证券行业高波动性与行业景气度构建 [page::4][page::6]

• 证券行业作为典型的周期性行业，行业净利润受股基成交额、流通市值、筹资金额及融资融券成交额驱动。

- 业务主要包括经纪、自营及资管、投行和信用交易四大部分，各业务收入占比稳定，指标与净利润同比回归显著。

业务收入拆分及核心指标回归分析 [page::7][page::8][page::10][page::11][page::12]

| 业务类别 | 代表指标 | 回归系数 | R2 | t值 |
|--------------|-----------------|---------|------|-------|
| 经纪业务 | 股基成交金额同比 | 0.97 | 63% | 13.43 |
| 自营及资管业务 | 流通市值同比 | 0.90 | 54% | 11.27 |
| 投行业务 | 筹资金额同比 | 0.59 | 23% | 5.69 |
| 信用交易业务 | 融资融券成交金额同比 | 1.11 | 67% | 12.51 |

• 股基成交金额和融资融券成交金额同比为拟合净利润的核心指标，自营及资管及筹资金额影响适中但波动较大。

- 依据业务收入占比和回归结果，分别赋权构建行业景气度指标。

行业景气度指标及历史表现 [page::13][page::14][page::15]

• 行业景气度综合反映证券行业内在盈利驱动力，2003年以来与证券指数走势高度相关。

- 两次显著超额收益阶段：2006-2007年及2014-2015年，行业景气度提前反映行业趋势。

• 2020年初至今，景气度稳步上升，证券行业呈现估值修复机会。

市场情绪指标及择时策略构建 [page::16][page::17]

• 行业指数表现受市场情绪影响，板块成交额用于衡量市场情绪变化。

- 市场状态分为「震荡状态」和「低迷状态」，分别对应不同的行业景气度变动条件进行买卖操作。

• 择时策略买入信号包括行业景气度环比上升且成交额配合增长，卖出信号则考虑景气度下降及成交额回落。

择时策略回测及绩效表现 [page::17][page::18]

| 策略类型 | 年化收益率 | 年化波动率 | 夏普比率 | 最大回撤 | Calmar比率 |
|------------------|------------|------------|----------|----------|------------|
| 景气度择时策略 | 15.81% | 24.89% | 0.51 | -44.64% | 0.35 |
| 行业指数（基准） | -0.49% | 37.16% | -0.09 | -73.04% | -0.01 |
| 超额收益 | 16.13% | 18.39% | 0.71 | -34.15% | 0.47 |
| 20日均线策略 | 7.38% | 25.52% | 0.17 | -37.86% | 0.19 |
| 景气度择时对比20日均线 | 12.86% | 22.05% | 0.45 | -45.07% | 0.29 |

• 策略共发出18次买入信号，成功捕捉到主要超额收益阶段及估值修复行情。

- 回测结果显示基于行业景气度和市场情绪的择时策略优于传统均线择时，具有更优的风险调整收益。

金融研究报告详尽分析报告

——《基于行业景气度构建证券行业投资策略》申万宏源证券研究所，2020年11月06日发布

---

1. 元数据与报告概览

• 报告标题：《基于行业景气度构建证券行业投资策略》—— 行业景气度系列研究报告

- 发布机构：申万宏源证券研究所

• 发布日期：2020年11月06日

- 作者：证券分析师邓虎、于光希、许旖珊

• 联系方式：于光希 联系电话(8621)23297818转，邮箱yugx@swsresearch.com

- 研究对象：证券行业

• 报告主题：通过行业景气度指标构建证券行业投资策略，重点分析证券行业的周期性特征、业务收入拆分、景气度指标选取及其对行业盈利的驱动作用，最终设计策略择时模型并评估表现。

核心论点及重点结论：
证券行业作为典型周期性行业，受股票市场影响显著，收入结构同质化且高度依赖市场情绪。报告提出基于证券公司核心业务收入拆分，选取四项关键业务指标（经纪、投行、自营及资管、信用交易）的具体数据，通过回归验证其对行业净利润的解释力，进而构建行业景气度指标。此景气度能有效反映行业盈利状况和趋势，辅助行业指数的超额收益捕捉与阶段性行情判断。基于行业景气度结合板块成交额和估值指标，提出择时策略，优于传统20日均线策略，表现稳健且超额收益显著。该策略更精准地捕获行业趋势及重要转折点。

---

2. 逐节深度解读

2.1 行业定位与周期性特征（第1章）

• 关键信息摘要：

证券行业与股票市场密切相关，行业收益波动大，弹性高，是股票市场风向标。行业通常在牛市初期启动，因市场情绪推升快速涨幅，且下跌时幅度剧烈。择时策略在此行业显得尤为重要。图1展示了证券行业Beta的时间序列，清晰反映出其波动性随市场情绪起伏变化。证券行业的利润增长是行业发展的根本逻辑，而非传统的供需经济框架，因此研究焦点转向利润驱动力。[page::4]

• 作者推理：

传统周期行业通过供需分析，但证券行业更依赖市场波动和投资者情绪，利润是判定行业“景气度”的核心指标，推理合理贴合其特殊性。

2.2 证券公司业务收入拆分（第2章）

• 业务组成与占比变化（表1及相关图表）：

证券公司业务高度同质化，六大业务：经纪、投行、自营、资管、信用交易、投资咨询。2012-2020年间，经纪业务收入占比持续下降（由45%降至27%），自营及资管业务占比稳定上升（27%至37%），投行业务及信用交易业务表现波动，投资咨询业务占比极小稳定在1%左右。[page::4-6]

• 关键指标及回归分析：

依照各业务特性，选择对应经济指标作为景气跟踪指标：

- 经纪业务：股基成交金额同比（成交金额增长体现客户活跃度）
回归结果（图3、表2）：当期指标与五大券商净利润同比拟合较好，R²=63%，显著正相关，t值13.43，表明经纪业务收入和股基成交金额高度同步。[page::7]

- 自营及资管业务：境内上市公司流通市值同比
回归结果（图5、表3）：当期流通市值同比与净利润同比正相关，R²=54%，t值11.27，证实市场市值波动对业务贡献的显著性。[page::8-9]

- 投行业务：筹资金额同比（股权融资如IPO、增发、配股）
回归结果（图7-10、表4）：拟合度较低，R²=23%，因投行业务受政策监管波动大，部分数据月份为0，导致指标波动性大，但相关系数仍为0.48，具备一定解释能力。[page::9-10]

- 信用交易业务：融资融券成交金额同比与融资融券余额同比
回归结果（图10-12、表5）：融资融券成交金额同比表现更为稳定，拟合效果显著，R²=67%，t值12.51。融资融券余额同比相关较弱。现金流活跃度是更强驱动力。[page::11-12]

• 综合说明：

以上四项指标作为证券行业盈利的驱动因子，数据清晰反映业务与净利润关联，且指标选择合理，回归结果支持逻辑假设。[page::6-12]

2.3 行业景气度构建（第3章）

• 构造方法：

行业景气度定义为以上四项业务指标加权的综合指标，权重以历史业务收入占比改善参考，分别为股基成交金额同比35%，流通市值同比40%，筹资金额同比15%，融资融券成交金额同比10%。公式明确，反映各业务对整体利润的贡献比例，符合业务占比与盈利贡献逻辑。[page::12]

• 指标处理与统计：

各指标采用3σ原则剔除异常值，进行min-max归一标准化，分布尺度统一至0-100之间，保证合成指标的稳定性。描述性统计显示筹资金额同比波动最大（最大值5980%，标准差585%），反映投行业务的周期和监管敏感特性。[page::13]

• 景气度历史变化（图13）：

自2003年以来，行业景气度与证券行业指数变化趋势基本一致，内部波动与市场周期对应，显示该指标对行业盈利具有较强反映作用。[page::13]

• 景气度复盘及超额收益机会（图14-17）：

歷史两阶段明显超额收益：
- 2006年10月至2007年10月，指数由1898涨至13276点，区间收益率60%，超额收益376%；景气度从2006年起稳步上升至顶峰后回落。
- 2014年10月至2015年4月，指数由5036涨至13186点，区间收益率162%，超额收益78%。景气度同步上升后回调。
- 2020年5月至报告发布时，指数从5525涨至7524点，区间收益率36%，超额收益17%，景气度同步上升。
这表明行业景气度是捕捉证券市场阶段性行情的有力工具。
同时，景气度变动领先或同步反映了行业盈利拐点，有助于做出趋势判断。[page::13-15]

2.4 市场情绪与择时策略（第4章）

• 板块成交额作为情绪指标（图18）：

证券行业指数并非仅受景气度驱动，板块成交额反映市场情绪，在市场热络阶段明显放大行业指数估值。成交额峰值与景气度高点常同期出现，监测其变化有助判断投资者情绪变动。[page::16]

• 投资逻辑

- 证券行业指数多为震荡，长期趋势性机会少，但阶段性超额收益明显。
- 在极端低迷时亦存在估值修复机会。
- 市场状态定义依据过去三年指数20%分位数，低于该值为极端低迷状态。
- 不同状态下择时策略阈值不同：震荡时需景气度环比增25%且成交额上升为买信号，景气度下降10%或成交额下降为卖信号；低迷时景气度环比上升即买入，PB指标辅助卖出信号判定。[page::16-17]

• 择时策略表现（图19-22，表7-8）

- 策略回测时间：2010年1月至2020年10月。
- 相较基准（申万证券Ⅲ指数），年化超额收益16.13%，夏普率提高至0.71，Calmar比率0.47，显示更优风险调整收益。
- 比较20日均线策略，超额年化收益12.86%，夏普率0.45，Calmar比率0.29，策略能更精准判断趋势及拐点。
- 买入卖出信号次数共18次，成功捕获2015年及2020年证券市场超额收益及估值修复行情。[page::17-18]

---

3. 图表深度解读

图1 证券行业Beta（第1章，第4页）

• 内容描述：

展示2003年至2020年证券行业Beta值随时间变化。Beta反映证券行业相对于整体市场的波动性。

• 趋势与解读：

Beta值波动区间约1至2.2之间，显示证券行业波动性较大，市场行情变动时反应强烈。2007、2014至2015年Beta峰值处对应牛市，表明行业涨跌弹性高。[page::4]

表1 证券公司业务收入占比（第2章，5-6页）

• 内容描述：

从2012年中至2020年中，分季度统计证券公司经纪、投行、自营、资管、信用交易及投资咨询业务的收入占比。

• 数据解读：

经纪业务占比从约45%降至约27%，体现传统佣金业务收入压力。自营和资管业务比例增加，2018年后超越经纪业务，显示自营投资和资管管理成为主要利润来源。投行业务波动明显，信用交易稳定在10%-15%。投资咨询业务占比较小。[page::5-6]

图3及表2 股基成交金额同比回归（第2章，7页）

• 内容描述：

横轴为指标滞后期（-12至+12期），纵轴左为R²，右为t值。股基成交金额同比对前五大券商净利润同期拟合度最高，且最显著。表2回归系数0.97，R²为63%，t值显著。

• 趋势解读：

同期关系最强，说明股基成交金额同比指标可有效反映经纪业务收入及行业盈利状况。[page::7]

图5-6及表3 境内上市公司流通市值同比（第2章，8-9页）

• 内容描述：

类似于股基成交金额，证券行业自营及资管业务与流通市值同比变动同频。表3回归系数0.90，R²为54%，t值显著。

• 趋势解读：

市场资本化规模的提升对应行业盈利增长，资本市场热度和资产规模对业务贡献明显。[page::8-9]

图7-9及表4 筹资金额同比回归（第2章，9-10页）

• 内容描述：

投行业务指标筹资金额同比与净利润拟合度较低，R² 仅23%。但相关系数0.48，显示一定正相关性。

• 趋势解读：

投行业务规制强、数据波动大，指标波动极端时掩盖长期趋势，回归整体拟合弱，但仍反映部分规律。[page::9-10]

图10-12及表5 融资融券成交金额同比（第2章，11-12页）

• 内容描述：

融资融券成交金额同比指标拟合效果最好，R² 67%，显著正相关。融资融券余额同比则相关较弱。

• 趋势解读：

成交额更能反映市场活跃度和信用交易业务营收强弱，指标稳定且具领先性。[page::11-12]

图13 景气度与证券Ⅲ指数（第3章，13页）

• 内容描述：

2003年以来证券行业景气度（综合业务指标加权结果，蓝线）与行业指数（证券Ⅲ，红线）同步变化。

• 趋势解读：

景气度可有效反映行业内在盈利动力，并是证券指数走势的良好领头指标。[page::13]

图14-17 行业景气度与指数超额收益回顾（第3章，14-15页）

• 内容描述：

历史两轮牛市明显的超额收益同期景气度上行，2015年及2020年行情亦同步。图中标注的牛市区间股票指数和行业景气度都有显著上涨并成正相关。

• 趋势解读：

景气度能预判超额收益窗口，且短期变动对应重要行情阶段，有助择时决策。[page::14-15]

图18 行业景气度与成交额（第4章，16页）

• 内容描述：

证券行业景气度趋势与同期行业板块成交额存在一定相关性，成交额反映投资者情绪波动。明显成交额上升伴随景气度上升，如2015年牛市期间。

• 趋势解读：

景气度反映盈利状况，成交额反映市场情绪，两者结合有助捕捉行情阶段信号。[page::16]

图19 不同市场状态择时模型示意（第4章，17页）

• 内容描述：

展示证券Ⅲ行业指数分状态的波动。用不同颜色标识震荡状态和低迷状态，说明策略依据市场状态调整买卖信号阈值。

• 趋势解读：

根据市场位置差异化制定策略，提升择时的准确性和收益稳定性。[page::17]

图20-22 策略表现及买卖信号（第4章，17-18页）

• 内容描述：

摆出择时策略和基准及20日均线策略净值对比。择时策略净值显著领先。
表7和表8再现年化收益率、波动率、夏普比率、最大回撤和Calmar比率数据，择时策略表现最佳。
图21展示择时策略买入卖出信号，标明有效拐点把握。
图22显示择时策略净值优于20日均线策略，体现景气度结合估值的择时优势。

• 趋势解读：

此策略不仅收益率显著提升，风险控制能力亦更优，夏普比率与Calmar比率均优于比较策略，体现了投资回报与风险的较优平衡。[page::17-18]

---

4. 估值分析

报告虽未单独展开具体估值模型（如DCF等），但择时策略中基于估值（PB分位数）辅助构造卖出信号。具体采用过去三年滚动PB的20%分位数作为阈值，判断市场是否达到高估水平，从而提醒减少持仓，实现风险控制。

通过结合行业景气度和成交额等基本面和情绪指标，纠正单一技术指标的局限，获得更合理的投资买卖时点。

---

5. 风险因素评估

• 市场周期与政策波动风险：证券行业极度受制于市场情绪及监管政策，投行业务筹资项目受政策影响显著，可能导致景气指标异常。

- 数据波动与异常值风险：筹资金额指标极端波动，存在极大数据异常，须采取3σ修正方法防止模型失真。

• 策略模型局限性：策略基于历史回测有效，但未来市场结构变化和突发事件可能影响表现。该模型依赖行业景气度指标的有效性，若指标失效，策略风险升高。

- 流动性风险：证券行业活跃度下降，可能削弱指标预测的有效性。

• 估值误判风险：估值指标采取历史区间分位数，可能对新常态估值趋势反应滞后。

报告虽未详细叙述缓解措施，但提出多维指标综合判定，以应对单一指标波动风险。

---

6. 审慎视角与细微差别

• 指标选择偏向活跃交易业务，如投行业务和投资咨询业务虽重要，但投资咨询业务因占比小被排除，可能忽视部分细分业务异动带来的影响。

- 景气度加权系数固定，未考虑不同经济环境下业务结构调整，可能影响指标的动态适应性。

• 回归分析对滞后期的选择较单一，未详述滞后时间窗口对模型的优化和对未来预测的作用，模型预测能力有待通过更多实证检验。

- 超额收益分析重历史区间，未来市场环境变异或使历史表现难以复制。

• 模型对市场极端情况反应积极，但对中短期震荡行情的把握可能有限，策略买卖信号基于环比增减，可能对噪音信号敏感。

整体数据与方法论严谨，但实战应用仍需结合宏观经济和政策动态不断调整。

---

7. 结论性综合

本报告通过对证券行业业务收入的细致拆分和对应指标筛选，科学运用回归分析确定经纪业务股基成交金额同比、投行筹资金额同比、自营及资管业务流通市值同比和信用交易融资融券成交金额同比为景气度核心构成要素。通过将四大业务指标按业务收入比例加权，构建证券行业景气度指数，成功反映了行业盈利周期及内在动力。

报告利用历史数据验证该景气度与证券行业指数的高度相关性及其对历史超额收益窗口的预示能力，显著揭示出2006-2007年和2014-2015年两轮牛市行情的背后驱动力。2020年行情同样被景气度指标成功捕捉并同步上行，验证了模型的当代适用性。

结合板块成交额作为市场情绪指标，报告设计了一套市场状态敏感的择时策略，该策略在2010年至2020年区间回测表现优异，超额年化收益16.13%，夏普比率和Calmar比率均显著优于基准和传统20日均线策略，且对行情阶段性拐点的把握明显得当。

此外，策略灵活区分市场极端低迷与震荡状态，分别运用差异化买卖信号，增强了风险管理能力和收益潜力。

综上，该报告精确揭示证券行业盈利波动规律，创新性构建行业景气度指标体系，科学整合行业基本面和市场情绪，提出具实证基础和较强预测力的择时投资策略。其专业性强、数据支撑扎实，为证券行业投资者提供了系统性思路和实际操作框架。

---

参考图片展示

---

（以上分析均基于报告内容和数据，页码以[page::x]格式标注，方便溯源）

报告