行业配置四大逻辑框架 [page::0][page::3]

• 长周期依托行业景气度预期，结合创新驱动力筛选高成长行业。

- 中周期的 Two Beta 模型基于经济现金流与折现率变化进行行业轮动。

• 趋势角度利用行业动量指标捕捉主题性成长机会。

- 关注公募基金持仓变化，反映机构资金偏好。

• 多维度驱动的行业选择可实现年化收益显著超越基准。

行业景气度策略表现 [page::3][page::4]

| 年份 | 绝对收益 | 超额收益 | 夏普比率 | 最大回撤 |
|------------|----------|----------|----------|----------|
| 全样本 | 17.8% | 6.4% | 0.65 | 54.6% |

• 策略通过每年11月底筛选净利润增速最高行业等权配置，长期年化收益率17.8%。

- 该策略表现波动中规中矩，数据滞后与基数效应影响收益表现。

Two Beta 板块轮动策略及行业划分 [page::4][page::5][page::6]

• 板块划分为金融、周期上游、中游、下游、稳定、消费、成长等七大类。

- 现金流和折现率波动驱动行业配置轮动，四阶段板块轮换策略年化收益21.9%，超额10.7%，波动适中。

• 板块配置轮盘明确不同宏观条件下的行业优选。

行业动量策略回测表现 [page::7][page::8]

| 年份 | 绝对收益 | 超额收益 | 夏普比率 | 最大回撤 |
|--------|----------|----------|----------|----------|
| 全样本 | 21.5% | 10.3% | 0.68 | 67.8% |

• 采用240日动量计算，月度动量排名前三的行业构建等权组合。

- 动量策略波动较大，绩效在牛市表现较好，熊市回撤较大。

公募基金持仓数据监测及策略表现 [page::8][page::9][page::10]

| 年份 | 绝对收益 | 超额收益 | 夏普比率 | 最大回撤 |
|--------|----------|----------|----------|----------|
| 全样本 | 16.5% | 5.3% | 0.58 | 64.0% |

• 统计基金重仓股在行业的配置分位数，季度调仓选取前五行业。

- 策略应用机构资金偏好捕捉行业趋势，中长期整体表现稳健。

多维度综合配置策略效果对比 [page::10][page::11][page::12][page::13][page::14]

| 策略类型 | 年化收益 | 超额收益 | 夏普比 | 最大回撤 |
|------------------------|----------|----------|--------|----------|
| 四策略等权 | 21.3% | 9.5% | 0.77 | 55.3% |
| 四策略波动率倒数加权 | 21.6% | 9.8% | 0.79 | 54.9% |
| 三维度等权(不含景气度) | 21.5% | 10.0% | 0.77 | 57.1% |
| 二维度等权(轮动+动量) | 23.1% | 11.5% | 0.82 | 58.0% |

• 综合配置策略稳定提升收益，降低单策略中的波动风险。

- 几种配置权重方式表现类似，二维度组合风险调整后效果最好。

2022年最新行业组合配置建议 [page::14][page::15]

| 行业 | 综合权重 |
|-----------------|-----------|
| 新能源动力系统 | 13.33% |
| 电源设备 | 8.33% |
| 稀有金属 | 8.33% |
| 电力设备及新能源| 6.79% |
| 电子 | 6.79% |
| 农林牧渔 | 6.79% |
| 商贸零售 | 6.79% |
| 国防军工 | 5.00% |
| 基础化工 | 5.00% |
| 旅游及休闲 | 5.00% |

• 综合考虑经济边际变化、行业景气度、动量和公募持仓数据，新能源动力系统和电源设备等细分行业被重点配置。

- 各类策略融合形成稳健的行业选择框架，为主动投资提供有效支持。

金融工程：从量化模型看 2022 年行业选择 - 报告详尽分析

---

1. 元数据与概览

• 标题：《金融工程：从量化模型看 2022 年行业选择：主动投资下的行业配置策略》

- 作者：吴先兴、何青青（天风证券研究所分析师）

• 机构：天风证券研究所

- 发布日期：2021年12月4日

• 主题：行业配置策略，基于量化模型的行业选择及资产配置

- 核心论点：
本报告旨在利用量化模型综合分析行业配置策略，建立基于景气度、经济边际变化（Two Beta模型）、行业动量及公募基金持仓四大维度的多维度行业选择框架，并通过回测验证各策略的有效性与优势。最终提出多维度综合配策略能实现优于市场基准的超额收益，具体到2022年提出最新行业配置建议。

• 评级和主要信息：

- 本报告强调策略的量化基础与多维度融合，提示风险基于历史数据及经济环境变动。
- 推荐通过均衡多策略组合实现超额收益，目标是在主动投资框架下优化行业配置。
- 最新配置中明确了2022年重点行业列表，包含新能源动力系统、电源设备等成长与周期交织的行业。

---

2. 逐节深度解读

2.1 行业配置思路

• 关键内容：

行业选择基于长周期景气度、中周期经济边际变化(Two Beta)、行业趋势动量、公募基金持仓4个维度。

• 推理依据：

- 长周期用分析师预期净利润增速衡量景气度，创新作为主要驱动力，尽管定性创新难融入模型，但识别高景气行业仍有效。
- Two Beta模型结合经济增长（总需求）与资金成本（利率）作为行业选择关键指标，通过现金流与折现率beta划分行业配置轮盘。
- 动量策略补足基本面延迟反映问题，发掘趋势性投资机会。
- 公募基金持仓分析反映机构资金动向，捕捉主流资金投资偏好。

• 论证意义：

四维度模型分别从不同投资逻辑切入，互为补充，适应不同周期及市场条件，提升行业选择准确度和策略稳健性。[page::0,3]

2.2 行业景气度策略

• 定义：

以分析师对未来年度归母净利润的预期增速计算行业景气度，预期净利润数据基于机构盈利预测平均值，定义公式详见报告。

• 表现：

- 2012年以来年化绝对收益17.8%，超额收益6.4%，多数年份跑赢基准，体现策略有效识别长期高景气行业。
- 2014、2017年表现不佳，可能受宏观或模型滞后影响。

• 图表解读：

- 图1显示策略净值稳健上升，超越万得全A指数，尤其2020年后明显优势凸显。
- 表1年度表现细节提供夏普比率、波动率和最大回撤等风险指标，辅助评价风险调整后表现。

• 逻辑说明：

利用预期利润增速，战略性布局高成长行业，具有较强结构性优势，是长周期核心配置策略。[page::3,4]

2.3 Two Beta板块轮动

• 板块划分：

根据聚类及热力图，行业被划分为金融、周期上游、中游、周期下游、稳定消费及成长板块等七类，详细行业分布见表2。

• 模型核心：

- 基于现金流beta和折现率beta评估不同行业对经济和资金成本敏感度。
- 配置策略建立在现金流及折现率不同状态下，应对经济周期及利率波动进行动态板块轮动。
- 现金流上行时更偏好金融、周期上游/中游板块；现金流下行时偏好稳定和周期下游消费成长板块。
- 利率波动影响细节定向配置，金融板块对折现率敏感负向，利率上行利好资金板块。

• 图表解读：

- 表3展示板块现金流beta及折现率beta值，明确行业敏感度差异。
- 图2板块配置轮盘直观展示了现金流与折现率不同组合下的配置方向。

• 策略表现：

- 年化绝对收益21.9%，超额10.7%，表现稳健优异，尤其2012、2013、2015、2017、2021年超额巨大。
- 图3与表4体现累积净值及细节风险指标，显示策略在风险调整后收益表现出色。

• 意义：

Two Beta模型通过经济与利率双维度动态调整行业配置，提升适应经济周期及政策环境变动的敏感度和灵活度。[page::5,6,7]

2.4 行业动量策略

• 定义：

通过行业过去240日收益率复利计算动量指标，选择动量最高的3个行业等权配置。

• 表现：

- 自2012年起实现21.5%年化收益，超额10.3%。
- 2015年回撤大幅度增加，2017年表现极佳，动量策略波动较大。

• 图表解读：

- 图4表现出大致上涨格局，但波动明显，混合并非持续上涨。
- 表5年度风险收益指标显示策略在波动和最大回撤上较高，夏普比率波动显著。

• 策略背景：

动量策略弥补基本面滞后的不足，尤其适合成长性较强的早期行业，但波动性较大，要求与其他策略结合使用以平滑整体风险。[page::7,8]

2.5 公募基金持仓策略

• 数据来源：

通过2009年以来公募基金重仓股行业配置比例历史分位数，捕捉主流资金偏好。

• 策略表现：

- 2012年以来实现16.5%年化收益，超额5.3%。
- 各年度表现分化明显，尤其2013、2015及近三年表现较好。

• 图表解读：

- 图5展示公募基金行业持仓热度分布，颜色区分较直观。
- 图6展示策略净值，表现较为稳健。
- 表6包含风险收益指标，显示相对较低波动率及较大的最大回撤。

• 意义：

公募基金持仓反映机构投资者行为，注重长期趋势和资金流入行业，对行业选择提供重要参考维度。[page::8,9,10]

2.6 多维度综合行业配置策略

• 单一策略对比：

- 图7对比四策略净值，显示板块轮动、动量、景气度、持仓策略各自特点。
- 单一策略中动量波动大，板块轮动、持仓收益分化明显，景气度滞后，综合意义促使多策略融合。

• 综合策略设计：

1. 等权配置：四策略等权重，年末调仓。绩效表现21.3%年化收益，超额约9.5%，风险调整效果良好。
2. 波动率倒数加权：按各策略过去240日波动率倒数配置，平衡波动风险，年化收益21.6%，表现与等权类似，显示策略稳健。
3. 三维度配置：剔除景气度，以板块轮动、动量、持仓等权配置，年化收益21.5%，超额10%，小幅超越四维度配置。
4. 二维度配置：仅板块轮动与动量等权配置，年化收益23.1%，超额11.5%，整体表现最佳，体现核心策略优势明显。

• 图表解读：

- 图8-11清晰展示各组合策略的净值曲线，凸显综合配置策略的超额收益和风险调整表现。
- 各组合表中包含夏普比率、最大回撤、Calmar比率，为投资者提供全面风险收益衡量。
- 表9敏感性分析表明不同时期波动率回看窗口对综合策略影响甚微，策略稳健性强。

• 结论：

多策略融合配置有助于平滑单一策略缺陷，提升整体收益风险比，形成更均衡且具备周期适应性的行业配置方案。[page::10-14]

2.7 2022年最新行业配置结论

• 具体配置：

综合模型权重分析后主要行业及权重如下：
- 新能源动力系统（13.33%）
- 电源设备（8.33%）
- 稀有金属（8.33%）
- 电力设备及新能源（6.79%）
- 电子、农林牧渔、商贸零售各6.79%
- 国防军工、基础化工、旅游及休闲、有色金属、专用机械等5%
- 传媒、纺织服装、环保公用、计算机、家电、轻工制造、食品饮料、通信、消费者服务、医药等次要配置约1.79%

• 驱动力解读：

选中行业分别来自不同策略识别，如新能源动力系统兼具创新驱动和景气度优势；稀有金属等周期性行业体现经济边际变化；公募基金重仓权重的行业体现主流资金偏好。

• 关联风险提示：

结合历史模型表现，这些配置可能受宏观环境突变、政策调整及数据滞后影响，需注意风险管理。

• 表格与图表说明：

- 表12列明了综合配置的详细行业权重。
- 结合前文策略表现，综合配置方案平衡成长性与稳健性，适应不同市场阶段。

[page::0,14,15]

---

3. 图表深度解读

图1 - 行业景气度策略净值（页4）

• 描述：该图以时间序列展示行业景气度策略净值（橙线）、万得全A指数净值（灰线）及相对强弱指数（蓝线）。

- 数据趋势：策略净值自2012年起稳步增长，尤其在2015年出现显著上涨，整体高于基准和相对强弱指标，体现策略超越市场表现。

• 支持论断：趋势证实采用分析师预期净利润增速筛选高景气行业的有效性，尽管中间存在波动，但长期回报足够可观。

- 潜在局限：景气度数据依赖分析师预期，可能受主观因素及信息滞后影响。

图2 - 板块配置轮盘（页6）

• 描述：展示基于现金流及折现率两维度的板块配置分布图，四个象限分别对应现金流上行/下行及折现率上行/下行，不同板块对应配置建议。

- 数据趋势：配置轮盘形象说明了经济不同阶段应配置不同行业的逻辑，提升投资适应性。

• 联系文本：辅助Two Beta模型下板块轮动策略逻辑阐释。

- 潜在局限：简化的四象限模型，未考虑经济其他可能变量影响。

图3 - 板块轮动策略净值（页6）

• 描述：展示板块轮动策略与基准及相对强弱指数的净值走势。

- 趋势：板块轮动策略净值波动较大但总体上升趋势明显，超额收益显著，验证策略在周期变化中的有效。

• 文本支持：图表直观表现该策略在实战中的获利能力和正确性。

...

（其他图表如图4-图11及表1-表12均以类似方式进行解读，结合具体数值展示策略表现、风险指标。详见正文节选。）

---

4. 估值分析

报告不直接涉及单个企业估值分析，而是关注行业配置模型整体表现及风险收益比。行业价值体现于量化选取因子及市场表现，带有典型量化基金策略特征。估值重点在于模型所基于的经济指标（现金流、折现率）、盈利预期及资金流趋势。

---

5. 风险因素评估

报告明确提出两大风险点：

• 模型基于历史数据存在失效风险，经济环境、政策及市场结构变动可能导致过去表现不可复制。

- 经济环境的突发性事件冲击对模型影响显著，例如疫情、地缘政治等不可预测因素可能导致策略失效。

报告未对风险概率或具体缓解措施做深入讨论，仅提示投资者关注策略适用范围与时效核查。

---

6. 审慎视角与细微差别

• 数据滞后及主观判断耦合：行业景气度模型虽结合创新等定性因素，但因历史回测难以量化创新动力，存在部分先验假设成分。

- 动量策略波动较大，风险高：报告中虽强调多维度融合，但动量策略自身特性可能导致组合波动性放大，需与其他策略配合使用。

• 策略组合权重设计：不同组合表现差异较小，或显示当前模型参数及回测环境未充分挖掘策略差异，后续可能需更精细的权重与调仓时点优化。

- 策略适用性依赖宏观经济指标准确性：Two Beta模型核心的现金流及折现率beta涉及宏观分析，受到经济统计周期性与准确性的限制。

---

7. 结论性综合

本报告以严谨的量化框架系统分析行业配置策略，融合四大核心维度——行业景气度、经济边际变化（Two Beta）、行业动量、公募基金持仓，分别定义指标、构建模型，并通过近十年多年度数据进行详尽回测。

核心发现包括：

• 行业景气度策略提供稳定的收益来源，尽管存在数据滞后，但能较好捕捉长期增长趋势。

- Two Beta模型基于经济现金流和资金成本风险，精准把握经济周期及利率变动，对行业进行动态配置，实现显著超额收益。

• 行业动量策略以短中期趋势捕获成长机会，适合挖掘基本面尚未充分反映的投资机会，但波动率较高。

- 公募基金持仓数据反映主流资金偏好，捕捉热门及资金流向行业，为配置提供重要参考。

• 多维度综合配置策略优于单一策略，且通过等权或波动率倒数加权策略实现风险调整后收益的稳定提升，模型稳健性强。

- 2022年行业配置基于四维度结果，新能源动力系统等创新与周期兼具行业权重最大，体现对创新驱动及周期趋势的双重重视。

整体来看，报告展现了量化行业配置技术在主动投资中的有效性及应用前景，为资产管理者提供了实证基础的高质量行业选择工具，同时明确了相应风险和未来可优化空间。

---

参考文献页码溯源

• 量化行业配置思路与核心逻辑介绍详见[page::0,3]

- 行业景气度定义与回测表现详见[page::3,4]

• Two Beta模型板块划分及轮动策略详见[page::5-7]

- 行业动量策略定义与表现详见[page::7,8]

• 公募基金持仓分析详见[page::8-10]

- 多维度综合行业配置策略详见[page::10-14]

• 最新2022年配置结论详见[page::14,15]

- 风险提示与免责声明详见[page::0,16]

---

总结

本报告通过系统的量化方法揭示了行业配置的多维动力机制，充分结合了宏观经济、行业基本面、资金流向及市场情绪等不同维度，实现动态且稳健的行业配置建议。策略回测结果显示，融合多因子的综合配置模型具备较强的超额收益与风险控制能力，为投资者在复杂环境中实现持续稳健回报提供了坚实策略支持。

报告