针对传统行业比较所忽视基本面外因素造成“景气失灵”问题，我们从DDM模型出发，结合景气、流动性、估值和资金筹码四个维度建立新的行业比较框架。1)景气维度是基石，客观财务数据+主观预期变化是衡量景气度的核心抓手；2)流动性维度，利率和汇率波动，对于内外资定价权不同的行业影响不一；3）估值维度，控制估值水平能够有效提升行业组合的胜率和赔率；4）资金筹码维度，拥挤度“预警”，趋势“加油”。
　　整体来看，四维行业比较框架能够有效弥补“景气缺陷”，在准确性、收益率以及回撤等方面均有不错的表现：
　　1）收益率角度，一级行业组合自16年以来的年化收益约13%，相对全A、沪深300以及股票型基金的超额收益分别为12%、9%、11%。相对于此前仅用景气维度的组合收益率提升了6个百分点。
　　2）一级行业由于分类较为粗略，指标效用有所欠佳。我们对行业分类进行下沉，二级行业组合表现显著优于一级行业组合，同期年化收益15%，相对全A的超额收益约14%、相对沪深300超额约12%、相对股票型基金超额约13%。对比此前仅用景气维度的二级行业组合收益率均提升了9个百分点。
　　3）行业下沉对于胜率也有明显改善。16年至今，二级行业组合始终能跑赢全A，相对于沪深300和股票型基金也在大部分时间有超额收益，相对全A的12月滚动胜率始终在60-80%。
　　4）市场出现大幅调整时，行业组合在保证收益率的情况下，也能有效控制回撤。例如22年至今，二级行业组合仅4个月跑输全A，相对全A、沪深300和股票型基金超额收益分别15%、16%、20%。组合最大回撤为14%，显著小于全A的24%、沪深300的27%、股票型基金的23%。
　　5）市场风格轮动加速时，行业组合能够敏锐的捕捉到切换。例如在22年5-6月纳入了白酒等消费；6-7月囊括了同期市场领涨的风电光伏、乘用车；11月新增了酒店餐饮及休闲，与同期消费复苏趋势较为一致；12月包括领涨市场的医院；23年1月推荐了工业信息化等数字经济行业。此外，行业组合推荐数量变动与市场走势一致，即推荐行业数量增加，也预示着对后市更乐观。
　　3月行业组合累计收益1.3%，较全A超额2.1%、沪深300超额1.7%、股票型基金超额2.6%。当月组合领涨的三个行业为【光通信】（+21%）、【运营商】（+8%）、【铁路设备】（+2%）。4月行业组合新增13个行业，对4月市场更乐观，新增行业多为顺周期的消费、高端制造品种，具体来看包括：周期行业【轮胎、民爆】、大消费行业【教育服务、酒店餐饮及休闲】、医药行业【线下药店、医院】、以及高端制造【行业仪器仪表、半导体设备】、电新【乘用车零部件、锂电池、光伏制造、工业自动化】、数字经济【金融信息化】
　　风险提示：核心假设不当风险；历史经验失效风险；海外冲击超预期等。

研究报告全文：投资策略报告20230409行业配置如何避免景气失灵景气四维比较框架证券研究报告分析师李美岑核心观点SAC证书编号S0160521120002limcctseccom针对传统行业比较所忽视基本面外因素造成景气失灵问题我们从DDM模型出发结合景气流动性估值和资金筹码四个维度建立新的行业比较框分析师王亦奕SAC证书编号S0160522030002架1景气维度是基石客观财务数据主观预期变化是衡量景气度的核心抓wangyy01ctseccom手2流动性维度利率和汇率波动对于内外资定价权不同的行业影响不一3估值维度控制估值水平能够有效提升行业组合的胜率和赔率4资金筹码维度拥挤度预警趋势加油相关报告1北向流入非银电新居前科技ETF整体来看四维行业比较框架能够有效弥补景气缺陷在准确性收益率流出超百亿全球资金观察系列五以及回撤等方面均有不错的表现十二2023-04-081收益率角度一级行业组合自16年以来的年化收益约13相对全A沪深300以及股票型基金的超额收益分别为12911相对于此前仅用景气维度的组合收益率提升了6个百分点2一级行业由于分类较为粗略指标效用有所欠佳我们对行业分类进行下沉二级行业组合表现显著优于一级行业组合同期年化收益15相对全A的超额收益约14相对沪深300超额约12相对股票型基金超额约13对比此前仅用景气维度的二级行业组合收益率均提升了9个百分点3行业下沉对于胜率也有明显改善16年至今二级行业组合始终能跑赢全A相对于沪深300和股票型基金也在大部分时间有超额收益相对全A的12月滚动胜率始终在60-804市场出现大幅调整时行业组合在保证收益率的情况下也能有效控制回撤例如22年至今二级行业组合仅4个月跑输全A相对全A沪深300和股票型基金超额收益分别151620组合最大回撤为14显著小于全A的24沪深300的27股票型基金的235市场风格轮动加速时行业组合能够敏锐的捕捉到切换例如在22年5-6月纳入了白酒等消费6-7月囊括了同期市场领涨的风电光伏乘用车11月新增了酒店餐饮及休闲与同期消费复苏趋势较为一致12月包括领涨市场的医院23年1月推荐了工业信息化等数字经济行业此外行业组合推荐数量变动与市场走势一致即推荐行业数量增加也预示着对后市更乐观3月行业组合累计收益13较全A超额21沪深300超额17股票型基金超额26当月组合领涨的三个行业为光通信21运营商8铁路设备24月行业组合新增13个行业对4月市场更乐观新增行业多为顺周期的消费高端制造品种具体来看包括周期行业轮胎民爆大消费行业教育服务酒店餐饮及休闲医药行业线下药店医院以及高端制造行业仪器仪表半导体设备电新乘用车零部件锂电池光伏制造工业自动化数字经济金融信息化风险提示核心假设不当风险历史经验失效风险海外冲击超预期等请阅读最后一页的重要声明投资策略报告证券研究报告内容目录1我们的行业比较框架与市场上相比有何不同42四维行业比较框架始于景气三方面修正721四维行业比较框架的基石景气维度7211客观财务数据主观预期变化是衡量景气度的核心抓手7212基于景气维度的二级行业组合在大部分时间能够获得超额收益922对景气维度的三方修正流动性估值及资金筹码10221流动性维度利率和汇率波动对于内外资定价权不同的行业影响不一10222估值维度剔除高估值板块能够有效提升行业组合的胜率和赔率14223资金筹码维度拥挤度预警趋势加油153四维行业比较框架能够有效弥补景气缺陷2031一级行业组合过去3年相对于基准的超额均在25以上2032二级行业组合自16年起均跑赢全A年化超额10以上224市场大波动下行业组合净值回撤小且能捕捉风格切换23412022年至2023年2月行业组合结果复盘23411行业组合在22年市场大幅调整中表现稳健最大回撤仅1523412行业组合能够敏锐的捕捉到风格切换也具备对后市大势判断25422023年4月持仓推荐275风险提示28图表目录图121年8-9月美元上行阶段电子行业股价下行4图220年9-11月内部流动性收紧阶段计算机股价下行4图320年7月医疗器械出现交易拥挤下月股价回调5图420年Q2商贸零售涨势相对线性惯性更强5图5景气度修正行业比较模型框架6图6行业景气度指标成分预期指标行业净利润调高家数占比同比构建方式8图7行业景气度指标成分匹配方式及行业景气度指标构成方式8图8拉长时间来看景气一级行业组合能够跑赢市场但历年视角下表现欠佳9图9历年视角下基于景气维度的二级行业组合在大部分时间能够获得超额收益9谨请参阅尾页重要声明及财通证券股票和行业评级标准2投资策略报告证券研究报告图10一级行业与内外部流动性相关性11图11二级行业与内外部流动性相关性12图12模型流动性修正具体操作方式13图13流动性调整对一级行业组合在21-22年的收益有显著改善13图14流动性调整对二级行业组合的改善幅度更为明显14图15基于PBPS百分位的行业估值指标构建方式14图16二级行业组合在估值修正后获得收益的改善16年和21年尤为明显15图17从换手率和峰度的角度出发从日频数据构建月频拥挤度指标具体方法16图1820年以来容易出现赛道交易过热拥挤度修正对于收益有不同程度提升17图19使用1个月及3个月趋势指标构建行业趋势指标的具体方法18图20整体高景气下趋势增强后的一级行业组合收益仍有不同程度提升19图21趋势增强后的二级组合降低了行业数量但收益率改善更为明显19图22一级行业组合整体超额年化10以上20年起均跑赢基准25以上20图23一级行业视角下不同维度调整对于组合的收益改善情况21图24一级行业组合12月滚动相对全A胜率的中枢在50左右21图25二级行业组合自16年起均跑赢全A年化超额10以上22图26二级行业视角下不同维度调整对于组合的收益改善情况22图27二级行业组合相对全A的12月滚动胜率始终在60-80以内相较一级组合更稳健23图2822-23年2月一级行业组合夏普比率达1122年至今仅3个月跑输全A24图2922年至今二级行业组合仅4个月跑输全A最大回撤仅1425图30一级行业组合与市场同期风格吻合程度较高26图3122年至23年2月的二级行业组合27图322023年4月模型推荐持仓行业28谨请参阅尾页重要声明及财通证券股票和行业评级标准3投资策略报告证券研究报告1我们的行业比较框架与市场上相比有何不同景气估值传统框架和景气预期框架是目前市场上流行的两种行业比较框架1传统框架景气估值从经典DDM模型出发兼顾分子端景气及分母端估值的变动而该框架也有其弊端框架刻画的景气更多来自研究者基于中微观历史数据的线性外推忽视了市场整体的预期调整2景气预期框架强调并进一步挖掘了对行业预期相关指标的应用但其缺陷在于将市场表现等同于行业的高景气忽略了包括内外部资金流动性投资者结构等在内的基本面以外的因素对股价造成的影响对于部分行业即使在景气程度较高的情况下流动性对其市场行情仍造成较为显著的冲击外部资金流动性方面如21年8-9月海外流动性收紧阶段对海外流动性较敏感的电子行业受此冲击下行相对万得全A跌12内部流动性方面计算机属于典型的流动性敏感行业在20年内部流动性收紧阶段计算机股价相对市场下行20年9月至11月较万得全A跌11图121年8-9月美元上行阶段电子行业股价下行图220年9-11月内部流动性收紧阶段计算机股价下行美元指数右电子中信万得全AShibor一个月右计算机中信万得全A110945105281059410027100935952695939025909258524859280232020912020915202092920201013202010272020111020201124数据来源Wind财通证券研究所数据来源Wind财通证券研究所资金筹码方面交易拥挤度和惯性趋势也不容忽视交易过热导致的筹码拥挤可能是调整的前奏例如20年疫情冲击下医疗器械成热门赛道7月该行业850天日度换手率百分位维持在95之上的天数占比708月起股价波动下行相对万得全A跌幅达9惯性趋势方面市场表现涨势相对平缓持续性也更为持久具体在资金交易上动能越强如20年4月至6月初商贸零售和医药行业的整体涨幅几乎一致而商贸零售在5月涨势相较上个月更加陡峭相比之下医药的股价走势较为平缓随后至6月底医药延续原有涨势而商贸零售在交易放量后拐头向下被医药板块反超谨请参阅尾页重要声明及财通证券股票和行业评级标准4投资策略报告证券研究报告图320年7月医疗器械出现交易拥挤下月股价回调图420年Q2商贸零售涨势相对线性惯性更强上月换手率历史850天百分位医疗器械万得全A万得全A右商贸零售中信医药中信14012010510095130115100901201109585801101059075100100708565909580608090数据来源Wind财通证券研究所数据来源Wind财通证券研究所基于DDM模型我们从景气出发结合流动性估值和资金筹码交易拥挤度和趋势三方位对筛选出的景气行业予以择优建立了新的四维行业比较模型框架相较于传统框架景气估值我们改进了对于预期的考虑在测算行业景气度时我们进一步关注了预期调高的情况削减了对于景气判断的主观性相较于景气预期框架我们将内外部资金流动性投资者结构因素纳入考量对受流动性或交易拥挤冲击上行动力欠佳的高景气行业予以剔除模型始于景气行业的筛选之后考虑行业的流动性敏感程度行业估值情况和资金筹码予以择优具体而言我们划分出部分内外部流动性敏感行业构建了景气度估值交易拥挤度趋势四项指标流程上1首先筛选出景气度指标为正的行业2其次考虑行业对内外部流动性的敏感度在流动性变动情况下因流动性敏感受冲击较大的行业将被剔除3随后考虑行业的估值情况对高估值的行业予以剔除此时得到非高估值的经流动性调整后的景气行业4随后考虑行业的交易拥挤程度对出现交易拥挤的行业予以剔除此时得到非高估值非交易拥挤的经流动性调整后的景气行业5设定合理的行业数量门槛参数在筛出行业数目较少不足该值的情况下上一阶段所得的行业为当月持仓行业在筛出行业数目较多超过该值的情况下做进一步筛选筛除趋势指标数值排名在位之后的行业得到最终的持仓行业组合组合中的行业持仓权重相等谨请参阅尾页重要声明及财通证券股票和行业评级标准5投资策略报告证券研究报告我们的模型为月频调仓根据上月末观测到的各项指标数值在月初首个交易日开盘买入在月末收盘卖出为全面衡量模型效果我们计算了行业组合相对于全A沪深300和股票型基金作为基准时的胜率和赔率图5景气度修正行业比较模型框架数据来源财通证券研究所从结果来看四维框架下的行业组合在准确性收益率以及回撤等方面均有不错的表现1收益率角度来看一级行业组合自16年以来的年化收益约13相对全A沪深300以及股票型基金的超额收益分别为12911相对于此前仅用景气维度的组合收益率提升了6个百分点谨请参阅尾页重要声明及财通证券股票和行业评级标准6投资策略报告证券研究报告2一级行业由于分类较为粗略指标效用有所欠佳我们对行业分类进行下沉二级行业组合表现显著优于一级行业组合同期年化收益15相对全A的超额收益约14相对沪深300超额约12相对股票型基金超额约13对比此前仅用景气维度的二级行业组合收益率均提升了9个百分点左右3行业下沉对于组合胜率也有明显改善16年至今二级行业组合始终能跑赢全A相对于沪深300和股票型基金也在大部分时间有超额收益将模型的胜率结果进一步拆解至月度视角后二级行业组合相对全A的12月滚动胜率始终在60-804市场出现大幅调整时行业组合在保证收益率的情况下也能有效控制回撤例如22年至今二级行业组合仅4个月跑输全A相对全A沪深300和股票型基金超额收益分别151620组合最大回撤为14显著小于全A的24沪深300的27股票型基金的235市场风格轮动加速时行业组合能够敏锐的捕捉到切换具备择时能力例如行业组合在22年5-6月纳入了白酒等消费类行业6-7月囊括了同期市场领涨的风电光伏乘用车11月起新增了酒店餐饮及休闲与同期市场的消费复苏较为一致12月包括领涨市场的医院23年1月推荐了工业信息化等数字经济行业2四维行业比较框架始于景气三方面修正21四维行业比较框架的基石景气维度211客观财务数据主观预期变化是衡量景气度的核心抓手我们认为基于客观财报和主观预期两个角度刻画的盈利和成长水平能够有效反应行业的景气对于前者而言财报数据反应的虽是历史情况但对于景气仍有指示意义尤其是环比变动一定程度上对于未来景气趋势有参考价值我们选取销售净利率ROE和营收增速分别来衡量行业的盈利和成长性对于后者股价的变动本质上是预期的变化但由于市场预测数据与实际情况可能存在较大误差我们选取行业内净利润预期调高的公司数量占比的变化仅考虑业绩变化方向而非变化幅度来衡量行业景气度的预期变化谨请参阅尾页重要声明及财通证券股票和行业评级标准7投资策略报告证券研究报告图6行业景气度指标成分预期指标行业净利润调高家数占比同比构建方式各观察日股个股净利润调高家数占比万得一致预测有效期内即历史天净利润调高家数万得一致预测有效期内即历史天净利润预测机构总数在各观察日对A股个股与行业相匹配计算各观察日各行业平均净利润调高家数占比计算净利润调高家数占比同比数据来源财通证券研究所在构建景气度指标时我们只考虑数据变动方向以此降低主观预测误差例如当具体指标出现环比改善时记为1恶化时记为-1每个行业的当月景气度即为上月末观测到的上述四项指标之和即-4至4区间内的整数我们选出当月景气度环比改善即四项指标之和大于0的行业将进入下一轮流动性修正图7行业景气度指标成分匹配方式及行业景气度指标构成方式盈利维度指标销售净利率环比ROETTM环比成长维度指标营收增速环比月份1月2月3月4月5月6月7月8月9月10月11月12月对应季报去年三季报当年一季报当年二季报当年三季报预期指标行业净利润调高家数占比同比月份1月2月3月4月5月6月7月8月9月10月11月12月预测年份次年后年成长维度指标盈利维度指标预期指标营收增速环比销售净利率环比ROETTM环比行业净利润调高家数占比同比为正为负缺失为正为负缺失为正为负缺失为正为负持平或覆盖家数小于51-101-101-101-10当月景气度指标上月营收增速环比指标销售净利率环比指标ROETTM环比指标行业净利润调高家数占比同比指标数据来源Wind财通证券研究所谨请参阅尾页重要声明及财通证券股票和行业评级标准8投资策略报告证券研究报告212基于景气维度的二级行业组合在大部分时间能够获得超额收益拉长时间来看仅基于景气维度的一级二级行业组合均能够跑赢全A沪深300以及股票型基金2016年至2023年2月一级和二级行业组合年化收益分别为76两者相对全A超额收益约6相对沪深300超额约3相对股票型基金超额约5历年视角下二级行业组合的表现较优原因可能在于景气指标在行业下沉后能够更加灵敏有效具体到历年表现一级行业组合自2016年以来仅2021和22年能够跑赢沪深300仅1720和22年能够跑赢全A相比而言二级行业组合仅1718年未跑赢沪深300仅21年未跑赢全A其他时间基本能较基准获得超额收益图8拉长时间来看景气一级行业组合能够跑赢市场但历年视角下表现欠佳行业组合万得全A沪深300全收益股票型基金050403020173010-01-02-03-04全区间年化2016年2017年2018年2019年2020年2021年2022年2023年数据来源WindiFind财通证券研究所注时间为2016年至2023年2月图9历年视角下基于景气维度的二级行业组合在大部分时间能够获得超额收益景气度指标万得全A沪深300全收益股票型基金06050403026013010-01-02-03-04全区间年化2016年2017年2018年2019年2020年2021年2022年2023年数据来源WindiFind财通证券研究所注时间为2016年至2023年2月谨请参阅尾页重要声明及财通证券股票和行业评级标准9投资策略报告证券研究报告22对景气维度的三方修正流动性估值及资金筹码221流动性维度利率和汇率波动对于内外资定价权不同的行业影响不一我们在去年提出的内外部流动性框架基础上对其进行细化应用至行业比较模型结合21年以来表现内外流动性框架完美诠释国内定价部分的与市场联动独立行情内外双紧市场普跌内外双松市场普涨内松外紧中证1000等内资定价的显著优于陆股通等外资定价详见2022年6月29日A股独立性的逻辑与展望--全球资金流动时钟首先考虑外部流动性敏感的行业我们认为食品饮料银行和非银金融医药生物家电房地产等外资持股较高的行业以电子计算机行业等为代表的较受外资关注的成长型行业受外部流动性影响较大我们据此筛选出一系列外部流动性敏感的行业如下表所示接着考虑与内部流动性敏感的行业我们认为内部流动性敏感主要可归因于业绩分子端波动较小这一类行业以家电行业为代表或由市场热度较高导致的估值分母端偏高这类行业以医药电子为代表我们据此筛选出一系列内部流动性敏感的行业如下表所示关于衡量内外部流动性变化的指标我们使用上月末观测到的美元指数环比变化衡量外部流动性美元指数环比走低认为外部流动性走向宽松反之则紧缩我们使用上月末观测到的移动平均20交易日的DR007相对7天逆回购率内部流动性偏离度环比即偏离度天逆回购利率的环比变化衡量内部流动性DR007偏离度MA20环比走低则认为外部流动性走向宽松反之则紧缩谨请参阅尾页重要声明及财通证券股票和行业评级标准10投资策略报告证券研究报告图10一级行业与内外部流动性相关性中信一级行业与外部流动性关系与内部流动性关系中信一级行业与外部流动性关系与内部流动性关系石油石化家电煤炭纺织服装有色金属医药电力及公用事业食品饮料钢铁农林牧渔基础化工银行建筑非银行金融建材房地产轻工制造交通运输机械电子电力设备及新能源通信国防军工计算机汽车传媒商贸零售综合消费者服务综合金融流动性增强紧缩时易上涨受冲击数据来源Wind财通证券研究所谨请参阅尾页重要声明及财通证券股票和行业评级标准11投资策略报告证券研究报告图11二级行业与内外部流动性相关性财通大类财通分类与外部流动性关系与内部流动性关系财通大类财通分类与外部流动性关系与内部流动性关系动力煤医药流通炼焦煤线下药店贵金属医药医疗器械铝医疗研发外包铜医院纸制品电子化学品农业化工仪器仪表化学纤维机床工具氯碱铁路设备民爆楼宇设备塑料制品印刷包装机械周期橡胶制品纺织服装设备特钢机械基础件轮胎航空装备建筑工程高端制造通用装备海运半导体材料航空公司半导体设备高速公路分立器件物流及供应链集成电路封测畜牧养殖集成电路设计禽养殖被动元器件工程机械消费电子零部件银行电子终端品多元金融机器人证券乘用车零部件保险乘用车房地产服务物业能源金属房地产开发管理电池材料大金融装修建材锂电池玻璃制造风电零部件水泥制造风机制造白色家电光伏制造电新厨卫家电锂电设备家具家居工业自动化小家电电网自动化纺织服装电网一次硬件文娱用品燃气化妆品火电发电运营黄金珠宝水电发电运营一般零售电网运营教育服务工业信息化酒店餐饮及休闲金融信息化大消费白酒医疗信息化食品政务信息化乳制品信息安全调味品智慧城市休闲食品数字经济互联网软件服务游戏基础及通用软件影视院线互联网服务及基础架构媒体北斗化学制药光通信中药物联网医药血液制品运营商疫苗流动性增强紧缩时易上涨受冲击数据来源Wind财通证券研究所据此对于任一行业存在四种分类可能当内外流动性变动时我们对其做如下处理1对内外流动性皆部敏感的行业我们始终保留2仅对外部流动性敏感的行业当且仅当外部流动性收紧时对其予以剔除3仅对内部流动性敏感的行业当且仅当内部流动性收紧时对其予以剔除4对内外部流动性皆敏感当且仅当内外部流动性齐收紧时对其予以剔除谨请参阅尾页重要声明及财通证券股票和行业评级标准12投资策略报告证券研究报告图12模型流动性修正具体操作方式对外部流动性对内部流动性对外部流动性对内部流动性对外部流动性对内部流动性对外部流动性对内部流动性是否敏感是否敏感是否敏感是否敏感外部流动性内部流动性否否是否否是是是宽松宽松保留保留保留保留紧缩紧缩保留剔除剔除剔除紧缩宽松保留剔除保留保留宽松紧缩保留保留剔除保留数据来源Wind财通证券研究所流动性调整在资金波动较大的背景下能够有效提升组合收益例如2122年海外联储加息国内信用环境波动频繁一级行业组合在流动性修正后收益由处理前的618提升至1319二级行业组合同期的收益也由6-15提升至14-2此外我们还观察到16年美元走强的阶段流动性调整也对模型结果起到了一定的提升作用行业组合全年收益由-6提升至-1图13流动性调整对一级行业组合在21-22年的收益有显著改善流动性调整带来的收益左美元指数左DR007偏离度MA2012030外部流动性持续收紧内部流动性波动流11520动性调整持续改善模型收益110101050100-1095-2090-3085-40201601201701201801201901202001202101202201202301数据来源WindiFind财通证券研究所谨请参阅尾页重要声明及财通证券股票和行业评级标准13投资策略报告证券研究报告图14流动性调整对二级行业组合的改善幅度更为明显流动性调整带来的收益左美元指数左DR007偏离度MA2013030外部流动性持续收紧125内部流动性波动流20动性调整持续改善模120型收益101151100105-10100-2095-309085-40201601201701201801201901202001202101202201202301数据来源WindiFind财通证券研究所222估值维度剔除高估值板块能够有效提升行业组合的胜率和赔率考虑到PE对于周期等行业存在失效的问题我们选取PB和PS评估各行业的估值情况具体来看我们于月末观测到行业的PBPS计算二者在过去48个月内的百分位并得到二者百分位的等权均值若某行业所得均值大于95认定该月该行业处于高估值次月行业高估值情况有较高概率延续因此在次月初调仓时将该行业剔除若行业相关数值有所缺失我们对其予以保留图15基于PBPS百分位的行业估值指标构建方式月T月PS分位数T月末行业市T月PB分位数T月末行业市销率PS在历史48个月即T-净率PB在历史48个月即T-频数47月至T月区间内的百分位47月至T月区间内的百分位据月估值分位数月分位数月分位数T月行业估值处于高位T1T月行业估值不处于高位月估值指标1T1月估值指标0数据来源财通证券研究所谨请参阅尾页重要声明及财通证券股票和行业评级标准14投资策略报告证券研究报告估值维度更类似于起到风控的作用以16年和21年为例二级行业组合在进行估值修正后获得了34的收益率提升相较一级行业1621年仅使行业组合收益提升1提升效果较明显图16二级行业组合在估值修正后获得收益的改善16年和21年尤为明显趋势调整带来收益右趋势调整前行业数量趋势调整后行业数量70140135601305012512040115301102010510010950902016-012016-042016-072016-102017-012017-042017-072017-102018-012018-042018-072018-102019-012019-042019-072019-102020-012020-042020-072020-102021-012021-042021-072021-102022-012022-042022-072022-102023-01数据来源WindiFind财通证券研究所223资金筹码维度拥挤度预警趋势加油我们从交易拥挤度和股价惯性趋势两方面来考虑资金筹码对于行业的影响对模型做进一步修正拥挤度日度换手率和日度收益率峰度60交易日换手率刻画了每日交易的活跃程度换手率越高交易越活跃极高值情况则可能意味着交易拥挤日度收益率峰度刻画了日度收益率集中的情况交易峰度越小日度收益率分散程度越高即波动越大拥挤度也越高谨请参阅尾页重要声明及财通证券股票和行业评级标准15投资策略报告证券研究报告图17从换手率和峰度的角度出发从日频数据构建月频拥挤度指标具体方法交易日T换手率在历史850交易日T收益率峰度60交易日个交易日中的分位数在历史850个交易日中的分位数日频数据日度换手率拥挤日度换手率非拥日度峰度拥挤交日度峰度非拥挤交易日T日度换手挤交易日T日度易日T日度峰度拥交易日T日度峰度率拥挤水平1换手率拥挤水平0挤水平1拥挤水平0月换手率拥挤指标月峰度拥挤指标月所有交易日的日度换月所有交易日的日度峰月手率拥挤水平之和度拥挤水平之和频数据月换手率拥挤月换手率非拥月峰度拥挤月峰度非拥挤月换手率挤月换月换手率月换手率拥挤指标1手率拥挤指标0拥挤指标1拥挤指标000月换手率拥挤指标月峰度拥挤指标月拥挤指月拥挤指标1标0数据来源财通证券研究所20年以来赛道投资容易出现交易过热拥挤度修正对于收益有不同程度提升20年Q1-Q2以TMT为代表的景气行业21年Q3-Q4以煤炭等周期行业及新能源等为代表的景气行业出现交易拥挤观察到拥挤度指标在该时间段内使得行业组合收益率进一步提升剔除高拥挤行业后一级行业组合在2021年的收益由4714提升至5022谨请参阅尾页重要声明及财通证券股票和行业评级标准16投资策略报告证券研究报告图1820年以来容易出现赛道交易过热拥挤度修正对于收益有不同程度提升剔除高拥挤带来的收益左换手率分位数中位数月平均峰度分位数中位数月平均115换手率处于历史换手率处于历史100高位高位日收益率90峰度处于历史低110位807010560501004030952010900202001202002202003202004202005202006202007202008202009202010202011202012202101202102202103202104202105202106202107202108202109202110202111202112数据来源WindiFind财通证券研究所趋势方面旨在选出具备较强上涨惯性的行业即在历史一段时间内涨幅较高股价走势更平稳连续性较强的行业据此我们使用近1月和近3月涨幅排名的加权平均对于3月涨幅同样高的两个行业1和2若行业1在近一月的涨幅在一定程度上稍低于2则在一般情况下行业1的股价走势相对更具线性特征也就是所谓的连续性满足一定条件时则行业1可获得更高的1个月趋势指标权重从而有可能获取比2更高的趋势指标数值谨请参阅尾页重要声明及财通证券股票和行业评级标准17投资策略报告证券研究报告图19使用1个月及3个月趋势指标构建行业趋势指标的具体方法任一行业i在T月月度收任一行业i在T-2至T月益率的3个月总收益率行业i在T月的1个月趋行业i在T月的3个月趋势指标在所有行业势指标在所有行业中中的升序排名的升序排名趋势门槛趋势门槛趋势门槛趋势门槛权重15权重1权重15权重1行业i在T1月的趋势指标一级行业和加权平均一级行业二级行业二级行业数据来源财通证券研究所需要注意的是由于历年基本面情况差异较大高景气或景气向上的行业数量不一仅当流动性估值拥挤度调整后的所余景气行业数量大于10一级行业或30二级行业时使用趋势指标对行业做进一步筛选当行业整体高景气时考虑通过趋势筛选景气行业对收益贡献较显著如20及21年使用趋势指标使得一级行业组合收益相对拥挤度处理分别提升1033一级行业组合下资金筹码指标仅在经流动性和估值处理后的景气行业数目超出10时使用16Q2-18年Q120年Q3-21年Q3行业整体景气程度较高在使用投资者结构指标调整后60的月份收益有不同程度提升其中21年8月资金筹码方面的处理为行业组合带来高至15的收益提升谨请参阅尾页重要声明及财通证券股票和行业评级标准18投资策略报告证券研究报告图20整体高景气下趋势增强后的一级行业组合收益仍有不同程度提升趋势调整带来收益右趋势调整前行业数量趋势调整后行业数量201351813016125141201211510110810561004952900852016-012016-042016-072016-102017-012017-042017-072017-102018-012018-042018-072018-102019-012019-042019-072019-102020-012020-042020-072020-102021-012021-042021-072021-102022-012022-042022-072022-102023-01数据来源WindiFind财通证券研究所与一级行业组合结果相似当样本为二级行业时观察到行业整体高景气的情况下筛选高惯性行业可以有效拉动行业组合的收益率172021年该指标的纳入分别使模型行业组合提升14148在16-23年行业整体较景气经流动性和估值调整后景气行业数量超过30的月份中71的月份收益在使用趋势指标调整后有不同程度提升单月提升收益率最高于21年1月达6图21趋势增强后的二级组合降低了行业数量但收益率改善更为明显趋势调整带来收益右趋势调整前行业数量趋势调整后行业数量70140135601305012512040115301102010510010950902016-072017-102021-012016-042016-102017-012017-042017-072018-012018-042018-072018-102019-012019-042019-072019-102020-012020-042020-072020-102021-042021-072021-102022-012022-042022-072022-102023-012016-01数据来源WindiFind财通证券研究所谨请参阅尾页重要声明及财通证券股票和行业评级标准19投资策略报告证券研究报告3四维行业比较框架能够有效弥补景气缺陷31一级行业组合过去3年相对于基准的超额均在25以上从收益率来看一级行业组合16年-23年2月年化收益13相对万得全A超额12相对沪深300全收益超额9相对股票型基金超额11相对于此前仅用景气维度的组合收益率分别提升了6个百分点其中20至22年三年模型筛选行业跑赢基准25以上2022年在全年股市震荡下行沪深300全收益下跌20的背景下模型适时捕捉到市场风格的切换实现了相对全A沪深300和股票型基金43-45的超额收益图22一级行业组合整体超额年化10以上20年起均跑赢基准25以上07行业组合万得全A沪深300全收益股票型基金060504030213013010-01-02-03-04全区间年化2016年2017年2018年2019年2020年2021年2022年2023年1-2月数据来源WindiFind财通证券研究所谨请参阅尾页重要声明及财通证券股票和行业评级标准20