行业配置二阶模型：胜率与赔率的双因子框架 [page::4]

• 胜率捕捉行业相对强弱，体现组合跑赢基准的概率，强调相对收益。

- 赔率衡量行业的预期收益及安全边际，注重绝对收益。

• 二者相辅相成，需平衡以优化行业配置风险和收益。

胜率与赔率交叉分组实证分析 [page::6][page::7]

| 年份 | 组合收益 | 相对收益 | 信息比率 | 月度胜率 | 换手率 |
|---------|----------|----------|----------|----------|----------|
| 全样本 | 23.7% | 17.1% | 1.99 | 73.3% | 391.6% |

• 高胜率高赔率交叉组表现最佳，年化收益23.7%，信息比率1.99，回撤控制良好。

- 中低胜率或赔率组内因子边际提升效果不明显，胜率與赔率需互补提升。

胜率赔率因子线性组合与权重优化 [page::8][page::9]

| 胜率权重 | 组合收益 | 相对收益 | 信息比率 | 月度胜率 | 换手率 |
|----------|----------|----------|----------|----------|----------|
| 0.6 | 21.0% | 14.5% | 1.82 | 70.0% | 335.6% |

• 胜率与赔率权重偏均衡（约0.6）时，组合收益和风险调控表现最佳。

- 线性组合解决交叉组行业数量不稳定和超低配指导难题。

• 因子组合头部行业胜率和赔率均维持高位，显示平衡效果理想。

胜率赔率动态平衡策略及择时方法 [page::16][page::18]

| 年份 | 组合收益 | 相对收益 | 信息比率 | 月度胜率 | 换手率 |
|---------|----------|----------|----------|----------|----------|
| 全样本 | 21.2% | 14.7% | 2.17 | 73.3% | 326.7% |

• 利用胜率与赔率因子秩相关性动态调整权重，高相关时提高胜率权重，低相关时侧重赔率。

- 动态平衡策略在不同市场环境下均表现稳健，回撤控制显著优于单纯胜率策略。

• 多头行业以食品饮料、基础化工、家电贡献最高。

动态平衡策略实际ETF投资应用效果 [page::25]

• 选取行业ETF组合（如煤炭、基建、化工、银行、通信），实现策略适用性。

- 2015年至2022年6月年化收益21.1%，超越偏股混合型基金指数9.1%。

• 策略在偏股基金组合中排名前5%左右，表现突出。

量化因子构建与投资逻辑总结 [page::10][page::18]

• 胜率因子关注行业相对强弱，适合获取市场节奏收益。

- 赔率因子强调安全边际和远期收益，风险控制关键工具。

• 因子结合方法包含交叉分组、线性加权组合、约束优化与动态权重调整。

- 策略换仓频率以月度为主，兼顾收益斜率和交易成本优化。

国海证券行业配置研究报告详尽分析

——资产配置系列报告（四）：寻找胜率与赔率的平衡

---

一、元数据与概览

报告标题：《寻找胜率与赔率的平衡——资产配置系列报告（四）》
作者及联系方式：证券分析师杨仁文（S0350521120001，yangrw@ghzq.com.cn），联系人李杨（S0350121090070，liy19@ghzq.com.cn）
发布机构：国海证券研究所
发布时间：2022年，最新数据至2022年6月底
研究主题：行业配置的胜率与赔率平衡，资产配置策略研究，基于胜率和赔率的二阶模型构建动态行业配置策略。

核心论点与目标：
本报告延续国海证券资产配置系列，以行业配置研究体系为基础，重点探讨如何在行业配置时平衡投资胜率和赔率（预期收益）两个关键指标，解决仅考虑单一指标导致的风险和效率问题。基于二阶模型，报告提出并测试了多种胜率与赔率平衡策略（交叉分组、因子线性组合、多维立体组合和基于约束优化的动态平衡策略）。通过大量实证回测，报告验证了动态胜率赔率平衡策略的优势，年化收益优异且最大回撤低，且成功应用于行业ETF配置。报告还指出，行业胜率和赔率的关系是动态变化的，策略需根据二者相关性动态调整权重以获得最优表现。

---

二、逐节深度解读

1. 行业配置研究体系（第4页）

• 关键论点： 本体系以胜率和赔率为核心定价目标，胜率反映行业相对强弱（相对收益逻辑），赔率反映行业绝对预期收益（绝对收益逻辑）。二阶模型同时刻画二者，在时间序列和截面上均衡两者，实现更清晰的行业配置决策路径。

- 逻辑分析： 胜率关注行业与其他行业的短期强弱排名；赔率关注未来预期回报和安全边际。两者相辅相成，不同维度的考虑使得投资组合风险收益结构更优。

• 图1解读： 显示了研究体系架构，将趋势动量、财报景气、估值、ROE等输入映射为胜率和赔率，最后驱动行业配置决策。[page::4]

2. 为什么需要平衡行业胜率和赔率（第4页）

• 胜率策略风险： 只考虑胜率时，可能忽视赔率风险。2021年Q4以来，胜率策略多头组合赔率迅速下滑，导致历史最大回撤。

- 赔率策略风险： 只考虑赔率时，胜率较低且策略效率差，容易在路径上无法持续战胜其他投资者。

• 结论： 二者需要同时考虑，达到风险收益的良好平衡。[page::4]

3. 胜率和赔率截面平衡（第5-7页）

3.1 交叉分组

• 方法： 按胜率和赔率排序，将行业分为四个象限（高胜率高赔率等）。

- 图4显示： 2022年7月各行业胜率和赔率位置分布，通信、银行在高胜率高赔率区，煤炭有色在高赔率低胜率区等。[page::5]

3.2 组内分组效果（第6页）

• 低及中胜率组内，赔率提升对收益贡献弱（图5、6）。

- 低及中赔率组内，胜率提升对收益贡献弱（图7、8）。

• 高胜率组内赔率提升显著提升收益，高赔率组内胜率提升作用明显（图9、10）。

- 说明胜率与赔率可相互补充，单维提升在低区间效果有限，高区间两者联动提升突出。[page::6]

3.3 高胜率高赔率组合表现（第7页）

• 图11、12显示： 高胜率高赔率组绝对收益持续领先基准且波动较小。2015-2022年，年化绝对收益23.7%，相对基准超额17.1%，信息比率1.99（表1），最大回撤-10.4%，月度胜率近74%，换手率高达391%（表1）表明策略活跃但稳定。[page::7]

3.4 胜率与赔率线性组合（第8-9页）

• 问题： 高胜率高赔率行业数量有限且不稳定，无法满足灵活配置需求，并且无法指导行业“超低配”。

- 解决方案： 按不同比例线性组合胜率和赔率因子。

• 图14显示不同权重组合策略模型，图15-16实证不同比例线性组合超额收益表现，发现胜率权重约0.6时表现最佳（表现出非线性关系）。

- 图17-18及表2显示，权重0.6组合年化收益21%，信息比率1.82，换手率335%，表现优异。

• 图19显示，此组合选中行业胜率和赔率分位均维持80%左右，实现较理想平衡。[page::8-9]

4. 胜率赔率平衡的多元尝试（第10-15页）

4.1 立体组合逻辑（图22）

• 基于截面胜率赔率和时间序列边际变化（胜率边际改善、赔率边际改善）构建多维平衡。

- 在高赔率区关注胜率边际改善，和在高胜率区关注赔率边际改善。[page::11]

4.2 高赔率内胜率边际改善（图23-26，表3）

• 初选赔率排名前10行业，再在其中选胜率边际改善前6，单纯边际改善表现一般（图23-24），加入绝对胜率排名后表现明显改善（图25-26，表3），但2021年起表现平缓，因胜率高行业多估值高（赔率低），高赔率行业胜率低致表现疲软（图27）。[page::11-13]

4.3 高胜率内赔率边际改善（图28-31，表4）

• 初选胜率排名前10，选赔率边际改善前6，表现波动较大（图28-29），加入绝对赔率排名后提升明显（图30-31，表4）。同样2021起回撤增大，结构性行情影响。[page::13-14]

4.4 约束赔率下最大化胜率（第14-15页）

• 利用线性规划约束组合赔率不低于阈值，最大化胜率。

- 图32-33显示，不同赔率下界条件下回测表现，0.1-0.2范围最佳。

• 过低约束赔率引发风险，过高约束则限制组合弹性。[page::14-15]

5. 动态平衡行业胜率赔率（第15-23页）

5.1 理解胜率赔率相关性（图34-37）

• 胜率与赔率多头超额收益负相关（图34），表明择时和平衡能力可提升策略表现。

- 胜率赔率因子截面相关波动显著，相关性高时双因子策略均表现优异（图35-37）。[page::16]

5.2 相关性与胜率因子表现（图38-39）

• 相关性高时胜率因子RankIC更优，且胜率与赔率因子表现差拉大，表明权重应偏向胜率。

- 利用相关性动态调节胜率赔率权重，低相关时偏赔率（强调风险控制），高相关时偏胜率（强调收益）。[page::17]

5.3 动态平衡策略表现（图40-43, 表6）

• 权重动态调整在0.4-0.7区间变化（公式详见第18页）。

- 回测自2015年起连续各年超越行业等权基准，年化绝对收益21.2%，相对收益14.7%，信息比率2.17，最大回撤仅5.6%，月度胜率73.3%（表6）。

• 表明动态择时胜率赔率，有效控制风险且提升收益，兼顾稳定性和弹性。

- 贡献收益行业前三为食品饮料、基础化工、家电（图44）。[page::18-19]

5.4 动态平衡与胜率策略比较（图45-48，表7-8，图49-50）

• 2021年Q2-Q3，胜率策略收益弹性大于动态平衡，超额收益主要来自周期与基本面板块（有色钢铁等）。

- 2021年下半年，胜率策略回撤严重，动态平衡策略因加权赔率控制风险而表现突出。

• 2022年7月最新多头行业胜率和赔率排名分析，推荐行业通信、银行、化工、交运、建筑、煤炭（图50，表13）。

- 两策略行业选择切换图（图49）显示动态平衡调整及时，降低潜在风险。[page::19-21]

5.5 与行业板块中性化（第22-23页）

• 板块暴露分析显示动态平衡策略多头主要集中在消费、制造业和周期。

- 尝试板块中性化限制单板块行业数，并不起明显提升，策略相较于板块中性化能够更有效地利用赔率风险控制。

• 说明本策略风险控制高效，板块分散非唯一途径。[page::22-23]

6. 动态平衡策略在行业ETF上的应用（第24-26页）

• 把动态平衡策略运用于可投资的行业ETF，选取月末信号头部5只ETF，次月申购。

- 2015年至2022年6月年化收益21.1%，远超偏股混合基金指数9.1%。除2019年外，其他年份策略表现优于大部分同类基金，整体排名前5.2%。

• 详细基金产品列表（表11），2022年7月推荐行业及相应ETF（表13），凸显策略实用性和可操作性。[page::24-26]

7. 风险提示及合规声明（第26-28页）

• 历史数据回测有限，未来市场环境和政策变动可能导致策略失效。

- 不同行业及时间阶段风险特征不同。

• 报告使用的数据样本有限，存在不完全代表市场的可能。

- 明确职业操守及免责声明，确保报告观点独立客观，避免利益冲突。[page::26-28]

---

三、图表深度解读

• 图1（第4页）：展现二阶模型研究体系，清晰区分动量类因子驱动胜率和估值类因子驱动赔率，帮助理解模型框架。

- 图2、图3（第5页）：同步显示胜率top6和赔率top6行业的胜率与赔率分位点，揭示两者不完全正相关，提供基础事实支持策略平衡需求。

• 图4（第5页）：转化为二维象限图，行业分布具体可视化，有助于把握胜率/赔率的行业格局。

- 图5-10（第6页）：展现不同胜率/赔率档次内另一维度分组的净值及表现，强调高胜率配高赔率或高赔率配高胜率的收益优势。

• 图11-12（第7页）：高胜率高赔率组合累计绝对与相对收益曲线，明显优于基准，反映策略有效。

- 表1（第7页）：细化量化各年度表现，展示策略稳定性与历史波动风险。

• 图14-18（第8-9页）：胜率赔率线性组合不同权重对应的收益曲线及统计，支持权重均衡时效果最优的结论。

- 表2（第9页）：详细数据展示权重调整对各项指标影响，便于实际操作参考。

• 图22（第11页）：胜率赔率截面和时间序列结合示意，说明引入边际改善逻辑的创新点。

- 图23-31，表3-4（第11-15页）：通过不同边际改善策略评估，确认绝对值与边际改善结合的重要性，揭示市场结构变化对策略影响。

• 图32-33，表5（第14-15页）：约束优化策略表现与不同约束参数的验证，辅助确定合理参数设置。

- 图34-39（第16-17页）：深入探讨胜率赔率的相关性与因子表现关系，理论与实证紧密结合。

• 图40-43，表6（第17-19页）：动态平衡策略设计及表现，体现策略动态调整优势和优良的风险收益特征。

- 图44、图45-48，表7-8（第19-21页）：不同时点与同行策略表现对比，动态平衡策略在结构行情中的优势凸显。

• 图49-50，表13（第21页）：策略行业选择动态与最新配置推荐，强调策略可实操化与适时调整能力。

- 图51-56，表9-10（第22-23页）：策略板块敞口及中性化尝试，验证控制赔率风险的重要性。

• 图57，表11-12（第25-26页）：ETF实盘策略表现，验证模型的实操价值与领先业绩。

这些图表从不同角度验证了胜率赔率平衡的必要性、有效性和策略优化路径，也为投资决策提供了数据支持。

---

四、估值分析

报告主要是行业配置的因子建模研究，未直接展开传统单一公司估值分析。其估值核心体现在对赔率（预期收益）的定价，即基于宏观利率、ROE、预期增速等因素计算行业未来现金流或收益的安全边际和增长预期，从而推导赔率因子。策略构建中未详述DCF等模型细节，而是通过统计学方法和因子权重调优实现行业预期收益的有效捕获。此外，报告中的约束优化模型通过限制赔率下界实现风险控制，实为间接估值安全边际管理。

---

五、风险因素评估

• 历史数据依赖风险： 模型基于历史样本数据，若未来市场结构、政策、流动性发生变化，策略可能失效。

- 行业异质性风险： 不同行业面临不同的市场风险和政策风险，策略对行业切换可能存在执行误差。

• 样本代表性风险： 历史样本可能不足以涵盖市场各类极端情形。

- 策略换手率较高： 换手频率较高，存在执行成本风险。

• 结构性行情风险： 如2021年以来结构行情导致胜率高行业赔率低，可能带来收益回撤。

- 缓解策略： 动态调整胜率赔率权重、采用多维指标筛选、约束赔率下界、结合边际改善等措施实现风险控制。

• 策略透明度与实操： 明确策略参数和逻辑，增强可复现性及及时修正能力。

- 市场极端事件影响难预测。[page::0,4,26-27]

---

六、批判性视角与细微差别

• 策略换手率和交易成本： 部分策略换手率在300%-500%之间，频繁调仓可能导致高交易成本，实际净收益或受影响。报告未详细分析交易成本对策略净收益的影响。

- 线性组合权重的非线性表现隐含模型特征复杂，适用性需谨慎。部分权重调整基于经验，对宏观或市场环境的敏感度未充分探讨。

• 策略表现多高度依赖市场结构性行情，如2015-2020年胜率与赔率相关性高涨期，若未来市场无此环境，策略表现可能弱化。

- 胜率与赔率定义及计算方法未详尽说明，具体计算指标选择及参数确定缺乏透明度。

• 历史表现优异未保证未来持续，且排名前列主要基于偏股混合基金，大盘或其他资产类别的表现未涉及。

- 行业因子交叉划分有可能漏掉边缘行业动态，策略在极端经济或政策冲击下抗风险能力未充分测试。

• 报告虽提及多维改善策略，但实际操作复杂性及实现成本未充分披露。

- 行业ETF对应度及流动性等实操要素未深度讨论。

• 报告高频调仓可能带来的税务和操作成本未涉及。

- 风险提示较为通用，缺乏对模型具体风险点（如估值模型假设风险）的详细说明。

总体来看，报告方法系统且实证充分，但从实务角度对成本和策略参数敏感性需进一步深挖。

---

七、结论性综合

本报告系统地构建并验证了基于胜率与赔率双因子的行业配置二阶模型，阐明了胜率（反映行业相对优势）与赔率（反映行业绝对预期收益）在资产组合构建中的相辅相成性和动态演变关系。在此基础上，报告探讨了交叉分组、线性组合、边际改善、多目标优化等多种策略设计思路，创新性地提出了基于胜率赔率相关性动态调节权重的动态平衡策略。

回测结果显示：

• 动态胜率赔率平衡策略历年均优于行业等权基准，年化绝对收益21.2%，超额收益14.7%，信息比率高达2.17，最大回撤仅5.6%，月度胜率稳定超过73%。

- 不同策略组合验证了胜率与赔率在不同市场环境下的权重调整价值，动态择时显著提高组合的收益稳定性和风险控制能力。

• 板块中性化测试显示，胜率赔率动态平衡有效控制了组合风险，优于通过分散板块实现风险分散的传统方法。

- 策略成功应用于行业ETF，显著领先偏股混合基金指数，且具备良好的实操性，当前推荐行业包括煤炭、银行、通信、化工等。

报告充分利用了大量图表数据支持以上结论，体现胜率和赔率的分布特点、策略调整机制及其历史表现。例如，图11-12明确了高胜率高赔率组合的显著优越性；图34-39揭示胜率赔率因子的负相关及秩相关性对策略择时的关键作用；图42-43展现动态平衡策略的稳健提升表现；图57证明策略ETF实操效果出色。

总结而言，报告提供了一套科学严谨且实证充分的行业配置框架，强调投资组合管理中胜率与赔率的平衡与动态调整，为资产管理机构提供了具有高度适用价值的决策工具和可操作策略路径，符合当前市场对动态风险收益管理的需求和趋势。

---

参考溯源

关键信息直接对应页码标准如下，详见报告各部分具体页码。

[page::0,1,2,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28]

---

注：为保障内容完整性和连贯性，以上分析结合了报告整体结构，详尽解释关键论点和图表数据，尽可能深入揭示其内在逻辑和应用价值。

报告