宏观基本面行业轮动新框架.docx

一、建模框架可行性探讨 基于“自上而下宏观基本面信息”构建行业轮动框架的建模前提假设是:未来情景可在历史中找寻统计意义上“显著”的相似性。在这个前提下，我们需要确定 A 股市场在 2005 年至今的近 20 年的发展历程中，各行业的轮动模式在历史各经济周期中是否有可靠的重复性？ 首先，考虑到 A 股各行业并未稳健的进入成熟期，且各个行业所经历的自身成长周期（起步期、成长期、成熟期、衰退期）没有稳定的重复性，行业历史 beta 属性很难具有可用于统计建模的稳健性。典型如 2015-2019 白酒饮料公募抱团行情在历史中未发生过；2019-2021 的电新行业大发展在近 20 年历史中从未发生过；2010 年之前对周期行业的追逐在当前很难重现等等。 图表 1. 自上而下投资框架（途径一） 其次，我们以 2019-2021 年的核心资产崛起为例，发现如果直接对标行业在特定时期的超额收益，从统计角度，很难从过往A 股历史找到相似经验。比如 2019-2021 茅指数和宁指数的崛起背景有： 食品饮料行业在相对低波动经济周期下，其盈利稳定特征受到机构追捧； 全球新能源背景下的产业新周期崛起； 2016 年后北向外资基于 PB-ROE 价值框架的配置力量； 公募对核心资产的―抱团‖。 上述因素除了第一项有可能具有一定历史重复性，其余因素在是历史上没有发生过的，基本不具有定量建模的可能性。 图表 2. 主动公募行业配置比例 图表 3.公募抱团程度（0 分代表抱团最低，100 分最高） 万得 万得 图表 4. 北向资金累计流入规模 万得， 框架构想：将“行业风格”作为中介的可行性讨论 如果行业自身成长周期与经济周期的综合叠加效应很难统计出稳健的结论，那么基于自上而下视角，什么特征能够统计出相对稳定的规律呢？ 结合中外学术研究与业界实践经验，我们认为在特定的经济、货币和信用周期下，风格特征可能具有一定重复性，比如成长/价值，动量/反转，高低beta，高低波动率，高低流动性等。 关于股票风格特征能否被有效预测这一问题在业界至今仍存在比较激烈的争议，本文会在后续建模结果分析的部分给出我们分析测算的结论。 图表 5. 自上而下投资框架（途径二） 案例讨论：以大小盘轮动为例，讨论风格的可重复性 为方便理解，我们以 A 股大小盘风格轮动为例：大小盘轮动的相对收益率通常由 PE 相对强度主导， 2013 年后经济波动和中速下行区间，该现象更加明显： 盈利端：在经济上行区间，小盘盈利弹性高于大盘，而在经济下行时表现相反。 估值端：流动性越好（M2 与名义 GDP 同比剪刀差越大），小盘较大盘估值占优。 由于在行业轮动层面，行业属于大盘还是小盘这一风格很难界定，因此在行业轮动框架下较难直接实践，在此举例仅用于观点证明。 图表 6. 大小盘轮动特征历史回溯 图表 7. 大小盘风格盈利相对强弱与A 股盈利走势一致 万得《 A 股风格轮动框架与量化预测模型：量化资产配置深度系列》 万得《 A 股风格轮动框架与量化预测模型：量化资产配置深度系列》 图表 8. 大小盘估值相对强弱与剩余流动性正相关 万得《 A 股风格轮动框架与量化预测模型：量化资产配置深度系列》 自上而下行业轮动：完整框架 基于上文讨论，我们将―自上而下宏观基本面到行业优选‖的框架梳理为如下四大部分： 一、基本面指标构建体系：旨在把握中外经济增长、通胀、货币、信贷以及市场情绪等维度信息；二、行业风格体系构建：用定量标准优选行业风格因子，用于后续风格研判； 三、风格研判量化模型：突破传统自上而下建模方法的局限性，构建有效稳健的风格预测体系； 四、行业组合优选与归因：以月度周期推荐行业组合，基于当期影响风格的核心基本面指标对模型推荐行业组合进行业绩归因，并完成策略业绩评价。 图表 9.自上而下行业轮动：完整框架 二、行业风格因子构建体系 风格因子构建：Barra 框架 vs 中银框架 中银行业风格因子的测算方法是基于经典Barra 模型改进版本，具体如下： Barra 风格因子测算框架：用哑变量来代表行业，将风格因子映射到个股上，并通过将个股截面收益率对行业哑变量和个股风格暴露进行截面回归，实现同时估算各行业因子和风格因子的多空收益率。 Barra 模型局限性：模型目标是基于宏观基本面对未来的行业风格进行预判，并将风格预判的结果映射到行业优选组合上。如果按照传统 Barra 框架，风格收益则体现为剥离行业特征后的个股风格因子多空收益组合，因此，该方法较难将风格预测的结果直接映射到行业层。 中银行业风格测算框架：本框架中，我们以中信一级行业为标的，计算行业在 t 时期基本面、估值、资金、量价等维度的因子暴露（用 表示）。将各行业 t 时刻至 t+1 时刻的收益率与期初 t 时期各 行业标