行业板块重构与细分 [page::2][page::3][page::5]

• 传统一级行业内部存在显著分化，部分行业背离所在板块相关性，支持拆分细分提升精度。

- 基于相关系数和Kmeans聚类，重新划分为7大板块：金融、周期上游、中游、下游、稳定、消费、成长。

• 板块内部细分提升了行业轮动模型的分辨能力。

板块轮动策略构建与现金流折现率beta分析 [page::6][page::7][page::8][page::9][page::10]

| 年份 | 绝对收益 | 超额收益 | 信息比率 | 最大回撤 | 超额胜率 |
|---------|-----------|----------|---------|----------|-----------|
| 2010.8 | 55.66% | 16.66% | 1.9411 | -0.56% | 60.00% |
| 2011 | -18.91% | 4.00% | 0.4069 | -5.43% | 66.67% |
| 2012 | 12.35% | 7.68% | 0.7570 | -5.72% | 75.00% |
| 2013 | 12.61% | 10.55% | 0.8053 | -8.46% | 66.67% |
| 2014 | 25.05% | -18.79% | -1.0414 | -24.80% | 41.67% |
| 2015 | 92.11% | 51.94% | 3.2946 | -3.74% | 83.33% |
| 2016 | -14.44% | -3.33% | -0.4083 | -6.48% | 33.33% |
| 2017 | 24.34% | 16.64% | 1.6425 | -2.32% | 58.33% |
| 2018 | -16.25% | 9.04% | 1.2576 | -1.58% | 58.33% |
| 2019.3 | 35.00% | 7.72% | 1.9310 | -1.47% | 66.67% |
| 全样本 | 16.99% | 10.00% | 0.7983 | -24.80% | 60.58% |

• TWO-BETA模型分析板块对现金流与折现率的敏感度，实现四阶段轮动配置。

- 现金流上行配置金融及周期板块，下行则配置成长及稳定板块。

• 选取天风制造业指数及国开债收益率作为代理变量驱动信号，策略月度调仓显著超越基准。

二级行业多因子模型构建与行业分层轮动回测 [page::11][page::12]

| 年份 | 绝对收益 | 超额收益 | 信息比率 | 最大回撤 | 超额胜率 | 双边换手率 |
|---------|----------|----------|---------|----------|----------|------------|
| 2010.7 | 22.98% | 1.14% | 0.1248 | -2.65% | 66.67% | 60.24% |
| 2011 | -9.96% | 13.32% | 5.4012 | 0.00% | 100.00% | 54.52% |
| 2012 | 9.89% | 5.52% | 1.2883 | -1.87% | 75.00% | 65.71% |
| 2013 | 9.79% | 3.68% | 0.5055 | -6.29% | 58.33% | 40.77% |
| 2014 | 61.77% | 10.55% | 1.8272 | -2.36% | 75.00% | 57.92% |
| 2015 | 60.92% | 20.12% | 5.4297 | 0.00% | 100.00% | 49.59% |
| 2016 | -6.63% | 5.55% | 1.1173 | -3.15% | 66.67% | 55.06% |
| 2017 | 13.13% | 8.12% | 1.5600 | -3.85% | 75.00% | 54.58% |
| 2018 | -21.52% | 6.38% | 1.4646 | -1.32% | 66.67% | 55.04% |
| 2019.3 | 38.69% | 0.38% | — | -1.77% | 75.00% | 22.10% |
| 全样本 | 15.82% | 9.17% | 1.8056 | -6.29% | 76.47% | 53.39% |

• 行业内复合多因子明显提升因子ICIR，配合板块轮动实现分层轮动策略。

- 全样本年化超额收益9.17%，信息比1.8056，胜率高达76.47%，表现稳健。

《天风金工行业轮动系列报告之三——板块重构下的行业分层轮动》深度分析

---

一、元数据与报告概览

• 报告标题：《天风金工行业轮动系列报告之三——板块重构下的行业分层轮动》

- 作者：吴先兴、陈奕（天风证券研究所）

• 发布时间：2019年4月26日

- 主体内容：金融工程视角下对市场板块与行业轮动模型进行升级与重构，重点针对一级行业内部差异化明显，对板块重新分类与细化，结合现金流与折现率两个核心维度，打造具有更高因子稳定性和预测能力的分层轮动模型。

• 报告核心观点：

1. 原有行业板块划分过于粗糙，一级行业内部分化较大，不能反映经济环境不同阶段的表现差异，需重新精细划分7个板块。
2. 扩展行业多因子模型的行业维度至二级行业，显著提高因子的IC稳定性和信息比率。
3. 基于重新定义的板块和二级行业多因子模型，构建了表现极佳的分层轮动策略，年化超额收益约9.17%，信息比率达1.8056，胜率高达76.47%。

• 评级与目标价：本报告属于行业策略与模型构建分析，未涉及具体个股评级和目标价，聚焦于策略表现与方法论创新。

本报告旨在传递的是：在宏观与微观相结合的分层轮动框架下，重构行业板块和多因子模型可显著提升策略的稳定性和收益表现，呈现出优于基准指数的稳健收益，具备实践操作及推广价值。[page::0, 2, 5, 13]

---

二、逐节深度解读

1. 板块重构及行业内部分化分析

• 关键论点：

- 通过对一级行业内部的二级行业收益率的相关性分析，发现某些一级行业内部子行业相关性极低甚至负相关（如电力及公用事业的“发电及电网”与“环保及公用事业”，通信行业的“电信运营”与其他子行业），表明原板块的板块边界划分并未反映真实的行业轮动特征。
- 采用中信一级与二级行业的超额收益率相关系数（基于2010-2019年周频数据，Pearson相关系数），揭示了板块内涵的分化，提示对部分一级行业拆分的重要性。

• 分析方法：

- 利用协方差矩阵和相关系数热力图（图1），数值用颜色深浅区分正负相关。明显的负相关或低相关区域指示子行业分离的必要性。

• 重要数据点：

- 电力相关系数仅4.19%，极低。
- 通信行业中电信运营Ⅱ与通信设备制造相关性达到-18.85%。

• 结论：基于统计及经验，电力及公用事业、通信和食品饮料三大行业进行了拆分，并增补到一级分类体系以执行板块聚类。[page::2, 3]

---

2. 板块聚类及划分

• 关键论点：

- 采用两种聚类方法（层次聚类和K-means聚类，k=2），综合数据和经验对行业进行重构。
- K-means聚类结果清晰区分了周期行业（红色类）与成长和消费行业（青色类），验证了部分拆分的二级行业属于截然不同板块的推断。

• 行业划分系统：

- 金融、周期上游、周期中游、周期下游、稳定、消费、成长七大板块

• 板块组成举例：

- 周期上游含有色金属和煤炭。
- 稳定板块涵盖汽车、机械、发电及电网。
- 成长板块包括餐饮旅游、电子元器件、计算机等。

• 数据显示：

- 从2005年至今，周期下游、金融及消费板块的长期收益较好，周期上游与周期中游表现较弱，板块间表现差异显著。

• 结论：重新划定板块捕捉了内部分化，同时提升了经济环境与板块表现的对应关系，是后续轮动策略的基础。[page::4, 5, 6]

---

3. 板块轮动策略及 TWO-BETA 模型

• TWO-BETA模型介绍：

- 该模型基于DDM（股利贴现模型）原理，拆解市场超额收益为两部分：现金流（经济景气）变化和折现率（资金成本）变化。
- 利用VAR模型及收益率协方差，计算个股/板块对现金流和折现率收益的敏感度（βCF、βDR）。

• 板块现金流折现率敏感度统计（表4）：

- 金融和周期上游板块的现金流β最高，分别是0.4232和0.4227，意味着这类板块对经济景气比较敏感。
- 折现率β对成长板块最高（0.0469），金融板块折现率β为负（-0.0427），反映折现率上升对金融板块有利。

• 策略逻辑总结：

- 现金流上行且折现率上行时，优先配置金融板块。
- 现金流上行折现率下行时，配置周期上游及周期中游板块。
- 现金流下行、折现率下行时，成长板块相对抗跌。
- 现金流下行折现率上行时，配置稳定及周期下游板块。

• 图表解说：

- 图4 用象限图呈现上述配置轮盘，结合两大经济变量划分投资区间。

• 代理指标选择：

- 现金流用天风制造业活动指数（TFMAI）同比增长做领先指标（详见图5），领先市场ROE。
- 折现率用国开债10年期收益率的6个月均线指标平滑，用于反映市场资金成本。

• 结论：

- TWO-BETA模型通过现金流与折现率beta，提供了经济环境下的有针对性的板块配置方案，强调了基于经济景气和资金成本的动态资产配置逻辑。[page::6, 7, 8, 9]

---

4. 板块轮动策略回测表现

• 测试框架：

- 时间区间：2010年8月–2019年3月
- 换仓频率：月度
- 基准：等权重板块指数
- 持仓方式：板块等权持有

• 回测结果：

- 策略累计收益显著高于基准（图7），年化超额收益达10%，信息比率约0.8，胜率约60%。
- 灵敏度调整使策略在2014年12月和2016年有回撤但整体仍优于基准。

• 量化指标摘录（表5）：

- 最高年超额收益2015年达51.94%，信息比3.29。
- 最大回撤控制较好，最高回撤-24.8%。

• 结论：

- 基于现金流与折现率的板块轮动策略在该框架下实现了良好的收益稳定性，具备实际执行意义。[page::9, 10]

---

5. 行业分层轮动模型（板块内行业轮动）

• 改进点：

- 原模型以一级行业为分析单位因子稳定性不足，拓展到细分二级行业提高IC和ICIR指标，增加多因子模型的预测效果。

• 因子选取及稳定性（表6）：

- 多因子包括盈利能力（ROE及其同比和环比增减）、估值偏离、市净率偏离等多个维度。
- 多数因子IC在0.02-0.05之间，ICIR有显著提升，部分因子ICIR超过1，表明预测能力较强。

• 回测架构：

- 板块按管控权重分配，根据板块轮动策略超配权重；
- 板块内选取综合因子排名前20%的细分行业；
- 按行业流通市值加权构建组合。

• 回测结果：

- 综合策略年化超额收益9.17%，信息比高达1.8056，胜率76.47%（图8和表7）。
- 最大回撤控制在-6.29%范围内，表明策略波动率及回撤风险相对较低。

• 结论：

- 多因子行业轮动与现金流折现率基板块轮动结合，有效提升了股票投资的有效性和稳定性，形成系统性的超额收益来源。[page::11, 12]

---

6. 最新持仓建议

• 行业配置以成长（计算机软件、通信设备制造）、金融（国有银行）、稳定（发电及电网）、消费（医药、牧业）、周期（上游煤炭、周期中游石油开采）为主。

- 权重分布体现了经济现金流与折现率当前阶段对板块的判断具体执行。

• 如计算机软件和通信设备制造合计约24%的权重，反映成长板块在当前阶段的优势。

- 体现灵活配置，兼顾防御与周期板块热点。

• 持仓名单（表8）具体且操作性强，具有投资指导价值。[page::13]

---

三、图表深度解读

| 图表编号 | 内容描述 | 关键见解 | 备注及联系 |
|----------|-----------|----------|-----------|
| 图1 行业相关系数热力图 | 不同行业间超额收益相关性的矩阵热力图，色深反映相关性正负及大小 | 发现电力及公用事业内的“发电及电网”与“环保及公用事业”，通信行业内“电信运营”与其他细分行业相关系数极低，存在合理拆分的必要。 | 支持板块拆分的实证依据。[page::3] |
| 图2 K-means法聚类 | 根据收益率特征将行业分为周期（红色）和成长消费类（蓝色）两大簇 | 部分二级行业如白酒、发电及电网等划分在不同大类，验证拆分合理性，家电、医药等聚为消费类。 | 结合统计与经验划分板块的证据。 [page::4] |
| 图3 各板块历史收益率走势 | 2005年至2019年不同板块累积收益率曲线 | 周期下游、金融、消费表现较好，稳定板块波动小、表现平稳，周期上游、中游表现欠佳。显示周期板块内部差异显著。 | 显示板块表现差异，强调细分必要。 [page::6] |
| 图4 板块配置轮盘示意 | 现金流（景气）与折现率（资金成本）两因素四象限对应的板块配置 | 四象限点明何时应满足配置某类板块：如现金流+折现率上行时配置金融，现金流下行折现率上行时配置消费等 | 直观传达TWO-BETA模型下配置逻辑。 [page::8] |
| 图5 制造业指数与全市场ROE | 天风制造业活动指数与市场ROE中位数的时间序列对比 | 制造业指数领先ROE，确认其作为现金流代理的合理性 | 经济领先指标辅助轮动判断。 [page::8] |
| 图6 现金流折现率阶段 | 各时间点现金流与折现率处于上行或下行的状态 | 显示不同时期经济资金环境，有助于分阶段配置板块 | 用于动态执行策略。 [page::9] |
| 图7 板块轮动策略净值曲线 | 板块轮动策略净值与基准对比 | 策略长期优于基准，年化超额收益达10%左右，信息比约0.8，表现稳健 | 验证现金流折现率模型的实际有效性。 [page::10] |
| 图8 行业分层轮动策略净值 | 多因子+板块轮动综合策略净值曲线 | 比单纯板块轮动更稳健，信息比加倍，胜率更高，最大回撤更低 | 表明多层次策略相辅相成，提升收益与稳定性。 [page::12] |

---

四、估值分析

本报告属于宏观+行业分层轮动模型构建，主要关注投资组合层面的资产配置，未涉及传统的单个企业估值分析，因此不包含DCF、市盈率或其他个股估值细节。本报告的估值意义核心在于通过分解现金流与折现率的β，理解不同板块受经济走势和资金环境影响的不同敏感度，从而制定动态配置策略。

---

五、风险因素评估

• 经济突发事件风险：模型基于经济周期稳定运行，突发性经济冲击（如政策剧变、危机爆发）可能导致模型失效，策略收益受损。

- 多因子模型有效性风险：多因子因子有效性的持续性存在不确定性，因子IC可能因市场环境、行为偏差变化而弱化。

• 行业拆分及聚类风险：行业划分、聚类依据统计数据和经验判断，窗口选择及行业调整方法带来模型不确定性。

- 指标滞后性与代理风险：尽管选择制造业指数与国开债收益率代理现金流和折现率，有一定经济逻辑，但代理指标存在一定滞后性和误差，影响轮动判断。

• 模型简化风险：TWO-BETA模型简化了收益影响因素，未囊括宏观所有变量变化，如通胀、货币政策细节可能未完全反映。

- 市场结构变化风险：随着金融市场开放及产品创新，原有行业轮动规律可能发生调整，对模型有效性的挑战。

报告对主要风险节点进行了提示但未细化缓解策略，投资者应结合自身风控体系审慎应用该策略。[page::0, 13]

---

六、批判性视角与细微差别

• 通过相关系数及K-means聚类的统计方法提供行业拆分的依据虽有效，但其对时间窗口、指标选择敏感，行业拆分带来的收益提升需在其他市场环境下持续验证。

- TWO-BETA模型假设收益率拆解充分解释现金流与折现率两个因素对市场回报的影响，但现实中影响因素更多，特别是政策调控、突发事件等可能带来偏差。

• 折现率代理变量仅选用国开债10年期收益率，未来随着市场深入，可能需加入更多利率期限层次或风险溢价指标完善模型。

- 多因子模型IC绝对值较小（多为0.02-0.05区间），虽然ICIR有所提升，预示预测能力有限，因此过度依赖可能带来一定风险。

• 轮动策略历史表现优异，但存在一定回撤和年份策略失效期，投资者应权衡风险和收益。

- 报告强调分层轮动策略在“中国市场”的表现，是否对海外市场普适仍待考量。

整体上，报告保持了较为严谨的分析态度，结合统计和定性经验进行板块拆分，策略逻辑清楚且有实证验证，具备较高的应用价值，但未来仍有扩展和改进空间。[page::2, 4, 6, 9, 12, 13]

---

七、结论性综合

本报告针对中国市场已有的行业轮动模型和板块划分进行了全方位重构，主要贡献体现在：

1. 行业与板块精细化拆分：

- 识别一级行业内部二级行业表现的差异性，采用相关系数和K-means聚类法结合经验，重新划分成金融、周期上游、中游、下游、稳定、消费、成长7大板块。
- 分拆的板块更能映射不同经济周期阶段的表现，提升了投资组合的细分配置能力。

1. 模型框架创新和量化指标提升：

- 采用 TWO-BETA 模型将市场收益率分解为现金流与折现率两个来源，计算各板块对这两个变量敏感度的beta，并通过领先指标（制造业活动指数、国开债收益率）判定配置时点。
- 板块现金流beta和折现率beta表现出不同板块对经济景气和资金成本的不同响应特征，构建的轮动轮盘决策清晰、可操作。

1. 多因子行业模型拓展与优化：

- 将行业多因子模型细化到二级行业，显著提升了因子的IC稳定性，从而增强了行业轮动信号的预测力量。
- 因子覆盖盈利、估值、成长等多方面，综合能力强。

1. 策略表现与验证：

- 从2010年至2019年回测显示，基于重构板块的轮动策略实现约10%的年化超额收益，信息比率接近0.8。
- 行业分层轮动策略进一步提升至9.17%超额年化收益，信息比率达1.8以上，表现卓越且最大回撤控制良好，超额胜率达76%以上。
- 策略表现稳健，充分证明通过经济指标驱动下的行业及板块轮动具有实战价值。

1. 图表和数据的直观支持：

- 相关系数图和聚类图形象反映行业间的非常规结构和板块异质性。
- 收益率曲线及净值表现清晰展示出策略优于等权基准的实力，为轮动策略提供数据支撑。
- 现金流及折现率代理指标有效领先市场表现，说明轮动时点具备预测力。

综上，报告通过系统性再划分行业板块、拓展因子粒度、并结合经济指标分解市场风险，构建了一个更精细、响应更敏捷的行业分层轮动框架，实证结果坚实，表现突出，具有对行业资产配置策略优化的重要启示价值。

投资者和策略制定者可基于该模型框架，动态调整配置权重，以期捕捉经济环境变化带来的结构性机会，同时注意模型假设与现实经济变化风险。

---

参考文献

• 吴先兴, 陈奕, 《天风金工行业轮动系列报告之一——基于现金流与折现率的板块轮动策略》2018-10-18

- 吴先兴, 陈奕, 《天风金工行业轮动系列报告之二——行业分层轮动模型》2018-12-27

• Campbell, J.Y. (2004), 资产价格波动之经济源泉分析

- Wind数据、天风证券研究所整理

---

附图示例展示

图1行业相关系数图示意：



图4板块配置轮盘示意：



图7板块轮动策略净值表现：



---

（全文共计约2800字）

报告