景气度行业配置核心逻辑 [page::2][page::4]

• 结合行业动量、财报景气和分析师一致预期，构建多维景气综合因子。

- 每月选择因子值最高的3个行业等权持仓，2011-2023年年化收益率17.12%，信息比率1.06。

相对价值驱动行业轮动及因子构建 [page::12][page::13][page::14]

• 基于PB与ROE的截面线性回归模型，利用残差作为估值因子，判断行业高估或低估。

- 采用24期线性衰减移动平均处理估值因子，季度调仓。

• 估值轮动策略2011-2023年区间年化收益11.15%，信息比率0.49。

核心资产行业筛选因子及策略表现 [page::18][page::19][page::20]

• 依据行业ROE的平均水平、盈利稳定性（ROE波动）和杠杆率构建综合核心行业因子，强调稳健盈利且过滤高杠杆行业。

- 核心资产策略回测年化收益13.76%，年化超额8.54%，存在阶段性回撤风险。

顶层多策略资产配置及效果 [page::23][page::25][page::30]

• 利用最优投资组合理论和风险平价配置顶层权重，分别针对最大收益、最大夏普和最小波动目标函数进行子策略权重配置，调仓频率为月度。

- 风险平价组合回测年化收益14.98%，超额9.31%，信息比率1.36，显著低波动且年超额胜率92.3%。

• 动量约束优化风险平价组合进一步将信息比率提升至1.42，但略增组合波动与回撤。

三子策略互补性分析与行业配置统计 [page::24][page::33][page::35]

• 三策略超额收益滚动秩相关性多时段为负，表现互补，增强整体组合稳定性。

- 多为核心行业子策略配置较高权重，2022年配置中核心资产占比接近或超过40%。

• 行业选入数量分布显示约33%时间月入选行业不足8个，子策略间存在较高行业重合度，有助组合风险平衡。

多策略配置最新行业推荐 [page::10][page::16][page::21][page::37]

• 截止2023年4月，景气逻辑推荐银行、农林牧渔、食品饮料；估值逻辑偏好建材、煤炭、有色金属；核心资产重视食品饮料、通信、煤炭。

- 多策略组合覆盖周期与防御兼备行业，形成行业配置的“全天候”策略。

行业配置选择的新探索：从多因子走向多策略 — 深度解析报告

---

一、元数据与概览

• 报告标题： 行业配置选择的新探索：从多因子走向多策略

- 作者与机构： 国海证券金融工程小组（核心成员李杨、熊晓湛、熊颖瑜）

• 发布日期： 报告内数据截至2023年4月，分析应为近期发布

- 主题： 以多因子驱动的行业策略为基础，创新引入多策略配置方法，构建风险收益互补的行业资产组合，提升行业配置的稳健性和超额收益。

核心论点与目标

该报告提出传统多因子行业轮动策略存在风格集中、市场环境易受影响的问题，提出“多策略配置”的顶层资产配置理念，通过多策略组合形成风险收益互补，实现更稳健的超额收益表现和穿越不同市场环境的能力。报告涵盖基于行业景气度、估值相对价值、核心资产特征三类子策略的构建与回测，运用最优投资组合理论及风险平价模型对三子策略进行顶层配置，最终实现稳健且具有竞争力的行业配置方案。[page::0,1]

---

二、逐节深度解读

2.1 核心提要与配置新思路

• 底层行业轮动策略基于因子（如动量、估值、盈利性等）驱动，不同子策略追求极致表现，但极端行情下表现波动大。

- 顶层多策略配置基于资产的风险收益特征，融合行业轮动子策略，强化策略间风险收益的互补性，构建多策略行业组合，提升策略在不同市场环境的表现稳定性。

• 图示清晰表达：三个因子驱动的行业轮动策略，经顶层多策略配置后形成最终行业组合，作为特征强化的资产配置方案。[page::1]

2.2 景气度行业配置逻辑

• 结合行业动量、当前基本面景气、分析师一致性预期三类因子构建综合景气度因子。

- 动量体现行业趋势延续；基本面反映当前经营质量及景气状况；分析师预期反映未来边际基本面改善。

• 回测（2011-2023年）年化收益17.12%，超额收益11.74%，信息比率1.06，显示较强的策略稳定性和表现。

- 策略每月更新，等权持仓因子值最高的3个行业。

• 三因子之间相关性较低，负相关较多，显示因子互补性，合成因子具备更强的识别能力。[page::2,4,5,6,7,8,9,10]

2.3 相对价值驱动行业轮动

• 基于行业PB（市净率）与ROE（净资产收益率）构建横截面估值模型：采用线性回归解释PB与ROE关系，残差代表未兑现的估值部分。

- 残差为负的行业视为估值被低估，正残差视为高估，依据此筛选估值被低估的行业进行投资，持仓季度调仓。

• 回测效果较好，年化收益11.15%，超额收益6.04%，信息比率0.49。相比景气策略稍弱，2019、2020年策略表现失效，反映单一估值因子局限。

- 数据统计详尽，处理了极端值（Winsorize）和对数转换提升稳健性。

• 策略重点行业集中于周期板块及部分消费行业，符合估值修复逻辑。[page::2,12,13,14,15,16]

2.4 核心资产特征行业筛选

• 强调“稳健”与持续盈利能力，选择ROE及其稳定性指标作为核心判别因子，结合资产负债率作杠杆过滤，避免杠杆驱动的假盈利。

- 利用ROETTM的标准差衡量盈利稳健性，以此搭建综合核心行业因子，筛选盈利水平高且稳定的行业。

• 策略回测年化收益13.76%，超额收益8.54%，信息比率0.76，表现居中。

- 策略在2013、2015、2019、2020年表现尤佳，标志市场偏爱稳定盈利板块的阶段。

• 当前最新推荐行业多为食品饮料、通信和煤炭，强调多元经济周期行业兼顾。

- 杠杆因子在核心因子中的权重最低，符合防范杠杆风险的逻辑设计。

• 策略月度调仓，注重行业的盈利质量与稳健性。[page::2,18,19,20,21]

2.5 多策略组合顶层配置

• 描述综合以景气度策略、估值策略、核心资产策略为底层子资产的资产组合管理框架。

- 应用投资组合理论分别采用最大收益、最大夏普、最小波动三类目标函数进行组合资产权重配置，权重有上下限（10%-50%）限制防止极端配置。

• 动量优化的风险平价模型作为进阶策略，追求资产间风险贡献平衡基础上，引入短期动量约束，避免极端权重分布，提升组合收益及信息比率。

- 回测显示：
- 风险平价模型（基础）：年化收益14.69%，超额收益9.21%，信息比率1.35，策略稳健性明显强于单一策略。
- 风险平价+动量约束：年化收益提升至15.33%，超额收益9.82%，信息比率1.42，略微牺牲部分超额稳定性，波动和回撤均有所提升，但整体表现高于基础风险平价。
- 最大夏普与最大收益模型表现接近，均跑赢估值与核心策略，略逊于景气策略。
- 最小波动模型专注降低波动性和组合超额波动表现最佳。

• 子策略回报之间呈现负相关或不高正相关，有效支撑多策略配置形成分散效应。

- 行业入选集中度不一，策略之间重合期较多时表现更加稳健。

• 2022年开始，三个子策略表现出现分化，投资组合配置策略因而提供稳健表现的优势。[page::2,23,24,25,26,27,28,29,30,31,32,33,34]

2.6 近期策略表现及行业配置特征

• 2022年至今原始风险平价及动量优化风险平价均倾向高配置核心资产策略，2023年部分周期行业比例有所提升。

- 行业入选数量不多，策略呈现一定行业集中度，尤其2018年时核心消费行业重合度高，提升了策略的超额稳健性。

• 2023年5月最新推荐行业包括食品饮料、通信、煤炭以及银行、农林牧渔、建筑、房地产，体现组合对多元周期及消费行业的平衡配置。

- 投资组合模型在行业覆盖范围内实现了风险平衡与收益增强的动态权衡。

• 行业轮动子策略间协同优势明显，策略互补且抗周期市场波动能力突出。[page::33,35,36,37]

2.7 风险提示

• 市场环境与政策风险可能影响行业发展，相关数据和模型存在样本和统计误差。

- 风险平价、估值修复及景气策略都可能受外部大环境变化影响策略表现。

• 投资者需结合自身风险承受能力谨慎决策。[page::2,38]

---

三、重要图表解读

3.1 图1（page 1）：顶层多策略配置框架图

• 图示展示了因子驱动的底层行业轮动策略如何被多策略顶层配置方法整合，形成多元“行业组合”。

- 强调“风险收益特征驱动的策略配置”，说明策略之间风险/收益差异性是顶层配置的核心基础。

• 该结构既能保留因子驱动的细微业绩表现，同时实现整体风险分散。

3.2 图2（page 4-6）：景气度因子构建流程

• 三大类指标：历史趋势动量、当前财报景气度、未来分析师预期。

- 财报景气度因子细化至成长能力（固定资产同比、归母净资产环比等）、盈利能力（净利润TTM环比、净资产收益率等）和营运能力（固定资产周转率、成本费用率等）[page::6]。

• 未来预期包括分析师对EPS、ROE、净利润边际变化一阶差分，反映未来行业盈利展望[page::7]。

- 图表展示指标间相对独立性，支持三个因子等权组合的理论基础[page::8]。

3.3 图3（page 9）：景气逻辑回测绩效图及数据表

• 多年回测曲线显示策略整体回报优异，年化近17%。

- 最大回撤多发生于2015年A股股灾，表现出策略抗风险能力有限。

• 行业轮动策略在2017及2020年明显跑赢，选出煤炭、钢铁、电新、军工等周期性较强行业。

- 信息比率1.06体现较好风险调整收益[page::9]。

3.4 图4-6（page 12-16）：PB-ROE估值模型与因子构建

• 线性回归估计行业市净率和ROE关系，回归残差作为估值因子。

- 对PB进行对数转换并做5%～95% Winsorize以减少异常值干扰。

• 估值因子按24期线性衰减移动平均，反映估值修复的较长兑现周期。

- 估值策略回测年化收益11.15%，信息比率0.49，表现稳定，但部分年份出现失效[page::12-16]。

3.5 图7-9（page 18-21）：核心行业因子构建与回测表现

• 以ROETTM衡量盈利能力，以ROE标准差衡量盈利稳健性，资产负债率控杠杆风险。

- 三因子加权构建综合核心行业评分。

• 回测年化收益13.76%，信息比率0.76，最大回撤多发于股灾阶段，策略整体稳健。

- 2023年推荐行业以食品饮料、通信和煤炭为主，体现消费与周期行业的均衡[page::18-21].

3.6 图10-13（page 23-32）：多策略组合模型及风险平价设计

• 展示最优投资组合模型与风险平价配置的应用，追求多维业绩指标极致表现。

- 三种最优组合分别针对最大收益、最大夏普、最小波动指标优化，均实现优于单策略的绩效。

• 风险平价模型通过风险贡献均衡分配权重，实现风险分散，提升信息比率到1.35以上。

- 加入短期动量约束后进一步提高年化收益和信息比率，体现该方法对市场动量的有效捕捉[page::23-32].

3.7 图14-16（page 33-37）：子策略选股行业重合度与近期配置权重

• 月度入选的行业数量在多数月份保持在6-9个，策略行业覆盖大小适中。

- 2018年重合度较高，集中在食品饮料等消费行业，期间策略表现优异。

• 2022年至2023年子策略权重上核心资产占比逐步上升，反映市场对稳健行业偏好。

- 最新组合行业配置均衡，涵盖周期、消费、金融等多个板块[page::33-37].

---

四、估值分析

• 采用截面回归法构建PB-ROE估值模型，基于残差作为行业估值的超额收益因子。

- 残差因子经过平滑处理，考虑估值修复的长期性。

• 估值因子与景气度、核心资产因子组成多因子体系，结合最优投资组合和风险平价理论进行顶层权重配置。

- 顶层策略权重分布设置上下限，防止过度权重偏移某单一子策略。

• 通过风险平价和动量优化改进组合表现，实现风险调整收益最大化，超额收益和信息比率明显优于底层策略。

- 灵活配置方法避免单一因子失效带来的业绩波动，兼顾收益和风险管理[page::12,14,23-32].

---

五、风险因素评估

• 市场环境变化：宏观经济或政策因素变动可能导致行业景气与盈利预期偏离，影响策略效果。

- 样本和数据局限：策略基于有限样本和历史数据，存在统计误差和未来不确定性。

• 估值失效风险：估值策略在市场结构变化时可能失效，如2019-2020年估值因子表现较差。

- 策略集中风险：部分阶段行业配置集中度高，潜在集中风险提升。

• 模型假设限制：资产配置模型基于历史波动和相关性，未来若波动结构改变，模型表现可能受影响。

- 报告未见明确风险缓释措施，需投资者结合自身情况谨慎对待风险提示[page::2,38,40].

---

六、批判性视角与细微差别

• 模型稳定性与假设依赖：估值因子需要较长时间兑现，模型表现依赖参数设置及市场结构，未来市场变化可能使某因素失效。

- 历史回测表现较好但未来未必：回测时间长，但市场环境多变，结构性行情对策略影响明显，如2019-2021年核心资产策略回撤。

• 行业重合度波动说明策略间相关性非持续稳定，模型风险控制需持续优化。

- 部分绩效全文未详细披露手续费及交易成本对真实收益可能影响。

• 策略十分依赖定量模型，忽视宏观突发事件可能导致系统性风险。

- 虽然强调多策略配置分散，风险平价的实际权重约束对低风险策略权重可能设置较高限制，实际操作风险分散可能打折。

• 热点行业频繁同时出现，反映市场共振期风险或增大。

- 报告对各子策略核心排名因子及权重较为笼统，未提供完全具体参数，略显抽象。

---

七、结论性综合

本报告以行业轮动中的多因子策略为基础，提出并系统验证了“多策略配置”的资产管理新思路，强调通过顶层配置实现因子策略间风险收益特征互补，确保业绩的稳定性和抗周期能力。基于景气度、估值相对价值、核心资产三个策略构建出多因子、多角度的行业精选框架，覆盖行业基本面动态、估值修复及盈利稳健性三大重要投资逻辑。

报告先后详细解构了三类因子的具体指标构建、数学模型及回测结果，三者单独回测均稳定优于行业等权基准。尤其景气度策略表现亮眼，年化收益超17%，但波动略高；估值策略年化11%，稳定性最强；核心资产策略强调稳健，收益与波动适中。各策略因子间相关性低，支持组合互补。

多策略顶层配置基于最优投资组合理论与风险平价模型实现资产间风险与收益平衡，优化组合权重分布。原始风险平价模型提升组合稳健性且信息比率达1.35。引入动量优化约束后组合收益进一步提升至15.3%，信息比率1.42，进一步增强了策略的竞争力，但波动略有增加。最大夏普、最大收益和最小波动组合模型也分别提供不同特性的资产配置方案，满足不同投资者需求。

报告中的详细图表数据充分披露了因子构建的关键指标（如行业ROE、PB、动量指标、财报数据等）及其处理方法，回测期横跨2011-2023年，完整呈现了策略在市场不同阶段的表现及回撤风险，同时剖析了策略表现的行业组成及权重动态。强调了策略对市场周期变化的响应能力与多策略共振带来的超额收益稳定性提升，充分体现多策略配置的优势。

报告虽然内容详实，仍需审慎关注估值因子兑现周期较长可能导致的风险，子策略在市场极端行情下关联度可能升高而影响分散效果，且交易成本及执行风险未详细披露，实际应用中需结合投资者风险偏好和操作能力调整参数。

总体而言，本报告系统展示了以多策略视角替代传统单一多因子行业轮动的创新路径，对于机构资产配置具有重要参考价值。投资者可据此构建更加稳健的行业配置组合，实现跨周期的优异投资表现。

---

主要图表引用示例

• 

图1：多策略顶层配置框架。三类多因子驱动子策略通过顶层多策略配置构建最终行业组合。

• 

图2：财报景气度因子构建示意。从成长、盈利、营运三维度指标量化行业当前财务状况。

• 

图3：景气、动量与预期因子相关性动态变化，支持因子互补加权。

• 

图4：景气度策略回测及组合回撤表现，策略整体超越行业基准。

• 

图5：行业估值回归示意，残差反映未兑现估值。

• 

图6：核心行业因子构成与权重，强调盈利质量高杠杆低。

• 

图7：多策略资产组合顶层配置示意，整合三类行业轮动子策略。

• 

图8：风险平价投资组合回测表现，超额波动明显优于单一策略。

• 

图9：风险平价组合引入动量优化约束示意，防止极端权重偏移。

• 

图10：2022年子策略权重分配，核心资产占比较高。

• 

图11：最新5月各子策略行业配置权重，组合多元均衡。

---

# 本文综合报告综合分析完毕。

报告