航空业高Beta属性及超额收益表现 [page::0][page::12][page::24]

• 航空指数相对沪深300 Beta值为1.18，显示显著的高Beta属性，意味着航空业对市场波动更敏感。

- 航空指数经历三次显著超额行情，其中最高超额收益达138.60%，期间对应了客座率上升、汇率升值和油价下跌的关键事件。

• 航空指数四季度超额收益显著正向，平均达3.44%，显示明显的季节性规律。

关键指标相关性与领先效应分析 [page::5][page::6][page::7][page::8][page::9][page::10][page::14]

| 指标 | 相关系数 | 领先期（月） | 解释度/回归系数 | 统计显著性(T值) |
|--------|----------|--------------|-----------------|------------------|
| 客座率 | 53% | 3 | 5.9 | 7.47 |
| 汇率 | 31.5% | 6 | 2.46 | 3.89 |
| 原油价 | -42.17% | 6 | -0.27 | -5.5 |
| GDP | 20.35% | 0 | 1.32 | 2.48 |

• 客座率作为供需结构体现，是超额行情的核心驱动力，领先3个月带来显著正相关。

- 汇率和原油价格均具有6个月领先期，汇率升值逻辑上应促使航空股受益，原油价格上涨则压制航空业绩，与统计结果基本吻合。

• GDP虽相关但无明显领先性，指导性有限。

基于核心指标的TTM增速多元线性回归模型 [page::15][page::16][page::17][page::18]

• 净利润TTM增速模型解释度较低，仅12.65%，客座率和原油价格贡献有限。

- 营业收入TTM增速模型显著改进，解释度达64.15%，三指标均显著正相关。

• 超额收益TTM增速模型拟合度达45.85%，预测方向准确率71.74%，客座率权重最高，其次为汇率，原油效果最弱。

量化基本面择时模型及回测表现 [page::19][page::20]

• 择时模型基于三核心指标TTM环比增速，预测未来一期超额收益TTM增速，预测大于0则做多，否则空仓。

- 模型运行2008年9月至2018年7月，择时净值在航空指数基础上年化超额收益达5.48%。

量化基本面选股模型及行业敏感度分析 [page::20][page::21][page::22][page::23][page::24]

• 选股核心思想：不同个股对客座率、汇率、原油价格敏感度不同，利用回归系数预测未来超额收益，筛选正向股票等权组合。

- 样本包含中信海直、南方航空、东方航空、海航控股、中国国航五只主力股。

• 南方航空对客座率最为敏感，回归系数最高；中信海直敏感度最低，且季度呈递减趋势。

- 主要航空公司美元负债比及燃油成本占比近年来显著下降，降低了汇率和油价的敏感性。

• 选股策略年化超额收益达8.41%，相对航空指数超额收益达到13.64%。

行业宏观与供需周期特点总结 [page::13][page::14][page::25]

• 客座率逐年提升，存在明显季度波动，三季度最高，四季度较低但对应超额收益高峰。

- 航空股表现季节性明显，8月超额收益明显为负，11月超额收益显著为正，说明淡旺季对估值有明显影响。

• 行业受经济周期影响突出，汇率、油价波动推动业绩波动，但供需及客座率更为核心。

从逻辑到模型，航空业投资方法探讨：量化基本面选股——研究报告全面分析

---

一、元数据与概览

报告标题：
《从逻辑到模型，航空业投资方法探讨：量化基本面选股》

作者： 丁鲁明（中信建投证券研究发展部金融工程方向负责人，首席分析师）、研究助理喻银尤（CFA）

发布机构： 中信建投证券研究发展部

发布日期： 2018年8月7日

主题领域： 航空行业投资策略，尤其在中国A股市场基于量化基本面指标的超额收益模型构建与行业走势研判。

核心论点与评级概要：
本报告围绕航空业的量化投资方法展开，系统构建了以行业核心基本面指标（客座率、汇率、原油价格）为主导的超额收益预测、择时及基本面选股模型，展示航空股高Beta属性及周期性特征。结论指出客座率为核心驱动因素，汇率及原油价格亦具重要影响，但GDP虽相关性显著但无领先性；模型能有效提升择时及选股收益，分别实现年化超额收益约5.48%与13.64%（相对航空指数）。整体立场支持基于基本面量化体系优化航空股投资配置。[page::0, 25]

---

二、逐节深度解读

2.1 航空行业核心指标量化解析

关键论点：

• 航空指数相对于沪深300的超额收益受经济基本面明显影响。

- 行业核心指标包括客座率（衡量供需结构）、汇率（美元兑人民币）、原油价格及GDP。

• 采用航空指数相对沪深300超额收益作为研究对象，剔除市场整体波动影响，聚焦航空特有因素。[page::5]

推理依据：
选用相对收益排除大盘波动对航空股影响，符合剖析行业特征的经济学逻辑。经济指标挑选时重视影响航空行业但对沪深300整体无显著作用的变量，确保模型专注于航空行业特定变量。

关键数据点：

• 客座率与航空超额收益呈显著正相关，相关系数53%，回归系数5.9，t值7.47，表明客座率领先3个月对超额行情有显著解释力。[page::6]

- 汇率对航空行业净利润及股价影响显著，人民币升值降低成本提升利润，但历史数据呈现部分逻辑冲突，16年后汇率表现符合经济逻辑，相关系数31.5%，领先6个月。[page::7]

• 原油价格为重要成本变量，分析发现负相关，相关系数-42.17%，领先6个月，但回归系数较低（-0.27），表明影响力次于客座率和汇率。[page::8]

- GDP虽与超额收益相关（20.35%，无领先），但作为滞后指标，实际指导性有限。[page::10]

2.2 航空股超额收益大行情回顾

关键论点：
历史上航空股经历三次显著的相对超额行情，分别集中在2007年、2008-2010年和2014-2015年，均以短期大幅上涨为特点。

推理依据与数据分析：

• 2007年航空指数上涨308.35%，超额收益82.47%；2008-2010年上涨287.62%，超额收益90.79%；2014-2015年上涨356.43%，超额收益138.6%。第三次行情涨幅最大且时间最短。

- 超额收益时间点与A股牛市起止高度吻合，说明航空股高Beta属性使其受市场情绪影响大。

• 超额收益事件伴随关键变量异常：汇率升值（07年），客座率提升（08-10年），原油暴跌（14-15年）。[page::10,11]

2.3 航空行业个股表现及高Beta属性

论点：

• 航空行业个股中，中信海直业务结构特殊，表现相对稳定。南方航空和中国国航Beta最高（1.31及1.33），东方航空Beta最低（1.04）。

- 航空指数相对沪深300的Beta为1.18，t值15.83，显著表明航空板块波动高于大盘且受经济周期影响强烈。[page::12,13]

图表说明：

• 股票相对沪深300收益、Beta及解释度（R²）图显示行业内部差异，且沪深300对行业表现解释度不完全，提示行业特有因素影响明显。[page::12]

2.4 航空行业季节性与周期性特征

结论：

• 整体客座率呈长期上升趋势，2018年达到83.7%。

- 季节上，三季度客座率最高，四季度相对较低。

• 然而，航空指数超额收益在四季度表现突出（均值3.44%），且13年间8年四季度收益为正，呈现显著的季节效应。

- 客座率存在约3个月领先效应，对超额收益有传导作用，解释了四季度超额收益形成原因。[page::13,14]

2.5 基于核心指标的航空行业预测模型

模型构建与结果：

• 净利润增速模型：以客座率（领先3个月）、汇率和原油价格（领先6个月）TTM环比增速为自变量回归净利润TTM环比增速，自2011年起数据较稳定，但回归解释度仅12.65%，客座率和原油价格系数不显著，模型效果一般。[page::15,16]
• 营业收入增速模型：同样结构下，解释度显著提高至64.15%，三指标均显著，显示营业收入受行业指标影响更直接，适合周期行业特征。[page::16,17]
• 超额收益增速模型：回归拟合度45.85%，参数均显著。敏感度排序为客座率>汇率>原油价格。模型方向预测准确率71.74%，显示该模型能有效捕捉市场超额收益走势，用以择时和选股基础。[page::18]

2.6 基于核心变量的择时模型

方法与表现：

• 利用历史一年月度数据进行滞后回归，根据指标最新数据预测未来一期超额收益TTM环比增速，预测值正则做多，否则空仓。

- 最新一年分析显示，客座率正相关，汇率与原油价格负相关，且客座率影响远大于后两者。

• 择时模型实现年化超额收益5.48%，相对于航空指数基准有明显收益提升，具备实用价值。[page::19,20]

2.7 基于核心变量的量化基本面选股模型

方法描述：

• 以航空指数成分股为选股池，利用核心指标TTM环比增速数据历史两年与个股相对沪深300超额收益TTM环比增速回归分析。

- 根据最新指标预测个股未来超额收益，筛选预测收益正的股票构建等权组合；均为负则为全池等权持有，平滑策略表现。

• 考虑上市年限及涨跌停剔除不合理样本，保证数据质量。[page::20,21]

个股敏感性分析：

• 南方航空最敏感于客座率，中信海直最低，符合其主营业务差异（通用航空vs商业航空）。

- 各航空公司客座率稳定略有差异，海航控股客座率最高，中国国航平均客运价格最高，反映其高端定位。

• 航运收入占比整体上升，中信海直高于行业；国内外航班订座量及国际占比也呈上升趋势。[page::21,22]

风险相关指标剖析：

• 美元负债比是汇率敏感度衡量指标，2012-2014年南航及其他航空公司负债比高达90%，2015年起显著降低，指标整体下降体现航空公司对汇率风险管理的加强。

- 燃油成本占比同样呈下降趋势，反映航空公司通过效率提升、新机型引入等措施减少成本波动影响。

• 综合来看，随着货币和燃油成本影响被有效管控，客座率作为核心盈利驱动力的影响将更加凸显。[page::22,23]

模型实证效果：

• 量化基本面选股模型相较等权基准实现年化超额收益8.41%，较航空指数超额收益更高达13.64%，展示了行业量化基本面因子选股的有效性。

- 策略净值曲线明显优于基准，显示模型稳定且具备可持续应用潜力。[page::23,24]

---

三、图表深度解读

• 图1（航空指数相对沪深300与客座率）

描绘指标同期走势，尽管客座率稳步上升，航空指数表现波动反映周期与市场情绪影响。两线动向在短期内存在同步性，但整体趋势差异突出，体现行业特性多重复杂影响。[page::5]

• 表1及图2（客座率与超额收益相关性）

表明客座率领先超额收益3个月有显著正相关，回归系数5.9意味超额收益对客座率变动非常敏感。图2中两者环比增速变化走势相近，确认供需关系的领先和驱动作用。[page::6]

• 图3和图4（汇率与航空指数）

汇率与相对收益存在6个月领先关系，虽然整体趋势有不同阶段的表现，回归相关性仍显著，模型中以领先6个月参数说明汇率波动对行业收益的反应存在滞后性。[page::7]

• 图5和图6（原油价格及其增速与超额收益）

负相关且领先6个月，反映油价上涨压缩利润空间，导致超额收益减少。图表显示油价剧烈波动周期性影响航空业绩，是重要扰动因素但非主因。[page::8,9]

• 图7和图8（GDP及其增速）

GDP走势稳步上升，与超额收益相关但无领先，表明经济环境对航空影响为滞后反映，不适合预测工具使用。[page::9,10]

• 图9（航空指数相对沪深300收益）

显示三轮显著超额行情对应具体时期，及牛熊市场区间，强调航空股周期性及高Beta特质。[page::11]

• 图10-13（航空个股表现及Beta值）

明确行业内部差异，优势公司表现突出且Beta高，指示个股风险与收益并存特征。[page::12]

• 图15-19（季节性及超额收益）

识别出行业显著周期和季节性超额收益结构，四季度表现优异，8月超额收益明显负，逻辑对应客座率的领先效应。[page::13,14]

• 图20-24（三大指标预测模型可视化）

净利润预测不理想，营业收入预测较好，超额收益预测模型拟合实际，进一步说明不同财务指标对应不同预测难度。[page::15,16,18]

• 图29-30（择时模型系数与净值）

展示择时投资信号的有效性，回归系数反映不同指标权重，净值曲线超越基准，策略具备稳定收益能力。[page::19,20]

• 图31-43（各航空公司指标敏感度及选股策略净值）

细致分析个股对基本面因素的敏感度差异，结合机票价格、航运占比、国际航班以及财务指标，为选股模型提供基础，选股模型净值优于行业基准，验证了模型实用性。[page::21-24]

---

四、估值分析

报告整体以量化模型为核心，未涉及传统估值方法（如折现现金流DCF、P/E倍数等），其核心估值依据为行业基本面指标与超额收益的统计关系。所有核心模型均采用多元线性回归，通过TTM环比增速量化指标对超额收益及公司财务表现的导致和预测，实质为基于统计特征的因子模型框架，辅以历史回测评估和多因子择时、选股策略的超额收益表现，从而引导投资决策。

---

五、风险因素评估

报告隐含以下风险因素：

• 市场风险：航空股高Beta属性意味着在市场大跌时可能大幅亏损，超额收益阶段性强，存在较大波动风险。

- 变量领先滞后假设风险：模型基于客座率、汇率、原油价格的确定领先期构建，若宏观环境发生变化或突发事件导致变量关系失效，模型效果可能大打折扣。

• 数据完整性与质量风险：季节性、行业统计口径变动、新兴业务对传统指标的影响，可能导致变量相关性调整。

- 航空行业结构性变化风险：航空公司减少美元负债比，控制燃油成本反映行业治理改进，未来结构变动可能影响模型稳定性。

• 外部宏观风险：政策调控、国际形势（油价波动、汇率政策）变化，均可能对航空股表现产生不可控因素。

报告中未细化风险缓释机制，强调稳健模型构建和经济学基础支撑以增强模型可信度。[page::0, 25]

---

六、批判性视角与细微差别

• 报告虽系统阐述核心基本面指标对超额收益的影响，但净利润模型拟合效果较差，反映周期行业利润波动难以精确预测，限制了基于利润的更深入估值分析。

- 汇率与超额收益的相关关系历史存在波动，刚开始逻辑偏离经济学预期，后期逐步恢复一致，说明模型的历史稳定性需持续检验。

• 客座率为核心变量，但图表显示季节性及月份表现复杂，四季度超额收益显著与客座率季节分布存在不完全对称，提示模型在季节调整方面尚有提升空间。

- 量化模型以线性回归为核心，可能忽略行业非线性因素或宏观冲击，后续可考虑引入机器学习等方法提升预测能力。

• 选股池限制在航空指数成分股，覆盖面和流动性考虑充分，但较难覆盖行业细分新兴板块。

- 报告未详细说明模型交易成本、市场冲击等实际执行风险，超额收益可能存在高频换手带来的隐形成本。

• 结论高度依赖历史数据和市场结构稳定，未来政策与市场结构变化对模型稳定性的潜在冲击需关注。

整体看，报告立足坚实，应用合理，但需结合实战持续验证和调整。

---

七、结论性综合

本报告以中信建投证券金融工程团队的系统研究为主线，深度剖析了航空行业的投资逻辑与量化模型构建。核心发现如下：

• 航空股为高Beta板块，周期与市场情绪敏感性强，在市场牛市阶段存在显著超额收益，特定指标（客座率、汇率、原油价格）与超额收益显著相关且具有不同程度的领先作用。

- 供需结构（客座率）是超额收益的基石，领先期3个月，回归系数大，单变量解释率达到28%，明显优于其他指标。

• 汇率和原油价格对超额收益亦具重要影响，均领先6个月以上，汇率影响大于油价，但影响方向和机制复杂且经历阶段性变化。

- GDP虽相关但无领先性，指导投资有限。

• 行业季节性明显，四季度超额收益显著，为策略择时与风险管理提供依据。

- 基于三大核心指标的TTM环比增速多元线性模型能较好预测航空指数超额收益走势（拟合度约45.85%，准确率71.74%），净利润预测效果较差，营业收入预测效果较好（约64%拟合度）。

• 量化择时模型实现年化5.48%的相对航空指数超额收益，基础可靠且灵活。

- 基于各航空公司个股对核心指标敏感度的量化基本面选股模型有效提升组合收益，策略净值年化相对航空指数超额约13.64%，彰显行业量化策略实用价值。

• 行业结构变化（美元负债比下降、燃油成本优化）导致汇率和原油价格影响减弱，客座率对行业盈利的影响日益突出。

- 整体投资逻辑建立在以经济学理论为支撑的统计规律挖掘，强调量化基本面与历史数据验证相结合的重要性。

报告所建模型及策略为航空行业量化投资提供系统框架和具体实现思路，突破传统选股范式，以行业经济驱动指标为因子，结合统计模型构建量化基本面投资体系，具有显著的学术价值和实际操作意义，特别适合关注中国A股航空板块的机构投资者应用。

---

八、报告综合结构索引（附示例部分）

| 章节 | 内容描述 | 相关图表/表格 | 页码 |
|---------------------|----------------------------------------------|-------------------------------------------------------|-----------------|
| 行业核心指标解析 | 客座率、汇率、油价影响解析，领先性与相关性检验 | 图1-8，表1-4 | 5-10 |
| 超额收益行情回顾 | 历史三次超额收益行情及行业表现 | 图9-13 | 10-13 |
| 季节性与周期性分析 | 细分年度、季度、月份的超额收益结构 | 图15-19 | 13-14 |
| 行业预测模型 | 净利润、营业收入、超额收益TTM环比增速预测模型 | 图20-28，表6-8 | 15-18 |
| 择时模型 | 量化择时模型建立与实证 | 图29-30 | 19-20 |
| 基本面量化选股 | 选股策略原理、指标敏感度分析、策略表现 | 图31-43 | 21-24 |
| 风险与结构性变化 | 美元负债、燃油成本等风险指标分析 | 图39-42 | 22-23 |
| 总结与结论 | 行业量化体系总结与未来展望 | – | 24-25 |

---

结语

本报告通过详尽的数据分析与模型构建，将航空行业的核心基本面变量与市场超额收益有效关联，提供了成熟的量化基本面选股及择时方法，充分展示了结合经济逻辑与统计回归对行业特点的洞察力，具备较高的实操与研究价值，对于资本市场投资者在航空行业把握周期机会、优化投资组合配置具有重要指导意义。

---

（所有结论均基于报告原文数据与推断，页码标识详见每段引用。）

报告