业绩趋势模型构建与基本逻辑 [page::0][page::8]

• 同时使用业绩增长速度和增长加速度两个指标构建业绩趋势模型，通过回归单季度净利润的二次项系数衡量加速度。

- 业绩趋势模型将行业分为9组，第9组代表业绩高速且加速增长的行业，具备重点关注价值。

行业业绩刻画方法及超额收益验证 [page::4][page::5][page::6]

• 采用行业整体法与中位数法两种方式刻画行业业绩增速。

- 中信三级行业分类中，高业绩增长行业明显拥有显著超额收益，特别是在业绩释放阶段（当季末换仓）。

• 公告滞后导致高增长超额收益缩水，公告后调仓年化收益显著下降。

业绩趋势模型参数优化与回测表现（整体法）[page::9][page::10][page::11]

• 选择回归期N=10，业绩趋势模型表现最佳，9组行业年化收益29.1%，信息比率1.78。

- 模型在避免业绩反转及预测未来业绩高增长方面优于简单线性外推。

• 业绩预告数据样本偏差大，使用预告数据会显著降低模型的预测效果（信息比率下降至0.34）。

业绩趋势模型参数优化与回测表现（中位数法）[page::13][page::14][page::15]

• N=10时，中位数法刻画的业绩趋势模型表现最佳，9组年化收益26.8%，信息比率1.34。

- 使用扣除非经常性损益的归母净利润进一步提高了模型有效性，9组收益率达28.3%，信息比率提升至1.52。

• 使用预告数据仍会带来显著样本偏差，模型有效性下降。

结合技术指标：动量与RSRS指标选股优化 [page::16][page::17][page::18]

• 动量指标分析显示，上一月涨幅较高的行业表现受限，建议去除高动量前20%的行业以防止反转。

- RSRS指标表明低RSRS值行业风险更大，参数选定 n=10，m=500，优先剔除RSRS最低组行业以降低风险。

最终行业轮动策略表现及持仓 [page::19][page::20]

| 年份 | 2009 | 2010 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 | 年化收益 |
|-----|-------|-------|-------|-------|-------|-------|-------|-------|-------|-------|----------|
| 收益率 | 144.6%| 20.9% | -21.0%| 10.6% | 44.8% | 56.0% | 119.1%| -6.2% | 7.5% | 2.2% | 32.7% |
| 波动率 | 33.1% | 28.3% | 24.1% | 24.0% | 22.2% | 21.2% | 53.2% | 33.6% | 16.9% | 11.8% | 30.2% |
| 超额收益| 13.6% | 8.1% | 12.2% | 10.9% | 21.0% | 8.4% | 28.0% | 7.7% | 14.6% | 2.7% | 13.8% |
| 信息比率| 1.49 | 1.22 | 1.78 | 1.74 | 2.71 | 1.37 | 3.07 | 1.35 | 1.87 | 5.21 | 1.89 |

• 策略具备较高信息比率和超额收益，月度胜率67%。

- 持仓行业数量约10个，动态调整以适应市场变化。

主要风险提示 [page::0][page::20]

• 策略基于历史数据构建，市场环境变化可能导致模型失效。

- 业绩预告数据带来的样本偏差需警惕。

光大证券：基于业绩趋势的行业轮动模型深度分析报告

---

一、报告元数据与概览

• 报告标题： 基于业绩趋势的行业轮动模型（Financial Engineering: Industry Rotation Model Based on Performance Trends）

- 作者及机构： 刘均伟（执业证书编号S0930517040001）、光大证券研究所

• 发布日期： 2018年2月27日

- 主题范围： 股票市场行业轮动策略，聚焦于基于上市公司业绩趋势的行业选股和动态配置，辅以技术指标（动量与RSRS指标）辅助优化模型表现

• 核心论点及目标： 本报告延续此前《多维度寻找高增长公司——业绩链选股策略报告》的思路，构建了基于业绩增长速度与加速度的业绩趋势模型，应用于行业板块轮动，辅以动量及阻力支撑相对强弱（RSRS）技术指标，旨在预测未来可能的高增长行业，实现行业轮动组合超额收益和风险控制。报告提出：

- 业绩高增长行业在历史中拥有显著的超额收益
- 利用业绩趋势模型能够有效筛选出下期大概率高增长的行业组合，收益表现优异
- 预告数据存在样本偏差导致模型效果下降
- 扣除非经常性损益的归母净利润指标提高模型有效性
- 运用动量及RSRS指标进一步精选行业，降低持仓风险
- 最终策略在样本内外均表现优异，实现年化收益32.7%，信息比率1.89，月度胜率约67%

---

二、逐节深度解读

2.1 引言与基本逻辑

• 问题提出：

报告首先强调行业业绩同步高速增长往往意味着行业景气度上升，提供了良好的投资时机。基于此，报告试图回答三个关键问题：
1. 如何刻画行业业绩增速？
2. 是否存在业绩增速高行业的超额收益？
3. 何时是行业配置的最佳时机？

• 行业业绩刻画方法：

- 行业整体法：行业内所有上市公司归母净利润加总，计算整体增长率，但需剔除因上市公司数量变动带来的干扰。
- 中位数法：先计算各公司业绩增速，再取中位数作为行业业绩代理，更稳定且抗异常值能力强。

• 业绩高增长行业的超额收益实证：

通过中信一级、二级、三级行业划分测试，结果显示：
- 各级别行业增速越高的分组，年化收益率越高，三级行业划分（最细级别）对业绩趋势反映更为精准。
- 最佳持仓时点为当季末，即业绩释放期，体现了业绩披露对市场价格的即时影响。

• 公告滞后影响：

审计及公告流程导致业绩数据释放存在滞后。当季末调仓时效果最佳，但实际投资由于公告时间滞后通常只能公告后调仓，导致超额收益明显缩水。

---

2.2 业绩趋势模型构建与验证

• 模型定义：

基于两个维度：
- 业绩增长速度（TTM归母净利润相对上一季度增长率）
- 业绩增长加速度（通过对连续N季度单季归母净利润做二次回归，二次项系数即为加速度指标）

• 分组方法：

先将行业按增长速度分成3组，再在每组内按加速度分成3组，共9个分组。第9组代表高速度和高加速度的行业组合。

• 参数N的敏感性测试：

回测显示，N≥8以上时，模型预测能力最佳，N=10时表现最优（分组收益单调性、信息比率及预测准确性），选择N=10作为模型参数。

• 模型优于线性外推：

相较于以当期业绩增速线性外推作为基准，业绩趋势模型避免了业绩反转风险，9组行业组合未来业绩高增长的概率显著更高（约47.4% vs 低于对照组），同时风险调整收益更优（信息比率1.78 vs 0.91）[page::8-11]

• 模型应用样本扩展测试：

- 预告数据替代公告数据: 虽能提前换仓，但会引入样本偏差，导致业绩表现不稳定，模型信息比率大幅下降，实用性不佳。
- 扣非归母净利润应用: 扣除非经常性损益能更准确反映主营业务盈利，有助于提升模型有效性，尤其在中位数法刻画下效果更显著，提升信息比率至1.52[page::11-16]

---

2.3 中位数法刻画行业业绩验证

• 中位数法结果与行业整体法类似，N=10时表现最佳。

- 高增长行业组合年化收益达到26.8%，信息比率1.34，且下期落入业绩高增长区域概率48.6%，优于线性外推对照组。

• 预告数据替代最新公告数据依然存在样本偏差，降低模型效果。

- 扣除非经常性损益提升模型稳定性和预测能力，信息比率提升至1.52，年化收益28.3%[page::13-16]

• 小结：

- 业绩趋势模型在多维度刻画下均表现优秀。
- 预告数据使用需谨慎，推荐使用最新公告数据。
- 应用扣非归母净利润指标表现更佳。
- 行业整体法模型（N=10）在回测期年化收益可达29.1%，信息比率1.78[page::16]

---

2.4 行业轮动策略演进与技术指标优化

• 技术指标介绍：

- 动量指标： 重点关注上一月、前三月、前六月涨幅。
- RSRS指标： 以最高价和最低价回归衡量相对强弱，数值高表示支撑强，技术形态看涨；数值低反之。

• 动量的应用：

- 发现高增长行业中，上一月涨幅最高20%的行业信息比率显著较低，表现出反转迹象。
- 建议策略中剔除上一月涨幅前20%行业以降低风险。

• RSRS的应用：

- 选择参数n=10，m=500，RSRS指标分组表现最佳。
- RSRS值最低组表现最差，表明低RSRS的行业承担更大风险，应剔除。
- 通过结合动量和RSRS筛选后，高增长行业组合表现更优。

• 最终业绩表现：

- 过往回测年化收益达32.7%，超额收益13.8%，信息比率1.89，月度胜率67%
- 样本外阶段（2016–2017年）依然表现亮眼，信息比率分别为1.35和1.87，月度胜率分别为66.7%和58.3%
- 2018年1月，策略净值上涨2.2%，超出大盘2.7个百分点[page::16-20]

---

3、模型持仓行业名单与风险提示

• 报告提供最近三期的行业组合名单，覆盖多样的细分行业，如水务、磷肥、机器设备、保险、铁路、航运等，体现模型的行业轮动动态调整能力[page::20]
• 风险提示：

- 结果基于历史数据和统计模型，市场环境变化可能导致模型失效风险[page::0,20]

---

三、图表深度解读

1. 图1-图6： 分别展示中信一级至三级行业，基于整体法和中位数法刻画的分组年化收益表现。

- 趋势明显：分组中业绩增速越高（5组）年化收益越高，三级行业的区分更为显著。
- 当季末调仓表现优于当季初、下季末，体现业绩释放期的重要性。

1. 表1： 业绩公告相较于报告期存在最长1-4个月的滞后，限制投资者即时换仓能力。
2. 表2、表3： 公告后调仓的高增长行业组合年化收益较公告前掉落明显，超额收益减弱约1.4-3.6个百分点。
3. 图7-图10: 业绩趋势模型参数N对年化收益和信息比率的影响及第9组未来业绩落点分布。

- N≥8效果显著，N=10表现最佳。
- 第9组高增长组合未来业绩多集中在高增长组（八九组）。

1. 表5、表9： 业绩趋势模型（N=10）9组行业组合年化收益均高于其他分组，信息比率达到1.34-1.78，模型具有较好风险调整收益能力。
2. 表7、表10： 预告数据替代公告数据后，模型分组收益单调性和信息比率下降，样本偏差问题明显。
3. 表8、表11： 扣非归母净利润数据提升模型表现，特别是中位数法下信息比率提升显著。
4. 图15： 在高增长组合内依据动量指标分组，高动量（尤其一月）表现反转，提示应剔除高涨幅行业。
5. 表13-15： RSRS指标在参数n=10、m=500时表现较优，最低RSRS分组表现最差，应用该指标可辅助风险筛选。
6. 图16、表16： 结合业绩趋势和技术指标的最终策略净值表现及历年收益统计，年化32.7%，信息比率1.89，且样本外表现稳定。

---

四、估值分析

报告主要聚焦于策略构建及历史回测分析，未涉及具体个股估值方法或目标价设定，故无直接估值模型讨论。

---

五、风险因素评估

报告主要风险点包括：

• 模型失效风险： 市场环境、政策、行业周期等变化可能导致历史模型失效。

- 数据滞后风险： 财报公告滞后影响信号时效，降低超额收益实现效率。

• 预告数据样本偏差风险： 预告数据不充分反映行业业绩整体，使用导致模型有效性下降。

- 指标参数选择风险： 业绩趋势模型参数和技术指标参数选择影响模型表现，过拟合或参数失调风险。

• 报告未详细提出针对风险的缓解方案，但通过严格参数选择、技术指标叠加，尝试降低风险。[page::0,6,11,20]

---

六、批判性视角与细微差别

• 报告高度依赖历史财务数据的统计规律，虽然通过参数敏感性分析及多种检验减少偶然因素影响，但依然面临市场结构变化带来的模型失效可能。

- 预告数据存在样本偏差导致模型失效提醒非常重要，显示使用非公告数据需审慎。

• 業績加速度指标的实质（二次回归二次项系数）假设行业业绩呈抛物线趋势，虽合理但可能忽略复杂经济周期波动。

- 报告使用的动量指标为简单排名，未深入探讨成交量、换手率等其他技术面因素对策略优化的潜在作用。

• 模型调仓频率较低（季度），可能错失部分短期行业机会，虽然动量和RSRS周度甚至月度调仓有所弥补，但整体轮动策略的流动性风险及交易成本未予充分讨论。

---

七、结论性综合

本报告提出并系统验证了基于业绩趋势的行业轮动模型，核心贡献在于：

• 结合业绩增长速度与加速度双指标，创新性刻画行业业绩走势，选出下期大概率高增长行业。

- 采用行业整体法和中位数法两种刻画方法，分别优化业绩代理指标，增加模型稳健性。

• 避免依赖带有滞后的公告数据，通过业绩趋势预测未来高增长行业，捕捉显著超额收益。

- 额外引入技术指标：动量指标警惕上一月涨幅过高行业，RSRS指标排除技术形态看跌行业，全面优化组合风险。

• 模型在回测期内表现优异，年化收益超过32%，信息比率接近1.9，月度胜率保持在67%左右，在样本外（2016-2017年）持续有效，验证了模型的稳健性。

- 提供了详细的行业持仓名单，支持策略实操性。

• 报告全面讨论业绩数据的特性及风险限制，结合多重技术指标辅助优化，体现严谨的量化策略研究框架。

总的来看，该模型通过多维度结合财务基本面和技术面信息，对行业轮动选股提供了有效且可实操的策略建议，适合机构投资者进行行业资产配置和动态管理。

---

附件图表示例

• 图5：中信三级行业分组年化收益表现（整体法）

• 表5：中信三级行业依据业绩趋势模型分组的收益表现统计（整体法）

| 组别 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 对照组 |
|-------|------|------|------|------|------|------|------|------|------|--------|
| 年化收益率 |8.4% |13.3%|15.2%|14.9%|18.8%|16.2%|16.5%|19.8%|29.1%|23.1% |
| 年化波动率 |30.3%|30.6%|30.4%|29.7%|29.3%|28.5%|30.3%|30.8%|29.9%|30.9% |
| 信息比率 | -1.20 | -0.46 | -0.18 | -0.29 | 0.35 | -0.13 | 0.01 | 0.53 | 1.78 | 0.91 |

资料来源：Wind，光大证券研究所

---

总结

本报告充分利用上市公司业绩的释放规律和趋势特性，创新提出行业业绩趋势双指标，并结合动量与RSRS技术指标，提出简洁且有效的行业轮动策略。基于详尽的历史数据回测和参数敏感性分析，模型在多种环境下展现了良好的收益风险表现，为投资者提供了可行的行业动态配置方案。模型本身须持续关注市场结构变化带来的风险，及时调整参数与策略逻辑，以保证长期有效。

[page::0,1,4-20,21]

报告