• 供应链数据来源及指标体系介绍 [page::1]

- 数据覆盖4,000+ A股、2,000+港股、20,000+发债主体及130万+非公众企业。
- 采用人工智能及信息披露数据，结合股权穿透算法，确保供应链数据的高透明度和准确性。

• 供应链关联度构建方法与特征分析 [page::2][page::3][page::4][page::5]

- 行业供应链关联度分为基于供应关系数量和供应关系强度两种合成方法。
- 时间序列显示随着上市公司数量增长及信息披露透明度提高，供应链数据量和关联关系逐渐清晰且稳定。
- 截面分析表明行业间供应链覆盖度广，各行业与大部分其他行业存在关联，且自身行业关联度更高。
- 供应关系强度加权方法更合理，反映交易金额大小与行业地位差异，提供更优因子表现。

• 供应链动量因子构建与理论基础 [page::5][page::6][page::7]

- 供应链动量基于三类传导效应：物流（牛鞭效应）、成本/资金流及信息流。
- 构建供应商动量和客户动量因子，分别基于对手方行业历史动量和供应链关联度加权合成。
- 动量有三种计算方式：传统动量、Rank动量和Shift动量。

• 供应链动量因子有效性检验——IC测试 [page::7][page::8][page::9]

表格摘录（供应商动量IC测试统计量部分）：

| 指标 | 平均值 | 标准差 | t统计量 | 胜率 |
|------------|--------|--------|---------|--------|
| MOMs100 | 0.206 | 0.223 | 3.456 | 85.7% |

表格摘录（客户动量IC测试统计量部分）：

| 指标 | 平均值 | 标准差 | t统计量 | 胜率 |
|------------|--------|--------|---------|--------|
| MOMc100 | 0.116 | 0.221 | 1.959 | 71.4% |

- 两类供应链动量因子均对下一季度行业收益率呈显著正向预测能力。
- 供应商动量因子表现优于客户动量和传统行业主体动量。
- 以供应关系强度合成的行业关联度优于仅用数量合成。
- 三种动量计算方式均有效，具体表现供应商动量传统动量优，客户动量Rank动量优。[page::8][page::9]

• 分位数回测测试验证因子区分度 [page::9][page::10][page::11]

- 供应商动量Top组年化收益13.19%，夏普比率0.416；Bottom组表现明显较差。
- 客户动量Top组年化收益8.37%，夏普比率0.226；Bottom组表现较弱。
- 组合收益呈现明显的线性递减趋势，体现良好的预测与区分力。

• 供应链动量驱动的行业轮动策略回测 [page::11][page::12][page::13]

- 供应商动量策略表现最佳，前五行业组合年化收益13.93%，Sharpe 0.438，多空组合年化收益13.04%，最大回撤10.86%。
- 客户动量策略次之，前五行业组合年化收益7.43%，Sharpe 0.187。
- 策略在样本内外均显著优于行业等权和传统动量策略。
- 动量窗口参数敏感性低，供应商动量策略收益稳定且高于客户动量[page::13]

• 供应链动量因子在指数增强策略中的应用及效果 [page::13][page::14][page::15]

- 以沪深300为样本的指数增强策略，年化超额收益8.00%，Sharpe比率0.236。
- 以中证500为样本的指数增强策略，年化超额收益5.33%，策略有效优于基准。
- 多空组合皆表现出良好稳健的收益趋势，显示供应链动量因子适合行业配置及权重调整。

• 供应链动量较高行业梳理 [page::16]

| 序号 | 供应商动量行业名称 | 客户动量行业名称 |
|-------|----------------------|-----------------------------|
| 1 | 房地产(中信) | 煤炭(中信) |
| 2 | 综合(中信) | 电力及公用事业(中信) |
| 3 | 建材(中信) | 银行(中信) |
| 4 | 轻工制造(中信) | 综合(中信) |
| 5 | 交通运输(中信) | 建筑(中信) |
| ... | ... | ... |

• 主要结论总结 [page::16]

- 供应链关联度随着信息披露完善和标的增长显著提升且行业间关联稳定。
- 供应链动量因子具备较强预测未来行业收益能力，优于传统行业动量因子。
- 供应商动量策略收益更高、更稳定，行业轮动与指数增强策略均表现优异。
- 策略易于操作，对参数不敏感，具备较强应用价值和扩展潜力。

【招商定量 深度报告巡礼之二十四】蓝海启航 系列研究之六：基于供应链动量的行业轮动与指数增强策略—详尽分析报告

---

一、元数据与概览（引言与报告概览）

报告标题：
【招商定量 深度报告巡礼之二十四】蓝海启航 系列研究之六：基于供应链动量的行业轮动与指数增强策略

作者/发布机构：
招商定量任瞳团队，招商证券，2024年9月23日发布

研究主题：
利用秩鼎公司提供的上市公司供应链数据，从公司层面构建行业供应链关联度，进而提出基于供应链动量的行业轮动策略及指数增强策略，助力行业轮动配置与指数投资超额收益。重点在于揭示行业之间基于供应链关系的价格联动效应。

核心论点与结论（摘要部分）:

• 行业供应链关联度可由供应关系数量与交易强度合成，整体供应链关系稳定且随着数据积累日益清晰；

- 基于供应链关联度和历史动量构建供应商动量因子和客户动量因子，在100交易日窗口下，这些供应链动量因子对行业未来收益具有更强的预测力，相较于行业主体自身的动量因子（IC检验结果显著且表现优异）；

• 分位数回测显示，供应商动量与客户动量对分组行业组合的筛选有良好区分度，表现为年化收益与夏普比率自高分组到低分组线性递减，符合因子构建逻辑；

- 基于供应商动量构建的行业轮动策略无论样本内外均明显跑赢等权基准和传统行业动量策略，表现尤为突出且稳定性较高；

• 行业供应商动量因子应用于沪深300和中证500指数的指数增强策略均有显著正向超额收益，回测年化超额收益分别为约8%和5.33%。

- 研究报告同时列出了供应链动量排名最高的行业，供投资者关注。

风险提示：
模型基于历史数据建模，存在政策及市场环境变化导致模型失效的风险，不构成具体投资建议。
[page::0]

---

二、逐节深度解读

1. 数据来源与供应链指标体系

核心内容：

• 供应链数据来源于秩鼎公司，使用人工智能与自然语言处理技术，基于公开数据（公告、招投标等）并辅以股权穿透算法确保数据透明度和准确性。数据覆盖国内外约7000家上市公司，2万多发债企业，130万以上非公众企业，实时跟踪供应链信息。

- 数据质量保障严格，经过自动抓取、智能解析、人工复核，公开披露来源备查。

• 指标体系涵盖供应链全量数据与公司供应链数据两大类，提供结构化、可视化的供应链关联度，支持多层次纵横向产业链分析。

- 通过反向披露和股权穿透等技术，实现供应链交易金额加权和图谱构建（具体示例见宁德时代供应链图谱，展示其62个供应商、20个客户，并量化交易金额与占比）。
[page::0,1,2]

2. 行业供应链关联度计算

计算方法及逻辑：

• 行业供应链关联度由公司供应链关系映射至行业层面，采用中信一级行业标准，覆盖2017年末至2022年中，季度频率数据。

- 关联度分两类计算：
1. 供应关系数量合成：行业间供应关系数量作为关联度权重，直观反映供应链覆盖的“宽度”。（如图4示例：不同公司间的供应关系计数）
2. 供应关系强度合成：以交易合同金额（TCV）为权重，强化核心企业的行业地位影响，体现供应链的“深度”与价值贡献。（如图5示例）

• 后续分析以供应关系强度加权的行业关联度为核心，因为该方式在逻辑上更合理且体现了交易金额差异，包含更多信息。

统计特征分析：

• 时间序列特征：

- 近几年，因上市公司数量增加、信息披露逐步非匿名化，行业之间的供应链关系数据量显著增长（2018年A股股数约3600只，2022年超4700只）。
- 行业间供应链关系逐渐清晰且稳定，房地产与建筑、建材等行业关联度持续活跃，数据呈上升趋势（图6、图7展示数量和强度趋势差异，强度衡量下房地产内部与外部关联相对均衡）。

• 截面特征：

- 行业供应链关联度覆盖广泛，各行业主体普遍与多数行业存在供应链关系（表1和表2显示不同维度下的各行业关联度）。
- 基础化工等行业在数量维度表现出强的自身行业聚合性，而强度维度下行业间关联更均衡。

• 行业关联度整体稳定，样本内波动不大（图8房地产行业五大关联行业趋势）。

[page::2,3,4,5]

3. 供应链动量因子的理论基础及构建方法

理论基础：

• 供应链价格联动效应在学术界有明确支持，三大传导机制：

1. 物流传导（牛鞭效应）：市场需求波动逐级放大，供应链上下游价格波动存在滞后及扩散（图9示意）。
2. 成本/资金流传导：原材料成本变化和资金流状况滞后影响上下游公司（图10示意）。
3. 信息流传导：负面或正面信息影响供应链成员股票价格波动，超出自身公司视角（大众汽车排放丑闻案例，图11）。

• 供应链动量因子通过捕捉这种行业间联动效益，挖掘价格滞后及传导带来的超额收益机遇。

构建方法：

• 根据行业供应链关联度和中信一级行业指数收盘价，分季度计算行业供应商动量因子和客户动量因子。

- 行业供应链动量由三种动量计算方法构成：
- 传统动量：过去N交易日剔除最近20日涨跌幅。
- Rank动量：过去N交易日剔除最近20日日涨跌排名均值。
- Shift动量：过去N交易日剔除最近20日累计涨跌与每日涨跌绝对值比值。

• 两类动量因子权重由行业间供应链关联度加权得出，构成业界首批基于供应链强度的行业级动量因子。此外，动量因子区分供应商和客户两侧视角。

[page::5,6,7]

4. 供应链动量因子有效性测试（IC测试及分位数回测）

IC测试结果（表3至表7）:

• 不同窗口期（60-120日），65%以上胜率表现较稳定，70~100日窗口效果最佳，其中100日时供应商动量因子IC均值0.206、t值3.456，客户动量因子IC均值0.116、t值1.959，均显著正相关。

- 供应链动量因子用关联度强度加权优于数量加权，反映交易金额权重方案的信息增值效应。

• 传统动量指标中，供应商动量以传统动量表现最佳，客户动量则排名动量优于传统动量。

- 供应链动量因子均优于行业主体自身的动量因子预测未来收益，如供应商动量IC为0.206，而主体动量仅0.116，验证了供应链信息带来的增量预测价值。

分位数测试（表8-9，图12-13）:

• 分为五组后，Top组合明显跑赢Bottom组合，供应商动量因子Top组年化收益率达13.19%，夏普0.416，Bottom组均为负收益和负夏普，比率呈线性递减趋势，验证了因子选股有效性。

- 客户动量因子Top组年化收益率8.37%，夏普0.226，Bottom组负收益，表现也具分层识别能力，但整体效果略逊于供应商动量。

• 净值曲线均展现较好区分度，说明动量因子在行业选择上的稳定作用。

[page::7,8,9,10]

5. 行业轮动策略构建与回测

构建逻辑与流程：

• 采用样本内（2018.1-2021.6）确定最优参数后的供应商动量和客户动量因子指标。

- 根据动量因子排序选出排名前5和前10行业，等权配置形成行业轮动组合。

• 调仓频率为季度，交易假设包括单边0.3%交易费用，回测区间至2022年5月。

- 以中信一级行业等权组合为基准进行绩效比较。

回测结果（表10-11，图14-15）:

• 供应商动量的前5行业组合年化收益13.93%，夏普0.438，远超基准等权组合（年化收益1.12%、夏普-0.09）及传统行业动量（年化收益6.76%、夏普0.152）。多空组合年化收益达13.04%，波动低，夏普高达0.912。

- 客户动量策略表现略逊，前5行业组合年化收益7.43%，夏普0.187，但仍优于基准。样本外表现相对不及供应商动量策略。

• 净值线表现多头组合持续领先基准，策略稳定性良好。

- 参数敏感性测试：动量窗口大小调整对策略年化收益影响有限，供应商动量稳定维持约14%，客户动量约8%，体现策略的参数鲁棒性。

[page::11,12,13]

6. 指数增强策略构建与回测

构建思路：

• 以供应链供应商动量因子标准化分数为权重，上下游自上而下选择强势行业高配，弱势行业低配。

- 行业内个股按流通市值比例配权。

• 调仓频率季度，假设同单边0.3%交易费用。

- 采用沪深300和中证500历史成分股为样本。

回测结果（表12-13，图18-19）：

• 沪深300样本：

- 策略年化收益8.02%，超额收益8.0%，夏普0.236，显著优于沪深300（年化收益0.02%，夏普-0.142）。
- 多空组合表现优异，年化收益7.80%，夏普0.662，回撤小。

• 中证500样本：

- 指数增强策略年化收益4.18%，超额收益5.33%，夏普0.052，优于中证500指数负收益和负夏普。
- 多空组合年化收益5.31%，夏普0.548，波动明显低于基准。

• 策略净值稳健上行，上方明显分离于基准指数曲线。

[page::13,14,15]

7. 供应链动量领先行业梳理

• 报告公布供应商动量和客户动量排名前10的中信一级行业列表，部分重叠但又各有侧重。

- 供应链动量最高行业包括房地产、综合、建材、轻工制造、交通运输等；客户动量高的行业则有煤炭、电力及公用事业、银行等。

• 该列表为后续跟踪重点行业，持续观察份额调整及超额收益情况。

[page::15]

---

三、图表深度解读

图1：秩鼎数据处理流程（page 1）

展示实时获取、智能解析、人工复核及指标合成的流程，强调数据透明度与质量保障。支持报告后续供应链指标建立的坚实数据基础。

图2：供应链指标体系（page 1）

示意供应链数据的查询和展现结构，包括产品、区域、事件等全量数据，以及供应商/客户的深度图谱和统计指标，体现多维度供应链信息的丰富性。

图3：宁德时代供应链图谱（page 2）

具体到单一公司供应商和客户列表，附交易金额与次数，高度可视化，体现供应链数据的精细度和真实性。

图4、图5：行业间供应关系示例（page 2-3）

分别针对数量合成与金额强度加权，示意行业间如何利用公司供应链数据转化为行业层面的供应商关联度。图示简单明了，表面展示两个关键指标体系。

图6、图7：房地产相关三行业供应链关联度时间序列（page 3）

两图比较不同衡量方法下数据增长趋势，显示行业供应链关系随着时间更趋清晰及稳定。特别地产-地产关系显著强于跨行业，数值增长特别明显。

图8：房地产行业前五供应关联行业稳定趋势（page 5）

时间序列图反映房地产与建筑、建材等行业关联度稳定且显著高于其他行业，证明行业供应链关系稳定性。

图9-11：三种供应链价格联动的理论示意图（page 6）

分别演示牛鞭效应（物流传导）、成本/资金流传导机制信息流传导，图形化表达供应链价格传递的本质机制，加深了理论理解。

表3-7：IC测试统计表（page 7-9）

详尽展示供应商、客户动量在不同窗口、不同关联度合成、不同动量计算方法和与行业主体动量对比下的预测准确率，定量评价供应链动量因子的有效性。

表8-9及图12-13：分位数回测评价指标与净值图（page 9-11）

清晰展示按动量水平分层的行业组合表现差异。指标包含收益率、夏普比率、最大回撤，净值趋势图支持分组业绩差异的视觉理解，验证行业供应链动量的投资实用性。

表10-11及图14-15：行业轮动策略回测指标及净值（page 11-13）

验证由供应商和客户动量构建的轮动组合超额收益与稳定性。数据与图形显示供应商动量策略优于客户动量策略。多空组合夏普比率特别突出。

图16-17：窗口期敏感性分析柱状图（page 13）

展示策略收益对动量计算窗口期变化的稳定性，体现供应商动量具备更高收益和更强稳定特征。

表12-13及图18-19：指数增强策略回测指标及净值（page 14-15）

体现供应链动量因子应用于沪深300和中证500指数增强的超额收益能力，鹰眼角度对比基准指数及多空组合表现，凸显策略稳健盈利。

---

四、估值分析

本报告侧重投资策略构建及因子测试分析，未专门涉及企业或行业股价估值模型（未见DCF或市盈率类估值方法体现）。其研究重点在于基于供应链数据的动量因子构建与策略回测验证，因而围绕因子选取、权重计算及策略实现进行了详细阐释。

---

五、风险因素评估

报告明确提及主要风险：

• 供应链动量策略基于历史数据统计和模型推断，存在因政策环境及市场结构变化导致的模型失效风险；

- 报告涉及的策略和个股仅表示相关性，不构成投资建议；

• 投资策略受信息披露质量影响，存在样本代表性及数据遗漏风险。

未展开缓解策略，但通过采用多种动量计算方法、不同窗口长度测试、样本内外验证等方法一定程度上降低策略过拟合风险。

---

六、批判性视角与细微差别

• 报告较为系统而详尽地覆盖了数据来源、理论基础、方法构建、统计特征、因素验证和策略实现，整体分析框架严密。

- 供应链关联度合成采用两种方法，报告选择供应链强度合成作为核心，符合交易金额权重的逻辑合理性。

• 供应链动量因子的横向传播效应被充分利用，较之传统行业动量提供额外增量，有较强现实指导意义。

- 报告对参数敏感性进行测试，增强结论稳健性。

• 需注意的是，供应链数据采集依赖公司披露，披露非匿名化程度提高加大数据体量，但市场信息披露不均可能带来行业间数据质量差异，影响模型适用性。

- 样本外区间部分客户动量策略表现不明显，显示策略稳定性较供应商动量弱。

• 估值、基本面分析等传统分析手段未涉及，策略集中于量化因子构建和回测验证，适合系统量化投资，强调策略运用需结合宏观及基本面。

- 报告中以中信一级行业分类为基础进行研究，可能对跨行业的复杂供应链关系有所忽略。

---

七、结论性综合

本报告由招商定量任瞳团队基于秩鼎提供的供应链数据系统开展，提出并验证了基于行业供应链关系的供应商动量因子和客户动量因子，论证了供应链动量因子优于行业自身动量的预测能力。从数量和强度两大维度描绘行业供应链关联度，确认其时间序列稳定性和截面覆盖广泛性。应用上，依据该因子设计的行业轮动策略及指数增强策略均显示出显著的超额收益能力和良好的稳定性，特别是供应商动量因子表现更佳。

具体说，供应链数据驱动的行业供应链动量因子作为捕捉行业间价格传导与联动的创新投资因子，在跨行业投资策略构建中显著提升了行业选择效率和指数增强效果，年化超额收益达5%—8%左右，且参数鲁棒性佳，符合实务应用需求。

图表等定量分析进一步巩固了报告主张：图6、7揭示供应链数据量迅速丰富过程，表3-7定量展示供需动量因子预测能力，表8、9分层组合回测表现优异，表10-13策略回测数据显著跑赢基准指数，图14-19回测净值曲线清晰体现策略稳定成长轨迹。

风险警示部分强调模型建立在历史数据上，面对市场和政策变化需警惕模型失效。报告适合作为量化投资策略构建的理论与实证参考，建议与宏观经济、基本面等多维度分析结合使用。

综上，报告清晰地表明：基于供应链的行业动量因子为投资者提供了新的角度以预测行业表现和构建超额收益策略，供应商动量因子尤其具备较高的收益潜力和稳定性，值得持续关注和应用。
[page::0-17]

---

附图示范（部分）

• 图1：秩鼎数据处理流程

• 图3：宁德时代供应链图谱示例

• 图4：供应链数量合成示意

• 图5：供应链强度合成示意

• 图6：房地产相关供应链关系数据量（数量衡量）

• 图7：房地产相关供应链关系数据量（强度衡量）

• 图9：牛鞭效应示意图

• 图14：供应商动量行业轮动策略净值曲线

（更多图表详情详见全文）

---

总结：招商定量任瞳团队基于秩鼎供应链数据打造的供应链动量因子，为行业轮动与指数增强提供了强有力的量化支持和理论依据，展现出显著的预测能力和投资价值，尤其供应商动量因子表现稳定优异，是行业配置和增强策略构建中的重要创新方向。投资者可据此研究报告结合自身投资偏好与风险承受能力，合理规划行业配置策略。

报告