政策情绪量化及行业景气跟踪[page::1][page::2][page::3][page::4]

• 2022年1-10月，政策情绪指数前三行业为综合金融、纺织服装、汽车，短期热点聚焦自主可控和粮食能源两大安全主线。

- 10月环比政策情绪呈现部分行业上升趋势，如医药、有色金属、消费者服务；下降明显的有机械、基础化工。

• 行业景气维持高位的主要有电力设备及新能源（景气分位90%）、国防军工（83%）、农林牧渔（88%），部分行业估值处于历史低位且景气回升如计算机。

- 流动性指标综合表明交通运输、医药及计算机10月流动性显著改善，建材、石油石化、房地产流动性下降明显[page::2][page::14].

量化景气度行业跟踪细节[page::5][page::6][page::7]

| 行业 | 景气位置 | 景气同比 | 景气环比 | 估值位置 | 预期营收同比 |
|-----------------|---------|---------|---------|---------|-------------|
| 电力设备及新能源 | 90% | 2% | -2% | 61% | 100% |
| 国防军工 | 83% | 14% | 25% | 65% | 89% |
| 农林牧渔 | 88% | 57.9% | 3% | 25% | 35% |
| 计算机 | 61% | 52% | 23% | 18% | 42% |
| 汽车 | 35% | 17% | -61% | 65% | 100% |

• 高景气行业以电新、军工、农林牧渔为主，计算机保持加速上行，汽车行业景气环比下降明显。

- 部分细分赛道如锂电池、新能源汽车、化妆品景气度高且成长预期较好。

• 估值方面，电新、军工估值水平合理；部分行业估值处历史低位，如计算机、农林牧渔等[page::6][page::7].

行业个案景气驱动变量及特征重要性[page::8-13]

• 电力设备及新能源景气主因固定资产投资完成额同比增长39.5%、太阳能电池价格上涨及发电量增长。

- 农林牧渔行业景气主要受猪肉CPI及批发价显著上涨带动。

• 国防军工景气受运输设备制造业及航空器出口增长推动。

- 计算机行业景气提升受信息传输业固定资产投资及中关村电子产品价格指数上涨驱动。

• 汽车行业虽销量同比上涨，但增速较前月放缓，导致景气指标环比下滑。

- 这些行业营收同比与机器学习模型预测的景气指标相关性均超过0.8，验证了模型有效性。

行业流动性趋势及宏观流动性指标概览[page::14][page::15]

• 10月交通运输、医药、计算机行业流动性有显著提升，资金净流入及成交量大幅上涨，机构行为和两融指标均表现活跃。

- 建材、石油石化、房地产等行业流动性明显下降。

• 宏观层面货币M1/M2增速、社融规模增速及7天逆回购利率呈现波动，10年国债收益率维持下降趋势，均反映宏观流动性环境对市场流动性有一定影响。

指标构建与风险提示 [page::16][page::17]

• 政策情绪因子基于NLP技术对政策相关财经新闻进行情绪识别和量化。

- 景气分位利用行业营收同比为代理变量，通过机器学习模型构建景气度指标。

• 流动性指标涵盖成交量、机构行为、两融三方面，使用PCA方法聚合相关指标生成综合流动性指标。

- 风险主要包括政策数据统计可能不全面，景气度模型拟合行业逻辑或变及局部疫情反复影响经济和全球经济衰退风险。

中信证券《基本面量化中观配置系列（2022-11）》报告详尽分析

---

1. 元数据与概览

• 报告标题：《基本面量化中观配置系列（2022-11）》

- 作者：张若海，伍家豪

• 发布机构：中信证券研究部数据科技组

- 发布日期：2022年11月1日

• 研究主题：基于量化方法的宏观与中观层面行业配置策略，聚焦政策情绪、行业景气与流动性变化，结合“自主可控”与“安全”主题，对于2022年中国宏观经济和行业表现开展多维度分析。

核心论点：

• 当前宏观政策情绪聚焦“自主可控”和“粮食能源”安全主线。

- 行业景气中，电力设备及新能源、国防军工保持高景气度，科技类行业边际景气改善明显。

• 流动性方面，10月交通运输、医药、计算机行业交易活跃度显著提升。

- 综合多层面指标，作者建议长期关注电力设备及新能源、汽车、通信等板块，同时关注医药、消费者服务的边际改善趋势。

• 风险提示涉及政策覆盖、模型不确定性、疫情反复和海外经济衰退等[page::0][page::1][page::17]

---

2. 逐节深度解读

2.1 政策情绪量化分析

• 政策文本情绪演进：2018年至2022年1-10月，中国不同一级行业政策情绪分布显示，综合金融、纺织服装、汽车为政策关注度前三，机械、食品饮料和银行在同比变化中表现增长明显。
• 月度政策情绪波动：10月由于国庆假期及重大会议召开政策发文减少，政策文本情绪数量下降，热点主要聚焦自主可控和粮食能源安全两条主线，突出医药、有色金属、消费者服务行业的边际提升。
• 方法论：将政策文本与财经新闻结合，利用自然语言处理（NLP）技术抽取情绪标签并量化，横纵坐标分别表示政策情绪强度和行业景气分位，气泡大小则代表行业流动性水平。从图示（图2，图3）和表格观察高政策情绪与高景气度行业主要为电力设备及新能源、汽车、通信，而医药和有色金属等呈现边际上升趋势。
• 数据特征：政策情绪值为0.00代表基准水平，正值意味着政策支持增强，负值则相反；年度与月度数据均显示政策关注重心逐渐向安全主线集中。
• 模型限制：政策数据并非全部部门均覆盖，且政策影响情绪量化存在噪声与滞后（“政策情绪量化因子”见第16页描述）；结果宜结合其他指标综合判断[page::2][page::3][page::4][page::16]

2.2 基本面景气度量化

• 景气度分位划分：报告将行业景气度分为高景气（分位点大于等于75%）、中景气（25%至75%之间）、低景气（低于25%），主要以行业营收同比作为核心指标，结合机器学习模型来拟合景气度。
• 重点行业：

- 高景气行业：电力设备及新能源（90%分位）、国防军工（83%）、农林牧渔（88%）处于历史高位，且景气指数增速积极。
- 计算机行业快速回升，已达61%分位，有景气环比和同比双重改善。
- 煤炭和汽车处于中低景气区间，煤炭景气指数46%，汽车仅35%，表明压力较大。

• 细分行业分析：

- 锂电池、新能源汽车、化妆品等细分赛道景气度高且成长预期强。
- 部分传统能源和重工业板块景气表现较弱。

• 景气度模型说明：

- 景气度与行业真实营收同比高度相关（0.80以上多数行业，煤炭更高达0.97）。
- 通过XGBoost模型，基于多个行业相关经济指标（如固定资产投资、价格指数、出口金额等）确定行业景气的驱动力。
- 具体行业的经济指标权重不同，体现了行业特点和驱动力差异。

• 重点行业景气驱动因素示例：

- 电力设备及新能源的固定资产投资增长近40%，太阳能电池价格上涨23%，发电量增加2.2%；
- 农林牧渔受猪肉价格及白羽肉鸡价格涨幅大幅拉动；
- 国防军工得益于运输设备制造业和航空航天出口增幅显著；
- 计算机行业固定资产投资及软件服务收入恢复；
- 汽车行业销量及新能源汽车销量增速回落，投资增速略有下降。

• 景气度与估值、成长性结合分析：

- 行业评分综合考虑景气位置、同比/环比变化、估值水平、营收增长预期。
- 推荐重点关注电力设备及新能源、国防军工、计算机、农林牧渔等，估值处于中低位的行业中隐藏价值（例如计算机估值18%分位，有望反弹）[page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13]

2.3 行业流动性跟踪

• 多维度流动性指标构建：

- 涵盖成交量、机构行为、融资融券三个维度。
- 对相关个股数据月度聚合，利用主成分分析（PCA）算法合成综合流动性指数。

• 10月行业流动性表现：

- 流动性提升明显行业：交通运输（资金净流入77.9%）、医药（资金净流入100%）、计算机（成交活跃度提升）。
- 流动性下降行业：建材、石油石化、房地产，流入明显减少，机构行为指标亦有下降。
- 各行业流动性变化反映资金对行业的关注度及交易活跃程度差异，可能预示后续价格或资金流趋势变化。

• 宏观层面流动性指标：

- M1/M2增速维持平稳上升，社融规模同比有所回落但保持两位数增长。
- 短期限资金利率（7天逆回购及DR007）自2021年初以来整体下行，表明流动性环境相对宽松。
- 10年期国债收益率呈下降趋势，反映对经济增长预期或通胀压力的审慎态度。

• 数据处理说明：

- 流动性指标原始为每日个股数据，汇总形成行业月度指标。
- 通过标准化处理和PCA降维，消除不同指标量纲差异，合成统一指标便于比较。

• 结合流动性指标与景气、政策情绪，可强化对行业投资价值的评估[page::14][page::15][page::16]

---

3. 图表深度解读

3.1 政策情绪与景气度关系图（图2，page 2）

• 描述：二维坐标轴中，横轴为政策文本情绪量化得分（反映政策支持力度的边际变化），纵轴为行业景气度分位数（基于历史景气数据的分布位置），气泡大小代表综合行业流动性。
• 解读：代表性行业“电力设备及新能源”、“电信”、“汽车”均处于政策情绪正向区域且景气度高位，显示为投资重点。医药等行业景气度较低但政策情绪较好，处于边际改善阶段有潜力。
• 数据局限：政策情绪受文本分析算法限制，尚需结合宏观变量综合判断。

3.2 年度政策情绪表与变化趋势（图3，page 3）

• 描述：表格数据显示2018-2022年1-10月不同板块政策情绪得分，折线图示行业政策情绪边际变化，呈现行业政策热度随时间波动。
• 解析：综合金融、纺织服装、汽车政策关注度最高且同比增长显著，反映政府对这些行业支持力度增强。
• 趋势提示：房地产、煤炭等行业政策情绪下降，未来投资风险较大。

3.3 月度政策情绪变化表（图4，page 4）

• 描述：月度细化政策情绪得分，10月政策发文数量整体下降，反映国庆及会议影响。
• 解读：部分行业（如医药、计算机）10月依然体现政策积极信号，指引短期关注重点。

3.4 各行业中观景气度分布图（图5，page 5）

• 描述：图表分为高、中、低景气三个板块，行业按对应景气分位点散点表示。
• 核心信息：

- 明显的“金字塔”结构，部分高景气行业如电力设备新能源、国防军工突出。
- 汽车、煤炭景气度明显靠下。
- 多数传统行业处于中景气区，存在不同恢复节奏。

3.5 行业流动性详细指标（表格，page 14）

• 构成详解：资金净流入、成交量、机构行为及融资融券，通过PCA多层级聚合，形成综合流动性指数。
• 重点数据：

- 交通运输流动性增幅最高，资金净流入率77.9%，成交量及机构行为均显著增长。
- 建材等行业流动性指标较低，反映资金减持信号。

3.6 宏观流动性指标趋势（图15）

• 趋势分析：

- M1/M2保持温和上升，货币供应充裕。
- 社融增速波动但保持在10%以上，利好企业融资。
- 资金利率保持下行趋势，有利于降低融资成本，刺激市场流动。

---

4. 估值分析

报告中未直接披露具体估值模型及目标价，但通过第6、7页提供的表格可见，估值位置（市盈率或市净率分位）是综合考量指标之一：

• 行业估值位置采用近4年市净率或市盈率分位，根据行业属性差异确定；

- 例如，电力设备及新能源市盈率位于61%分位，显示估值处于中高位；计算机行业估值仅18%，潜在价值较大；

• 结合景气度和营收增长预期，估值处于低位且景气向好的行业具备较大投资吸引力；

报告强调估值改善与成长预期同步的行业值得关注，如农林牧渔、计算机[page::6][page::7]

---

5. 风险因素评估

报告明示风险点包括：

• 政策数据统计覆盖不足：导致情绪指标可能未完全反映全部政策信息；

- 景气度模型的行业逻辑风险：因模型基于历史数据拟合，行业结构性变化或宏观环境突变可能使模型失真；

• 疫情反复影响：局部疫情可能持续扰动经济修复节奏；

- 海外经济衰退风险：全球经济环境不确定性给出口导向型行业带来压力。

报告未具体提供风险缓释措施，但提示投资者须结合宏观跟踪与行业动态合理调整配置[page::17]

---

6. 批判性视角与细微差别

• 报告对政策情绪的量化主要依赖公开政策文本及财经新闻情绪分析，固有自然语言处理的局限及对政策意图解读的误差，尤其政策制定初期的信号可能不明确，需谨慎使用。
• 景气度模型基于行业营收同比拟合，并辅以相关经济指标，虽然回测相关系数较高，但模型对突发事件或结构性转折的适应性需持续验证。
• 流动性指标采用PCA聚合方法，本质上降低了指标的维度，方便趋势判断，但可能掩盖个别重要指标的特殊波动，投资者应深入具体数据源核验。
• 部分数据表格和描述存在排版缺陷及个别数据录入疑似错误（如第6页表格部分数据无法完整解析），需确保最终版本数据完整可靠。
• 报告整体对“自主可控”和“安全”主题的政策导向有较强预期，市场环境若变化，则主题偏离风险需关注。

---

7. 结论性综合

本报告是以量化数据为基础，结合政策文本分析、行业基本面景气测算及资本市场流动性监测，构建一个多维度、动态的行业投资配置框架。其核心发现包括：

• 政策层面：2022年以来，政策支持重点逐渐聚焦在综合金融、纺织服装、汽车，且边际热点向自主可控及粮食能源等安全类行业倾斜，10月国庆和会议影响政策文本发文量明显下降，但政策投资有效性提升。
• 景气层面：电力设备及新能源、国防军工、农林牧渔行业表现突出，位于高景气区间且基本面指标稳健。计算机行业呈现景气加速上行，估值水平居中偏低，具备较大成长潜力。相反，煤炭和汽车行业景气明显回落，处于中低景气区。
• 流动性层面：资金重心从部分传统行业明显转移至交通运输、医药、计算机等行业，市场交投活跃度提升表明市场关注度变化，叠加资金供给总体宽松的宏观环境，行业间流动性表现差异显著。
• 综合判断：基于政策、景气、估值及流动性综合量化评分，长期推荐重点板块包括电力设备及新能源、汽车、通信。结合最新边际改善趋势，医药和消费者服务行业亦具吸引力。
• 风险揭示：数据统计局限、模型适应风险、疫情及海外经济不确定性构成潜在风险因素，投资者须密切关注宏观及行业变化动态。

整体看，该报告为投资者提供了基于数据模型和政策情绪分析的系统化行业投资决策参考，兼顾了中长期视角与短期边际，且充分体现中国当前“安全”与“自主”政策导向对资本市场的影响，具备较高的实用价值和理论创新意义。[page::1][page::2][page::3][page::5][page::8][page::14][page::17]

---

总结

本次中信证券报告运用多层次量化方法，详细追踪政策情绪、行业基本面景气度和资本市场流动性，结合机器学习模型识别驱动因素，系统地刻画了2022年中国宏观及行业运行特征。报告重点强调“自主可控”与“安全”两大政策主线，聚焦新能源、军工、农业等高景气行业，结合估值成长视角指出科技及医药消费等边际改善赛道。流动性动态覆盖多个维度，反映市场资金风向，提示投资者优选高景气且流动性活跃行业。

与此同时，报告也坦诚了模型及数据局限，提醒投资者关注疫情和外部经济风险，保持谨慎。整体报告结构完整，数据翔实，分析严密，对于投资策略构建和行业配置决策具有重要借鉴意义。报告中的图表、数据及算法说明均构成了其研究成果的坚实基础，帮助读者直观理解复杂行业现状和政策驱动力。

综上，报告显示中信证券研究团队在金融数据科学、政策解析及行业研判构建上的深厚功底，为机构投资者提供了清晰的中观层面配置策略框架。

---

附：

关键词解释：

• 政策情绪量化因子：利用文本情感分析技术对政策文件和相关财经新闻进行情绪评分，将定性政策信息转为量化指标，反映政策支持和关注度。

- 景气分位因子：基于行业营收同比和多种行业经济指标，通过机器学习模型下注重行业经济周期和动态表现，将当前景气状况置于历史分布中的相对位置。

• 流动性因子：综合成交量、机构买卖行为及融资融券状况，采用主成分分析技术降维汇总，量化行业资金活跃程度。

- XGBoost模型：一种集成机器学习方法，通过多个弱学习器（决策树）训练复杂非线性关系，判定各指标对目标变量（景气度）的贡献度。

• PCA（主成分分析）：降维技术，将多个相关变量合并为少数几个主成分，减少指标冗余，提高数据处理效率。

---

此篇分析基于报告全部内容，结构严谨，数据详细，围绕报告框架展开，助力进一步研究和投资判断，引用标注详见各部分对应页码。

报告