2022年股市分析工具 FESC行業輪動框架

一、行業輪動現象

多年來 A 股市場普遍存在著行業輪動的現象，2010 年以來中信一級行業的 歷年收益對比，截止 8 月 30 日今年收益最高的煤炭行業（41%）在 2019 年（15%）與 2020 年（8%）的收益遠低于所有行業的平均收益 28%、22%。而在 2019 年、2020 年表 現最好的食品飲料行業，在 2021 年與 2022 年的收益均小于所有行業的平均收益。2010 年歷史平均收益最高的 TOP5 行業分別是電子（18%）、食品飲料 （18%）、消費者服務（17%）、計算機（16%）、電力設備及新能源（15%）。其中電子行 業在今年收益-26%是所有行業中最差，同時其在 2011 年（-39%）、2014 年（17%）、2018 年（-41%）均為當年排名較差的行業，由此可見行業選擇所帶來的 beta 收益在投資中占 據較大權重。

2021 年以來各中信一級行業的月度漲跌幅統計，紅色漸變為綠色表示漲幅由 高到底排列。除了 21 年 4 月到 8 月的汽車、基礎化工行業，21 年 12 月到 22 年 5 月煤 炭行業外，鮮有行業可以連續 4 個月以上漲幅在所有行業前 50%。 下面我們以 2022 年中報公募基金披露的持倉與其業績做簡要的分析來說明行業選擇的 重要： 我們篩選所有的權益型公募基金產品共 4017 只，剔除其中規模不足 2 億的產品剩余 2836 只，篩選其中二季度業績排名前 100 只基金產品對其第一大重倉行業進行分析對比。

100 只產品中第一大重倉行業為電力設備及新能源的共有 53 只，第一大重倉行業為食品 飲料的共有 28 只，兩個行業占比達 81%。二季度市場所有行業的平均收益為 3.97%，其 中食品飲料漲幅 21.19%排名第三，電力設備及新能源漲幅 13.88%排名第四。由此可見行 業選擇對提高基金產品的業績有巨大幫助。

但在現有的研究中，行業輪動的標的更多都是基于一級行業（中信一級或申萬一級），然 而在實際的投資中不論是 FOF 產品或者股票基金等，投資者們都無法直接對一級行業進 行投資，故我們下文的研究會不僅涉及一級行業，另外還將輪動的標的下沉到二級子行 業。很多二級子行業有其對應的 ETF 產品，可以為做 FOF 產品的投資者提供幫助，另外 對于量化產品中的指數增強產品也可提供投資輔助。

2010 年以來中信二級行業的歷年收益對比，截至目前中信二級行業共有 108 個 指數，其中在 2010 年至今有行情數據的行業共 46 個，其余均在 2017 年之后才有行情數 據，我們挑出來其中可以進行統計的指數進行比較分析。其中平均收益最高的是酒類子 行業，2010 年以來年平均收益為 26.4%，遠超其他的子行業，可以看到其在 2013 年、2021 年、2022 年的收益都排名在后 50%中。平均收益最低的為石油開采指數，2010 年以來平 均收益-3.4%，然而其在 2021 年、2022 年收益分別是 42.1%、36%，連續兩年均排名前 10，由此可知行業輪動不僅在一級行業上表現明顯，在二級子行業上同樣非常突出。

二、FESC行業輪動框架

我們之前基本面研究中關于 CANSLIM 系列的基本面選股策略在近幾年表現非常突出， 其中 CANSLIM 1.0 策略自 2021 年 1 月至 2022 年 8 月 31 日絕對收益 14.76%，相對偏股 型基金超額收益 22.19%；CANSLIM 2.0 策略自 2021 年 1 月至 2022 年 8 月 31 日絕對收 益 40.89%，相對偏股型基金超額收益 48.32%；CANSLIM 3.0 策略自 2021 年 1 月至 2022 年 8 月 31 日絕對收益 55.6%，相對偏股型基金超額收益 63.03%。借鑒之前的研究思路， 對于行業輪動的研究我們從四個維度出發，分別是：行業的微觀基本面、市場的情緒面、 分析師預期變化、分析師一致預期的調整，我們簡稱為 FESC，其中 F 代表基本面，E 代 表分析師預期變化，S 代表市場的情緒，C 代表分析師一致預期的調整。

對于 FESC 的四個維度，每個維度篩選各自的角度與指標進而對每個一級行業及二級子 行業進行評價。對于微觀基本面的維度我們參考之前的多因子報告《基本面量化研究系 列——六維共振》中基本面研究的維度，分別從成長、盈利能力、營運能力、獲現能力 來對行業進行分析對比；對于市場情緒的維度，我們主要從行業動量（參考《行業輪動 系列——“長短共振”動量效應探究》）與換手率兩個角度進行分析對比；對于分析師一 致預期的調整維度，主要考察分析師對各行業的一致預期在最近一段時間內的上調幅度， 更多從定量的角度來進行分析；對于分析師預期變化的維度，主要考察分析師對各行業 內個股近一年的預期凈利潤、預期每股收益、預期凈資產收益率進行上調的占比，更多 從定向的角度來進行分析。

（一）微觀基本面維度

在對行業的微觀基本面維度進行研究中，我們主要從四個角度來分析，即行業的成長角 度、行業盈利能力角度、行業的營運能力角度以及行業獲現能力，對其中的每個角度從 現有的因子庫中挑選測試結果較好的因子來進行評價。

1、成長類。2021 年以來市場中關于景氣度賽道或高成長賽道這樣的討論持續不斷，同時 A 股市場 2021 年來各板塊之間的分化非常嚴重，究其原因在于近些年來市場中資金大幅增加，最 直觀的表現為全市場的成交量相比以前年份明顯增加，2021 年的全市場成交量是繼 2015 年之后的第二高年份，今年到目前為止全市場成交量已達到歷史第四高水平。而在“相 對排名”考核機制下多數機構投資者在進行投資決策時更側重于考慮短期內（一年內） 業績可以爆發的個股或者增速非常快的行業，進而導致市場中所謂的“抱團效應”。

公司或者行業的成長本身作為一個衡量個股投資價值或者行業投資價值的重要維度，在 如今這樣的市場背景下成長性顯得尤為重要。通過對因子庫中成長類相關因子進行測試 最終我們篩選如下四個因子分別是：營業收入 TTM 環比增速的差分、利潤總額 TTM 環 比增速的差分、歸母凈利潤 TTM 環比增速及其差分。以上四個因子中有三個因子表示一 階導數的差分，所隱含的經濟邏輯便是增速的加速，因子大于 0 則代表行業的營收或者 利潤的增速在加速，同時選用差分來進行處理也可以篩選出增速變化絕對值較大的一級 行業及二級行業。

成長類因子在中信一級行業上測試結果，對應的樣本區間為 2010 年 1 月至今， 通過對比可知選用的四個因子的 IC 均值及中位數均超過 3.5%，IC 大于 0 的占比均大于 54%。其中利潤總額因子的測試結果最佳，該因子 IC 均值及中位數均大于 6%，大于 0 比例更是超過 60%，年化 ICIR 也大于 1。效果相對較差的為營業收入因子，該因子 IC 均值及中位數分別為 3.7%、3.8%，大于 0 比例為 54.5%。

上文中提到為便于我們的模型信號更廣泛的為投資者提供幫助，在研究中我們將研究的 標的下沉到二級子行業。但在研究中發現有些二級子行業相對較小，整個行業涉及的個 股不足 10 只，行業總市值不足 200 億，對于這種二級子行業市場中不論是機構投資者還 是賣方的分析師等對其的關注度長期以來均非常低，機構在這類行業上的總體倉位非常 小，其研究價值相對較低，可投資性也較差。故我們對二級子行業先進行一次初篩，剔 除其中分析師過去一段時間覆蓋較少的二級子行業。

中信二級子行業資產管理的成分股，該子行業截止目前共計只有 2 只個股分別 是魯信創投、九鼎投資，兩只個股總市值不足 170 億（截止 2022 年 9 月 1 日），自由流 通市值僅僅 47 億。對于這類二級行業機構的關注度自然不會很高，同時賣方分析師也很 少覆蓋。在每個月末我們對每個行業的機構關注度指標_進行對比，篩選出全市場機構關 注度最高的前 60%的二級子行業作為下個月的目標子行業，從而進行測試。

表示中信二級行業成長類因子 IC 測試結果，對應的樣本區間同樣為 2010 年 1 月至 今，其中測試效果最好的因子為營業收入因子，該因子 IC 均值和中位數均大于 4%，同 時大于 0 占比為 61.2%，年化 ICIR 大于 1。歸母凈利潤環比增速因子測試效果排名第二， 該因子的 IC 均值和中位數也均大于 4%，大于 0 占比為 61.9%。 成長類因子不論在中信一級行業或者二級行業上測試效果均顯著， 完全符合作為備選因子的條件

成長類四個因子分 5 組之后的結果，其中基準表示所有行業的等權指數。通過 對比可知，雖然各因子效果最好的分組不一定是第 5 組，但年化收益率來看最高的分組 都在 4、5 組，同時第 4、5 組的最大回撤及夏普比率相比其他三組的結果更好。另外我 們發現此類基本面指標的換手率非常低，各分組年化雙邊換手率在 5 左右。

中信二級行業分 5 組之后的測試結果，對比基準為當期樣本池內所有二級行業 指數的等權組合。在二級行業上的分組效果更佳顯著。第 5 組的分組效果是每個因子中效果最好的小組。其中營業收入因子第 5 組的 年化收益達到 13.25%，夏普比率 0.6，相對收益年化超額收益 6.3%，雙邊換手率 6.46。中信一級、二級行業成長類因子多空分組結果對比，因為二級行業的分組線 性更明顯。從而導致二級行業的多空分組結果相比一級行業會更好，但整體上每個因子 在中信一級行業和二級行業的多空分組對比均比較明顯，多頭效果明顯優于空頭效果， 且多空分組的收益主要來自于多頭的貢獻。

2、盈利能力。企業的盈利能力同樣是決定企業價值的一個非常重要的維度，企業的盈利能力越強其對 股東帶來收益的能力也越強，企業的價值從而能得到提升，同時企業的經營活動中的現 金流量也更加穩定，最終吸引更多投資者來購買并持有企業股票。以上的邏輯同樣適用 于行業的投資中，盈利能力強的行業更容易受投資者青睞，未來行業繼續增長的可能性 也更高。

我們對數據庫中相關因子進行篩選，最終篩選出三個因子進行測試，分別是：財務費用 率 TTM 的同比變化（差分）、銷售毛利率 TTM 的環比變化（差分）及成本費用利潤率 的環比變化（差分）。上述三個指標均采用差分的方式來進行處理，主要包含了兩種含義， 差分之后的正負可以衡量該指標的變化方向，比如銷售毛利率 TTM 的環比變化大于 0， 則說明行業的毛利率是有所提升的，該行業可能處于發展階段，該行業的可投資性相比 于環比變化小于 0 的要高。另外一種含義，差分之后的指標其絕對值也具有可比性，環 比變化絕對值更大的行業投資性價比是要明顯優于變化較小的行業。

盈利能力類因子在中信一級行業上測試結果，通過對比可知三個因子測試的結 果均非常有效，其中成本費用利潤率測試的結果最好，因子 IC 均值和中位數分別是 5.6%、 8.6%，IC 大于 0 的占比 61.9%；排名其次的因子是銷售毛利率，該因子 IC 均值和中位數 分別是 5.6%、6.2%，大于 0 占比 63.5%。以上兩個因子均是正向因子，財務費用率因子 為負向因子，該因子 IC 均值和中位數為-3.4%、-4.5%，小于 0 占比達 58.7%。

中信二級行業盈利能力類因子 IC 測試結果，其中測試效果最好的因子反而為財 務費用率因子，該因子在二級行業測試的 IC 均值和中位數分別是-7.2%、-7%，小于 0 占 比達 65.9%，年化 ICIR 為-1.157。排名其次的為成本費用利潤率因子，其在二級行業上 測試結果與在一級行業上測試的效果比較接近。銷售毛利率因子在二級行業上測試結果明顯比在一級行業上測試的結果差，不過其 IC 均值和中位數也均大于 3%，大于 0 占比 超過 55%。

盈利能力類的三個因子分 5 組之后的結果，其中的基準表示所有的行業的等權 指數。通過對比可知，此類因子的分組線性效果較好，成本費用利潤率和銷售毛利率因 子的第 5組年化收益率均超過 10%，財務費用率因子的第 1 組的年化收益率也超過 10%。 另外可以發現此類因子的換手率非常低，雙邊年化換手率平均在 4 倍。

3、營運能力。營運能力是指企業的經營運行能力，即企業運用各項資產以賺取利潤的能力。企業營運 能力的財務分析比率有：存貨周轉率、應收賬款周轉率、流動資產周轉率和總資產周轉 率等。這些比率揭示了企業資金運營周轉的情況，反映了企業對經濟資源管理、運用的 效率高低。企業資產周轉越快，流動性越高，企業的償債能力越強，資產獲取利潤的速 度就越快。 我們對數據庫中的相關因子進行篩選，最終篩選出存貨周轉率的環比變化（差分）因子 進行測試，經濟邏輯上存貨周轉率因子為正向的因子，周轉越快企業的短期償債能力也 就越強，其獲取利潤的速度就更快。對其做差分的處理后，一方面如果該因子大于 0 說 明企業的存貨周轉率在加快，企業的短期償債能力在加強，另一方面差分的絕對值越大 表示其償債能力變化更大，對應的其可投資價值更高。

存貨周轉率的環比變化因子在中信一級、二級行業上測試的結果，從測試結果 來看其在二級行業上測試結果略好于在一級行業上測試結果，二級行業的 IC 均值和中位 數都比一級行業測試結果高，年化 ICIR 同樣在二級行業測試結果更好。存貨周轉率的環比變化因子分 5 組之后在中信一級、二級行業上測試的結果， 通過對比可知，其在二級行業上分組效果優于在一級行業上的效果。中信一級、二級行業營運能力因子多空分組結果對比，整體上存貨周轉率因子 在一級、二級行業上的分組效果均比較明顯，其在二級行業上分組效果明顯優于在一級 行業上的結果。

4、獲現能力。獲取現金能力分析主要是了解當期經營活動獲取現金的能力。一般情況下，比率越高， 說明獲取現金的能力越強。獲取現金能力分析的指標主要有：銷售現金比率、每股經營 現金流量和全部資產現金回收率等等。我們對數據庫中的相關因子進行篩選，最終篩選 出經營活動產生的現金流量凈額比經營活動凈收益因子來進行測試。

經營活動產生的現金流量凈額比經營活動凈收益因子在中信一級、二級行業上 測試的結果，測試結果來看其在一級行業上測試結果略好于在二級行業上測試結果，一 級行業的 IC 均值 4%大于在二級行業測試結果 3%，一級行業的年化 ICIR（0.71）大于二 級行業的測試結果 0.64。獲現能力因子分 5 組之后在中信一級、二級行業上測試的結果，其中的基準表 示所有的一級行業或二級行業的等權指數。通過對比可知，其在二級行業上分組效果優 于在一級行業上的效果。

（二）市場情緒維度

上部分我們主要從各行業的微觀基本面角度來對一級、二級行業進行分析比較，本部分 我們從市場情緒維度（量價角度）來對各行業指數進行比較。我們主要從行業動量及換 手率兩個角度來對比，選用指標分別是長期動量（過去 12 個月行業動量）與短期換手率 （過去 1 個月換手率波動率）。

（三）分析師一致預期的調整維度

對于分析師的預期我們選用朝陽永續數據庫中的分析師預期數據，包括一致預期歸母凈 利潤、一致預期每股收益與一致預期凈資產收益率。在之前的多篇報告中我們對一致預 期數據進行過測試及構建模型，該類數據的效果雖然短期內可以會經歷一定波動，但長 期跟蹤下來在 A 股市場非常有效。 在這一部分我們采用之前 CANSLIM 系列報告中對一致預期數據的處理方式，選用 3 個 月的變化率對各行業的一致預期數據做處理，從而得到三個因子分別是：一致預期歸母 凈利潤變化率、一致預期 eps 變化率及一致預期 ROE 變化率。

一致預期類因子測試結果均比較有效，其中效果最好的為一致預期歸母凈利潤變化率， 其在二級行業上測試的 IC 均值和中位數分別是 5.8%、4.8%，同時大于 0 占比為所有因 子中最高（61.9%）；在一級行業上測試的 IC 均值和中位數分別為 5.3%、5.8%，同時大 于 0 占比為 57.9%。一致預期類的三個因子分 5 組之后的結果，通過對比可知，雖然各因子效果最 好的分組不一定是第 5 組，但年化收益率來看最好的分組均屬于 4、5 組，同時第 4、5 組的最大回撤及夏普比率相比其他三組的結果更好。對比之前的因子此類因子的換手率 相比基本面因子的換手率略高，但相比市場情緒類因子則較低。

（四）分析師預期變化維度

在上文部分我們從行業整體一致預期的角度來進行分析，利用個股的基本面數據首先合 成行業的基本面數據，從而構建一致預期變化率因子。在此部分我們首先計算個股自身 的一致預期變化，進而合成行業的一致預期變化。另外，該部分的側重點在于定向分析 個股的一致預期變化方向從而合成行業整體的變化。跟上部分類似我們同樣篩選一致預 期凈利潤、一致預期每股收益及一致預期凈資產收益率三個角度來進行分析，構造各行 業一致預期上調占比因子。

IC 的測試結果來看，該類因子的測試結果均比較顯著，對比可以發現每個因子在二級行 業上的測試效果明顯優于其在一級行業上的測試結果。其中效果最好的因子為 roe 上調 占比因子，該因子在一級行業與二級行業上的 IC 均值均大于 7%，大于 0 的占比也是超 過 58%。分析師預期變化類的三個因子分 5 組之后的結果。該類因子的分組區分度非常 的好，第 5 組年化收益率均超過 11%，同時夏普比率也是各自分組中最高的小組。該類 因子的換手率相比上文中一致預期變動比例因子的小。二級行業的測試結果來看，該類因子的分組更有效，第 5 組年化收益率同樣均超過 11%， 最大回撤、換手率相比其他小組都更小。多空分組的結果來看，該類因子的多空分組在一級、二級行業上的分組均非常明顯，各 個小組的多頭年化收益率均超過 11%，其中收益主要來自于多頭組合的貢獻。

三、構建行業輪動模型

（一）構建組合因子

上文中對 FESC 行業輪動框架中每個維度進行詳細介紹，此框架主要從四個維度來對所 有的一級行業及二級行業進行評價，我們將上文提到的 17 個因子全都納入進行綜合打分， 將各個指標的得分進行平均來當做總得分。

1、中信一級行業輪動結果。組合因子在一級行業上測試 IC 結果，IC 均值和中位數分別是 9.6%、9.7%，大 于 0 占比達 62%，年化 ICIR 為 1.36。各項指標來看，效果非常的顯著，相比之前每個維 度的單因子的結果均有明顯的提升。表組合因子在中信一級行業上測試的 IC 時序結果及分組效果，可以得出 組合因子的 IC 半衰大于 4 個月，可見該因子的有效性持續較長。從各分組相對基準（等 權行業）的超額收益可以看出組合因子得分最高分組相對較穩定，其第 5 組的年化收益 率超過 17%。另外，從測試結果來看第 5 組的雙邊年化換手率僅 6.2。

2、中信二級行業輪動結果。組合因子在二級行業上測試 IC 結果，IC 均值和中位數分別是 8.5%、8.9%，大 于 0 占比達 61.2%，年化 ICIR 為 1.34。各項指標來看，效果非常的顯著，相比之前每個 維度的單因子的結果同樣均有明顯的提升。組合因子在中信二級行業上測試的 IC 時序結果及分組效果，可以得出 組合因子的 IC 半衰為 3 個月，該因子的有效性持續較長。從各分組相對基準（等權行業） 的超額收益可以看出組合因子得分最高分組表現非常穩定，其第5 組的年化收益率超過 20%。另外，從測試結果來看第 5 組的雙邊年化換手率僅 8.7。

（二）2022年以來每月信號

行業輪動模型歷年來收益結果對比，二級行業除 2018 年沒有跑贏等權行業外其 他年份都有超額收益。另外，不論一級或者二級行業除 2018 年外其他年份的收益均為正 收益，2022 年至 8 月 31 日收益分別為 7.07%、3.2%。

四、總結

結合之前在選股研究中的經驗，本報告嘗試將其融入到行業輪動的框架中。本報告的主 要結論如下：

多年來 A 股市場普遍存在著行業輪動的現象，不論在一級行業或者二級行業中，鮮有行 業可以連續 4 個月以上漲幅排在全行業頭部。另外對公募基金披露的中報持倉跟其業績 的對比，可以發現規模在 2 億以上業績排名前 100 名的基金產品中，他們的持倉有明顯 的行業偏好，第一大重倉行業為電力設備及新能源，第二大重倉行業為食品飲料，兩個 行業占比達 81%。二季度市場所有行業的平均收益為 3.97%，其中食品飲料漲幅 21.19% 排名第三，電力設備及新能源漲幅 13.88%排名第四。由此可見行業選擇對提高基金產品 的業績有巨大幫助。 我們之前基本面研究中關于 CANSLIM 系列的基本面選股策略在近幾年表現非常突出， 借鑒之前的研究思路，對于行業輪動的研究我們從四個維度對行業進行評價，分別是微 觀基本面維度、市場情緒維度、分析師一致預期維度及分析師預期變化維度。

對微觀基本面的研究中我們主要從三個角度來分析，即行業的成長角度、行業盈利能力 角度以及行業的營運能力角度。通過對各角度的因子進行測試，其中成長角度的四個因 子是其中效果最好的因子，一級行業上 IC 均值及中位數均超過 3.5%，IC 大于 0 的占比 均大于 54%。同時，該維度因子整體分析效果較好，二級行業上分組效果明顯優于一級 行業上分組效果。 市場情緒維度中主要考慮量價因子，分別是長期動量（過去 12 個月行業動量）與短期換 手率（過去 1 個月換手率波動率）。其中長期動量的測試結果偏正向，IC 均值和中位數 均大于 6%，同時 IC 大于 0 占比分別為 57%、58%；換手率因子的測試結果偏負向，該 因子在一級行業上測試效果比在二級行業上測試效果更為顯著，在一級行業上 IC 均值和 中位數分別為-3%與-7%，小于 0 占比為 58%與 54%。

分析師一致預期調整維度中主要對比三個因子，分別是一致預期歸母凈利潤、一致預期 每股收益與一致預期凈資產收益率。三個因子測試結果均比較有效，其中效果最好的為 一致預期歸母凈利潤變化率，其在二級行業上測試的 IC 均值和中位數分別是 5.8%、4.8%， 同時大于 0 占比為所有因子中最高（61.9%）；在一級行業上測試的 IC 均值和中位數分別 為 5.3%、5.8%，同時大于 0 占比為 57.9%。 分析師預期變化維度中，我們對以上三個因子構建每個行業每期上調占比因子，該類因子的測試結果均比較顯著，其在二級行業上的測試效果明顯優于其在一級行業上的測試 結果。其中效果最好的因子為 roe 上調占比因子，該因子在一級行業與二級行業上的 IC 均值均大于 7%，大于 0 的占比也是超過 58%。

最后，按照上文提到的四個維度共計 17 個因子全都納入到最后的打分體系中進行綜合打 分，按照每期的綜合打分我們構建組合因子，同時每期的推薦行業即綜合打分之后的得 分最高前 20%行業。該組合因子在一級行業上 IC 均值和中位數分別是 9.6%、9.7%，大 于 0 占比達 62%，年化 ICIR 為 1.36。多頭組合年化收益率 17.35%，夏普比率 0.75，最 大回撤 40.9%發生于 2015 年下半年。在二級行業上測試 IC 均值和中位數分別是 8.5%、 8.9%，大于 0 占比達 61.2%，年化 ICIR 為 1.34。多頭組合年化收益率 20.57%，夏普比 率 0.87，最大回撤 37.8%發生于 2015 年下半年。 輪動模型歷年來收益結果對比，不論一級或者二級行業除 2018 年外其他年份的收益均為 正收益，2022 年至 8 月 31 日收益分別為 7.07%、3.2%。

編輯：JACK