誰來介紹一下現(xiàn)有行業(yè)配置指標(biāo)的應(yīng)用效果

你好，在《量化專題報(bào)告：中觀行業(yè)配置系列二，行業(yè)配置模型的頂端優(yōu)化》中，詳細(xì)介紹了現(xiàn)有行業(yè)配置指標(biāo)的應(yīng)用效果，如果想要查看更多內(nèi)容，請(qǐng)下載原報(bào)告。

1、行業(yè)景氣模型的頂端優(yōu)化：規(guī)避高擁擠

在第一章有提到，我們目前認(rèn)為行業(yè)景氣模型盡可能選取了強(qiáng)趨勢高景氣的行業(yè)，但缺 陷是并沒有將情緒過熱或者交易擁擠的行業(yè)進(jìn)行剔除，這導(dǎo)致模型在景氣度投資的頂部 容易出現(xiàn)較大回撤。而在第二章，我們利用市場交易信息構(gòu)建了行業(yè)的情緒指數(shù)，發(fā)現(xiàn) 可以規(guī)避前期好趨勢但是情緒過熱的行業(yè)。下面我們介紹一下將該交易擁擠信息納入行 業(yè)景氣模型的思路。

首先，我們對(duì)原有行業(yè)景氣模型所用到的指標(biāo)進(jìn)行了一定的擴(kuò)充。這里我們修正后的模 型所用指標(biāo)簡單介紹如下，主要增加的指標(biāo)有如下三類：

1） 分析師景氣度層面：在原有分析師景氣指數(shù)及其 zscore 的基礎(chǔ)上，我們計(jì)算了行 業(yè) ROE_FTTM 預(yù)測值的機(jī)構(gòu)加權(quán)平均，并在過去一年做標(biāo)準(zhǔn)化處理，使得不同行 業(yè)之間可比。這樣我們的景氣度既能反映行業(yè) ROE 方向的預(yù)測，也能反映 ROE值上調(diào)的幅度； 2） 歷史景氣度層面：考慮了單季度 ROE（考慮業(yè)績快報(bào)與預(yù)告），單季度凈利潤增 速和單季度營收增速層面的信息，具體做法是對(duì)行業(yè)財(cái)務(wù)數(shù)據(jù)做一定平滑后取環(huán) 比，然后等權(quán)打分； 3） 擁擠度層面：采用第二章的行業(yè)情緒預(yù)警指數(shù)，不做過多贅述。

行業(yè)，但我們發(fā)現(xiàn)這樣做三大類指標(biāo)的融合反而會(huì)降低原始景氣度趨勢指標(biāo)復(fù)合的效果。 其實(shí)我們認(rèn)為市場定價(jià)還是比較準(zhǔn)確的，想要同時(shí)獲得景氣高、趨勢好和擁擠低的行業(yè) 比較困難，其實(shí)我們想要的可能是景氣高、趨勢好和交易不那么擁擠的行業(yè)。具體而言， 基于“高景氣+強(qiáng)趨勢”的行業(yè)景氣模型細(xì)節(jié)如下：

1） 多頭篩選：月底根據(jù)景氣度(歷史+分析師)、趨勢選前五的行業(yè)，作為行業(yè)底倉； 2） 擁擠度剔除：行業(yè)底倉中剔除擁擠度在前 1/4 的行業(yè)，剩下的行業(yè)等權(quán)配置； 3） 值得注意的是，如果剩下不足3個(gè)行業(yè)，則說明高景氣行業(yè)大多數(shù)交易比較擁擠。 此時(shí)，在我們的框架下行業(yè)配置陷入困境（高景氣-好趨勢-低擁擠的不可能三角）， 采取保守策略：將擁擠度前 1/4 的行業(yè)剔除，在剩下的行業(yè)（約 20 個(gè)）中根據(jù) 景氣度趨勢復(fù)合指標(biāo)選取前 n 個(gè)行業(yè)（n 根據(jù)風(fēng)險(xiǎn)偏好決定，此處 n=7）。

樣做的好處在于，既保留了原始景氣度趨勢能夠選取高景氣行業(yè)的優(yōu)點(diǎn)，又融入了行 業(yè)交易層面的信息。只要該信息能夠?qū)⑶捌谮厔葺^好的行業(yè)進(jìn)行頂端優(yōu)化，就會(huì)進(jìn)一步 提升模型的收益，因此我們將這一修正稱為行業(yè)景氣模型的頂端優(yōu)化。

此外，我們也測試了該策略對(duì) n 的參數(shù)敏感性。這里我們對(duì)比了 n=3,5,7,9 四種情況下， 策略的年化超額收益，發(fā)現(xiàn)對(duì)參數(shù)敏感度一般，年化超額收益在 15%到 17%之間，超額 最大回撤在-4%到-7%(n=3)之間。綜合考慮，剔除 1/4 行業(yè)后只剩下 21 個(gè)行業(yè)左右， 這里我們暫定參數(shù) n=7。也就是說，在行業(yè)高景氣&低擁擠難以取舍的市場環(huán)境下，取前 1/3 不怎么擁擠的行業(yè)等權(quán)配置，持倉盡可能分散，可以取得比較穩(wěn)定的超額收益。

2、行業(yè)趨勢模型的頂端優(yōu)化：規(guī)避低景氣

我們利用市場交易信息構(gòu)建了行業(yè)的情緒指數(shù)，發(fā)現(xiàn)可以規(guī)避前期趨勢好但 是情緒過熱的行業(yè)，能夠有效降低行業(yè)動(dòng)量策略的回撤。早在前期報(bào)告《行業(yè)輪動(dòng)的三 個(gè)標(biāo)尺》中，我們就基于簡單的趨勢-擁擠度指標(biāo)在行業(yè)輪動(dòng)上取得還不錯(cuò)的效果，年化 超額 11%，回撤僅-6%。

但上述模型的缺陷在于沒有充分考慮基本面層面的信息，如果持有的行業(yè)僅是短期炒作 形成的好趨勢和低擁擠，那么沒有基本面的支撐估值終究會(huì)向下回撤。為了進(jìn)一步豐富 我們的行業(yè)配置體系，我們也簡單討論一下如何對(duì)行業(yè)趨勢模型做頂端優(yōu)化，思路也很 簡單，就是規(guī)避低景氣行業(yè)。具體而言，我們的思路如下：

1） 在每個(gè)調(diào)倉的時(shí)點(diǎn)，根據(jù)趨勢-擁擠度打分選取前五的行業(yè)作為行業(yè)底池； 2） 再根據(jù)景氣度指標(biāo)（歷史、分析師）對(duì)行業(yè)進(jìn)行排名，選取后 1/4 的行業(yè)作為基 本面較差的行業(yè)池子； 3） 在初篩行業(yè)池子中剔除基本面較差的行業(yè)，對(duì)剩下的行業(yè)進(jìn)行等權(quán)配置。若行業(yè) 不足 3 個(gè)則根據(jù)趨勢-擁擠度的綜合信號(hào)補(bǔ)齊至 3 個(gè)；

3、行業(yè)配置體系的系統(tǒng)化思考：具備多模型思維

這里首先拋出一個(gè)問題：無論行業(yè)景氣模型還是行業(yè)趨勢模型，其實(shí)都用到了景氣度、 趨勢和擁擠度三方面的信息，那為啥不直接構(gòu)建一個(gè)綜合的模型，每一期選出高景氣、 好趨勢和低擁擠的行業(yè)呢？其實(shí)這個(gè)筆者有做過嘗試，比如根據(jù)三大類指標(biāo)等權(quán)打分形 成復(fù)合指標(biāo)來選擇行業(yè)，但發(fā)現(xiàn)這樣做反而不如景氣度趨勢或者趨勢擁擠度兩者復(fù)合的效果。這引起了我們的思考：為啥三個(gè)大類因子復(fù)合后反而丟失了因子本身具備的 alpha？ 那退而求其次，我們應(yīng)該怎樣將兩個(gè)模型融合，實(shí)現(xiàn) 1+1>2 的效果呢？

其實(shí)背后可能的原因就是我們?cè)谇懊娼M合優(yōu)化處提到的不可能三角：我們認(rèn)為，很難長 期存在高景氣，好趨勢和低擁擠的行業(yè)，如果強(qiáng)行復(fù)合可能會(huì)陷入高景氣-好趨勢-低擁 擠的行業(yè)不可能三角。根據(jù)我們復(fù)盤發(fā)現(xiàn)，強(qiáng)行復(fù)合三個(gè)維度容易選到一些比較平庸的 行業(yè)，比如景氣度趨勢擁擠度排名都在 10 名左右，但是綜合排名較高，這樣模型就容易 丟掉其原始的信息。