A股行业收益分化度高，行业与风格因子相关性低 [page::3][page::4]

• 不同行业收益差异显著，行业收益截面标准差常年维持较高水平。

- 行业收益与传统风格因子相关性较低，行业因子解释力强于风格因子。

构建基于CANSLIM的行业风格因子体系 [page::5][page::6]

• 引入分析师预期盈利变化、盈利能力变化、行业龙头效应、北向资金持股变动、行业通胀beta、价格动量与拥挤度七个因子。

- 因子定义详细，包括分析师上调比例、ROE变化、行业内beta波动率等指标。

• 采用Fama-Macbeth多期截面回归进行因子收益率及显著性检验。

Fama-Macbeth回归显示一致预期盈利变化因子显著 [page::7]

• 多数CANSLIM因子t值不显著，唯有一致预期盈利预测变化因子表现出显著正统计关系（t值约2.30）。

- 龙头效应与一致预期盈利因子展现出部分超额收益特征。

各年度CANSLIM因子收益表现及宏观周期影响 [page::8][page::9][page::10][page::11]

• 因子收益表现年度间波动，其中一致预期盈利变化因子表现稳定且较好。

- 通过宏观环境（流动性、利率、信用、汇率、PMI）和景气度指数划分A股市场为四个宏观周期状态。

• 不同宏观周期下，因子有效性明显不同，例如：宏观上行景气上行时，一致预期盈利、行业趋势与龙头效应因子表现最好；宏观下行景气下行时，拥挤度因子表现较好。

多周期轮动行业增强策略设计及回测绩效 [page::11][page::12][page::13]

• 策略每周调仓，基于当前宏观周期选择适应的CANSLIM因子，通过复合因子对申万28个一级行业排序，构建行业多因子轮动组合。

- 2017-2022年回测年化收益率17.19%，最大回撤-28.16%，信息比率1.55，显著优于等权行业基准。
| 年份 | 组合收益率 | 基准收益率 | 最大回撤 | 信息比率 | 波动率 | 夏普率 |
|------|------------|------------|----------|----------|--------|--------|
| 2017 | 14.96% | -0.16% | -11.16% | 1.71 |14.29% |1.05 |
| 2018 | -20.77% | -30.20% | -27.63% | 1.47 |21.42% |-0.98 |
| 2019 | 31.63% | 25.64% | -18.36% | 0.70 |22.87% |1.32 |
| 2020 | 41.76% | 22.20% | -14.58% | 1.54 |26.73% |1.44 |
| 2021 | 30.24% | 10.76% | -14.66% | 1.42 |21.74% |1.32 |
| 2022 | 9.98% | -9.83% | -12.53% | 2.85 |22.34% |0.81 |
| ALL | 17.19% | 1.21% | -28.16% | 1.55 |21.84% |0.84 |

样本外近期表现优异及最新行业配置 [page::12][page::13]

• 2022年7-9月策略收益率-6.57%，显著跑赢基准-10.24%，超额收益3.66%。

- 最新持仓集中在医药生物、农林牧渔、基础化工、电力设备、有色金属五大行业。
| 行业 | 预期alpha | 权重 | 一致预期盈利变化 | 动量 | 龙头效应 |
|----------|-----------|---------|------------------|------|----------|
| 医药生物 | 3.7087 | 29.98% | 0.02 | -2.13| 1.56 |
| 农林牧渔 | 2.7045 | 21.86% | 3.00 | 0.34 | 0.04 |
| 基础化工 | 2.1863 | 17.67% | 0.56 | 0.17 | 1.80 |
| 电力设备 | 1.8842 | 15.23% | 1.60 | 0.10 | 0.39 |
| 有色金属 | 1.8864 | 15.25% | 1.88 | 0.00 | -0.13 |

深度分析报告：《多宏观周期下的行业轮动因子检验》

---

1. 元数据与概览

• 报告名称：《行业配置系列2——多宏观周期下的行业轮动因子检验》

- 作者：朱人木

• 发布机构：国联证券股份有限公司

- 发布日期：2022年下半年

• 报告主题：基于A股市场数据，研究行业轮动的风格因子表现及其与宏观周期的关联，构建多周期行业轮动因子策略

核心论点和主要信息：

• A股行业轮动特征显著，但传统大类风格因子难以有效解释行业收益，单纯线性风格因子难以提取稳定超额收益。

- 研究基于经典CANSLIM选股策略构建行业风格因子库，利用Fama-Macbeth检验其有效性。

• 绝大部分CANSLIM因子在样本内表现无显著预测能力，唯有分析师一致预期盈利预测变化因子具备稳定预测力。

- 宏观经济周期波动显著影响因子有效性，不同宏观周期下，部分因子表现出阶段性有效性。

• 构建多宏观周期因子轮动行业增强策略，实现较高年化收益率（17.19%）和信息比率（1.55），但存在较大最大回撤风险（28.16%）。

- 风险提示强调历史表现不代表未来，市场环境和因子有效性均可能变化[page::0,3,13,14]。

---

2. 逐节深度解读

2.1 投资聚焦与行业收益分化特征

• A股市场行业间存在高度收益分化，如图1显示2000-2022年间申万一级行业截面标准差波动显著，部分年份行业收益差异极大（如2006年达51.86%）表明行业轮动机会显著。

- 但Barra CNE5模型显示，这些行业收益与大类风格因子的相关度低，行业收益及风险难以被传统线性风格因子解释，提示需开发新的行业轮动因子模型。

• 利用申万一级行业分类构建CANSLIM行业因子体系，通过Fama-Macbeth回测，发现只有分析师一致预期盈利预测变化因子在样本内具备预测能力[page::3,4,13]。

2.2 CANSLIM行业风格因子构建细节

• 因子构成：

- 分析师预期盈利变化（净利润一致预期3个月变化率，如npnetupchange）
- 盈利能力变化（超预期盈利、季度ROE变化）
- 行业龙头效应（行业内个股通胀Beta标准差）
- 北向资金持股变化（持股变动加权成交金额）
- 行业通胀Beta（PE变化与通胀变化的回归系数）
- 行业价格动量（行业收益与成交量比的均值除以标准差）
- 行业拥挤度（换手率、波动率、Beta等多维度均值）

• 在盈利预测因子设计中，考虑了上下调数量及分析师覆盖度，并采用行业中位数指标反映整体预期。

- Fama-Macbeth统计显示多数因子t值不显著，只有一致预期盈利预测变化因子t值为2.30，具有显著性，其他如拥挤度、盈利改善等因子表现弱[page::5,6,7]。

2.3 宏观周期划分与因子阶段性有效性

• 宏观环境维度囊括流动性（短端货币、长端利率）、经济增长指标（PMI、库存）、信用（社融、信用利差）、汇率等多个变量，数据来自多频率高频指标（见图7）。

- 通过多模态变量拟合A股总体景气度（工业产量、工业利润、民航货邮、工业GDP增速等，高频验证信噪比强，图8），实现对宏观-景气周期的动态刻画。

• 结合宏观环境与景气度，将市场分为四个状态：

1. 宏观上行，景气度上行
2. 宏观上行，景气度下行
3. 宏观下行，景气度上行
4. 宏观下行，景气度下行

• 针对不同状态，统计CANSLIM因子表现发现：

- 一致预期盈利预测变化因子在所有周期均有效，表现最稳定。
- 其他因子如行业趋势、龙头效应、北向资金和拥挤度因子在不同状态表现各异，存在明显周期依赖（图11、12）。

• T值统计进一步确认宏观周期波动对因子定价影响显著，部分因子阶段有效，强调“因子有效性具有周期性”[page::8,9,10,11].

2.4 因子轮动行业增强组合构建与绩效

• 策略基于：

1. 市场当前宏观周期判定
2. 选取适配当前周期表现良好的CANSLIM因子，复合计算行业因子值
3. 每周调仓，选择因子值*残余波动率加权的前5个行业组成投资组合

• 回测区间从2017年1月到2022年5月，持仓涵盖28个申万一级行业，基准为等权行业组合。

- 净值曲线（图14）表明策略持续跑赢行业等权组合，明显超额收益。

• 年度表现（图15）显示多数年份策略收益领先基准，2017、2019、2020和2021年均取得较高正收益，2018年虽然负收益但表现优于基准，2022年依然实现正收益。

- 信息比率高达1.55，年化收益率17.19%，最大回撤28.16%，夏普率0.84，波动率整体适中，显示较好的收益风险比。

• 样本外近两月（2022年7-9月）策略表现继续优于基准，超额约3.66%（图16）。

- 最新配置（图18）中，行业权重主要集中于医药生物、农林牧渔、基础化工、电力设备、有色金属，依赖一致预期盈利变化及龙头效应因子。

---

3. 图表示意及深度解析

图1：申万一级行业收益率截面标准差 (2000-2022年)

• 显示各年度行业收益的波动剧烈，标准差从6%多到50%以上波动极大，验证了行业分化强烈和轮动明显的市场特征。

- 2006年和2007年标准差达到51.86%和44.81%，表明该阶段行业之间走势截然不同，提供行业轮动套利空间。

• 近年（2020年左右）分化度依旧较大，说明多周期内行业收益差异持续。

图2：各年度收益率领先的五大行业一览

• 反映不同时期领先的行业呈现轮动特质，2015年计算机、轻工制造表现突出，2017年食品饮料和家用电器领先，2020年电力设备异常强势，2021年煤炭、电力设备及有色金属表现亮眼，2022年煤炭、石油石化等资源类行业依然强势。

- 行业表现强弱随宏观及景气周期转换明显变化，是因子轮动策略的基础。

图3：风格因子与行业因子收益率相关性矩阵

• 多数行业的风格因子与行业收益呈低相关，甚至负相关，提示传统风格因子无法充分解释各行业收益差异。

- 例如计算机行业动量因子-11.7%，盈利因子-15.8%，表明该行业收益与这些风格因子走势相反。

• 再如煤炭行业盈利因子52.8%，突显行业个别因子暴露出不同的结构驱动因素。

图4：Fama-Macbeth各因子有效性检验 （t值）

• 一致预期盈利预测变化因子t值2.30，显著高于其他因子。

- 拥挤度因子、盈利改善、分析师上调占比等多因子t值均未达显著水平，表明多数因子单独有效性较弱。

图5：各因子收益率曲线（2017-2022）

• 一致预期盈利预测变化因子收益率整体稳健且呈上升趋势，波动相对较小。

- 龙头效应因子收益率同样显示一定超额收益属性，但波动较大。

• 拥挤度因子呈现下行趋势，表明拥挤度因子可能为负向信号。

- 其他因子收益率更为震荡，解释力有限。

图6：各年CANSLIM因子年度收益率表现

• 一致预期盈利预测变化因子多数年份为正，2017、2022表现强势，强化其预测稳健性。

- 拥挤度因子多年份收益负面，验证其设计的负向属性。

• 北向资金因子2020年及2019年表现较好，符合资金面影响逻辑。

- 行业龙头效应因子多年份正收益，支持其选股优越性。

图7-9：宏观环境与景气度指标及曲线展示

• 通过多维度流动性指标、利率、信用差、制造业PMI等搭建宏观环境指标。

- 景气度通过工业产量、利润、民航货邮等行业高频数据构建，信噪比高，数据多频次涵盖行业细分领域，紧密贴合经济及企业盈利周期。

• 图9呈现宏观环境与景气度的不同波动周期对应，表明A股市场受政策扰动及海外因素影响较大，盈利周期波动显著。

图10：基于宏观环境与景气度的市场状态划分

• 视图展示过去7年内市场宏观环境、景气度状态分布，通过不同颜色条块直观划分四大宏观周期状态，作为后续因子周期性有效性研究基础。

图11-13：不同宏观周期下因子表现及有效性统计

• 明确指出不同宏观周期内表现突出的主要因子（如宏观上行景气上行时，盈利预期变化、行业趋势、龙头效应因子表现佳）。

- 图12详细呈现因子在四个周期中收益水平，差异显著，支持因子“阶段有效性”假设。

• 图13统计T值验证因子有效性随周期不同而变化，部分因子在特定周期中t值显著。

图14：因子轮动行业增强组合净值曲线

• 明显优于行业等权净值曲线，累计超额收益率达40%以上，在年化收益率和风险控制之间取得平衡，反映多因子轮动模型有效性。

图15：行业增强组合各年度表现

• 2017、2019-2021年均实现明显正收益，2018年及2022年策略表现优于基准。

- 信息比率整体处于较高水平（1.55），风险调整后收益较优。

• 最大回撤28.16%，代表策略潜在风险需重视。

图16：近两月策略短期表现

• 尽管策略在2022年8月至9月部分时段出现调整，整体仍优于基准指数，保持超额收益3.66%。

图17：2021Q4进入新宏观周期后典型因子表现

• 一致预期盈利改善因子持续上升，行业动量因子相对下降，突显盈利预期因子的领先指标地位。

图18：最新行业持仓

• 医药生物、农林牧渔、基础化工、电力设备、有色金属为当前高权重行业，预期alpha值最高，反映周期下行业配置策略的具体应用。

---

4. 估值分析

• 本报告未直接涉及个股估值模型，如DCF或PE估值，而是采用因子收益率和多截面回归分析行业层面的超额收益。

- 因子收益的估算基于Fama-Macbeth回归，窗口为长期样本，考虑了因子收益率的统计显著性。

• 因子轮动策略结合宏观周期动态调整因子权重，实现风险调整后的最佳行业配置，实现较高的年化超额收益与信息比率。

- 策略未做出绝对估值判断，而是通过因子组合提升相对收益。

---

5. 风险因素评估

• 报告明确指出历史回测结果无法保障未来表现，因市场环境可能发生变化，影响因子有效性乃至策略收益。

- 因子有效性的周期性波动，及宏观环境政策变动频繁，可能导致行业轮动策略的预测性下降。

• 最大回撤28.16%提示策略风险较高，投资者需关注潜在市场大幅调整时策略的防御能力。

- 尚无具体的风险缓解措施，提示投资者应关注宏观变化和因子失效的可能性[page::0,14]。

---

6. 批判性视角与细微差别

• 报告充分认识到传统风格因子在A股行业收益解释力不足，提出创新的多宏观周期因子轮动模型，体现理论创新和逻辑升级。

- 然而，主要依赖于分析师预期盈利预测变化因子的有效性，其他因子多数无显著预测能力，可能意味着策略的核心单一，存在过度依赖单因素的风险。

• 因子与宏观周期的相关性说明策略对宏观环境敏感，宏观经济突发事件或政策调整可能迅速导致因子失效，从而带来收益波动。

- 最大回撤较大提示策略在极端市场环境下风险暴露明显，风险管理细节相对不足。

• 表中个别年份（如2018年）策略收益出现明显负值，需关注周期切换对策略的冲击，周期判定准确率为策略关键。

- 报告总体较为严谨，数据详实，逻辑连贯，但对因子组合优化及风险控制逻辑缺少深入披露。

---

7. 结论性综合

本报告科学系统地分析了A股行业收益的高度分化和传统风格因子无法充分解释行业收益的现象，创新性地引入CANSLIM经典选股策略元素构建行业轮动因子库，以Fama-Macbeth多期截面回归方法衡量因子有效性。实证结果表明，绝大多数因子在整体样本中表现不显著，唯独分析师一致预期盈利预测变化在统计学上具有稳定预测力。同时，宏观环境与景气度周期的划分揭示因子有效性明显呈现阶段性特征，不同宏观周期对应不同因子的投资价值，凸显宏观周期对因子选取和配置的关键影响。

在此基础上，报告设计了结合宏观周期的多周期因子轮动行业增强组合策略，通过实时调整因子权重和选择优质行业，策略实现了自2017年以来17.19%年化收益率，信息比率达到1.55，风险控制合理，超额收益明显优于行业等权基准。最新实盘配置中，医药生物、农林牧渔、基础化工、电力设备等行业权重较重，充分体现了依据盈利预期变化和龙头效应因子进行的动态配置策略。

报告强调策略虽取得良好回测及近期期表现，但面临因子可能失效、宏观环境波动加剧及策略最大回撤较大的风险，提醒投资者谨慎使用历史数据推断未来。

综合来看，报告为A股行业轮动投资提供了创新且数据驱动的策略框架，注重宏观周期因素对因子有效性的调节，既提升了策略的解释力，也增强了实际操作的适应性，为行业资产配置和主动管理的实践提供了有力参考。

---

附件：主要图表索引与说明

| 图表编号 | 内容描述 | 主要洞察 |
| -------- | -------- | -------- |
| 图1 | 2000-2022年申万一级行业收益率截面标准差 | 行业收益差异巨大，轮动机会明确 |
| 图2 | 各年最高收益的五大申万一级行业 | 不同行业表现轮动，行业配置动态关键 |
| 图3 | 风格因子与行业收益相关性 | 传统风格因子难解释行业收益 |
| 图4 | Fama-Macbeth因子t值检验 | 预期盈利变化因子显著有效 |
| 图5 | 因子收益率时间序列 | 预期盈利变化因子波动稳定增长 |
| 图6 | 各年CANSLIM因子收益 | 预期盈利因子多数年表现良好 |
| 图7-9 | 宏观环境、景气度指标及对应曲线 | 多维宏观刻画周期状态 |
| 图10 | 宏观环境与景气度组合市场状态 | 拟合市场周期，划分政策环境状态 |
| 图11-13 | 四宏观周期下因子表现及显著性 | 因子有效性强烈受周期影响 |
| 图14-16 | 策略净值、年度表现及近两月走势 | 策略超额表现，信息比率良好 |
| 图17-18 | 新宏观周期下因子表现及最新持仓 | 盈利预期因子主导，行业配置清晰 |

---

结语

本报告提供了基于宏观周期视角下的A股行业轮动因子的深入研究与实操验证，结合经典选股理论与现代计量方法，开创了因子轮动策略的应用新路径，具有较高的理论价值与投资指导意义。投资者在采纳本策略时应注意因子周期性有效性及市场环境变化风险，合理结合自身风险偏好把握投资机会。

[page::0,1,3,4,5,6,7,8,9,10,11,12,13,14]

报告