• 研报核心问题及行业配置指标框架 [page::0][page::1]

- 行业收益主要由盈利驱动贡献超80%，估值贡献较小。
- 景气度是行业配置的核心，分析师景气指数FAPI借鉴PMI扩散指数原理编制，通过统计盈利预测上调的机构占比构建。

• 分析师景气指数FAPI的构建方法与流程 [page::2][page::3][page::4][page::5]

- 扩散指数DI以50%为景气分界线，代表经济扩张或收缩四阶段。
- 参考PMI指数，视分析师机构为采购经理，盈利预测为问卷调查，统计盈利预测上调机构占比形成指数。
- 指数采用FTTM未来四季度净利润预测，调整方式考虑季度报告进度以提升准确性。
- 机构赋权基于机构重要性、预测准确性和报告时效性三大指标。

• 基本面研判验证：景气指数与ROE及净利润增速高度相关 [page::5][page::6][page::7]

- 中证800景气指数对未来6个月净利润增速方向胜率达88.9%。
- 周期、消费、成长等风格板块景气指数对未来ROE方向预判胜率分别为75.4%、70%、71%。
- 多个重点行业如煤炭、钢铁、电新、食品饮料景气周期均与ROE变化趋势匹配。

• 行业轮动模型的构建与回测表现 [page::7][page::8][page::9]

- 仅用行业ROE边际变化指标在2018年后失效，因部分行业如钢铁买在ROE高点导致亏损。


- 景气度指标和趋势类动量指标效果均较好，景气度zscore作为预期增量以赚估值为主，ROE动量及价格动量赚盈利为主。
- 通过四指标复合（分析师ROE景气度、其边际改善zscore、ROE基本面动量、价格动量）策略提升明显，年化超额11%，信息比率1.4。

• 行业配置组合优化方案及策略表现 [page::10][page::11]

- 以复合指标为alpha信号，采用约束组合优化控制跟踪误差和行业偏离度。
- 轮动型组合年化收益21.7%，超额收益11.3%，最大回撤4.40%。配置型组合年化18.8%，超额8.5%，最大回撤3.51%。

• 景气度投资实践：行业配置Beta+PB-ROE选股Alpha [page::11]

- 结合PB-ROE选股模型替代行业指数，增强行业内选股能力。
- 轮动型+PB-ROE策略年化收益24.1%，超额14.9%，信息比率1.84；配置型+PB-ROE组合年化21.6%，超额12.4%，最大回撤5.02%。

• 行业景气度图谱工具与投资建议 [page::12]

- 提供4维指标景气度图谱，帮助投资者判断行业目前景气及趋势阶段。
- 当前A股整体处于景气收缩初期，建议关注景气较高的成长和韧性消费板块。周期板块扩张临尾声，成长板块保持高景气，消费板块处于收缩尾声附近。

行业	分析师景气度z_score	分析师占比	历史景气度ROE趋势	动量指标
煤炭		1.5	0.3	0.3
电力设备及新能源		0.5	10.2	1.6
食品饮料		1.1	0.1	-0.8

国盛量化 | 分析师行业景气指数构建与应用——详尽分析报告

---

1. 元数据与概览

• 报告标题：国盛量化 | 分析师行业景气指数构建与应用

- 作者/团队：国盛金融工程团队，段伟良、杨晔、刘富兵

• 发布日期：2021年12月16日

- 发布机构：国盛证券研究所

• 研究主题：通过分析师盈利预测构建行业景气指数（FAPI），应用于A股中观行业配置策略，探索更有效的行业轮动及配置方法。

报告核心论点与旨意

本报告围绕A股行业配置展开，指出盈利是行业收益的核心驱动，估值贡献较小，尤其强调行业景气度的准确刻画对于行业配置至关重要。报告通过模仿宏观经济中的PMI指数，利用卖方分析师盈利预测的“扩散指数”方法，设计并构建了分析师行业景气指数FAPI。该指数对中证800及细分行业未来盈利指标的预测准确率较高（最高达到89%），并可辅助构建轮动及优化配置策略，实现显著的超额回报。报告并进一步探讨了基于此指数的组合优化、与选股模型的结合及应用工具，旨在提升行业配置的可操作性和收益。

---

2. 逐节深度解读

2.1 问题讨论：行业配置需解决的核心问题 [page::0,1]

报告首先指出，历经A股多年历史，行业收益主要来源于盈利贡献，贡献超过80%，而估值贡献有限甚至下降，行业景气刻画成为关键问题。尽管传统宏观模型（如美林时钟）以经济-通胀框架来配置行业，但近年来走势相关性下降、经济增速波动减弱，且供给端主导行业发展，促使自上而下宏观框架效果减弱。

因此，报告建议关注中微观指标，尤其归纳行业轮动三大标尺：胜率（景气度）、趋势、拥挤度。公募机构最关注的指标是行业胜率即景气度。景气度投资通过选择未来一段时间内景气度最高的板块获得beta，再组合个股获得alpha，是被广泛认可的有效投资模式，且盈利驱动占据行业收益主导地位。

2.2 指数编制：分析师景气指数FAPI [page::2-5]

2.2.1 扩散指数原理和四阶段划分

扩散指数基于指标“上升”与“下降”占比思想，$DI>50\%$代表扩张，$DI<50\%$代表收缩。指数对应四阶段：收缩后期、扩张初期、扩张后期、收缩前期，详见图表4，完美对应经济周期变化，方便趋势判断。

2.2.2 指数编制流程类比PMI指数

将卖方分析师机构类比为采购经理人，利润预测数据类比调查问卷，通过统计盈利预测上调机构占比计算扩散指数。具体流程：

• 从底层数据库获取分析师对个股未来一年盈利预测数据；

- 根据季度财报数据修正未来一年净利润FTTM预测（采用季度加权替代自然年）；

• 对机构赋权，结合重要性指标（覆盖比例）、预测准确性和时效性进行加权；

- 计算净利润预测上涨机构占比，构建扩散指数FAPI。

2.2.3 预测准确性评价

为避免简单绝对误差带来的行业预测误差不可比，采用改良型PMAFE指标，衡量分析师预测相对一致预期的优劣，量化分析师预测打败市场一致预期的概率，为机构赋权提供科学依据。

2.3 基本面研判与景气度验证 [page::5-7]

• 宽基指数（中证800）：分析师景气指数与中证800未来6个月净利润增速高度相关，预测胜率达88.9%，景气指数高涨时净利润增速亦回升，反之亦然。

- 风格指数：对周期、消费和成长三个中信证券风格板块，景气指数对未来ROE变化的预判胜率达70%-75%+。

• 行业细分：煤炭、钢铁、电新、食品饮料行业的景气指数均有效反映其ROE及盈利趋势，且能区分景气扩张与收缩阶段，为投资者提供参考。

2.4 应用效果：构建行业景气度模型及轮动策略 [page::7-10]

2.4.1 基于历史ROE边际变化的选行业失效现象

简单基于历史ROE边际增量（z-score）选择行业，近几年失效，容易高位买入（例如2018年底钢铁ROE峰值买入导致亏损），说明线性历史趋势外推不足以捕捉未来趋势。

2.4.2 利用分析师景气指数构建行业轮动模型

基于分析师ROE景气指数及其z-score、ROE基本面动量指标、价格动量指标四个指标构建复合指标，进行综合排名后选行业，整体表现优于单一指标，年化超额收益约11%，信息比率1.4。

2.4.3 收益拆解与策略逻辑

• 分析师ROE景气指数(预期存量指标)：年化超额收益6%来自盈利，2%估值；

- ROE景气度z-score(预期增量指标)：超额估值收益5%，盈利-1%；

• 基本面ROE动量：5%盈利，2%估值；

- 价格动量：5%盈利，-1%估值；

• 复合指标主要通过盈利驱动超额收益，估值贡献较少[page::9,10]

2.4.4 组合优化行业权重落地

采用组合优化框架，约束跟踪误差、行业偏离和仓位上下限，符合不同风险偏好。

• 轮动型策略（行业偏离0.2，跟踪误差0.08）：年化21.7%，超额11.3%，最大回撤4.4%；

- 配置型策略（行业偏离0.1，跟踪误差0.05）：年化18.8%，超额8.5%，最大回撤3.51%。

2.5 景气度投资实践：行业配置Beta+PB-ROE选股Alpha [page::11]

结合PB-ROE选股模型，行业内选股组合替代行业指数以获取alpha，形成“景气度行业配置+选股”策略，业绩进一步提升：

• 轮动型+选股：年化24.1%，超额14.9%，最大回撤7.13%；

- 配置型+选股：年化21.6%，超额12.4%，最大回撤5.02%。

此做法系统结合beta收益和alpha增量，有效提高配置策略的收益-风险特征。

2.6 应用工具：行业景气度图谱 [page::12]

提供行业景气度图谱工具，结合四个景气及趋势指标，实时捕捉行业景气周期位置。

• 截至2021年11月底，A股处于整体景气收缩期，成长和消费板块表现较强，周期板块扩张但临近尾声。

- 煤炭高景气，钢铁、有色等部分周期表现下滑，电新及军工等成长行业维持扩张，食品饮料等消费行业近期回暖。

此图谱可作为投资者行业配置及选股的辅助判断工具。

---

3. 图表深度解读

图表2 & 图表3（第2页）

• 内容：分别展示中信证券风格板块及一级行业收益分解，区分盈利变化（黄色）和估值变化（蓝色），时间跨度2008年-2021年。

- 趋势解读：大部分行业收益主要贡献来自盈利变化，特别是消费、成长和部分周期行业，估值变化贡献较小甚至负值（金融、稳定板块）。

• 意义：验证了报告核心观点，盈利是A股主要收益驱动力，支持构建基于盈利预期的景气指数。

图表4（第3页）

• 内容：扩散指数DI的四个阶段示意图。

- 解读：平滑的周期走势帮助划分经济或行业的景气转折时点，便于实际操作中的景气判断和信号生成。

图表5 & 图表6（第3、4页）

• 内容：类比PMI的编制流程及FAPI指数编制步骤示意。

- 解读：生动形象地说明如何提取分析师盈利预测数据进行定量转化，并通过加权和数据平滑处理确保指数的科学性和实用性。

图表10（第5页）

• 内容：中证800景气度指数与净利润增速时间序列对比。

- 解读：高度同步，景气度指数反映未来盈利趋势，形成中证800盈利预测的有效领先指标。

图表12、14、15（第6页）

• 内容：周期、消费、成长三大风格板块的分析师景气指数与ROE对比趋势图。

- 解读：景气指数与ROE趋势交替上升和下降对应良好，验证指数准确反映中观行业基本面变化。

图表16-19（第7页）

• 内容：煤炭、钢铁、电新、食品饮料四个重点行业景气指数对应ROE走势对比图。

- 解读：指数有效捕捉行业盈利周期转折，尤其煤炭和钢铁景气周期明显，电新持续高景气，食品饮料回暖在即，助力行业投资判断。

图表21-23（第8页）

• 内容：基于ROE边际变化选行业的失效表现及个股案例剖析（钢铁2018年）。

- 解读：揭示历史财务指标趋势外推局限性，明显买点失误说明单一财务指标预测不足。

图表25（第9页）

• 内容：基于单独指标及复合指标构建的行业轮动策略累计收益与超额收益表现。

- 解读：复合指标（分析师景气度、其变化、ROE动量和价格动量）表现明显优于单一指标，年化超额收益约11%，增强策略稳健性。

图表26（第10页）

• 内容：不同选股指标的超额收益拆分为盈利贡献和估值贡献。

- 解读：几乎所有指标均以盈利驱动收益为主，估值贡献次要且波动性较大，强化了盈利指标主导的逻辑。

图表27（第11页）

• 内容：组合优化后的“轮动型”和“配置型”行业配置策略表现。

- 解读：两种风格均取得较高年化收益和信息比率，最大回撤可控，证明优化方法有效提升策略落地能力。

图表29、30（第11页）

• 内容：行业轮动配置策略叠加PB-ROE选股后收益表现。

- 解读：结合选股模型显著提升收益和信息比率，最大回撤适中，表明景气度投资与基本面选股的结合效果优异。

图表31（第12页）

• 内容：行业景气度图谱，横跨多类景气指标最新截面数据。

- 解读：给出各行业当前景气分布及趋势信号，协助投资者快速直观判别行业周期阶段。

---

4. 估值分析

报告主要基于量化扩散指数和历史盈利预测精准度构建行业配置逻辑，无直接市场估值模型（如DCF、P/E估值），估值类指标作为超额收益拆解的辅助变量存在。收益拆分显示，景气度指数的收益主体为盈利驱动，估值波动贡献较小，符合长期盈利主导的市场特征。文章未提供估值敏感性分析。

---

5. 风险因素评估

报告在多处提示模型存在风险：

• 基于历史数据构建，未来市场环境、宏观经济结构或投资者行为变化可能导致模型失效。

- 对分析师盈利预测数据依赖较大，预测失真或数据更新滞后影响指数准确性。

• 优化参数（行业偏离、跟踪误差）设定需根据投资者风险偏好调整，设置不当可能影响策略表现或风险控制。

- 景气度投资策略在行情极端情形（如系统性风险）下可能失效。

相关风险声明附于文末，提示使用者谨慎判断。

---

6. 审慎视角与细微差别

• 赋权权重设计复杂，虽然考虑了机构重要性、预测准确性和时效性，但对权重设定的敏感性及具体方法细节未完全披露，存在模型主观性影响。

- 预测准确性评价依赖PMAFE, 但考虑到行业个股间异质性，指标跨行业可比性存在限制，可能影响赋权效果。

• 简单依据ROE排序失效问题揭示行业基本面驱动的复杂性，强调未来趋势判断难度，但复合指标对提升准确性帮助有限，仍需结合宏观风格、供给侧等多维度判断。

- 报告未详细讨论估值波动变化背后的市场情绪及政策影响，估值部分贡献虽低，但在极端行情中或作用被低估。

• 图谱数据边界（例如“负值”含义、单位）表达略显混乱，部分指标和行业解读不够清晰。

---

7. 结论性综合

本报告系统地构建并验证了基于分析师盈利预测的行业景气指数FAPI，通过创新的扩散指数方法，成功将主观盈利预期数据量化为行业景气的实时跟踪指标。该指数经过修正的未来一年净利润（FTTM）预测，以及对机构赋权的精细设计，大幅提升了行业盈利趋势的预测准确度。实证显示，FAPI对中证800整体及细分风格、行业未来6个月盈利及ROE变化的赢率均超过60%以上，部分指标胜率高达89%。

进一步，FAPI结合基本面动量和价格动量指标共同构建的复合行业轮动模型，显著增强了选行业的超额收益能力，年化超额收益达11%，信息比率1.4以上。基于此的组合优化配置模型实现了精细的跟踪误差控制与风险调节，轮动型与配置型方案均表现出年化超额收益超8%-11%，最大回撤控制在4.4%以下，换手率合理，显示良好的策略落地可行性。

报告还将行业景气度策略与PB-ROE选股模型结合，形成覆盖行业beta与选股alpha的全流程景气度投资方案，进一步提升年化超额收益3%-4%，最大回撤适中。

提供的行业景气度图谱工具，将复杂指标凝练为清晰信号，帮助投资者定位行业景气周期阶段及短期趋势，辅助决策。

总体而言，报告提供了一套完整的基于量化盈利预期的行业景气度指标构建及应用框架，具备较强的实证基础和投资参考价值，对A股中观行业配置实践具有重要指导意义。

---

参考文献

• 具体图表及数据引用对应原报告页面，详见本文溯源符号 [page::页码]。

---

附：报告关键图片示例

---

总结

本报告深度解析了分析师行业景气指数FAPI的构建、验证与应用，揭示了盈利驱动行业配置的重要性及数据驱动的量化创见。通过多维指标融合及组合优化，构成了稳健且高效的行业轮动及配置策略。报告结论具备较强实证基础，对投资决策和相关量化研究均具指导价值，同时提醒用户关注模型在未来市场环境变化下可能的失效风险。[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13]

报告