近两年行业轮动模型表现及阶段性失效分析 [page::3]

• 综合行业景气和趋势策略超额收益稳定，风格叠加选股后年化超额超10%。

- 然而细分趋势和景气模型2022年和2023年出现阶段性失效，趋势因子受市场轮动加快影响较大。

低估值困境行业反转难的原因分析 [page::4][page::5][page::6]

• 低估值行业短期持有（半年内）无明显超额，但持有一年以上超额显著提升，三年持有超额收益达15%。

- 当前低估值困境与已反弹困境行业未来收益弹性和持续性明显不同，后者未来收益更强且持续时间更长。

困境行业长期收益右侧信号：分析师景气度 [page::8][page::9][page::10]

• 远期分析师盈利及ROE的上调比例作为景气度指标，对长期困境行业的未来超额收益具备预测能力，持续时间约400个交易日。

- 景气度右侧信号在已反弹困境行业中表现更强，持有一年半超额收益达15%。

困境行业短期收益右侧信号：资金行为特别是交易盘加仓 [page::10][page::11][page::12]

• 资金交易盘加仓比例与未来短期涨幅关联度高，行情强势行业资金加仓比例更大，且资金行为具有较强负估值单调性。

- 加仓资金盘因子在困境行业中带来持续120个交易日左右的超额收益，2020年后表现显著增强。

赔率-胜率视角构建行业困境反转策略框架 [page::13]

• 赔率指标为行业相对PB估值Zscore，胜率指标为远期分析师景气度及交易盘资金加仓比例。

- 两指标分别代表长期景气改善与短期资金流入信号，用于构建行业困境反转策略。

短期困境反弹策略表现：关注当前困境+交易盘加仓和分析师景气度 [page::14][page::15]

| 年份 | 基准收益 | 超额收益 | 信息比率 | 最大回撤 | 超额最大回撤 |
|------------|----------|----------|----------|----------|--------------|
| 全样本 | 0.5% | 10.8% | 1.38 | -31.0% | -6.3% |

• 策略2015年底至2023年中年化超额约10.8%，信息比率1.38，最大回撤控制良好。

- 换手率年化约12倍，平均持有约30个行业指数，适合小仓位做短期反弹。

长期困境反转策略表现：关注过去困境已反弹+分析师景气度和加仓资金 [page::16][page::17]

| 年份 | 基准收益 | 超额收益 | 信息比率 | 最大回撤 | 超额最大回撤 |
|------------|----------|----------|----------|----------|--------------|
| 全样本 | 0.5% | 21.0% | 2.10 | 22.7% | -7.5% |

• 策略年化超额达到21%，表现优于短期反弹策略，平均持有约19个行业，换手率较低。

- 适合作为大仓位获取长期反转收益，回撤控制适中。

两种策略并行表现及优化换手方案 [page::17][page::18]

• 两策略持仓完全互斥，合并后年化超额达17.3%，信息比率2.32，最大回撤5.3%。

- 采用仓位平滑分仓及基于估值拥挤度的动态调仓，换手率年化降至6倍，超额收益维持约14.7%。

行业困境反转图谱及重点关注行业 [page::19]

• 推荐医药、顺周期、TMT中低估值拥挤度行业，重点包含生物医药、化学制药、煤炭、钢铁、通信设备等。

结论摘要 [page::20]

• 困境行业反转需较长时滞，传统低估值策略收益不足。

- 两类困境反转策略结合长期景气及短期资金信号，显著提升策略超额收益表现及稳定性。

• 策略经多维参数测试稳健，风险控制良好，具备实际落地投资价值。

量化专题报告深度分析：从赔率-胜率视角挖掘困境反转投资机会

---

一、元数据与报告概览

• 报告标题：《量化专题报告——中观行业配置系列五：从赔率-胜率视角挖掘困境反转投资机会》

- 作者及机构：杨晔、刘富兵，国盛证券研究所

• 发布日期：2023年11月

- 研究主题：该报告围绕A股行业困境反转的投资机会，基于定量量化框架，旨在优化行业配置策略，突破传统景气度-趋势-拥挤度模型的阶段性失效，通过“赔率-胜率”新视角分析和构建困境反转投资策略。

该报告核心论点明确指出：传统以PB低估值识别困境行业的策略表现一般（年化超额约2%），其根本原因是困境行业往往反转周期较长，且侧重左侧买入易导致持仓不久和错失反转后期收益。报告提出从“赔率（低估值）”和“胜率（长期景气提升信号及短期资金加仓）”双重视角挖掘适合困境反转的右侧信号，有效提高策略胜率和收益弹性，形成两条困境反转盈利模式，且并行后策略表现更稳健，年化超额达到17.3%。报告评级未明确，但策略表现优异，具备较好投资价值和量化策略创新参考意义[page::0,3,4,20]。

---

二、逐节深度解读

2.1 现有行业配置模型阶段性失效（第1章）

• 关键论点：现有以“景气度-趋势-拥挤度”为核心的行业配置模型，虽然总体表现稳定，年化超额约7%-9%，叠加PB-ROE选股高达13.7%，但两个细分模型在近两年出现阶段性失效：2022年趋势投资显著亏损（-8%超额），2023年上半年景气投资表现较弱。

- 推理依据：市场节奏加快，传统长端动量因子失效，且2023年上半年景气投资逻辑被打乱，反映模型右侧属性在极端轮动环境下难以持续发挥。

• 深意：困境行业底部反转逻辑（左侧与长周期）未被现有模型充分覆盖，市场上涨热点更多源于困境反转（如建筑、通信、计算机）[page::3,4]。

2.2 困境行业低估值逻辑受限（第1.2节）

• 论点：用行业PB作为低估值困境指标时，低估值行业表现一般，年化超额仅2%，波动大且遭遇价值风格市场的不确定性冲击较大。

- 数据说明：通过PBzscore标准化调整行业PB指标，控制了行业之间估值比较的极端差异。本段采用2015年以来月度分组统计，验证低PB行业半年、半年内无显著超额，但持有1年以上展现出较好反转（12%-15%超额收益）。

• 逻辑分析：由历史历史验证，低估值不等同即刻反转，反转需要跨越较长时间。传统低估值策略缺乏右侧信号，存在“拿不久，拿不住”困境[page::4,5]。

2.3 当前与过去困境的区别（第1.3节）

• 论点：当前极低估值的困境行业趋势反转存在不确定性，错失过去困境已经反弹行业带来的长期弹性收益。许多行业反弹后仍具长期上涨潜力，如2023年TMT，反弹期表现更强。

- 定义两类困境：
1. 当前困境：PBzscore处于最低1/3的行业。
2. 过去困境反弹：过去一年PBzscore曾低于-1倍标准差，但当前已脱离低估组。

• 数据验证：两类困境行业持有未来收益差异显著，过去困境反转弹性和持续性更强，股价超额收益差距显著从短线1%-3%，扩大到三年超额近20%。

- 启发：反转投资应兼顾“左侧埋伏”与“右侧加仓”，放松估值过严限制，加强右侧胜率筛选信号[page::6,7]。

2.4 困境反转行业右侧胜率信号探索（第2章）

• 困境基础池：本报告结合当前困境和过去反弹两类行业构建困境池，既覆盖左侧极低估值行业，也捕捉右侧逐步反转行业。

- 指标维度：
- 右侧长期基本面信号：分析师“未来两年”盈利景气度指标（净利润增速、ROE调整比例），反映分析师对行业盈利持续上调的预期和信心，单调性和领先性强，尤其适合困境行业。
- 右侧短期资金信号：交易盘资金的加仓比例，更能反映灵活资金对短期行情的判断，资金交易盘较整体资金更左侧，且有估值负相关性，适合捕捉短期反弹信号。

• 核心发现：

- 远期分析师景气度具备400个交易日的超额收益持续性，弹性较大，尤其在困境反转行业表现优异，超额可达15%。
- 交易盘资金加仓信号与未来1个月收益单调正相关，信号持续时间虽短但显著，自2020年以来显著增强。

• 图表支持：结合图表7-14，数据支撑关于景气度和交易盘的右侧信号逻辑合理性，回测验证稳定有效[page::8-12]。

2.5 困境反转策略构建与实证（第3章）

• 策略框架：基于“赔率-胜率”定量框架，赔率用PBzscore衡量低估值行业，胜率用分析师未来两年景气度和交易盘近月加仓行为构建。

- 两条困境反转策略：
1. 短期困境反弹（当前困境）：
- 选取当前PBzscore最低1/3行业为困境池；
- 交易盘加仓或分析师景气度前30行业并集为反弹池；
- 两者取交集等权持有，周度调仓；
- 实证结果：2015-2023年6月年化超额10.8%，信息比率1.38，最大回撤-6.3%，表现显著优于单用低估值策略，换手率较高（年12次），适合小仓位博取短期反弹收益。
2. 长期困境反转（过去困境）：
- 选取过去一年最低PBzscore小于-1的反转行业池，当前估值非最低三分之一；
- 按分析师景气度或交易盘加仓前30取交集；
- 剔除估值与拥挤度双高行业；
- 持有19指数左右，换手率较低（8倍/年），更适合大仓位持有；
- 实证结果优于第一策略，年化超额21%，信息比率2.10，最大回撤-7.5%，四季度策略回撤较大与行业特性吻合。

• 合并策略：

- 由于两个策略持仓完全互斥且逻辑互补，合并后策略年化超额提高至17.3%，信息比率2.32，最大回撤-5.3%，超额收益更稳健且换手率得以控制。

• 细节优化：

- 采用4周滑动仓位平滑，减少换手；
- 根据估值与拥挤度设置权重调整，动态加减仓以规避高风险；
- 优化后策略年化超额14.7%，扣成本后约12%-13%，换手率降至6倍/年，分年度收益稳定，尤其自2020年后表现优异。

• 图表支持：

- 图表22-35详细展示各策略收益曲线、参数敏感性、换手率趋势及回撤控制效果，数据严谨充分[page::13-18]。

2.6 困境反转行业图谱（第3.4节）

• 构建以分析师未来两年景气度和交易盘加仓比例为坐标轴的二维行业分布图谱，区分当前困境（蓝泡）和已有反弹困境（红泡）行业。

- 右上象限为策略推荐优选行业，气泡大小代表估值低度。

• 建议结合医药、顺周期和TMT中非拥挤估值较低的细分板块重点布局；典型行业包括生物医药、煤炭、钢铁、运输设备、通信设备、电子元器件等。

- 图表36直观展示困境反转行业热点板块，助力行业配置决策[page::19]。

---

三、图表深度解读

• 图表1-2（行业配置模型表现）：

图1展示2013-2023年行业景气、趋势、并行策略超额净值累计走势。叠加PB-ROE选股效果尤佳，尤其叠加型年化超额收益持续增长，表明综合多因素可提升行业配置效率。图2为近两年收益数据，显示趋势模型2022年亏损，景气模型2023上半年表现一般，非结构性原因导致阶段性失效现象[page::3]。

• 图表3（低估值行业表现）：

显示2015-2022年低估值行业收益曲线走势，低估值行业长期未显著跑赢行业等权，反映价值风格战略弱势和波动大，验证低估值策略持有不能太短[page::4]。

• 图表4（持有期限与超额收益）：

低估值行业在持有12个月以上才展现超额收益3%-15%，显著高于短期，强调历史上的反转需要长耐心持有[page::5]。

• 图表5（当前困境vs反弹困境收益）：

数据凸显已经反弹的困境行业在未来1-3年显示出更大且更持续的超额收益，说明右侧信号辅助持有的重要性[page::6]。

• 图表7-12（分析师景气度）：

细分当前困境及反转困境行业中，不同涨幅组对分析师未来1年及2年景气变化的正向反馈，尤其远期指标领先性更强。超额净值步进曲线显示分析师景气上调行业具备400个交易日的持续超额收益，反弹行业表现尤佳[page::8-10]。

• 图表13-20（资金行为指标）：

展示资金整体与交易盘加仓比例及其对未来1月收益的单调关系，交易盘资金表现更优。加仓行业多数为低估值，且资金加仓在2020年后收益显著提升，反映市场结构变化及资金活跃度提高[page::11-12]。

• 图表22-26（短期困境反弹策略）：

回测显示短期困境反弹策略年化超额达10.8%，且参数选取对效果影响不大，但换手率相对较高。年度表现突出，近三年尤为强劲[page::14-15]。

• 图表27-31（长期困境反转策略）：

长期反转策略表现优异，年化超额最高达到21%，持仓较为集中，换手率适中。参数稳定性强，部分年份收益巨大，凸显策略韧性和盈利弹性[page::16-17]。

• 图表32-35（并行及细节优化策略）：

并行两策略后超额收益和信息比率均得到提升，换手率得到有效控制，分年度收益正向且稳定，优化方法有效降低换手带来的成本和策略波动[page::17-18]。

• 图表36（困境反转行业图谱）：

行业分布图精准定位困境反转机会行业，便于投资者进行行业轮动及仓位配置。图谱中的医药、顺周期和TMT所在的区域表现为高景气且资金加仓活跃，高亮行业为重点关注对象[page::19]。

---

四、估值分析

本报告核心不涉及个股估值，而是基于行业相对估值PBzscore构建困境定义与赔率指标。PBzscore通过行业PB与大盘比率归一化并以6年滚动窗口计算标准分，量化行业估值的相对偏离程度，体现“赔率”大小。该指标简洁且稳定，因行业业绩波动频繁导致PE指标不稳定而未采用。

策略通过对PB_zscore的分组筛选最低三分之一的困境行业，并结合其他右侧信号进行行业选择，达到低估值与时机选取结合。报告中并未使用传统DCF模型等具体现金流估值；而扩展了资金行为（加仓比例）、分析师盈利预期调整等非估值因素的动态补充，是一种“多因子融合”的行业配置量化估值体系[page::7,13]。

---

五、风险因素评估

报告多次强调模型基于历史数据规律总结，存在未来失效风险。核心风险包括：

• 风格切换风险：价值风格周期性弱势可能导致低估值反转延迟甚至失败。

- 市场波动风险：短期市场非理性波动可能影响资金加仓信号的效果。

• 指标滞后或误判风险：分析师盈利预测调整存在滞后，资金行为可能包含错误信号。

- 流动性与换手风险：高换手率可能带来交易成本和滑点风险，尤其短期困境策略。

• 模型结构风险：策略对参数选取敏感度虽小，但仍可能因市场结构变迁、政策风格变化等导致策略失效。

报告对以上风险承认且谨慎部署，提出分散持仓、分层策略并行、择时调整等对冲措施，提示投资者审慎使用[page::0,20]。

---

六、批判性视角与细微差别

• 积极之处：

- 报告创新性结合业务经验与量化分析，系统地归纳并细化困境反转的“赔率-胜率”双信号框架，填补传统行业轮动模型的空缺。
- 数据丰富，历史回测详实，参数敏感性测试齐全，策略设计科学。

• 潜在不足或需注意点：

- 报告侧重行业层面，个股层面适用性及分散风险未深入讨论。
- 估值指标仅用PB，由于周期性行业特殊性，有时PB可能相对不够灵敏或准确。
- 对极端市场环境（如黑天鹅）下模型的稳健性未有深入验证。
- 分析师盈利预测构建依赖历史数据，未来变化或政策影响因素可能导致“胜率”信号失准。

整体来看，报告基于宏观与微观数据进行逻辑严谨的挖掘和策略设计，兼顾长期与短期，稳健可行，适合投资配置参考，但仍需结合实际市场环境和投资者风险偏好动态调整。

---

七、结论性综合

本报告系统分析了A股行业困境反转的本质难题，创新引入以估值为“赔率”指标，结合分析师未来两年盈利预期调整及交易盘资金加仓两大"胜率"信号，打造适应长短期收益特征差异的两条困境反转策略。

• 报告证明仅靠PB低估策略年化超额表现甚微（约2%），反转需跨越长周期，并且传统截面轮动易错失困境行业中途反弹的机会。

- 通过精确区分“当前极低估值困境行业”和“过去反弹困境行业”，分别构建短期反弹和长期反转双重盈利模型。

• 长期反转策略强势，年化超额可达21%，短期策略灵活机动，合并后整个策略年化超额17.3%，伴随合理最大回撤和较高信息比率，表现稳健优异。

- 整体换手率在交易细节优化后控制得当，同时兼顾行业配置广度和选股深度。

• 困境反转行业图谱直观呈现行业机会，助力投资者精准配置配置医药、顺周期与TMT等板块。

- 报告最后指出策略风险与局限，强调策略以历史规律为基础，未来存在失效风险，投资者需动态监控和风险控制。

综上，报告充分展示了基于赔率-胜率框架有效挖掘A股行业困境反转投资机会的逻辑与实证路径，具备较高的理论价值与实操指导意义，为完善行业配置策略体系提供了有力补充，是量化行业配置与困境反转投资的重要研究成果[page::0-21]。

---

参考文献

报告中引用了国盛证券在行业轮动、分析师景气指数构建、以及行业配置优化等相关研究，体现体系化研究体系[page::20]。

---

总结

该报告细致剖析了A股困境行业反转的复杂性，通过科学区分行业困境状态，利用兼顾长期分析师盈利预期与短期资金流动性的右侧信号，创新突破传统行业配置模型的局限，构建出高胜率、高弹性且相对稳健的双模困境反转策略。

图表内容丰富，数据和实证严谨，深入揭示了低估值困境行业反转的时间维度层次及获利机会，策略设计灵活且风险控制充分，配合行业图谱工具，显著提升战略决策效率和精准度，兼顾了策略稳健性与收益弹性。

整体看，该报告为行业配置及价值反转策略提供了极具价值的量化框架方案，对基金经理、量化策略研究者及实务投资者均有较强参考意义，推荐投资者结合自身风险偏好及市场环境酌情应用和调整。

---

附：重要图表示意展示

• 图表1：行业配置模型近两年表现（策略叠加PB-ROE后显著提升）

• 图表3：低PB行业多头表现趋势

• 图表5：当前困境vs过去困境超额收益比较

• 图表11-12：分析师景气度前10%行业超额净值

• 图表17-18：交易盘加仓前10%行业超额收益

• 图表22-23：短期困境反弹策略表现

• 图表27-28：长期困境反转策略表现

• 图表32：并行困境反转策略综合表现

• 图表36：行业困境反转图谱

---

本分析严格遵循报告内容，基于报告自身论述和数据推演，确保溯源准确，避免无报告依据之主观臆断。

报告