• 航空股高Beta属性显著，13年月频数据测得航空指数相对沪深300的Beta为1.18，t值为15.83，表现出典型的高beta特征，波动性与市场同步增强 [page::0][page::11]。

• 航空行业季节性明显，2005年至2018年数据显示一至三季度超额收益为负，四季度平均超额收益为3.44%，且13年里有8年四季度超额收益为正，季节因素明显 [page::0][page::12]。

• 核心基本面变量分析：

- 客座率是超额收益的核心指标，领先超额行情约3个月，相关系数高达53%，单变量解释度达28%且敏感度为5.90，是供需结构的量化体现 [page::0][page::2]。

- 汇率（美元兑人民币）对航空股影响显著，领先期6-9个月，相关系数绝对值约31.50%，通过影响成本和汇兑收益等传导业绩，但其关系复杂，近年来趋向符合经济学预期 [page::0][page::3][page::18]。

- 原油价格为重要但非核心因素，领先6-9个月，负相关性明显，相关系数达-42.17%，因航空公司采取措施降低燃油成本波动影响 [page::0][page::5]。

- GDP虽然与航空超额收益相关，但无领先效应，指导意义有限 [page::0][page::7]。

• 历史超额行情：

- 过去十二年航空股有三次大超额行情，分别为2007年、2008-10至2010-10、2014-08至2015-06，均伴客座率升高、汇率升值或油价暴跌等行业核心指标异常 [page::0][page::9]。

• 基于行业指标的TTM增速预测模型：

- 净利润的TTM增速模型拟合度仅12.65%，预测效果不理想 [page::15]。
- 营业收入的TTM增速预测较好，拟合度达到64.15%，反映周期行业营业收入稳定提升趋势 [page::16]。
- 航空指数相对沪深300超额收益的TTM增速方向预测准确率达71.74%，拟合度45.85%，回归系数中客座率正相关最显著，汇率次之，原油价格负相关影响最小 [page::17]。

• 基于三大指标的择时模型：

- 定义择时买入信号为预测未来期超额收益增速大于零，实证期间2008-09至2018-07，择时策略相对航空指数年化超额收益5.48%。
- 最新一年回归系数显示客座率影响为正，而汇率和原油价格影响为负，客座率作用显著大于其他指标 [page::18][page::19]。

• 基于三大指标的选股模型：

- 运用行业指标对航空指数成分股相对沪深300的TTM超额收益进行回归预测个股超额收益，筛选预测大于0的股票构建等权组合，样本外月度调仓。
- 策略相对等权基准年化超额收益8.41%，相对航空指数年化超额收益13.64%，显示显著的选股增强效果 [page::22]。

• 个股对关键指标敏感度存在差异：

- 五大航空股中，南方航空对客座率敏感度最高，中信海直最低；中信海直业务性质不同，敏感度较低合理 [page::20]。

• 行业趋势：

- 各航空公司美元负债比近年来显著下降，降低汇率风险；燃油成本占比同样下降，减轻油价波动影响；客座率对行业影响日益重要 [page::21]。

报告详尽分析：量化基本面选股——以航空业投资方法为例

---

一、元数据与报告概览

报告标题: 【建投金工专题】量化基本面选股：从逻辑到模型，航空业投资方法探讨
作者: 丁鲁明、喻银尤、鲁明
发布机构: 中信建投证券研究发展部
发布时间: 2018年08月09日
研究主题: 航空行业的量化基本面选股策略，重点分析行业核心指标及其对股价表现的预测作用，建立基于行业基本面指标的择时和选股模型。

核心论点与目标:
报告通过对航空行业核心经济指标（客座率、汇率、原油价格及GDP）的深入研究，揭示了这些指标与航空指数相对沪深300指数的超额收益之间的显著相关性及领先性。报告建立了多种基于这些核心指标的量化预测和投资模型，覆盖净利润、营业收入以及超额收益的TTM环比增速预测，并进一步应用于择时和选股策略，实现超额收益。具体数据表明，客座率为行业超额收益的最关键驱动因素，汇率和原油价格虽非核心但影响显著，GDP表现为显著相关但无领先性。基于此的量化模型在实证中表现优异，择时策略年化超额收益5.48%，选股策略相对航空指数年化超额收益达13.64%。全篇强调了经济逻辑与统计规律结合的重要性，为量化基本面投资提供系统方法论。[page::0,1,23]

---

二、逐节深度解读

1. 行业核心指标量化解析

供需结构是超额行情基石—客座率分析

• 报告将客座率视为衡量航空供需关系的关键指标。客座率直接决定航空公司提价能力和业绩表现，从而驱动股价超额收益。

- 图1显示2005年至2018年间，航空指数相对沪深300与客座率走势走势部分一致，但航空指数表现波动更大，主要受A股周期行情牛熊影响。

• 统计表明，客座率与超额收益的相关系数为53%，具有3个月的领先期，单变量解释度高达28%，敏感度达到5.9，意味着客座率变化对超额收益影响显著且较快反映市场[page::2]。

- 结合图2的航空指数相对沪深300指数与客座率TTM环比增速曲线，可见两指标整体趋势一致，验证了领先关系的存在。

外部影响因素：汇率分析

• 汇率（美元对人民币）波动影响航空业核心理由包括：

- 人民币升值后航空公司美元负债汇兑收益增加
- 采购飞机及维护以美元计价，升值降低成本
- 升值促进出境游数量增长
- 燃油价格下降降低成本

• 但航空公司通过降低美元负债规模，控制汇率敏感度。

- 图3显示人民币兑美元汇率与航空指数呈下降趋势，似乎与传统观点不符。

• 采用TTM环比增速分析后发现，汇率对超额收益存在6个月领先期。相关系数为31.5%（绝对值），t值显著。

- 进一步回归显示2016-2018年汇率与超额收益呈负相关，符合经济学逻辑，但整体样本期部分年份关系偏离预期，推测为市场其他因素干扰或投资者非理性反应[page::3]。

外部影响因素：原油价格分析

• 虽非核心变量，原油价格对航空行业影响显著，因燃油成本占比重高。

- 航空公司会通过燃油附加费和引进新机型等措施缓冲油价上涨影响。

• 图5显示航空指数相对沪深300指数与WTI原油价格走势呈反向关系。

- TTM环比增速分析表明，原油价格对超额收益具有6个月领先期，相关系数为-42.17%，t值-5.5，统计学显著。敏感度相较客座率和汇率较低，说明其影响虽大但波动性调整后效果较弱[page::5]。

GDP指标分析

• GDP增长理论上提升商务和旅游需求，进而促进航空业绩与股价。

- 但GDP呈稳定上升趋势，缺乏短期波动和领先性。

• 图7与8显示GDP与航空超额收益无明显领先关系。

- 相关性显著但解释度较低，且无领先期，使其难以作为短期投资决策指标[page::7]。

2. 航空股超额收益大行情回顾与高Beta特性

• 报告回顾2007至2018三次典型航空股超额收益行情，分别见于2007年（超额82.47%）、2008-2010年（超额90.79%）及2014-2015年（超额138.60%）。第三次行情时间短、超额收益最高。

- 图9展示航空指数与沪深300绝对及相对收益走势，峰值基本对应A股牛市起止。

• 图10和11分析主要航空公司股价表现及其相对沪深300收益，整体走势高度一致。

- 回归分析（图12和图13）显示中国国航和南方航空beta较高（1.31、1.33），行业整体Beta为1.18，表明航空股为典型高Beta行业，市场上涨时表现更强，风险也更高[page::9,10,11]。

3. 行业周期性与超额收益季节性特征

• 图15展示2008-2018年客座率逐年提升趋势，增速显著。

- 通过月度和季度数据（图16和17）发现，8月、11月以及第四季度表现特殊，第四季度超额收益均值达3.44%，表现明显优于前3季度（负收益）。

• 图18和19揭示季节性规律：夏季旺季客座率高，但传导至股价约滞后3个月，导致8月航空股表现反而偏弱，11月及第四季度表现强劲，为投资者择时提供参考[page::12]。

4. 量化基本面模型构建与财务预测

净利润TTM增速预测模型

• 使用客座率（3个月领先）、汇率（6个月领先）、原油价格（6个月领先）三个指标TTM环比增速对应航空业净利润（月度线性插值数据）做多元线性回归。

- 但由于航空行业净利润波动大，模型拟合度较低，解释力度仅为12.65%，统计显著性也不强，预测效果有限[page::14,15]。

营业收入TTM增速预测模型

• 同指标与营业收入合计（月度线性插值）回归，模型拟合度显著提升至64.15%，客座率、汇率、原油价格均显著影响营业收入。

- 图27显示预测值与实际营业收入环比增速匹配较好，表明收入相较净利润更适合作为量化预测目标[page::16]。

超额收益TTM环比增速预测模型

• 用三指标TTM环比增速预测航空指数相对沪深300超额收益环比增速，拟合度达45.85%，方向准确率71.74%。

- 回归系数表明：
- 客座率正相关且影响最大，体现供需对超额收益的核心作用。
- 原油价格负相关影响最小。
- 汇率负相关性理论符合经济逻辑，但样本中呈正相关或结果复杂，推测受其他因素干扰[page::17]。

5. 择时模型构建与实证结果

• 以三指标的月度TTM环比增速历史一年数据回归航空指数相对沪深300超额收益TTM环比增速实现择时。

- 当预测收益为正时做多超额收益，预测为负时空仓。

• 图29显示最近一年回归系数，客座率强且为正，汇率和原油价格为负，且汇率显著大于原油价格。

- 策略结果图30表明择时策略净值明显跑赢基准，年化超额收益为5.48%[page::18,19]。

6. 基于基本面指标的选股模型设计与结果

• 传统选股依赖估值、规模、动量等因子；该报告跳出框架，利用行业指标客座率、汇率、原油价格及其对个股相对沪深300超额收益的不同敏感度做多元回归预测未来超额收益。

- 以回归预测未来一期个股超额收益，收益>0且等权组合构建月度调仓组合，无正收益时则等权持有所有成分股。

• 研究表明，不同个股对客座率敏感度差异明显，南方航空最高，中信海直最低（符合其通用航空业务特点）；汇率和原油价格敏感度也因公司而异。

- 个股敏感度分析结合财务数据：如航油成本占比、中信海直的业务性质、美元负债占比（图39、40显示近年普遍下降，降低汇率负面影响）等，形成对个股基本面不同的解释。

• 该模型实证策略净值较等权基准年化超额收益达8.41%，相对航空指数超额收益达13.64%，表现显著优于基准[page::20,21,22]。

---

三、图表深度解读

重要图表解读

• 图1与图2（客座率与航空指数）: 反映了关键指标客座率与超额收益的同步及领先关系，图2明示了TTM环比增速的领先3个月关系，有效提升了拟合和预测能力。

- 图3与图4（汇率与超额收益）: 明显汇率指标有期领先，回归预测6个月领先期，说明市场存在调节幅度和滞后反应机制。

• 图5与图6（原油价格与超额收益）: 图示油价和超额收益负相关，TTM环比分析增强了领先性洞察。

- 图9（超额收益行情回顾）: 明确历史三轮航空股超额行情，验证报告核心结论，突出不同驱动指标事件对应超额表现的差异。

• 图12与13（个股Beta分析）: 从个股层面解析高Beta属性，为行业高度周期性及波动性提供个股证据。

- 图15-19（周期性与季节性）: 通过年度、月度、季度多维度刻画行业周期，揭示了第四季度收益明显优于前三季度，为季节性择时提供支撑。

• 图22-24（净利润预测模型）与图25-27（营业收入模型）: 视觉比较不同指标对财务状况的预测效果，强调营业收入预测显著优于净利润模型。

- 图28（超额收益预测模型）: 直观展现三指标多元回归对未来超额收益TTM增速的拟合效果及预测能力。

• 图29、30（择时模型回归系数与净值）: 揭示最新指标权重结构与策略实战业绩。

- 图31-34（个股指标敏感度与财务指标）: 结合客座率敏感度、客运价格、业务结构等多维度基础，深化选股模型的基本面理解。

• 图39-42（美元负债比与燃油成本比）: 量化企业策略对外部风险的应对效果，解释汇率与油价影响的变化趋势。

- 图43（指数增强策略净值）: 证实了基于行业核心变量构建的量化选股模型优于传统基准，凸显模型实用价值。

---

四、估值分析

报告未涉及传统的估值方法如DCF或P/E估值分析，而重点放在行业经济指标驱动的超额收益及基本面变量变动的量化预测模型。模型核心是多元回归法结合领先期的TTM环比增速数据，依赖客座率、汇率、原油价格这三大行业指标及其不同个股敏感度，间接体现了估值的内在变化趋势。通过超额收益预测及择时策略反映其对估值动态的把握和应用。

---

五、风险因素评估

报告没有专门列出风险章节，但可以从内容中归纳主要风险点：

• 宏观经济波动风险: GDP作为滞后无领先性的指标，可能导致短期预测失准。

- 汇率与油价波动风险: 汇率与油价虽非主导，但对成本和盈利有重要影响，尤其其影响关系不稳定，市场预期与实际经济逻辑可能出现偏差。

• 模型的历史回归局限: 过去的数据拟合和领先期可能在未来市场条件改变后失效，需动态调整。

- 个股特性差异风险: 不同航空公司业务结构差异较大，模型在具体个股应用时面临选股信号误判风险。

• 市场系统性风险: 航空行业高Beta属性说明行业股价随市场波动放大，系统性风险严重。

报告并未明确给出缓解策略，但通过降低美元负债比例、优化燃油成本等财务策略，对部分风险有内部缓冲作用。

---

六、批判性视角与细微差别

• 报告逻辑清晰，数据详尽，但对汇率与超额收益相关性的解释存在一定复杂矛盾，虽有合理性推论，但未给出更深入的多因子解释模型。

- 净利润预测模型效果有限，提示纯基于三指标的基本面模型在财务指标预测上存在局限，强调对预测目标的选择需谨慎。

• GDP指标无领先性结论可能受样本范围限制，应注意后续经济周期结构的变化。

- 行业和企业异质性在实际选股中凸显，模型简化处理个股差异，可能影响策略泛化能力。

• 报告未对历史样本中极端事件（如金融危机、电油危机、政策变化）下的模型稳健性进行专门考察。

---

七、结论性综合

本报告以量化基本面视角系统探讨了航空行业的投资逻辑，经过经济逻辑严密论证和丰富数据验证，明确以下关键结论：

• 核心指标确定: 客座率作为航空行业供需的直接体现，是超额收益的主导变量，领先期约3个月。汇率和原油价格同样是重要外部变量，影响更间接但具备6-9个月领先期，GDP虽相关但无提前信号。

- 行业表现特征: 航空股具高Beta属性，市场上涨时超额收益显著，呈明显周期性与季节性，尤其第4季度超额收益最强。历史上三轮超额行情分别对应宏观及行业关键变量的极端表现。

• 量化模型构建与效果:

- 净利润TTM增速模型拟合度不理想，反映利润波动较大，预测难度高。
- 营业收入TTM增速模型解释度优良(64.15%)，展现基础经营活跃信号。
- 超额收益TTM增速模型准确率达71.74%，实现较好超额收益的预测与把握。

• 投资应用:

- 择时模型实现年化超额收益5.48%。
- 基于指标与个股敏感度的选股模型带来相对航空指数13.64%的年化超额收益，策略表现优异。

• 行业动态与风险: 企业逐步降低美元负债与燃油成本比重，减少汇率与油价风险；客座率影响力未来更加显著。

整体来看，报告成功将行业基本面关键驱动因素与量化策略有效结合，构建出具有实证支持的择时和选股模型，明确了航空行业投资的基本框架和未来发展方向。该研究方法兼具经济学逻辑与统计实证，具备较强的实践指导意义及可推广价值。

---

参考图片（部分）

• 图1：航空指数相对沪深300指数与客座率

• 图9：航空指数相对沪深300指数收益（2007-2018）

• 图12：航空股相对沪深300的beta值

• 图27：三大变量对航空业营业收入TTM环比增速预测

• 图30：择时模型净值表现

• 图43：指数增强策略组合净值

---

（全文根据报告中各页内容并结合图表数据详实解读，所有数据、结论均直接来源于报告文本及附图）[page::0-24]

报告