关于行业景气度指标的再思考——量化研究2023年度投资策略
关于行业景气度指标的再思考
——量化研究2023年度投资策略
任瞳
量化与基金评价研究首席分析师
1
前言
在之前的行业轮动系列研究报告中，我们在《“蓝海启航”系列研究之三：行业动量、景气度与新闻情绪—多维度行业轮动体系探索》中提出了动量、景气度和新闻情绪指标；在《“蓝海启航”系列研究之四：分析师预期数据在行业轮动中的应用和创新》中提出了分析师预期在行业轮动应用中的创新方法；在《如何运用北向资金构建行业轮动指标》中对北向资金在行业轮动上的应用进行了探索；在《如何更有效地刻画行业拥挤度》中提出了预期特质波动率作为行业拥挤度指标。
作为行业轮动现象形成的基本驱动因素，在本文中我们将对行业景气度进行重构——基于工业利润指标、定期财务报告数据和净利润断层现象构建一个复合景气度指标。
工业利润指标：基于国家统计局发布的月频产业利润指标。
财报景气指标：基于上市公司定期发布的财务报告数据。
净利润断层指标：基于业绩公告发布时的股价跳空现象。
▍图1：行业轮动模型示意图
资料来源：招商证券
2
工业企业利润指标
指标介绍
工业企业利润指标是国家统计局发布的，在工业企业经济效益类别下的一个月频指标。根据国家统计局的公布日程表，2022年都将于每月的27日公布截止上一个月的工业企业利润指标。工业企业利润指标将按照44个工业大类行业，统计并公布年营业收入2000万及以上工业法人单位的累计利润总额。该指标相对财务报告数据更新频率更高，可以对低频的财务数据做出时效性上的补充。
指标预处理
由于该指标于每个月月末公布，因此我们可以在每个月末基于相应指标数据做出一个盈利判断。在合成指标之前，首先需要解决标的映射问题——工业企业利润指标的行业分类并不是A股常用的投资行业分类。因此我们设计了如下的映射方案：由于证监会行业分类与《国民经济行业分类》工业分类大致相似，因此可将证监会行业分类作为中间指标。采用总市值加权的方法，将工业企业利润指标映射至中信一级行业。
▍图2：映射方法示例
资料来源：招商证券
指标构建
1）测试框架
回测的区间设定为2016年1月29日至2022年08月31日，并按照月频进行调仓，即每个月末的最后一个交易日触发交易。需要说明的是，由于工业利润指标主要针对具有实体经济的产业部门，其并不是适用于估算所有的行业。根据指标涉及的工业大类明细，银行、非银行金融、传媒、交通运输、消费者服务、房地产、建筑和综合行业不能得到较为合适的映射。因此测试标的就是除了上述行业以外的21个中信一级行业。测试分组中，以指标值最高的前五个行业作为多头组合，以指标值最低的后五个行业作为空头组合。组合内按照等权进行加权，并以所有行业的等权组合作为比较基准。
2）分类测试
在指标构建参数上，回溯期和测算方法上也能对指标的构建结果形成较大影响。具体来说，较短的回溯期能更敏锐的捕捉利润变化情况，但过短的回溯期会导致指标结果存在偶发性，并不能准确代表相关产业的景气信号；在经济指标统计方法上常用同比增速进行测算，但若采用同比增速的环比变化计算方式则能获得指标二阶的边际变化情况。
接下来，我们对基于几种参数构建指标的有效性进行测试。从2019年之前和全样本数据来看，无论是同比增速或是同比增速的环比变化测算，都以3个月的指标回溯测试表现最佳。整体而言，三个月的回溯期设置相对适宜。而在3个月的回溯期中，采用同比增速的环比变化计算方式指标表现较为出色。后续，我们就以三个月的同比增速的环比变化作为工业利润指标的行业轮动因子构建方式。
3）指标测试
进一步的，我们对三个月的同比增速的环比变化的工业利润指标进行详细测试。首先对其进行IC测试，可以看到，指标的IC均值为9.10%，IC_IR为0.34。这说明该利用指标具有一定的截面有效性。从分组测试结果来看，指标识别高景气行业能力较好。多头组合年化收益为19.45%,夏普比率为1.01。多头超额年化收益达到13.32%，信息比率为1.58。
▍表1：工业利润指标收益统计
样本区间：2016/01/29-2022/08/31；资料来源：招商证券、Wind
▍图 3：工业利润指标分组净值
样本区间：2016/01/29-2022/08/31；资料来源：招商证券、Wind
3
定期财务报表指标
指标构建
在本次报告中，我们重新梳理了财务数据指标，精选出11个财务指标并重构了新的指标构建方式。在指标的构建中，我们依旧采用的是在之前报告中常用到的降噪打分方法（具体指标构建方法可详见报告）。其构建的核心逻辑有二，一是淡化个股边际变化绝对值的大小，转而采用打分法的方式，聚焦于个股之间边际变化的共振情况。二是，降噪过滤掉边际变化较为微小的财务数据情况，将其视为不能传递明确信号。
▍表 2：精选财务数据明细
资料来源：招商证券、Wind
指标测试
1）测试框架
回测的区间设定为2010年1月29日至2022年05月31日，交易的标的为除综合金融后的29个中信一级行业。测试分组默认采用五分法。第三组取五个行业以外，其余分组取六个行业构成组合。
2）明细指标测试
首先，我们对明细财务数据合成的指标进行逐一测试。从测试结果来看，成长能力、盈利能力、营运能力和资产结构指标多空组合夏普分别为0.91、0.93、0.23和0.11。可见，成长能力和盈利能力的指标具有一定的有效性，而营运能力和资产结构指标整体表现较不稳定，这也是符合我们在投资实践中的主观印象。因此，后续我们就以成长能力和盈利能力的六个财务数据做进一步地指标合成。
3）复合财务指标测试
在这一部分，我们将成长能力和盈利能力下的六个明细指标进行等权合成，得到基于财务数据的景气度指标。对该指标的IC测试如下表所示。指标的历史IC均值为6.00%，IC胜率为62.25%，T统计量为3.91。这说明该指标在截面上对行业轮动现象具有一定的解释力。
从分组测试结果来看，该指标多头超额年化收益达5.23%，信息比率为0.79；多空组合年化收益为10.69%，夏普比率为1.12。整体来看，该指标的绝对收益表现尚可，并且收益稳定性较高。
▍表 3：定期财报指标收益统计
样本区间：2010/01/29-2022/08/31；资料来源：招商证券、Wind
▍图 4：定期财报指标分组净值
样本区间：2010/01/29-2022/08/31；资料来源：招商证券、Wind
4
净利润断层指标
指标逻辑
前文我们引入了两类景气度指标，它们在本质上是基于不同渠道的数据对景气度进行了客观的描述。除此之外，行业基本面的真实情况是否出现超过市场预期（或低于预期），也是基于景气度进行行业轮动的重要跟踪指标。本篇报告采用一种较为巧妙的视角来反应超预期现象——净利润断层指标。净利润断层是指在上市公司发布业绩相关公告后，股价次日出现跳空（当日最低价高于前日最高价）的一种现象。其内在的逻辑很好理解，即股价能够真实的反映市场对企业发布业绩的理解。当企业发布了超过市场预期或认知的业绩后，股价自然将形成一个显著的向上跳跃。
指标构建和测试
在这里，我们构建过去一个月内，行业内出现净利润断层现象个股数量占全行业数量比率作为初始的行业净利润指标。通过捕捉发生净利润断层现象聚集的行业，借以判断行业是否存在一个普遍景气超预期的情况。需要说明的是，由于业绩公告具有周期性，这导致部分月份发生净利润断层现象数量较少。当断层现象数量过少时，构建得到的行业净利润断层就失去截面比较的意义。因此在月度指标测试中，在5月、9月、11月和12月，测试的多头组合收益以基准组合进行计算。
在对初始行业净利润断层进行测试后，我们发现该指标构建的行业轮动策略具有一定的有效性。2010年至今年化超额收益率为5.41%，信息比例为0.89。
在对初始指标的构建方法进行进一步思考后，我们认为采用数量占比的方法过于简易，这一方法默认每一只个股在行业中出现净利润断层时具有的意义是一样。但实际上，行业内不同个股出现异动所释放出的信息并不平等。因此，我们尝试借助相关性作为权重指标，用以代表行业内个股发出相应信号时的重要性。通过这个权重，我们就能刻画出个股与行业整体收益的联动关系，并借此来衡量个股出现净利润断层时对整体行业的意义。进一步的，我们将触发净利润断层现象的相关性权重占比作为改进后的行业净利润断层指标。
接下来，我们对改进的行业净利润断层做有效性测试。首先进行IC测试，经过引入相关性权重之后，指标IC均值由4.74%提升至6.24%，ICIR由0.26提升至0.35，T统计量由3.20提升至4.31。从分组收益统计可以看出，在引入相关性权重指标后，行业净利润断层指标有效性得到了一定的提升。指标构建的策略年化超额收益由4.99%提升至6.77%，最大回撤由11.66%下降至6.40%，信息比率由0.83提升至1.16。
▍表 4：行业净利润断层指标改进前后分组测试
样本区间：2010/01/29-2022/08/31；资料来源：招商证券、Wind
▍图 6：行业净利润断层指标改进前后的多头组合净值
样本区间：2010/01/29-2022/08/31；资料来源：招商证券、Wind
5
复合景气度指标
在报告的前述部分，我们分别合成了三种维度的景气度指标，这里我们进行简单的回顾分析。
▍表 5：明细景气度指标的优缺点
资料来源：招商证券、Wind
可见，上述三类指标之间具有互补的关系，接下来我们就将这三个指标进行等权合成得到新的一个景气度指标。从IC测试来看，复合景气度的IC均值为8.34%，ICIR为0.44，T统计量达到5.42。
▍表 6：新旧景气度指标的IC测试
样本区间：2010/01/29-2022/08/31；资料来源：招商证券、Wind
从分组收益统计来看，复合景气度指标的多头组合年化收益率为17.34%，夏普比率为0.67。年化超额收益率为11.06%，相对最大回撤为5.50%，信息比率为1.75。相比较原景气度而言，复合景气度的绝对收益表现更加出色，并且风险控制能力也有一定的提升。
▍图 7：新旧景气度指标的多头组合净值
样本区间：2010/01/29-2022/08/31；资料来源：招商证券、Wind
▍表 7：新旧景气度指标测试
样本区间：2010/01/29-2022/08/31；资料来源：招商证券、Wind
6
新“预期共振”模型
在第五章之中，我们得到了一个收益较为稳健的景气度指标。接下来，我们将按照如下模型，构建出一个基于景气度、动量、一致预期和北向资金的复合行业轮动策略。
▍图8：行业轮动模型示意明细图
资料来源：招商证券
在构建行业轮动策略之前，我们先对该指标与原有模型做相关性分析。可以看到，几个指标之间的相关系数均不超过0.3，不存在显著的相关性。
▍表 8：相关性测试
样本区间：2010/01/29-2022/08/31；资料来源：招商证券、Wind
从IC测试结果来看，该行业轮动模型的IC均值为12.95%，ICIR为0.51，T统计量为6.29。从分组测试结果来看，自2010年以来，该行业轮动模型多头组合年化收益为18.65%，夏普比率为0.73；组合年化超额收益为12.19%，相对最大回撤为4.53%，信息比率为1.66。整体来看，运用该行业轮动模型可以在历史截面上选择出未来收益表现较好的行业，通过该模型构建的策略整体收益较为出色。
▍表 9：行业轮动模型分组测试
样本区间：2010/01/29-2022/08/31；资料来源：招商证券、Wind
▍图 9：行业轮动模型多头组合收益净值对比
样本区间：2016/01/29-2022/08/31；资料来源：招商证券、Wind
7
结语
景气度投资在行业轮动领域的重要性不言而喻。本次，我们对如何构建行业景气度指标进行了更进一步的思考。提出了基于工业利润指标、定期财务报告数据和净利润断层现象的复合景气度指标，并对当前已有的行业轮动系列研究进行了完整的梳理和整合。
首先，我们引用了国家统计局发布的工业企业利润指标。并通过基于市值的映射方案，解决了统计数据口径与常用行业分类不一致的问题，在一定程度上实现了能够相对财务报表更早的获取行业景气状况。经过指标参数和计算方式的对比，我们最终得到了一个较为稳健的识别行业景气程度指标。
其次，在财务数据方面，我们精选出11个财务指标并重构了新的指标构建方式。在测试中，我们发现基于成长能力和盈利能力的财务数据表现相对突出。基于这两类财务数据，我们运用降噪打分法构建了一个新的财务数据景气度指标。
另外，行业基本面的真实情况是否出现超过市场预期（或低于预期），是基于景气跟踪的重要考量维度。而净利润断层指标可以有效的帮助我们描绘这种超预期现象。在原始指标的基础之上，我们创新性地引入了相关性权重，借以来衡量个股出现净利润断层时对整体行业的意义。通过该方法，我们得到了一个相对原始指标更为有效的行业轮动指标。
进一步的，我们基于上述三种明细指标得到了收益表现具有显著改善的复合景气度指标。最后，我们结合当前已有的行业轮动体系研究，构建出了一个收益稳健的行业轮动策略。
风险提示：
本报告结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险，不构成任何投资建议。
本文内容摘自已发布报告：《关于行业景气度指标的再思考—量化研究2023年度投资策略》
发布日期：2022/11/09
报告作者：任瞳（招商证券研究发展中心执行董事，量化与基金评价团队负责人）、麦元勋、王武蕾、周靖明、崔浩瀚、杨航、梁雨辰、李世杰、许继宏
任瞳：研究发展中心执行董事，量化与基金评价团队负责人，管理学硕士，18年证券研究经验，2010年、2015年至2018年、2020至2021年新财富最佳分析师（金融工程方向）。在量化选股择时、基金研究以及衍生品投资方面有深入独到的见解。
麦元勋：量化与基金研究资深分析师，金融学博士，10年量化策略研究开发经验， 2015年至2018年、2020年至2021年新财富最佳分析师(金融工程方向)，主要从事量化因子选股策略、事件驱动策略和基金评价等方向的研究开发。
王武蕾：武汉大学金融工程硕士，7 年量化策略研究开发经验。研究方向是量化资产配置与创新金融产品设计，在市场择时、风格判断、养老金产品设计等方面有长期深入的研究。
周靖明：资深量化分析师，武汉大学金融工程硕士, 7年量化策略研究开发经验。研究方向是多因子量化选股，另类Alpha研究，行业轮动，因子择时。此外，对SmartBeta基金和量化基金产品也有长期深入的研究。
崔浩瀚：量化分析师，浙江大学经济学硕士，5年量化策略研究开发经验。研究方向是机器学习在金融领域的应用和多因子选股策略开发。
杨航：研究助理，美国马里兰大学公园分校数量金融硕士，厦门大学金融工程学士，2021年加入招商证券研究发展中心。
梁雨辰：研究助理，法国里昂高等商学院金融学硕士，应用数学与建模工程师，2021年加入招商证券研究发展中心。
李世杰：研究助理，华南理工大学计算机科学和经济学双学士、金融硕士，2022年加入招商证券研究发展中心。
许继宏：研究助理，中国科学技术大学金融硕士，2022年加入招商证券研究发展中心。
招商研究公众号
招商研究小程序