RankICRankIC为正概率，单调性（组-第四）ATR调整后动量-1因子名称N望观察天数（交易日）第一组年化回报率，平均RankICRankIC为正概率，单调性（组-第四）ATR调整后动量-16014.490.093562.53.91ATR调整后动量-212015.190.120362.55.4ATR调整后动量-325015.80.110964.175.2ATR调整后动量-437515.290.076659.174.71ATR调整后动量-550013.940.022953.332.73ATR调整后动量-675010.61-0.081140-2.65资料来源：Choice指数数据浏览器，东方财富证券研究所2017优选因子：综合考虑因子底层逻辑、优选组的收益率、整体分组单调性、2017RankIC均值、RankIC为正概率等因素，我们选择ATR调整后动量-3（N=20图表19ATR因子-回测结果（优选组）15.8013.3212.3015.8013.3212.3010.609.481614121086420第一组 第二组 第三组 第四组 行业等权组合平均回报率资料来源：Choice指数数据浏览器，东方研究所。动量变化情况（1）动量改善度指标含义：使用动量自身的变化幅度，作为衡量行业指数强弱的参照物。n2nn+1则认为该行业的动量在逐渐改善，猜测动量改善幅度较高的行业，在未来一n（2n~n+1）涨跌幅。回测方式：以中信一级行业指数作为回测对象（剔除综合、综合金融2N284组，考察每组在未来12个月的平均收益率。回测建仓区间：2013年1月~2022年12月，共120个月。图表20动量改善度因子回测结果比较因子名称N望观察天数（自然日）第一组年化回报率，平均RankICRankIC为正概率，单调性（组-第四）动量改善度-19013-0.005950-0.72动量改善度-218012.980.063752.51.65动量改善度-336515.320.1301705.2动量改善度-454814.740.109268.334.36动量改善度-573012.39-0.015842.50.89资料来源：Choice指数数据浏览器，东方研究所2017优选因子：综合考虑因子底层逻辑、优选组的收益率、整体分组单调性、RankICRankIC3（N=365自2017图表21动量改善度因子-回测结果（优选组）15.3213.1512.3015.3213.1512.3010.6210.111614121086420第一组 第二组 第三组 第四组 行业等权组合平均回报率资料来源：Choice指数数据浏览器，东方研究所。成交量变化情况（1）成交量波动指标含义：除了价格信息，成交量维度的信息同样可能对行业未来走势有预测作用。成交量波动指的是过去一段时间某行业成交量的标准差。我们猜测成交量波动较低的行业，在未来一段时间的表现可能会更好；而成交量波动较高的行业（行业在回望观察期内有成交量明显放大或成交量明显收缩的情况，在未来一段时间的表现可能会更差。即我们把成交量波动视为一个定义：成交量波动=行业过去n日内成交量的标准差。回测方式：以中信一级行业指数作为回测对象（剔除综合、综合金融2N28个中信一级行业分为4组，考察每组在未来12个月的平均收益率。回测建仓区间：2013年1月~2022年12月，共120个月。图表22成交量波动因子回测结果比较因子名称N望观察天数（交易日）第一组年化回报率，平均RankICRankIC为正概率，单调性（组-第四）成交量波动-16015.520.070760.834.17成交量波动-212015.230.073359.173.01成交量波动-325015.010.074860.833.56成交量波动-437514.970.0872654.44成交量波动-550014.230.094965.834.28成交量波动-675014.530.08563.333.39资料来源：Choice指数数据浏览器，东方财富证券研究所2017优选因子：综合考虑因子底层逻辑、优选组的收益率、整体分组单调性、RankICRankIC5（N=500交2017图表23成交量波动因子-回测结果（优选组）14.2312.8012.2214.2312.8012.2212.309.9514121086420第一组 第二组 第三组 第四组 行业等权组合平均回报率资料来源：Choice指数数据浏览器，东方研究所。估值所反映的情绪动量PB指标含义：当前行业的PB值在过去一段历史时间内所处的分位数。我们认为，PB分位数越高，通常代表着投资者当前对于该行业的投资热情越高，愿意给予该行业（在设定历史区间内）相对较高的估值。回测方式：以中信一级行业指数作为回测对象（剔除综合、综合金融2PBN处的历史分位数。按照过去的数值从大到小进行排序，越大的数值赋予的得28412回测建仓区间：2013年1月~2022年12月，共120个月。图表24PB分位数因子回测结果比较因子名称N望观察天数（自然日）第一组年化回报率，平均RankICRankIC为正概率，单调性（组-第四）PB分位数-19014.470.094468.334.5PB分位数-218015.310.1361706.5PB分位数-336516.180.160970.837.82PB分位数-454816.580.150569.177.88PB分位数-573016.880.147769.178.12PB分位数-6109516.010.105361.676.24资料来源：Choice指数数据浏览器，东方财富证券研究所2017优选因子：综合考虑因子底层逻辑、优选组的收益率、整体分组单调性、RankICRankICPB3（N=365日2017图表25PB分位数因子-回测结果（优选组）16.1813.2912.3016.1813.2912.3011.368.361614121086420第一组 第二组 第三组 第四组 行业等权组合平均回报率资料来源：Choice指数数据浏览器，东方研究所。PE指标含义：当前行业的PE-TTM值在过去一段历史时间内所处的分位数。我们认为，PE分位数越高，通常代表着投资者当前对于该行业的投资热情越高，愿意给予该行业（在设定历史区间内）较高的估值。回测方式：以中信一级行业指数作为回测对象（剔除综合、综合金融2PEN处的历史分位数。按照过去的数值从大到小进行排序，越大的数值赋予的得28412因子名称N望观察天数（自然日）第一组年化回报率，平均RankICRankIC为正概率，单调性（组-第四）PE分位数因子-190因子名称N望观察天数（自然日）第一组年化回报率，平均RankICRankIC为正概率，单调性（组-第四）PE分位数因子-19012.440.044859.171.05PE分位数因子-218012.750.084666.671.87PE分位数因子-336514.90.14470.05.37PE分位数因子-454815.490.170274.176.62PE分位数因子-573016.370.176979.177.62PE分位数因子-6109515.850.155572.56.67资料来源：Choice指数数据浏览器，东方财富证券研究所优选因子：综合考虑因子底层逻辑、优选组的收益率、整体分组单调性、RankICRankICPE5（N=730日2017图表27PE分位数因子-回测结果（优选组）201716.3714.4012.3016.3714.4012.309.688.751614121086420第一组 第二组 第三组 第四组 行业等权组合平均回报率资料来源：Choice指数数据浏览器，东方研究所。将多个量价因子整合为复合动量因子我们尝试将上述几类因子组合起来，构建出一个复合动量因子。经过测算，我们赋予各单因子的权重为：ATR调整后动量-3（10、成交量波动-5（20、PB位-3（10、PE位-5（30-3（10、简反（20。图表28各个单因子与复合动量因子效果比较因子名称底层逻辑第一组年化回报率，平均RankICRankIC为正概率，单调性（组-第四）简单动量-3绝对收益率14.290.069663.333.53简单动量-6（反转使用）长周期下的绝对收益率指标在未来的中周期内可能有反转效应13.620.141565.04.52