`

行业配置研究:寻找胜率与赔率的平衡——资产配置系列报告(四)

创建于 更新于

摘要

本报告系统构建并验证了基于胜率和赔率的行业配置框架,提出通过胜率与赔率的平衡提升组合风险收益特征。论文探讨了胜率与赔率的交叉分组、因子线性组合及动态权重调整方法,发现两者权重均衡时策略表现最优,同时结合胜率赔率的时间序列边际改善指标,实现多元立体平衡配置。动态平衡策略年化超额收益显著,月度胜率高达73.3%,风险控制有效。将该策略应用于行业ETF验证,表现优异,显示胜率与赔率的动态平衡为行业配置提供新思路 [page::2][page::4][page::10][page::20][page::25]

速读内容

  • 国海行业配置研究基于胜率和赔率构建模型:胜率反映截面行业间相对强弱,赔率关注行业自身未来预期收益,二者共同驱动行业配置的风险收益表现 [page::2]

  • 胜率与赔率的简单平衡显示单一策略存在风险:胜率策略面临赔率下滑风险,赔率策略胜率较低导致获利效率不足,二者平衡带来更稳定的组合表现 [page::4]

  • 通过交叉分组将行业划分为四象限,高胜率组内提高赔率或高赔率组内提升胜率均能显著改善收益表现,高胜率高赔率象限组合表现最佳,绝对收益突出且相对收益稳定 [page::6][page::7]



  • 交叉分组存在行业数量不稳定问题,报告提出胜率与赔率因子进行线性组合,权重从0.1到1.0遍历,发现中间权重(约0.4-0.7)组合超额收益表现最佳,权重过高或过低效果较差 [page::8][page::9][page::10]



  • 进一步引入时间序列信息,结合胜率和赔率的边际改善指标,识别高赔率行业中胜率边际改善突出的行业,以及高胜率行业中赔率边际改善突出的行业,提高组合多元性与收益稳定性 [page::12][page::13][page::15]



  • 报告提出败率赔率平衡的更灵活方案,即约束赔率下界条件下最大化胜率,实证表明赔率下限设在0.1-0.2范围内能获得较优策略表现,组合风险得到有效控制 [page::16]

  • 胜率策略与赔率策略月度超额收益呈显著负相关,说明两者收益来源有所区别,结合两者进行动态平衡可提升策略表现。动态权重基于胜率赔率因子秩相关性动态调整:秩相关性高时提升胜率权重,秩相关性低时提升赔率权重 [page::18][page::19]


  • 实证动态平衡策略表现优良:年化收益21.2%,年化超额收益14.7%,信息比率2.17,最大回撤5.6%,月度胜率73.3%,换手率326.7%,策略在各年度均战胜行业等权基准 [page::20][page::21]


  • 与单纯胜率策略对比,动态平衡策略风险更均衡,历史最大回撤显著更低,尤其在胜率策略面临较大回撤的阶段,动态平衡策略显著跑赢,体现了平衡策略的稳定性优势 [page::22]

  • 应用方面,基于胜率赔率动态平衡策略构建行业ETF组合,选取头部5个ETF组合,策略实现21.1%收益,超越偏股混合型基金指数9.1%,在同类基金中表现优异,显示胜率赔率动态平衡在实际投资中具备较强应用价值 [page::24][page::25]


深度阅读

国海证券《行业配置研究:寻找胜率与赔率的平衡——资产配置系列报告(四)》详尽解读



---

一、元数据与概览


  • 报告标题: 行业配置研究:寻找胜率与赔率的平衡——资产配置系列报告(四)

- 作者: 李杨(国海证券研究所分析师,S0350522070001)
  • 发布机构: 国海证券股份有限公司

- 发布日期: 2022年7月8日
  • 主题: 行业配置策略研究,重点围绕行业配置中的“胜率”和“赔率”指标,探讨其平衡方法与应用。


核心论点概述:
报告系统阐述了基于胜率和赔率两大维度构建行业配置策略的理论与实证框架。胜率衡量的是行业相对强势的概率,关注“跑赢基准”的可能性;赔率则体现行业未来潜在收益增长的空间,重视“风险收益的安全边际”。报告强调两者相辅相成,通过平衡这两个指标,可以有效提升行业配置的风险收益表现。给出多种平衡技术——交叉分组、因子线性组合、约束优化以及动态权重调整。此外,还将策略应用拓展到行业ETF投资领域,验证了研究思想的实用价值。总体上,报告展现了行业配置策略的创新思路及其持续优化路径。[page::0,2]

---

二、逐节深度解读



1. 行业配置研究体系(第2页)


  • 关键论点: 完整的行业配置研究基于胜率和赔率两个核心维度。胜率反映行业截面的相对强势,关注“跑赢概率”;赔率反映行业的远期预期回报空间。两者共同决定行业配置组合的风险收益特征,构建的是“二阶驱动模型”——不是单因素直接驱动,而是两个因子协同作用。

- 推理依据: 胜率由趋势动量、预期动量、财报和交易行为等动态因子驱动,而赔率则基于估值、ROE、预期增长等盈利质量指标驱动。两者来源不同,性质互补。
  • 图表解读: 图示将多维驱动力划分为两大类对应胜率和赔率,明确了两者的根本区别及相互传导关系,支持将行业配置拆分为这两部分指标综合考量。[page::2]


2. 胜率赔率简单平衡(第4-10页)


  • 关键论点:

- 纯胜率策略和纯赔率策略各有短板。纯胜率策略面临“赔率风险”,即赔率下降导致的潜在收益压缩,如2021年Q4出现明显回撤;而纯赔率策略的胜率相对较低,效率不高。
- 因而结合这两者,追求二者平衡,能够提高行业配置组合整体的风险收益特征。
  • 交叉分组:

- 交叉将行业依胜率和赔率划分四象限(高胜率高赔率,高胜率低赔率,低胜率高赔率,低胜率低赔率),数据显示高胜率高赔率象限行业表现最佳,且均衡。
- 但纯交叉分组存在行业数量不可控、稀疏等问题,不能灵活调整配置。
  • 因子线性组合:

- 推荐以胜率因子和赔率因子按一定权重线性组合,权重遍历测试发现,二者权重均衡(约0.4-0.7)时策略超额收益最优。
  • 数据和图表解读:

- 胜率top6行业的赔率分位点在近年呈现波动,说明胜率高并不必然对应高赔率(反之亦然),表明两指标不完全重合,平衡存在空间。
- 高胜率组内不同赔率分组展示收益差异,高胜率高赔率组合表现最优,且回撤更小。
- 线性组合指标的超额收益随着胜率权重增加先升后降,说明胜率和赔率的相对权重极为关键。
- 年度表格展示各权重配置的年化收益、超额收益、信息比率,胜率权重0.4-0.6区间信息比率和年化超额收益明显优于两端。[page::4,5,6,7,8,9,10]

3. 胜率赔率平衡的多元立体尝试(第12-16页)


  • 核心思路:

- 抛开单一截面,结合时间序列上的胜率和赔率边际改善信息,形成立体多维的行业筛选标准。
- 构造高赔率象限内胜率边际提升组合和高胜率象限内赔率边际提升组合,提升策略有效性与稳定性。
  • 实证观察:

- 高赔率内胜率边际改善组合,2021年以来因估值下滑及胜率低迷出现相对收益长时间回撤。
- 但高胜率内赔率及赔率边际改善组合后,相对收益提升明显,且跟踪误差降低,表现更优。
  • 约束赔率条件下最大化胜率优化模型:

- 采用组合优化方法,在保证组合赔率指标大于下界约束的前提下,最大化胜率,加权求解行业权重。
- 不同赔率下界的回测显示,约束在0.1~0.2区间表现最佳,信息比率最高、超额回撤最低。
  • 图表解读: 清晰展示了不同组合策略的绝对及相对收益曲线及分年度表现,辅助验证策略选择的合理性及风险控制效果。[page::12,13,14,15,16]


4. 胜率赔率动态平衡(第18-22页)


  • 核心发现: 胜率策略月度超额收益与赔率策略月度超额收益呈现显著负相关关系(演示散点图),表明两类策略收益存在补偿性,动态平衡有望提升整体表现。

- 动态权重调整方案:
- 通过计算胜率与赔率因子在截面(时间)上的秩相关系数,动态调整胜率和赔率的组合权重。
- 秩相关性越高,即两者趋势一致时,胜率权重上升;相关性低或负相关时,赔率权重上升。
  • 实证回测结果:

- 动态调整权重策略在2015-2022年期间表现优异,年化收益达21.2%,超额收益14.7%,信息比率2.17,最大回撤5.6%,月度胜率73.3%。
- 与纯胜率策略对比,动态平衡策略在2021年9月至2022年1月历史最大回撤期间明显优势,回撤更小,收益更稳定。
  • 图表解读: 相关性及动态权重变化示意图明确展示决策逻辑,月度超额收益散点图展示两策略的负相关性,策略净值曲线反映动态策略的优越性。[page::18,19,20,21,22]


5. 行业ETF投资策略应用(第24-25页)


  • 应用背景: 以行业指数ETF作为实际投资标的,验证胜率赔率动态平衡策略的可操作性和实用性。

- 操作流程: 月末根据胜率赔率动态平衡输出,选取前5个ETF,次月首个交易日以收盘价买入。
  • 策略表现:

- 2015年初至2022年6月底,策略年化收益11.1%,超额偏股混合型基金指数9.1%,在同行中排名前5%。
- 策略风险和业绩稳健,说明基于胜率与赔率的动态平衡方法可高效指导ETF行业配置。
  • 图表与表格: ETF列表涵盖28个行业,详细列出基金代码、简称、跟踪指数及名称。业绩曲线和年度数据表展示策略长期稳定的超额收益能力。[page::24,25]


6. 风险提示与声明(第28-29页)


  • 报告严格声明风险等级为R3,适用投资者限定,强调市场风险和策略失效可能,核心观点基于历史数据,未来不保证一致表现。

- 明确投资决策需结合多方信息,报告中内容仅供参考,无投资建议性质。
  • 版权声明严谨,禁止未经授权的内容复制和传播。[page::28,29]


---

三、图表深度解读



1. 胜率与赔率构成及来源示意(第2页)





该图清晰列举了胜率的动量因子(趋势、预期、交易行为及财报等)和赔率的盈利因子(估值、ROE、股息率、宏观利率等)。胜率涵盖截面强弱,赔率关注未来收益空间。图形逻辑清楚地展示了行业配置的双因子驱动特征。

2. 胜率top6和赔率top6行业的胜率与赔率分位点时间序列(第4页)






两组图分别呈现胜率top6和赔率top6行业的指标分位走势。胜率top6行业赔率经历大幅波动(2020-Q4明显下跌),体现胜率与赔率并非同步,说明投资风险及收益来源差异。

3. 行业划分四象限图——胜率赔率分布(第5页)





此图通过X轴胜率排名与Y轴赔率排名划分四象限,标注行业。高胜率高赔率黄区包括银行、通信等,是理想配置区域;高赔率低胜率、低赔率高胜率和低赔率低胜率区域分布均衡,体现行业间的多样性和组合优化空间。

4. 基于交叉分组的收益表现示意(第6-7页)








图分别展示高胜率组内不同赔率、以及高赔率组内不同胜率的收益表现,前者随着赔率提升收益显著;后者胜率提升则收益增加。高胜率高赔率组合的绝对与相对收益突出,回撤控制良好,证明两指标互补价值。

5. 胜率与赔率因子线性组合绩效表现(第8-10页)










行业数量图展示交叉组合限制,线性组合可以平滑数量波动。不同胜率权重下的超额收益展示均衡权重(0.4-0.7)表现最好,图表含年化收益、跟踪误差、信息比率、换手率等多维度量化指标,说明策略在风险控制与收益提升之间找到平衡。

6. 高赔率胜率边际等多维组合与约束优化模型结果(第12-16页)








展示通过在截面和时间序列增强维度识别边际改善行业,并利用投资组合优化约束赔率边界,最大化胜率实现策略升华。收益图结合超额收益及回撤情况进行评估,验证赔率下界约束(0.1-0.2)策略在实际中取得最佳稳定性与超额表现。

7. 胜率赔率动态平衡(第18-22页)








胜率与赔率策略的月度超额收益负相关说明策略间冲突和补偿,并通过动态调配权重的方法降低策略波动性,提升组合整体表现。策略表现维持多年超额回报与较低回撤,信息比率高;动态权重0.4-0.7区间为推荐范围。

8. 行业ETF策略应用实证(第24-25页)





策略在实际可交易的行业ETF上测试,选取头部5只,数据显示,从2015年以此策略管理的资产具有稳定的正收益,收益率超过大部分偏股混合基金对象,表现排名行业内优异,说明研究成果具有落地价值与实操意义。

---

四、估值分析



报告核心围绕行业配置的“胜率”与“赔率”两个因子指标展开,没有直接采用传统的估值模型(如DCF、市盈率等)做估值,但赔率因子内涵包括估值指标,是反映行业未来收益预期的逆向指标。

此处的“赔率”更多反映行业的安全边际和潜在超额收益预期,结合ROE、预期增速、股息率、宏观利率等形成综合“赔率”评价体系。组合优化过程中设定赔率的下界约束,防止高赔率行业缺失,实现稳健配置。

因此,报告采用行业间多因子融合与优化数学模型进行估值筛选权重,方法独特且契合实际行业配置需求。

---

五、风险因素评估


  • 策略适用性和历史局限: 由于行业配置策略基于历史数据设计与回测,未来市场结构变化、突发宏观政策等因素可能使策略失效或表现不佳。

- 行业特定风险: 不同行业面临不同市场风险和政策不确定性。如资源品类行业价格波动较大,科技类行业受政策调整影响明显。
  • 样本与估计风险: 报告样本有限,可能不足以代表长期市场结构,因子构建的准确性及数据完整性存在风险。

- 交易成本及流动性风险: 策略换手较高,追求信息比率提升可能增加交易成本和流动性压力。
  • 风险管理措施: 通过约束赔率下限、动态调整权重等方式控制组合风险,提升稳健性。

- 声明中强调: 报告及策略不构成投资建议,投资需谨慎。[page::28]

---

六、批判性视角与细微差别


  • 策略侧重双因子平衡,理论清晰,但如胜率或赔率因子测度存在偏差,组合效果或受影响。尤其赔率指标涉及未来预期,估计本质存在不确定性。

- 行业划分及组合数量限制难以完全覆盖市场,特别是交叉分组法的行业样本有限,影响策略扩展性。线性组合虽改善但权重确定仍带有经验成分。
  • 动态平衡权重基于秩相关估算,过度依赖过去相关性,可能对结构性市场变化反应滞后。风险管理需进一步强化。

- 报告中对ETF策略展示的年化收益虽然达到11%以上,但相较于理论胜率赔率组合更激进的收益表现有所下降,反映实际交易、规模效应和实际执行的摩擦。
  • 未详述模型参数如回测区间长度、调仓频率和参数稳定性测试,建议未来增强这些方面的透明度。

- 报告较少讨论宏观政策及外生冲击影响,对极端行情的表现分析有待补充。

---

七、结论性综合



本报告系统性地构建并验证了基于胜率与赔率两大核心指标的行业配置框架。胜率反映行业的相对强势概率,重视组合跑赢基准的可能性;赔率体现行业远期潜在收益成长性,强调买入时的安全边际。报告通过理论解释、实证分析及多种平衡方法(交叉分组、线性组合、约束优化、动态权重调整)推动了行业配置研究的深入发展。

核心结论是:
  • 胜率与赔率相辅相成,纯策略风险偏高,平衡两因子可获得稳健且持续的超额回报。

- 线性加权组合比交叉分组更灵活,同时权重选择关键,均衡分配优于偏重单一因子。
  • 加入时间序列边际改善信息丰富组合信息,提高策略抗风险能力和提升超额收益质量。

- 动态平衡策略基于胜率与赔率的负相关性,动态调整权重,进一步提升策略的表现和稳定性。
  • 约束赔率的组合优化方法帮助实现胜率与赔率之间更稳健的平衡。

- 实际应用于行业ETF组合,策略表现优于偏股混合型基金指数,体现研究的良好实操性和推广价值。

报告通过详尽图表及数据验证了上述观点:如不同行业在胜率赔率空间中分布、组合绩效与权重变化、动态权重调整路径及其对策略表现的影响、ETF投资层面的实证效果,均为理论提供充分支撑和应用指导。

总体而言,报告提出并验证了行业配置中的“胜率-赔率”二阶驱动模型,强调多维度指标融合和平衡的重要性,为资产管理中的行业选择提供了科学、有效的框架和操作路径。

---

参考标注



本文分析中所有结论和图表均详见原报告对应页码引用:
[page::0,1,2,4,5,6,7,8,9,10,12,13,14,15,16,18,19,20,21,22,24,25,28]

---

此次解读力求全面覆盖报告所有重要论点、数据与图表,剖析每处核心含义,阐释报告整体思路与实证基础,为资深投资人士提供准确和深入的理论和应用洞察。

报告