1. 随机配置行业胜率及超额收益分析 [page::4][page::5][page::6]

• 随机配置5个行业，5000条模拟净值路径季度胜率平均为44%，最终净值胜率48.3%，多数情况跑输全行业等权配置。

- 年化超额收益分布偏低，3%超额收益属于样本中Top10%，超过5%属于Top2%罕见水平。

• 配置行业数增多胜率略有提升，但超额收益无显著改善，降低波动率助力提升胜率。

2. 投资者行业配置能力的定量测算 [page::6][page::7][page::8]

| 每个行业排名前10的概率p | 30% | 35% | 40% | 45% | 50% | 55% | 60% |
|------------------------------|-------|-------|-------|-------|-------|-------|-------|
| 配置行业个数 5 | -2.9% | -0.1% | 3.0% | 6.2% | 9.3% | 12.5% | 15.8% |

• 当p≥40%时，季度胜率超过56%，可获得显著正超额收益（约3%），p=50%时胜率达70%，年化超额收益近10%。

- 投资者行业配置能力p的阈值约为40%，低于该值难以获得稳定超额收益。买入多个行业会提高胜率但对超额收益影响有限。

• 投资时钟行业轮动策略年化超额收益可达7%-10%，值得关注。

3. 7大类行业归类及月度表现 [page::8][page::9][page::10]

| 大类板块 | 组成行业 |
|----------|-------------------------------|
| 金融 | 银行、非银行金融、房地产 |
| 上游原材料 | 钢铁、煤炭、有色金属、石油石化 |
| 中游制造 | 电力设备、国防军工、基础化工等 |
| 典型消费 | 家电、医药、食品饮料 |
| 其他消费 | 商贸零售、餐饮旅游、纺织服装等 |
| TMT | 电子元器件、通信、计算机等 |
| 基础设施建设与运营 | 电力及公用事业、交通运输、建筑 |

• 2018年2月金融板块跌幅最大(-9.5%)，TMT表现相对最好(+0.3%)。

- 市值因素对本月金融与TMT板块表现影响较小，收益主要由行业自身因素驱动。

4. 行业基本面热点及业绩预测模型跟踪 [page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::19][page::20][page::21][page::22][page::23][page::24]

• 生猪价格处于下行周期，禽链板块短期配置需等待更多数据确认。

- 石油石化超额收益高度跟随WTI原油价格，短期配置机会依然存在。

• 业绩模型预测显示，农林牧渔、轻工制造、钢铁等行业业绩趋弱，基础化工、电子行业维持高景气。

- 各行业非经常性损益占比中位数多集中于3%-9%，有助于业绩质量分析。

• 行业市盈率变化及行业指数表现提供阶段性估值及走势参考。

5. 量化因子与策略提示

• 行业选择质量（投资者筛选出的行业在前10名的概率p）被量化为核心投资能力指标，指导配置决策。

- 多行业分散有助于胜率提升，符合风险分散原则。

• 基于基本面量化的行业轮动策略回测表现良好，值得关注和跟踪。

行业配置获取超额收益难度专题报告详尽解析

---

一、元数据与报告概览

• 报告标题：行业配置获取超额收益的难度到底多大？——“基本面量化”系列思考之三

- 作者：丁鲁明（中信建投证券研究发展部金融工程首席分析师）

• 发布日期：2018年3月6日

- 发布机构：中信建投证券研究发展部

• 研究领域：行业配置能力、超额收益测算、大类资产行业轮动、行业基本面热点解析和量化模型跟踪

- 研究主题：对行业配置在提供超额收益能力上的难度进行定量化分析，结合市场数据和量化模型展开行业归类及基本面热点监测。

报告核心论点如下：

• 行业配置在机构投资中是不可绕开的主题，能够抓住行业轮动能带来显著超额收益，但难度较大。

- 随机配置行业时，获胜概率和超额收益偏低，建议无视具体配置观点时采取全行业等权配置。

• 配置能力的关键指标为筛选出的多头行业进入前10名的概率(p)，当p值达到约40%以上时，行业配置开始具备获取正超额收益的可能。

- 结合量化模型，行业轮动策略年化超额收益可达到7%～10%，但高于10%的年化超额收益极其艰难。

• 在行业基本面分类和热点观察方面，通过量化和K-means聚类等方法划分七大类行业，并提供对行业盈利增速的详细预测。

本报告意图传达的信息是：行业配置能力直接决定了获得超额收益的可能性和幅度；随机配置跑赢全市场的概率较低，需要显著的行业选择能力和配对时机；通过数据量化方法，行业配置的胜率与超额收益具备可测算的概率特征，为投资者提供了衡量自身能力指标和预期收益的参考。

---

二、逐节深度解读

1. 行业配置获取超额收益难度

1.1 背景及问题提出

• 机构投资者行业配置是常见但难题，典型案例包括2007年的大金融、2013年TMT、2017年大消费行情。

- 行业配置成功关键在于两个维度：
1. 寻找到表现优异的行业
2. 把握合适的入场时机

• 行业错配带来的踏空损失可能抵消部分机会收益。

- 本节核心：是否能定量测算配置能力及其对应胜率和超额收益，建立一套衡量标准。

1.2 随机配置胜率分析

• 数据：中信一级29个行业，2005Q1~2018Q1季度调仓。

- 实验方法：每季度随机选择5个行业，等权配置，模拟5000条配置路径。

• 结果：

- 季度胜率均值44%，净值胜过全行业等权的胜率48.3%，明显低于50%，表现偏弱。
- 胜率分布左偏，表明随机配置5个行业大概率跑输行业等权配置。
- 图1显示模拟路径季度胜率分布直方图，低于50%样本明显更多。

• 结论：

- 无具体行业配置观点时，随机选择少量行业配置带来波动率放大，导致净值损失。
- 因此推荐无配置观点时进行全行业等权分散投资。

1.3 随机配置超额收益分布

• 通过统计5000样本随机配置5个行业相对行业等权的年化超额收益的分位数：

- 仅有3%的年化超额收益位于最高10%分位。
- 超过4%年化超额收益位于90.9%分位。
- 随机配置获得显著超额收益概率极低。

• 敏感性分析：若选择行业个数提升至6-10，可以提高胜率（见表和图3），胜率随行业数增加，组合分散化，收益稳定性加强。但超额收益总体不变。
• 理论解释：虽然随机配置的期望收益等于全行业等权，但由于减少的行业数导致组合波动性增加，扩大了波动损耗，从长期净值表现看是劣势。

1.4 备择假设：投资者配置能力如何影响超额收益？

• 行业配置能力指标选用多头行业进入全行业前10名概率p。

- 分析假设：配置5个行业，每个行业进入前10概率为40%，模拟1000条路径。

• 结果：

- 季度胜率提高至56%。
- 年化超额收益平均3%左右。
- 胜率和收益分布呈显著右偏，大部分样本收益提升。

• 更广泛敏感性分析（见表1和表2）：

- 配置行业数n影响胜率，上升n提升组合稳定性，胜率增加。
- p值是决定超额收益关键指标，p≥40%为行业配置能力较强标志。
- p=50%左右，胜率可达70%，年化超额收益约10%；p=60%，收益率可达15.8%但极难实现。
- 建议行业配置能力达到p=40%时可积极配置行业；不及此指标则更适合全市场等权策略。
- 报告推荐关注基于投资时钟的行业轮动策略，年化超额收益7-10%。

2. 大类板块近期收益表现

2.1 行业归类方法

• 采用中信28个一级行业（除综指外），通过K-means聚类方法对各行业2005-2017季度涨跌幅完成5-8类划分（图表详见表3、4）。

- 结合行业属性调整归类，最终划分为7大类：
1. 金融（银行、非银、房产）
2. 上游原材料（钢铁、煤炭、有色金属、石油石化）
3. 中游制造（电力设备、国防军工、建筑材料、机械、汽车、基础化工、轻工制造）
4. 典型消费（家电、医药、食品饮料）
5. 其他消费（商贸零售、餐饮旅游、纺织服装、农林牧渔）
6. TMT（电子元器件、通信、计算机、传媒）
7. 基础设施建设及运营（电力公用、交通运输、建筑）

• 聚类基于行业指数涨跌幅的行为相似性，同时结合行业定义和实际属性进行微调。

2.2 市值因素贡献分析

• 2017年9月至2018年2月各大类板块表现数据显示：

- 2018年2月金融板块跌幅最大，达-9.5%。
- TMT表现最佳，收益为0.3%。
- 全月市场呈现风格轮动和波动，市值因子影响不显著。

• 进一步对金融和TMT板块进行市值因子收益归因分析：

- 市值因子贡献占比均较低，回归系数不显著。
- 因此板块收益差异主要非由市值因子驱动。

• 结果提示，行业表现需结合其他基本面和轮动因素分析。

3. 行业基本面热点及业绩预测跟踪

3.1 生猪及禽链分析

• 生猪价格经历春节后按季节效应预期回落，4月有望回升（猪周期下行期），短期规避猪肉链。

- 肉鸡苗价格阶段上涨，受季节因素影响明显，且祖代鸡引种量连续下降，未来鸡肉行业潜在景气。

• 配置禽链需等待更多确认数据，策略保持谨慎。

3.2 石油石化与基础化工

• 石油石化板块超额收益与WTI油价高度正相关，且预测油价于2018年6月升至75美元，继续看好石油石化板块短期配置机会。

- 基础化工在2014Q3后表现与油价出现负相关，需区分周期影响。

3.3 行业业绩预测模型

• 采用历史数据和模型对部分行业进行净利润（和钢铁营收）增速预测：

- 农林牧渔、轻工制造、钢铁预计业绩下降。
- 基础化工、电子行业维持高景气。
- 电子、医药等行业利润增速趋于稳定或上升。

• 图表展示预期趋势及实际/预测值的趋势对比，有助理解行业盈利季节性与周期波动。

3.4 行业基本面量化指标更新

• 详细分析了11个重点行业（农林牧渔、轻工制造、基础化工、电子元器件、纺织服装、汽车、电力设备、医药、家电、钢铁）的利润与营收季节性变化、修正后的利润同比增速、非经常收益占比、行业指数表现、市盈率估值等关键统计指标。

- 非经常性收益占比中位数多在2.7%—9.6%左右，提示需关注业绩质量。

• 行业市盈率跟踪表明部分周期行业估值已处于中低位，消费、医药等较高。

- 部分行业产量、销售、原材料价格等实物指标同步预测盈利趋势，提供行业景气度的先行参考。

---

三、图表深度解读

1. 随机与能力驱动的行业配置表现（图1-4，7，12，敏感性分析表）

• 图1：5000次随机配置5行业净值路径季度胜率分布直方图，左偏明显说明大多数随机配置胜率低于50%，难超全行业等权。

- 图2：随机配置5行业年化超额收益相对于行业等权的分位数，收益高于3%属于前10%分位，顶尖配置非常稀缺。

• 图3：选择行业数量敏感性分析，胜率随着行业个数增加明显提升，分散化降低波动，增加胜率。

- 图4：收益率波动率对比表，n个行业配置波动率高于全行业等权，导致长期净值表现受损。

• 图7：配置5行业且每行业进入前10概率为40%时，季度胜率和年化超额收益直方图右偏，明显改善表现。

- 表1、2：多维度敏感性数据显示胜率和年化超额收益随p值和行业数变化，阐明40%为关键临界点。

2. 行业归类与板块表现（表3-7）

• 表3、4：行业通过聚类归类为7大类，合理反映行业属性及市场表现，帮助简化行业配置复杂度。

- 表5：近半年各板块月均涨跌幅，风格轮动明显，2月市场调整幅度大，TMT相对韧性强。

• 表6、7：金融与TMT板块市值因子归因显示贡献有限，说明风格变化与行业基本面因素更相关。

3. 行业基本面热点与预测（图6-17）

• 图6-7：生猪价格进入下行周期，存在周期与季节效应叠加，调整风险加大。

- 图8-9：产业链上游禽类供给压力显著，后市需观察确认。

• 图10-11：石油石化超额收益与油价高度联动，基础化工出现脱钩现象，提示市场异化。

- 图12-17：净利润增速预测图显示行业盈利预期趋弱或稳健，特别钢铁营收趋势延续下滑态势。

4. 重点行业盈利及估值更新（图18-81）

• 从农林牧渔到钢铁，多个行业盈利数据的预测与实际的对比，展示具体行业周期波动、季节性与估值关系。

- 非经常性损益占比分析提供业绩质量判断工具。

• 行业指数与大盘关系图反映股价表现与整体市场的相对强弱。

- 估值指标（市盈率、市净率）整体趋势有助把握行业估值合理区间。

• 产业链相关物价、产销量指标为预测未来行业景气提供实物佐证。

---

四、估值分析

• 报告中的估值没有使用传统的DCF或多阶段自由现金流估值法，但通过行业市盈率(TTM)、市净率和分位点分析为行业价值定位提供参考。

- 多行业市盈率均有中位数线作为估值参考基准，结合行业盈利预测，辅助判断当前价格是否合理。

• 非经常性损益占净利润比例的统计帮助解释盈利的“质量”高低，防止高估表面利润。

- 以上指标配合盈利增长速度，构成相对稳健的量化估值体系。

---

五、风险因素评估

• 行业配置的随机性风险显著，随机选股胜率及超额收益均低于行业均值，说明无能力时配置风险较高。

- 行业配置需要具备一定的筛选能力(p值≥40%)，否则可能带来负收益甚至损失。

• 季节效应和周期性风险对生猪、禽链等板块配置带来不确定性，需谨慎观测市场信息。

- 石油化工行业外部油价波动巨大，油价走势脱离基础化工盈利表现风险。

• 行业业绩预期可能面临宏观经济波动、政策调整、市场需求下降等下行风险。

- 非经常性损益波动影响行业盈利解释性，存在会计调整风险。

• 市场估值波动、资产价格调整也影响配置效果。

报告并未明确提出针对风险的具体缓解策略，但基于量化模型的测试与复核能够作为一种控制方法，建议投资者严格评估自身能力概率p，并结合行业轮动模型辅助决策。

---

六、批判性视角与细微之处

• 报告设定的p值指标虽直观，但实际操作中如何准确量化自身配置能力尤为难，存在测量误差和执行偏差问题。

- 行业配置能力假设各行业p值相同，实际可能存在行业间能力差异，模型简化降低其局限性。

• 模拟回测基于历史数据，未来行业结构、市场环境可能发生变化，预测的稳定性有不确定。

- 市值因素归因模型因回归系数不显著，其结论应谨慎采信。

• 行业分类基于K-means聚类和主观调整相结合，有一定主观成分，分类结果具有一定灵活性。

- 非经常性损益占比虽说明利润质量，但覆盖行业和时间节点自身可能存在不完全，需结合更多指标解释。

• 行业业绩预测依赖历史财务数据和回归模型，难以完全捕捉突发政策或市场事件影响。

总的来说，报告较为全面客观，但核心假设的落实与实际适用性仍需投资者结合自身经验进行审慎评估。

---

七、结论性综合

本报告围绕“行业配置能否获得超额收益”的专题深入分析，归纳如下关键点：

• 行业配置难度大，随机或无观点配置多跑输市场：模拟5000次随机配置5个行业胜率仅44%，多数收益跑输全行业等权。（图1-3）[page::4,5,6]

- 配置能力关键指标p=行业进入全行业前10名概率：p约40%为配置能力临界点，高于此值胜率与超额收益明显提升，p=50%时，胜率可达70%，年化超额收益可达10%。实际操作中，达到如此能力需高度专业与经验积累。（图7，表1，表2）[page::7,8]

• 行业分散提高胜率但对收益影响有限：增加配置行业个数，波动率下降，胜率提高，但期望年化超额收益变化不大。（图3，4）[page::5,6]

- 板块归类合理简化，方便对行业轮动的理解：七大类板块划分结合机器学习与行业属性，便于持仓配置与监管。（表3，4）[page::8,9]

• 近期市场风格切换明显，2月金融走弱TMT表现突出，非市值因素驱动。（表5-7）[page::10]

- 行业基本面热点与业绩预测周期变化明显：猪周期影响生猪价格，禽链预期需验证。油价回升利好石油石化但基础化工表现分化。（图6-11）[page::11,12]

• 量化模型预测部分行业盈利增速表现分化，周期类（农林、钢铁、轻工）偏弱，消费、医药电子表现稳健。（图12-24）[page::13-24]

- 估值指标与非经常性损益比例帮助理解行业盈利质量与估值合理性。

• 配置建议：

- 无行业观点时，优先采取全行业等权分散配置。
- 投资者若具备行业能力达到p≥40%，可主动做行业选择，提升超额收益。
- 关注投资时钟行业轮动策略以获取7-10%的年化超额收益。

综上，这是基于大幅历史数据和实证模拟的量化分析报告，提供了行业配置能力与超额收益关系定量测算框架，结合热点行业基本面预测及估值指标，助力机构投资者理解行业轮动与择时中超额收益的难度与机会。本报告在行业量化研究与实务指导中具有较高参考价值，值得投资者深入研读与结合自身情况应用。

---

图片示例

• 图1（5000次模拟季度胜率分布）：

• 图2（随机配置超额收益分位数）：

• 图4（行业配置数量与波动率）：

• 图7（p=40%配置5行业季度胜率及超额收益直方图）：

---

溯源标注

本分析结论均源自原报告内容，引用页码详见括号：

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

---

以上为中信建投证券《行业配置获取超额收益的难度到底多大？》报告的详细分析解构。

报告